GWAS分析中显著性为点所在的单倍型显著性检验

大家好，我是邓飞，今天给大家分享一下GWAS分析后，显著性为点和表型数据的显著性分析。

主要目的：GWAS分析得到了显著性位点，通过LD block分析也得到所在的单倍型，现在想得到每个样本的单倍型类型以及与表型数据的显著性分析，后续用于材料的预测和选择，比如优势单倍型的筛选。而是否是优势单倍型，不仅仅是看每个单倍型对应表型的平均值，需要进行显著性检验才可以。

1， GWAS分析得到显著性位点

每个GWAS项目分析之后，会得到所有位点的P值，根据阈值（1/N，0.05/N）确定显著性阈值，P值小于这个阈值的位点为显著性位点。

参考代码：

复制代码

library(tidyverse)
library(data.table)
dat = fread("gwas_result.csv")
sig_snp = dat %>% filter(P < 1/nrow(dat))
fwrite(sig_snp,"sig_snp_result.csv")

上面的代码是读取GWAS的分析结果gwas_result.csv，然后使用阈值1/N，筛选显著性为点，最后把显著性为点结果导出到本地。

2，根据LD衰减距离提取显著性为点的上下游区间

比如一个显著性为点，染色体 1，位置是100000，LD衰减距离是50kb，那么这个区间就是染色体1，起始位置：50000，终止位置是：150000。

参考代码：

复制代码

plink --vcf xx.vcf --chr 1 --from-bp 50000 --to-bp 150000 --allow-extra-chr --recode --out re

3，使用plink计算block

使用plink的参数--blocks no-pheno-req，计算所有的单倍型组：

复制代码

plink --file file_snp1 --blocks no-pheno-req

结果会输出区间内不同的单倍型分组，比如：

复制代码

(base) [kitty@bogon snp2]$ cat plink.blocks
* 8_45359966 8_45372258 8_45377599 8_45382054 8_45382060
* 8_45382942 8_45409356 8_45414677 8_45426223 8_45452899 8_45465473 8_45469854 8_45471890 8_45481334 8_45483769 8_45484766 8_45491938 8_45493451 8_45506558 8_45566653 8_45582370

选择显著性位点所在的单倍型分组，提取出来，与表型数据进行显著性分析。

4，提取block的文件信息

根据显著性位点所在的分组，提取相关的位点信息，整理格式，提取基因型文件，生成vcf格式的数据。

复制代码

grep 8_xxx plink.blocks
cat >snp_total.txt
sed 's/ /\n/g' snp_total.txt >snp_list.txt
plink --file result --extract snp_list.txt --recode  --out file1 --allow-extra-chr
plink --file file1 --recode vcf-iid --out file1

结果生成file1.vcf数据

5，整理表型数据

表型数据两列：ID，y

复制代码

ID y1
G1 48.10
G2 34.37
G3 43.70
G4 51.07
G5 42.43
G6 50.27
G7 40.30
G8 52.67
G9 53.33

结果保存为 dat.txt 文件

6，基因型数据和表型数据显著性分析

这里使用R包geneHapR，读取vcf数据，读取表型txt数据，然后计算单倍型频率，最后使用函数hapVsPheno将基因型数据和表型数据进行显著性检验，绘制分组显著性图。

复制代码

file_name = "file1.vcf"
nn = gsub(".vcf","",file_name)
vcf = import_vcf(file_name)
pheno = import_AccINFO("phe_y1.txt")
hapResult <- vcf2hap(vcf)
write.csv(hapResult,paste0("result",nn,".csv"))

iid = rownames(pheno)
dd = as.data.frame(hapResult)
re = dd %>% filter(Accession %in% iid)
re %>% count(Hap)

# 表型关联
hapVsPheno(hap = hapResult, pheno = pheno,minAcc = 5,
           cutpoints = c(0,0.001,0.01,0.05,1),
           # filename.surfix = "tiff",
           # filename.prefix = nn,
           symbols = c("***","**","*","ns"))
ggsave(paste0(nn,".tiff"))

示例结果：

7，查看优势单倍型对应的样本编号

上面的图中显示，H001单倍型有131个样本，显著高于H002的17个样本，所以H001是优势单倍型，怎么知道单倍型具体的分型以及对应的样本编号呢？

上面代码中，生成的xlsx文件，里面即包含具体的单倍型和对应的编号了，文件如下：

由图片可知，H001的单倍型是：TGTCGTGA，对应的个体有：G87，G23等等。

H002的单倍型是：CGGCAGGT，对应的个体有：G146，G72等等。

上面就是整个内容的介绍，希望对大家有所帮助。