SNPassoc全基因组关联分析

WGassociation(SNPassoc)
WGassociation()所属R语言包：SNPassoc

Whole genome association analysis
全基因组关联分析

描述----------Description----------

This function carries out a whole genome association analysis between the SNPs and a dependent variable (phenotype) under five different genetic models (inheritance patterns): codominant, dominant, recessive, overdominant and log-additive. The phenotype may be quantitative or categorical. In the second case (e.g. case-control studies) this variable must be of class 'factor' with two levels.
此功能进行全基因组关联分析的SNP和因变量（表型），在5个不同的遗传模型（遗传模式）：显性，显性，隐性，超显性和log添加剂。可以是定量的或绝对的表型。在第二种情况下（如病例对照研究），这个变量必须是类的因素“两个级别。

用法----------Usage----------

WGassociation(formula, data, model = c("all"), quantitative = is.quantitative(formula, data),
genotypingRate = 80, level = 0.95, ...)

参数----------Arguments----------

参数：formula
either a symbolic description of the model to be fited (a formula object) without the SNP or the name of response variable in the case of fitting single models (e.g. unadjusted models). It might have either a continuous variable (quantitative traits) or a factor variable (case-control studies) as the response on the left of the ~ operator and terms with additional covariates on the right of the ~ operator may be added to fit an adjusted model (e.g., ~var1+var2+...+varN+SNP). See details
无论是象征性的模型来描述fited（公式对象），而不SNP在安装单一车型（如未经调整的机型）的情况下，响应变量的名称。它可能有一个连续变量（数量性状）或一个因素变量（病例对照研究）上的响应左侧额外的协变量的~运营商和条款的权利的~操作者可能被添加到适合调整后的模型（例如，~VAR1 + VAR2 + ... + varN + SNP）。查看详细资料

参数：data
a required dataframe of class 'setupSNP' containing the variables in the model and the SNPs
所需的数据框的类的setupSNP“，包含在模型中的变量和单核苷酸多态性

参数：model
a character string specifying the type of genetic model (mode of inheritance) for the SNP. This indicates how the genotypes should be collapsed. Possible values are "codominant", "dominant", "recessive", "overdominant", "log-additive" or "all". The default is "all" that fits the 5 possible genetic models. Only the first words are required, e.g "co", "do", etc.
一个字符串指定类型的遗传模型（模式继承）的SNP。这表明如何倒塌的基因型应。可能的值是“显性”，“显性”，“隐性”，“超显性”，“log添加剂”或“全部”。默认值是“所有”，适合5种可能的遗传模式。只有第一个字是必需的，例如，“合作”，“做”，等等。

参数：quantitative
logical value indicating whether the phenotype (that which is in the left of the operator ~ in 'formula' argument) is quantitative. The function 'is.quantitative' returns FALSE when the phenotype is a variable with two categories (i.e. indicating case-control status). Thus, it is not a required argument but it may be modified by the user.
逻辑值，该值指示是否在“公式”的说法~表型（即是在左侧的运营商）是定量的。的功能“is.quantitative的返回FALSE时，表型是一个变量有两大类（即指示的情况下控制状态）。因此，它是不必需的参数，但它可以由用户修改。

参数：genotypingRate
minimum percentage of genotype rate for a given SNP to be included in the analysis. Default is 80%.
对于一个给定的SNP基因型率最低百分比要包含在分析中。默认值是80％。

参数：level
signification level for confidence intervals. Defaul 95%.
置信区间的意义水平。默认情况下将95％。

参数：...
Other arguments to be passed through glm function
其他参数通过GLM功能

Details

详细信息----------Details----------

This function assesses the association between the response variable included in the left side in the 'formula' and the SNPs included in the 'data' argument adjusted by those variables included in the right side of the 'formula'. Different genetic models may be analyzed using 'model' argument.
此函数评估公式和单核苷酸多态性，包括在数据参数调整式的右侧包括在这些变量中的左侧包括在响应变量之间的关联。不同的遗传模型可以使用“模式”的说法进行分析。

值----------Value----------

An object of class 'WGassociation'.
对象的类的WGassociation“。

'summary' returns a summary table by groups defined in info (genes/chromosomes).
“摘要”组中定义的信息（基因/染色体上的）返回一个汇总表。

'WGstats' returns a detailed output, similar to the produced by association.
“WGstats返回一个详细的输出，产生的association。

'pvalues' and 'print' return a table of p-values for each genetic model for each SNP. The first column indicates whether a problem with genotyping is present.
的“pvalues”和“打印”返回表的p-值为每个每个SNP位点的遗传模型。第一列表示是否存在的问题，基因分型。

'plot' produces a plot of p values in the -log scale. See plot.WGassociation for further details.
“图”产生的p值在对数刻度的图。见plot.WGassociation进一步的细节。

'labels' returns the names of the SNPs analyzed.
“标签”返回的SNP分析的名称。

The functions 'codominat', 'dominant', 'recessive', 'overdominant' and 'additive' are used to obtain the p values under these genetic models.
的功能codominat，“显性”，“隐性”，“超显性和添加剂被用于获得这些遗传模型下的p值。

See examples for further illustration about all previous issues.
例子进一步说明所有问题。

参考文献----------References----------

JR Gonzalez, L Armengol, X Sole, E Guino, JM Mercader, X Estivill, V Moreno. SNPassoc: an R package to perform whole genome association studies. Bioinformatics, 2007;23(5):654-5.

