这篇文章将为大家详细讲解有关如何使用TASSEL做GWAS说明文档，文章内容质量较高，因此小编分享给大家做个参考，希望大家阅读完这篇文章后对相关知识有一定的了解。分享一篇我做的说明文档，用示例数据，一步一步进行GWAS分析。具体如下：1. 下载安装软件下载地址：http://tassel.bitbucket.org/这里下载的是win的64为系统，截图如下：安装成功后，打开菜单如下：2. 导入数据数据下载地址：http://tassel.bitbucket.org/截图如下：打开data，load，选择Make Best Guess选择几个示例数据：打开后的数据如下里面包括系谱数据、性状数据和基因型数据（snp）。3. 处理数据3.1 清洗数据选中mdp_trait，
然后选择：Data中的TransformPhenotype，可以对数据进行转化、标准化等操作，注意，要先对数据 香港云主机进行选择，然后再进行操作：
也可以对缺失值的数据进行删除，点击imput，Numerical impute，就会生成没有缺失值的数据，这只是缺失值的不同替换方法。3.2 主成分分析主成分分析（PCA）是一种统计方法，它可以将相互关联的变量转化为独立的主成分（PC），第一种成分包含最多的组分，其它依次降低。另一个主成分的作用可以用标记的主成分来代表群体结构。这种方法比最大似然法节省时间。因为大部分的分子标记都是字符，需要先将其转化为数值，然后再进行主成分分析，一般将纯合的标记用0代替，另一个纯合子用2代替，杂合的用1代替。PCA要求变量不能有缺失值，因此，在进行主成分分析时，需要对数据进行清洗，去除缺失值。去掉频率小于0.05的标记，可以选择Data,选择Site，然后在最小频率的框中键入0.05，然后选择Remove minor SNP status，然后点击Filter，进行过滤，模型如下：选择PCA，然后选择5个主成分（默认项），点击确定，就会生成结果，模型如下：结果如下：3.3 用基因标记估计系谱利用主成分分析可以判断群体的结构特征，但是如果利用系谱信息，这种结果会更加准确。可以用基因型数据生成系谱信息，首先选中基因型数据，点击Analysis，选择Kinship结果如下：3.4 用一般线性模型分析GLM下面我们用GLM模型来分析示例数据，mdp_genotype.hmp.txt是snp数据，里面有3093个标记，281个玉米自交系，另一个文件是mdp_population_structure.txt，里面是282个玉米自交系的群体结构，还有一个是mdp_traits.txt，里面是282玉米自交系的表型数据。首先对基因型数据进行过滤，去掉频率小于0.05的，最小的数目是150，点击过滤，生成过滤后的基因型数据：然后对数据进行个过滤，选择开花期dpoll这个性状，进行协变量选择，即选择群体结构的文件，这里我们去掉Q3，数据如下：
合并数据，将这三个过滤好的数据，选中进行合并，点击Data IntersectJoin，数据合并如下：然后选中合并后的数据，用analysis ，GLM来进行分析运行结果如下：QQ图：P-value值：3.5 用混合线性模型分析混合模型需要添加系谱矩阵点击run结果：相关图形：关于如何使用TASSEL做GWAS说明文档就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。
本篇内容主要讲解“python和julia模块实例分析”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“python和julia模块实例分析”吧!模块是一些互相隔离的工作空间，用法上类似于Python中的库，在Pyth…
免责声明：本站发布的图片视频文字，以转载和分享为主，文章观点不代表本站立场，本站不承担相关法律责任；如果涉及侵权请联系邮箱：360163164@qq.com举报，并提供相关证据，经查实将立刻删除涉嫌侵权内容。
微信扫一扫 
