用GAPIT进行GWAS过程及出现问题

已于 2023-04-02 23:20:07 修改
阅读量2.4k 收藏 11
点赞数 4
文章标签： r语言
于 2023-04-02 23:19:56 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/xiaoyuuuuuya/article/details/129912472
版权

目录

〇、参考GAPIT网址中的说明文档

一、数据准备（以文档中的数据为例）

二、导入GAPIT（Import library and GAPIT functions run this section each time to start R）

【报错1】显示多个程辑包需要载入​编辑

【报错2】“不存在叫‘LDheatmap’这个名字的程辑包” 或 “package ‘LDheatmap’ is not available for this version of R”

三、导入文件数据

四、GWAS运行

五、结果分析

写在前面：这是我第一次跑GWAS，所以就把这个过程记录下来啦，有什么不足之处可以指出来~（也参考了一些文章，如果不可以用的话可以联系我删掉）

〇、参考GAPIT网址中的说明文档

https://zzlab.net/GAPIT/gapit_help_document.pdficon-default.png?t=N2N8https://zzlab.net/GAPIT/gapit_help_document.pdf

一、数据准备（以文档中的数据为例）

下载data：http://zzlab.net/GAPIT/GAPIT_Tutorial_Data.zip

（！解压缩之后的数据文件位置一定要与当前工作目录保持一致，可以用一下操作查询或更改路径）

getwd() #查看当前工作目录位置
setwd("目标路径") #如果你不想把文件放在当前目录，可以使用该命令更改路径~

二、导入GAPIT（Import library and GAPIT functions run this section each time to start R）

source("http://zzlab.net/GAPIT/GAPIT.library.R")

【报错1】显示多个程辑包需要载入

--解决方法：

if(!require(gplots)) install.packages("gplots")
if(!require(LDheatmap)) install.packages("LDheatmap")
if(!require(genetics)) install.packages("genetics")
if(!require(ape)) install.packages("ape")
if(!require(compiler)) install.packages("compiler")
if(!require(grid)) install.packages("grid")
if(!require(bigmemory)) install.packages("bigmemory")
if(!require(EMMREML)) install.packages("EMMREML")
if(!require(scatterplot3d)) install.packages("scatterplot3d")
if(!require(lme4)) install.packages("lme4")
# if(!require(rgl)) install.packages("rgl")

if(!'multtest'%in% installed.packages()[,"Package"]){
	if (!requireNamespace("BiocManager", quietly = TRUE))
   install.packages("BiocManager")
   BiocManager::install("multtest")
   BiocManager::install("snpStats")
}

【报错2】“不存在叫‘LDheatmap’这个名字的程辑包” 或 “package ‘LDheatmap’ is not available for this version of R”

--解决方法

install.packages("LDheatmap", repos='https://mran.microsoft.com/snapshot/2019-02-01/')
library("LDheatmap")

不报错之后重新运行一下

source("http://zzlab.net/GAPIT/GAPIT.library.R")
source("http://zzlab.net/GAPIT/gapit_functions.txt")

√ 下一步

三、导入文件数据

myY <- read.table("http://zzlab.net/GAPIT/data/mdp_traits.txt", head = TRUE) #Phenotype
myG <-read.table("mdp_genotype_test.hmp.txt", head = FALSE)
myGD=read.table(file="http://zzlab.net/GAPIT/data/mdp_numeric.txt",head=T) #Genotype Data in Numeric Format 
myGM=read.table(file="http://zzlab.net/GAPIT/data/mdp_SNP_information.txt",head=T) #Genotype Map for Numeric Format 
myKI <-read.table("KSN.txt", head = FALSE) #Kinship Matrix
myCV <-read.table("mdp_population_structure.txt", head = TRUE) #Covariate Variables

1、Phenotypic Data

格式如下，第一列必须是Taxa names，其他列是个体表型值，NaN或NA表示缺失的数据，第一行是列标签。

2、Genotypic Data

（1）Hapmap Format

存储序列数据的常用格式，其中SNP信息存储在行中，第一行包含标题标签；单元信息存储在列中，前11列显示了SNP的属性（事实上GAPIT只使用了其中3列：rs列、chrom列、pos列，分别是SNP名称、SNP染色体、SNP的碱基对(bp)位置，余下的列可以用NA填写），其余列显示了每个分类单元在每个SNP上观察到的核苷酸。

