MR分析（一）：SNP数据质控

刚拿到手一个范围大约600KB的基因座的遗传数据。

356个SNP

1.对个体数据进行质控：

排除missing值>0.5的个体

2.检查遗传数据的性别是否与样本一致

3.对遗传数据进行质控：

3.1 哈温伯格定律检验：

> library(SNPassoc)
> idx <- grep("^rs", colnames(a))  #选择所有有“rs”的列
> a.s <- setupSNP(data=a, colSNPs=idx, sep="")  #识别这些列为SNPS，数据表中的"AA"变成“A/A”,并通过setupSNP语句进行计算
> summary(a.s, print=FALSE) #查看结果#只看HWE.P值？
> hwe <- tableHWE(a.s)
> head(hwe) > write.csv(hwe,file="HWE.csv") #导出结果

结果：

其中，常用的MAF是最小等位基因频率。而给出的结果是最大等位基因频率。排除 Missing>5.0%, MAF<0.05, 和HWE.P <1*10^(-6) 的SNP。

3.2 对筛选的SNP与目标变量（连续型变量）进行线性回归，筛选相关性强的SNP

> association(A ~ rs12526290, a.s) #还是SNPassoc包

做线性回归分析：

SNP要转变成0,1,2形式。0是主等位基因纯合子，1是杂合子，2是次等位基因纯合子（暂时还没有学会用R包转，手工在EXCEL上转的）> read.table("D:/157.csv",header=TRUE, stringsAsFactors = T,sep=",")->a
> View(a)
> mod_1 = lm(Lpa ~ rs138281088,data=a)
> summary(mod_1) #查看一下有哪些参数，需要提取哪些参数

需要回归系数，调整后的r^2，F统计量

for 循环计算所有SNP

> read.table("D:/157.csv",header=TRUE,stringsAsFactors = T,sep=",")->a
> a[1:4,1:10]
> result<-array(0,dim=c(156,6)) #156行6列
#要循环156次就写(i:156），循环变量从数据库第8列开始就写
> for (i in 1:156){mod_1<-lm(Lpa~ a[,i+7]+AGE+SEX+PC1+PC2+PC3,data=a) result[i,1]<-summary(mod_1)$coefficients[2,1] #提取coefficients值第二行第一个result[i,2]<-summary(mod_1)$coefficients[2,2]result[i,3]<-summary(mod_1)$coefficients[2,3]result[i,4]<-summary(mod_1)$coefficients[2,4]result[i,5]<-summary(mod_1)$adj.r.squared  ##提取r^2result[i,6]<-summary(mod_1)$fstatistic[1]  ##提取F统计量
}    #如果出现报错：Error in summary(mod_1)$coefficients[2, 1] : subscript out of bounds
检查某列是否MAF太小，计算不出来> result
> write.csv(result,file="AAA.csv")

计算连锁不平衡

画LD热图
library("LDheatmap")
读入数据
> read.table("D:/Users/dell/Documents/snps_27.csv",header=TRUE,stringsAsFactors = T,sep=",")->snp_27
> read.table("D:/Users/dell/Documents/pos_27.csv",header=TRUE,stringsAsFactors = T,sep=",")->pos_27
SNP格式从AA转变为A/A
> library(SNPassoc)
> idx <- grep("^rs", colnames(snp_27))
> snp_27.s <- setupSNP(data=snp_27, colSNPs=idx, sep="")再转换格式
> library("genetics")
> snp_27 <-snp_27[,-1] 数据表里全部都是SNP,去掉ID等
> snp_27.s <- setupSNP(data=snp_27, colSNPs=idx, sep="")
> View(snp_27.s)
> for(i in 1:ncol(snp_27.s)){snp_27.s[,i]<-as.genotype(snp_27.s[,i])}
> LDheatmap(snp_27.s, pos_27$pos,color = grey.colors(20))
出图
改格式
> color.rgb <- colorRampPalette(rev(c("white","red")),space="rgb")
> names <- c("rs79466232", "rs62440430", "rs72501790","rs6415084","rs3798221","rs60700834","rs7770628","rs6926458","rs117016271","rs56393506")
> LDheatmap(snp_27.s, pos_27$pos,color=color.rgb(20),title = "DEU Pairwise LD",SNP.name=names,flip=TRUE)标记
> library(grid)
> grid.edit(gPath("ldheatmap", "geneMap","SNPnames"),
+           gp = gpar(col="black",lwd = 1,cex=0.7))

