重测序关系矩阵构建方式汇总

样本间亲缘关系矩阵（kinship matrix）和同源性矩阵（IBS matrix）构建的方式

1. 可以使用plink的--make-rel计算个体之间的亲缘关系（强调个体之间的遗传相似性）

bash 复制代码

/opt/software/plink --bfile vcf_bfile--make-rel --out relatedness_matrix # 得到亲缘关系距离矩阵：
# relatedness_matrix.rel

2. kinship

bash 复制代码

# 利用tassel计算
run_pipeline.pl -Xmx1536m-Xms512m -SortGenotypeFilePlugin -inputFile 你的vcf文件 -outputFile outvcf -fileType VCF
run_pipeline.pl-Xmx1536m -Xms512m -importGuess outvcf -KinshipPlugin -methodCentered_IBS -endPlugin -export tassel_kinship.txt -exportType SqrMatrix
# 利用gcta计算
使用 --make-grm-alg 1 或 --make-grm 0
gcta --make-grm --make-grm-alg 1 --out snp.gcta --bfile vcf_bfile snp --autosome-num 90

3. IBS

bash 复制代码

/opt/software/plink --bfile  vcf_bfile --make-bed --out IBS_matrix --maf 0.05 --recode --double-id --allow-extra-chr --chr-set 90  --distance square ibs
要计算遗传距离，使用1-ibs

群体关系矩阵如何构建？

转换方法：平均IBS（个体对间均值）

计算所有个体两两之间的IBS均值，反映群体内遗传相似性。

python 复制代码

#算法示例
import numpy as np

def pairwise_ibs(genotype_matrix):
    n_individuals = genotype_matrix.shape[0]
    ibs_matrix = np.zeros((n_individuals, n_individuals))
    
    for i in range(n_individuals):
        for j in range(i+1, n_individuals):
            ibs_sum = 0
            for snp in range(genotype_matrix.shape[1]):
                ibs_sum += calculate_ibs(
                    genotype_matrix[i, snp, 0], genotype_matrix[i, snp, 1],
                    genotype_matrix[j, snp, 0], genotype_matrix[j, snp, 1]
                )
            ibs_matrix[i, j] = ibs_sum / genotype_matrix.shape[1]
            ibs_matrix[j, i] = ibs_matrix[i, j]  # 对称矩阵
    return ibs_matrix

# 示例基因型矩阵（个体数×SNP数×2等位基因）
genotype_data = np.array([
    [['A', 'A'], ['G', 'G']],  # 个体1
    [['A', 'G'], ['G', 'G']],  # 个体2
    [['T', 'T'], ['A', 'G']]   # 个体3
])
ibs_matrix = pairwise_ibs(genotype_data)
print("群体IBS矩阵:\n", ibs_matrix)