（2）Numeric Format

该格式下需要为GAPIT提供两个单独文件，一个文件包含numeric genotypic data (称为GD文件)，另一个文件包含基因组上每个SNP的位置(称为GM文件)。

GD文件中纯合子用0和2表示，杂合子用1表示。0到2之间的任何数值都可以表示估算的SNP基因型。第一行是是SNP names，第一列是taxa names。如下图：

GM（genetic map)文件包含每个SNP的名称和位置。第一列是SNP id，第二列是染色体，第三列是碱基对位置

3、Kinship

亲缘矩阵文件（KI）被格式化为n × (n+1)矩阵，其中第一列是taxa name，其余是方阵对称矩阵。注意：亲缘矩阵文件的第一行不包含头文件。

4、Covariate variables

包含协变量的文件（CV）包含population structure(通常称为Q矩阵)等信息。格式与表型文件类似。第一列由taxa names组成，其余列包含协变量值。第一行由column labels组成。第一列可以标记为Taxa，其余列应该是协变量名称。

四、GWAS运行

GAPIT可使用GLM、MLM、MLMM、SUPER、FarmCPU、BLINK等模型，介绍与选择见文档。

GAPIT句法：

 GAPIT参数：

 【场景】对于umeric Genotype Format（包含GD文件与GM文件），GAPIT运行命令如下：

myGAPIT=GAPIT(
Y=myY[,c(1,2,3)], #fist column is ID
GD=myGD, #genotypic data文件
GM=myGM, #genetic map文件
PCA.total=3,
model=c("FarmCPU", "Blink"), #FarmCPU、Blink模型
Multiple_analysis=TRUE)

其余场景见文档Part 6：Tutorials

五、结果分析

1、表型分布图

 （上图为Blink模型下的EarHT性状）

2、PCA结果

 （左：2-D；右：3-D）

3、曼哈顿图

 