LD连锁不平衡计算：
> library("genetics")
> ld <- LD(snp_10) #或制定SNP,SNP格式"A/A".计算出来八个指标（list of 8），有D,D',r,r2,n,X2,P-value.
> print(ld$`R^2`) #查看r^2结果
> LD_m <- data.frame(matrix(unlist(ld$`R^2`), nrow=10, byrow=T),stringsAsFactors=FALSE) #导出嵌套list中的r^2, 行数=SNP数量。
> write.csv(LD_m,file="LD.csv") 导出数据

MR分析（一）：SNP数据质控相关推荐

GWAS处理流程（全基因组关联分析）——对从ADNI数据库下载的SNP数据及进行质控（QC）
对从ADNI数据库下载的SNP数据及进行质控(QC) 简介一.先查看数据中的个体和SNP缺失情况 1.查看 2.生成绘图以可视化缺失结果. 二.QC第一步:删除缺失度大于某个数值的SNP和个体 1. ...
通过pytorch建立神经网络模型分析遗传基因数据
DNA双螺旋(已对齐)合并神经网络(黄色) 我最近进行了有关基因序列的研究工作.我想到的主要问题是:"哪一种最简单的神经网络能与遗传数据最匹配".经过大量文献回顾,我发现与该主题相 ...
高通量测序数据质控神器Trimmomatic
简介高通量测序下机的原始数据中存在一些低质量数据.接头以及barcode序列等,为消除其对后续分析准确性产生的影响,在数据下机以后对原始数据进行质控处理就成了至关重要的环节.Trimmomatic就 ...
Hadoop实战系列之MapReduce 分析 Youtube视频数据
Hadoop实战系列之MapReduce 分析 Youtube视频数据一.实战介绍 MapReduce 是 Hadoop 的计算框架. 在运行一个 MR 程序时,任务过程被分为两个阶段:Map 阶段 ...
MapReduce分析明星微博数据
互联网时代的到来,使得名人的形象变得更加鲜活,也拉近了明星和粉丝之间的距离.歌星.影星.体育明星.作家等名人通过互联网能够轻易实现和粉丝的互动,赚钱也变得前所未有的简单.同时,互联网的飞速发展本身也造 ...
利用 MapReduce分析明星微博数据实战
互联网时代的到来,使得名人的形象变得更加鲜活,也拉近了明星和粉丝之间的距离.歌星.影星.体育明星.作家等名人通过互联网能够轻易实现和粉丝的互动,赚钱也变得前所未有的简单.同时,互联网的飞速发展本身也造 ...
linux中主成分分析软件,基于全基因组snp数据进行主成分分析（PCA）
现将如何基于全基因组的SNP数据进行PCA分析流程记录下来: 1)全基因组snp数据格式为 .vcf 2)利用vcftools软件进行格式转换(Linux系统下:进入 /vcftools_0.1.13 ...
宏基因组数据分析专题之展望与数据质控
宏基因组数据分析专题之展望与数据质控导读宏基因组测序(Metagenomics Sequencing)是以特定环境下的微生物群落作为研究对象,对该样品中所包含的全部微生物总的DNA进行测序从而使 ...
三天实现独立分析宏基因组数据(有参、无参和分箱等)
在广大粉丝的期待下,<生信宝典>联合<宏基因组>在2019年11月1-3日,北京鼓楼推出<宏基因组分析>专题培训第六期,为大家提供一条走进生信大门的捷径.为同行提供 ...
生信学习笔记：测序数据质控
文章目录测序数据质控 1.原始数据统计 2.质控数据统计测序数据质控 Illumina 测序属于第二代测序技术,单次运行能产生数十亿级的reads,如此海量的数据无法逐个展示每条read的质量情况 ...

MR分析（一）：SNP数据质控

MR分析（一）：SNP数据质控相关推荐

最新文章

热门文章