与 JMP Genomics 的遗传关联，第 3a 部分：基于标记的关系矩阵在JMP基因组学， 这关系矩阵分析用于计算和显示线之间的相关性。 这关系矩阵该工具使用标记数据而不是谱系信息（亲属关系矩阵工具）来估计品系之间的关系，并直接计算关系度量，同时还考虑选择和遗传漂变。 这关系矩阵计算三个选项之一：按血统识别、按状态识别或等位基因共享相似性。 该过程的输出可以用作 QK 混合模型中的 K 矩阵，代表家族相关性。 这篇文章将重点讨论关系矩阵使用包含 343 个水稻品系和 8,336 个标记的数据集。
关系矩阵：
- 打开这Rice_genos_recgeno。 sas7bdat数据集并在 JMP 中检查它。 它有 343 个水稻品系，六列注释和表型数据，以及 8,336 列标记数据。 这些标记被编码为数字基因型。 需要此格式关系矩阵。 有关数字基因型和重新编码的更多信息，请参阅之前的博客文章,与 JMP Genomics 的遗传关联，第 1 部分：导入和清理数据。
- 来自基因组学入门菜单，选择遗传学 > 相关性测量 > 关系矩阵。
- 选择Rice_genos_recgeno。 sas7bdat作为输入 SAS 数据集。
- 选择全局ID变量来自可用变量列出并将其放入ID变量和标签变量
- 选择表型变量，从FL并以GW ，并将它们放入标有标签的框中要保留在输出数据集中的变量。 测量的性状如下：
- FL: 开花天数
- PH：株高
- PW：穗重
- GW：粮食产量
- 在标有SNP 变量的列表式规范，输入“recgeno:”（不带引号）以选择以前缀“recgeno”开头的所有变量作为标记变量。
- 选择一个导出目录。
- 在里面注解选项卡，选择Rice_anno_recgeno。 sas7bdat作为注释 SAS 数据集。
- 在里面分析选项卡，保留血统身份已选择选项。
- 这将估计关系矩阵中的个体在特定基因座共享来自共同祖先的等位基因的概率。 如上所述，“按状态身份”和“等位基因共享相似性”选项可用，它们分别使用高尔相似性度量来估计两个个体共享相同等位基因的概率，无论遗传是否有范围标准化。
- 检查通过 SVD 计算矩阵的根
- 该选项生成一个包含关系矩阵平方根的文件，稍后将在 QK 关联分析中使用该文件。
- 这按血统阈值划分的身份可以更改滑块以更改要在输出数据集中报告的对的 IDB 阈值。 默认设置为 0.25，这意味着 IDB 值大于或等于 0.25 的所有行对都将包含在输出数据集中Rice_genos_recgeno_prs。 sas7bdat。
- 在里面主成分分析选项,联合管理计划提供执行 PCA 并设置要包含在分析中的主成分数量的选项.
- 主成分分析是一种组合输入变量的工具，其方式消除了不能解释数据方差的变量方面。 分量的数量将指定将使用多少个较小的因子，因为新变量会尽可能多地解释总体方差，而不会导致模型膨胀或过度拟合。
- 在里面选项选项卡，选中标有的框绘制关系矩阵热图。 如果您想向输出变量附加前缀，也可以在此选项卡中完成。
- 点击跑步开始分析。 检查结果仪表板第一个选项卡中的热图结果：
结果
- 这热图选项卡显示 343 行之间的关系。 红色对角线代表每条线与其自身的完美关系；对称的非对角线元素表示线对的关系度量（在本例中为 IBD）。 对角线上的暖色块显示了紧密相关的线条簇。
- 右侧的树状图（树形图）显示了 IBD 矩阵的聚类分析结果。 双击任何分支以放大并检查成员。 要恢复到顶层视图，请单击层次聚类热点（红色箭头）并选择释放变焦。
- 返回结果仪表板，并查看IBD 对结果
- 直方图显示了 262 对 IBD 值大于 0.25 的品系的 IBD 分数分布。 这些对的数据集也已保存到指定的导出目录标题为Rice_genos_recgeno_prs。 sas7bdat。 也可通过单击查看此表查看数据按钮下的启动后续流程菜单。
- 看着那（这PCA 2D 行分数
- 该散点图矩阵显示了三个主成分之间的相关性。 这些结果中没有证据表明存在强大的人口结构，因为这些散点图中没有任何点分层。
- 检查碎石图选项卡显示每个主成分占方差的比例。 在这种情况下，前两个主成分解释了大部分变化。
K 矩阵压缩（可选）
QK关联分析是计算密集型的，并且合并K矩阵的部分尤其耗时。 有一种技术可以减少表示谱系之间的家族相关性所需的变量数量。 由于每个模型的变量较少，运行时间显着减少。 该技术称为K 矩阵压缩。 它可以作为 JMP Genomics 的一部分进行遗传学 QK 分析工作流程（您可以在后面的博客文章中了解），或作为一个独立的过程。 该算法一次优化一个特征变量的压缩，因此需要对每个要分析的特征重复该压缩。
- 来自启动后续流程菜单，选择K 矩阵压缩。 将启动一个新对话框，其中包含一般的选项卡显示已应用的设置关系矩阵分析，以及由血统值确定的矩阵作为输入K矩阵数据集。
- 选择全局ID并将其移至合并关键变量
- 这SNP 输入数据选项卡有SNP 数据集已经选择了。 这特质变量必须手动选择。 回想一下，一次只能对一个特征执行压缩。 对于本示例，选择GW作为特质变量，并指定GID、佛罗里达州、PH、PW作为保留在输出数据集中的其他变量。
- 上模型变量选项卡，设置特质类型到连续的。 没有类变量在这个数据集中也没有Q 矩阵变量。 Q 矩阵将在稍后的文章中组装。
- 上分析选项卡，设置压缩方式到自动化。
- 可以使用不同的方式构建集群自动聚类方法。 对于本示例，选择平均的从下拉菜单中。
- 这会将聚类之间的距离设置为观察对之间的平均距离，从而创建具有相似且较小方差的聚类。
- 对于每种可能方法的描述符，请单击？下拉菜单旁边的图标。
- 选择225为了自动压缩簇数。 这会将 K 矩阵（方阵）压缩到这些维度。
- 点击跑步开始压缩。 该过程完成后，将出现一个 SAS 输出窗口以及新压缩的 K 矩阵， Rice_genos_recgeno_ibd_kc。 sas7bdat 。
*此分析的交互式结果可在JMP 公共。
概括
本文档作为创建关系矩阵来自包含 343 个水稻品系和 8,336 个标记的数据集。 该关系矩阵由“按血统的身份”值组成，但也可以计算“按状态的身份”和“等位基因共享相似度”。 由于没有可用的谱系信息，该过程使用标记数据估计品系之间的关系。 此外，这篇文章涵盖了K 矩阵压缩，这可以用来减少计算时间QK关联分析同时仍然产生与使用未压缩矩阵进行分析类似的结果。
在 JMP Genomics 中，关系矩阵分析用于计算和显示线之间的相关性。 这关系矩阵该工具使用标记数据而不是谱系信息（亲属关系矩阵工具）来估计品系之间的关系，并直接计算关系度量，同时还考虑选择和遗传漂变。 这关系矩阵计算三个选项之一：按血统识别、按状态识别或等位基因共享相似性。 该过程的输出可以用作 QK 混合模型中的 K 矩阵，代表家族相关性。 这篇文章将重点讨论关系矩阵使用包含 343 个水稻品系和 8,336 个标记的数据集。