超过阈值的信号峰位置表示此处SNP和表型性状有着很强的相关信号，但不能直接认为这些位点就与表型显著相关的。

这是由于在基因组上引起基因位点的突变有自然突变和遗传漂变，只有自然突变是GWAS研究所关心的，要想排除遗传漂变的影响，需要通过QQ-plot图进一步观察。

（参考文章：如何理解GWAS中Manhattan plot和QQ plot所传递的信息 - 知乎）

4、QQ-plot 图

该图形的左下角相关程度低位点中p value的期望值和观察值相等，说明了模型的合理性，右上角翘起来则说明找到了dpoll表型的显著关联位点。

 （对QQ-plot结果分析参考QQ-plot图 - 简书）

xiaoyuuuuuya
关注
  • 4
    点赞
  • 踩
  • 11
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
GWAS分析软件GAPIT使用说明
08-28
GAPIT（Genome Association and Prediction Integrated Tool）是一个用于基因关联研究和预测的软件包，由美国康奈尔大学的开发人员开发。GAPIT是一个高效的工具，用于对基因组数据进行统计分析、进行连锁不平衡分析、进行基因型-表型关联分析、进行群体结构和亲缘关系分析等。GAPIT整合了多种方法，包括线性模型、广义线性模型和随机森林等，可以用于不同类型的基因型数据，如单核苷酸多态性（SNP）和互补DNA（cDNA）序列。 GAPIT可用于研究不同物种的基因组结构，并可以分析基因型和表型之间的关联。它能够帮助研究人员进行基因型-表型关联分析、进行群体结构和亲缘关系分析，从而对不同物种进行快速、准确的基因关联分析和预测。 GAPIT还提供了可视化工具，在对结果和研究发现进行可视化方面提供支持。它是一个高效、易于使用和开放源代码的软件，已经成为基因组数据分析中的常用工具之一。最近的研究已经证明，GAPIT是用于基因关联研究和预测的最佳工具之一，并且已广泛应用于许多研究领域。
GWAS全基因组关联分析工具GAPIT最新版的安装教程与报错解决方案
青笋的博客
03-08 2930
GWAS工具GAPIT最新版 本篇笔记主要内容是GWAS分析软件GAPIT最新版的安装和使用教程，包括常见的报错以及解决方案，主要出错位置在LDheatmap、stringi、nloptr、lme4等，测试安装的环境是东方天意的ECS云服务器（Linux centos7），R版本为4.2.2，虚拟环境使用conda。 什么是GWAS分析？ GWAS，即基因组关联分析（Genome-wide Association Study），是一种广泛应用于生物医学研究中的遗传学方法。其主要目的是在全基因组水平上，寻
GWAS软件包：GAPIT3它来啦
邓飞----育种数据分析之放飞自我
10-25 766
GAPIT是一款非常老的而且非常流行的软件包，傻瓜式操作，一键出图出结果，一篮子的解决方案，是我最经常使用的GWAS分析软件包。最近，GAPIT现在的版本是GAPIT3，速度比第二版有较大的提升：更大的变化，终于有GAPIT这个软件包了，可以用library载入进去，而且安装方式可以用github安装，更符合R-style。
.net安装_如何安装GWAS分析软件R包：GAPIT
weixin_39539807的博客
11-26 766
「太长不看版」 在R中运行下面命令即可安装成功PAPIT软件。# 安装GAPIT软件做GWAS分析 if (!requireNamespace("BiocManager", quietly = TRUE)) install.packages("BiocManager") source("http://zzlab.net/GAPIT/GAPIT.library.R") source("http:...
GAPIT 3.0：全基因组关联分析与预测软件最新版发布
刘永鑫的博客——宏基因组公众号
12-04 5903
近日，GPB在线发表了西南民族大学青藏高原动物遗传资源保护与利用（四川省、教育部）重点实验室题为“GAPIT Version 3: Boosting Power and Accuracy ...
GAPIT输入文件
a2505568381的博客
03-30 1642
GAPIT输入文件1、输入文件1.1 总览1.2 表型数据1.3 基因型数据1.3.1 Hapmap格式1.3.2 数字格式1.4 kinship1.5 协变量1.6 按文件名导入基因型 1、输入文件 1.1 总览 Parameter Default options Description Y NULL（空值） User 表型 KI NULL（空值） User 亲缘关系矩阵 CV NULL（空值） User 协变量 G NULL（空值） User 基因型数据（Hapmap格式）
GAPIT输出文件
a2505568381的博客
04-06 556
GAPIT输出文件
R报错：WARNING: Rtools is required to build R packages, but is not currently installed.
hgz2020的博客
07-03 8696
出现报错：将程序包安装入‘C:/Users/86150/AppData/Local/R/win-library/4.2’(因为‘lib’没有被指定)
Intro_to_GWAS:使用PLINK和R进行GWAS分析的入门讲习班
05-09
使用PLINK和R进行GWAS分析的入门讲习班。 概述 在本研讨会中，我们将结合使用软件plink （ ）和R （ ）。 在稍后的阶段（一个单独的研讨会），我们还将介绍GenABEL软件包，该软件包在R中提供了基因组关联分析的...
gwaR:R函数的集合，用于对拟南芥进行下游GWAS分析
04-19
R函数的集合进行拟南芥的下游GWAS分析。 关于 该软件包提供了用于快速分析GWAS表的功能。 默认情况下，此软件包与用于变体表的1001genomes API交互，但也可以处理本地SNPmatrix（需要为fst格式）。 注释是从软件包...
gwas2vcfweb:gwas2vcf的Web界面
05-28
Web界面Web界面，用于将GWAS摘要数据处理为VCF格式安装 # get sourcegit clone --recurse-submodules git@github....
