opc r参数 ua_SKAT分析___R语言

最新推荐文章于 2023-11-04 20:49:12 发布

凤凰空间

最新推荐文章于 2023-11-04 20:49:12 发布

阅读量2k

点赞数 1

文章标签： opc r参数 ua

本文链接：https://blog.csdn.net/weixin_35719402/article/details/112184155

版权

本文介绍了R语言中的SKAT包在OPC和UA分析中的应用，包括如何安装和使用SKAT包进行SNP与表型关联分析、功效和样本量计算。详细讨论了SKAT的二分类性状调整方法、权重设置、SKAT-O测试、常见和稀有变异的合并检测，以及如何处理基因型缺失和亲缘关系调整。此外，还提到了针对X染色体的分析方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

参考文献

曾平, 赵杨, 陈峰. 新一代测序数据的罕见遗传变异关联性统计方法[J]. 中国卫生统计, 2015, 32(006):1091-1096.

官方指南

https://cran.r-project.org/web/packages/SKAT/SKAT.pdf https://CRAN.R-project.org/package=SKAT

首先，打开R-Studio，安装“SKAT”包

install.packages("SKAT")

获取包的用法

??SKAT

从描述文件可以看到版本号

SKAT的两个功能：

计算SNP与表型的关系
计算功效或样本量

先来看一下关联分析的做法

示例数据集“SKAT.example”是一个矩阵(Z)，包括2000例样本的67个SNP信息，连续(y.c)或二分类(y.b)的表型向量，和一个协变量矩阵(X)。

> library(Matrix)> library(SPAtest)> library(SKAT) #加载包> data(SKAT.example)#加载示例数据> summary(SKAT.example) #查看数据类型    Length Class  Mode   Z   134000 -none- numericX     4000 -none- numericy.c   2000 -none- numericy.b   2000 -none- numeric> names(SKAT.example)[1] "Z"   "X"   "y.c" "y.b"> attach(SKAT.example)

为了进行关联分析，在运行SKAT之前，应该先运行 SKAT_Null_Model函数来估计H0假设(即一组罕见变异和疾病之间无关联，等价于随机效应的方差成分为0)下的模型参数。

对于连续型变量的表型变量> obj> SKAT(Z, obj)$p.value[1] 0.002877041 #这是P值，小于0.05，拒绝H0假设

对于二分类变量的表型变量> obj> SKAT(Z, obj)$p.value[1] 0.1401991 #这里，P值大于0.05，接受上面的H0假设。可以看出，对于二分类变量，计算结果是相对保守的。

当表型为二分类变量，且样本量小于2000时，SKAT的计算结果是保守的。研究者设计moment matching adjustment (MA)方法通过估计经验方差和峰度来调整渐近零分布。接下来，为了示例，抽出200例样本运行SKAT.

> IDX> obj.sSample size (non-missing y and X) = 200, which is <

最低0.47元/天解锁文章