参见----------See Also----------

scanWGassociation getSignificantSNPs
scanWGassociationgetSignificantSNPs

实例----------Examples----------

data(SNPs)
datSNP<-setupSNP(SNPs,6:40,sep="")
ansAll<-WGassociation(protein~1,data=datSNP,model="all")

# In that case the formula is not required. You can also write:[在这种情况下，式中不是必需的。你也可以这样写：]
# ansAll<-WGassociation(protein,data=datSNP,model="all")[ansAll <WGassociation（蛋白质，数据datSNP，模型=“所有”）]

#only codominant and log-additive[只有显性和log添加剂]
ansCoAd<-WGassociation(protein~1,data=datSNP,model=c("co","log-add"))

#for printing p values[用于打印的p值]
print(ansAll)
print(ansCoAd)

#for obtaining a matrix with the p palues[用于获得一个矩阵与p palues]
pvalAll<-pvalues(ansAll)
pvalCoAd<-pvalues(ansCoAd)

# when all models are fitted and we are interested in obtaining p values for different genetic models[所有型号都配和我们感兴趣的是获得不同的遗传模型的p值]

# codominant model[显性模型]
pvalCod<-codominant(ansAll)

# recessive model[隐性模型]
pvalRec<-recessive(ansAll)

# and the same for additive, dominant or overdominant[相同的添加剂，显性或超显性]

#summary[总结]
summary(ansAll)

#for a detailed report[一份详细报告]
WGstats(ansAll)

#for plotting the p values[绘制的p值]
plot(ansAll)

#[]
# Whole genome analysis[全基因组分析]
#[]

data(HapMap)
# Next steps may be very time consuming. So they are not executed[下一个步骤可能会花费很长的时间。因此，他们不执行]

#myDat<-setupSNP(HapMap, colSNPs=3:9809, sort = TRUE,[myDat <setupSNP（HapMap计划colSNPs = 3:9809，排序= TRUE，]
# info=HapMap.SNPs.pos, sep="")[信息= HapMap.SNPs.pos，SEP =“”）]
#resHapMap<-WGassociation(group~1, data=myDat, model="log")[resHapMap <WGassociation（组1，数据= myDat，模型=“log”）]

# However, the results are saved in the object "resHapMap"[然而，结果被保存在对象“resHapMap”]
# to illustrate print, summary and plot functions[说明打印，汇总和绘图功能]
summary(resHapMap)
plot(resHapMap)
print(resHapMap)

转载请注明:出自生物统计家园网(http://www.biostatistic.net)。

SNPassoc全基因组关联分析相关推荐

GWAS理论 1-5 全基因组关联分析结果解读与经典案例介绍
一.主要结果二.结果可视化与后续分析建议置换检验(Permutation test) bonferroni threshold 和 FDR 看我之前的简书文章有解释可视化理想结果失败结果受 ...
全基因组关联分析中上位性检测算法的研究
全基因组关联分析中上位性检测算法的研究前言这个项目主要是分享一些全基因组关联分析中上位性检测算法的研究经验,算是,怎么入门,写这么个东西,一是做总结,二是咱实验室估计以后还会有做这个方向的,备着吧 ...
【生信】全基因组关联分析（GWAS）原理
[生信]全基因组关联分析(GWAS)原理文章的文字/图片/代码部分/全部来源网络或学术论文,文章会持续修缮更新,仅供大家学习使用. 目录 [生信]全基因组关联分析(GWAS) 1.前提知识介绍 1. ...
GAPIT 3.0：全基因组关联分析与预测软件最新版发布
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 f ...
GWAs——全基因组关联分析流程
GWAs(Genome Wide Association studies,全基因组关联分析),即通过对群体的SNPs数据(genetic marker)和表型间的关联分析,目前常用于遗传病学研究.基因 ...
使用LASSO进行全基因组关联分析
目录介绍解决的核心问题方法流程变量预筛选正则化参数选择 p值估计错误发现率的控制方法效果模拟数据实际数据总结介绍本文介绍一种利用LASSO来做响应变量是01变量时进行全基因组关 ...
全基因组关联分析(GWAS)
全基因组关联分析是一种在人类或动植物全基因组中寻找变异序列的方法,全英文名为Genome-wide association study,缩写名为GWAS. 2005年,Science杂志报道了第一篇G ...
全基因组关联分析（GWAS）简介
全基因组关联分析(GWAS)简介全基因组关联分析(GWAS)是广泛用于寻找复杂遗传疾病关联基因的重要手段.通过遗传学研究找到了很多致病突变体,这些突变体是指染色体上的变异位点.全基因组关联分析试图找 ...
GWAs——全基因组关联分析二（质控2）
接上文GWAs--全基因组关联分析(质控1),此数据集模拟的是祖先来自欧洲西北部的犹他州居民,所以需要将没有欧洲背景的个体从数据集中剔除,即控制群体结构(Population Stratificati ...

SNPassoc全基因组关联分析

SNPassoc全基因组关联分析相关推荐

最新文章

热门文章