gwas
03-16
该存储库用于使用各种软件和分析工具开发和记录奇异容器，用于GWAS和GWAS后分析。 入门 对于新用户，我们建议阅读入门说明，其中使用一个简约示例（带有plink二进制文件的奇异容器）解释奇异容器的基本用法。 如果...
LDheatmap | SNP连锁不平衡图（LD）可视化，自己数据实现版！
weixin_39556044的博客
05-09 7549
本文首发于“生信补给站”，https://mp.weixin.qq.com/s/Gl6BChxSYbSHMo9oMpufPg 连锁不平衡图，用来可视化不同SNP之间的连锁程度，前同事间俗称“倒三角”图。 本文使用自己的数据，因为安装R包后使用内置数据集运行出结果较容易，但是自己的数据就可能会有一些不大不小的“坑”，我替你们趟了。。。 一 载入R包 数据 数据为内置CEUData保存后，进行了“细微”的处理（去掉SNP碱基之间的“/”），这种基因型文件很常见； library("LDheatmap") #.
【R包安装】某个编辑包不存在，不存在叫‘xxx‘这个名字的程辑包
关关难过关关过
04-19 1万+
我在运行是python调用R包出现以下问题：不存在叫'mclust'这个名字的程辑包。我将依赖包全部安装了。install.packages("caret", dependencies = c("Depends", "Suggests"))
R包安装提示“package ‘XX’ is not available for this version of R”错误
热门推荐
qq_34819901的博客
05-08 4万+
R包安装提示“package ‘XX’ is not available for this version of R”错误 问题：在RStudio安装pMineR包出错 解决：设置install.packages()的repos参数值 可通过help（）查看释义 常态下不使用参数，从本地文件、目录或url安装时可以为NULL。安装包错误时，可使用此参数指定镜像地址，由于镜像依然无法安装此包，将repos值设置为官网地址：https://mran.microsoft.com/snapshot/2019-02
全基因组关联分析（GWAS）：LD Block
Gossie的博客
11-12 9949
画LD block用的比较多的有两个软件，一个是haploview，另一个是R包LDheatmap。 haploview 数据导入 传说plink可以直接转化出HV格式（参数 --recode HV），但是用的时候提示没有case/control表型，不知如何解决。因此自己将plink格式转换为Linkage formate格式 Linkage formate格式有两个文件：ped文件和info文件 ped文件 与plink的ped非常相似： 第一列：家系。没有家系可以指定其它唯一ID 第二列：个体。 第三
不存在叫‘digest’这个名字的程辑包
邓飞----育种数据分析之放飞自我
01-23 5090
1. 载入devtools时报错： > library(devtools) 载入需要的程辑包：usethis 错误: package or namespace load failed for ‘devtools’ in loadNamespace(j <- i[[1L]], c(lib.loc, .libPaths()), versionCheck = vI[[j]]): 不存在叫‘digest’这个名字的程辑包 2. RStudio安装digest报错 ** libs "c:/rtools
GWAS分析中0-1-2的编码问题
邓飞----育种数据分析之放飞自我
04-20 2443
昨天一个小伙伴给我写了封信，问我了几个GWAS的问题，我就回信说，答案可以写一下公众号了。 这不，就来了。 邓老师，您好，看了好多博文，学到好多，最近看一些GWAS原理相关的内容，有些疑惑。想请教一下。 1、GWAS分析基本都是基于回归分析，分析时势必会将序列转化为012编码的基因型，这个编码格式什么规格？Major allel 0；杂合1；minor allel ：2?，还是其他规则?仅考虑加性模型。 2、看这个好多软件大多都支持Plink的格式，是否在其他软件（GAPIT、GEMMA等？）进行转化过程
R 数据重塑
最新发布
lly202406的博客
07-03 365
在数据分析和数据科学领域，R 是一种广泛使用的编程语言和软件环境。R 的强大之处在于其数据处理能力，尤其是在数据重塑方面。数据重塑是指将数据从一种格式转换为另一种格式，以便于分析或可视化。在 R 中，有许多工具和包可以用于数据重塑，例如tidyrdplyr和reshape2。
GWAS分析水稻表型
02-26
GWAS（Genome-Wide Association Study，全基因组关联分析）是一种常用的遗传学研究方法，用于探索基因与表型之间的关联。在水稻中进行GWAS分析可以帮助我们了解水稻的遗传基础和表型变异。 水稻表型是指水稻植株在形态、生理、生化等方面的可观测性状，如植株高度、穗长、籽粒大小等。进行GWAS分析水稻表型的一般步骤如下： 1. 数据收集：收集大量水稻植株的表型数据，包括目标性状和其他相关性状。 2. 基因组测序：对水稻植株进行基因组测序，获取其基因组信息。 3. 数据预处理：对表型数据进行清洗和标准化处理，去除异常值和不一致数据。 4. 基因型数据获取：将基因组测序数据转化为基因型数据，通常使用SNP（Single Nucleotide Polymorphism，单核苷酸多态性）作为遗传标记。 5. 关联分析：使用统计学方法，如线性回归模型或混合模型，将基因型数据与表型数据进行关联分析，找出与目标性状相关的遗传标记。 6. 信号验证：对GWAS分析得到的关联信号进行验证，可以通过重测序、转基因等方法来验证关联标记与目标性状之间的功能关系。 7. 功能注释：对验证的关联标记进行功能注释，探索其在水稻生长发育过程中的作用机制。 8. 结果解读：根据GWAS分析结果和功能注释结果，解读水稻表型的遗传基础和潜在的分子机制。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值