Die QK-Assoziationsanalyse wurde entwickelt, um eine Assoziationskartierung durchzuführen und gleichzeitig die Bevölkerungsstruktur und/oder familiäre Verwandtschaft zu kontrollieren. Das „QK“ in diesem Namen bezieht sich auf die zwei Arten von Informationen, die in das Modell aufgenommen werden. Die Q-Matrix enthält Informationen über die Bevölkerungsstruktur (vgl Teil 3b: Bevölkerungsstrukturmatrix ). Die K-Matrix enthält feinkörnigere Informationen über die Verwandtschaft, normalerweise IBD-Maße, die aus den Markerdaten berechnet werden (siehe Teil 3a: Markerbasierte Beziehungsmatrix ).
Wie bei anderen Arten der Assoziationskartierung wird bei der QK-Assoziationsanalyse für jeden Marker ein individuelles statistisches Modell erstellt, wobei das Merkmal als abhängige Variable und der Marker als unabhängige Variable verwendet wird. Die Variablen, die die Q- und K-Matrizen bilden, sind ebenfalls in diesen Modellen enthalten: Q-Variablen als feste Effekte und K-Variablen als Zufallseffekte. Je nach Wunsch können entweder die Q- oder die K-Variablen aus den Modellen weggelassen werden.
So führen Sie die QK-Assoziationsanalyse in aus JMP Genomik , werden drei Dinge benötigt: eine Datendatei, die die zu analysierenden Merkmale, die Marker-Genotypen und die in der Analyse zu verwendenden Q- und K-Variablen enthält. Ein Anmerkungsdatensatz ist optional.
- Verwenden Sie die Datei > Öffnen Befehl zum Öffnen der zusammengeführten PCA-Ergebnisdatei, aufgerufen pca_output_pcm. sas7bdat
- Ebenfalls Offen die Datei mit der „Quadratwurzel“ der IBD-Matrix aus der Beziehungsmatrix Verfahren, genannt rice_genos_recgeno_rm. sas7bdat .
- Beachten Sie, dass diese Datei durch die komprimierte K-Matrix-Datei ersetzt werden sollte, rice_genos_recgeno_ibd_kc. sas7bdat , wenn anwendbar.
- Mit der Datei rice_genos_recgeno_ibd_kc. sas7bdat im Vordergrund auswählen Tabellen > Verbinden .
- Wählen Sie im oberen linken Feld die Datei aus pca_output_pcm. sas7bdat
- Aktivieren Sie das mit gekennzeichnete Kästchen Gleichnamige Spalten zusammenführen
- Wählen Sie die Variable aus GID in den beiden Quellspalten Kontrollkästchen, und klicken Sie dann auf die Spiel
- Weisen Sie die zu Name der Ausgabetabelle als core_qk .
- Klicken OK um die neue verbundene Datei zu erstellen.
- Wenn die neue Datendatei erscheint, wählen Sie Datei > Speichern unter…
- Ändere das Speichern unter Option zu SAS-Datensatz und klicken Speichern
- Von dem Genomik-Starter Menü, wählen Genetik > Andere Assoziationstests > QK Mixed Model.
- Wählen core_qk. sas7bdat als die SAS-Datensatz eingeben .
- Wählen GW als die Eigenschaftsvariable .
- Eintreten recgeno: im Kasten darunter Listenartige Spezifikation von SNP-Variablen .
- Wähle ein Ausgabeordner .
- Auf der Q und K Registerkarte, geben Sie ein PCA: in dem Listenartige Spezifikation von Q-Matrix-Variablen Kästchen, und geben Sie ein IBD: in dem Listenartige Spezifikation von K-Matrix-Quadratwurzel-Variablen
- Aktivieren Sie das Kontrollkästchen, wenn Sie die komprimierte K-Matrix verwenden K-Matrix ist komprimiert .
- Auf der Modellvariablen Registerkarte, auswählen Kontinuierlich Pro Art der Eigenschaft. Es gibt keine zusätzlichen Effekte in diesem Datensatz.
- Die Modellauswahl Registerkarte ermöglicht die Implementierung eines Multi-Marker-Modells, basierend auf rotierten Markern und phänotypischen Variablen. Wenn ausgewählt, kann der Benutzer aus Methoden wie wählen ElasticNet, schrittweise, und LASSO . Wir werden in diesem Beispiel kein Multi-Marker-Modell anpassen.
- Auf der Anmerkung Registerkarte, Wählen rice_anno_recgeno. sas7bdat als die Anmerkung SAS-Datensatz .
- Füllen Sie die aus Anmerkung Registerkarte mit RS_RG als die Anmerkungsetikett Variable , Chrom als die Anmerkungsgruppenvariable , Pos als die Anmerkungspositionsvariable , und _MajorAllele_ als die Anmerkung Major-Allel-Variable .
- Auf der Optionen Registerkarte, ändern Sie die Format von SNP-Variablen zu Numerische Genotypen .
- Für eine kürzere Rechenzeit deaktivieren Sie die Genotyp Assoziationstest . Wahlweise die Genotyp test führt Chi-Quadrat-Tests basierend auf Genotypen durch, wobei die Trend test führt einen Cochran-Armitage-Test durch.
- Klicken Laufen um die Analyse zu starten.
Ergebnisse
- Wenn das Ergebnis-Dashboard geöffnet wird, wird die Zusammenfassungsdiagramm Registerkarte zeigt die Anzahl signifikanter Marker auf jedem Chromosom für die Getreideertrag (GW)
- Die blauen Balken stellen die Ergebnisse des Trendtests dar. Der Trendtest sucht nach einer linearen Beziehung in den Trendwerten beim Übergang von homozygot Minor zu heterozygot zu homozygot Major.
- Beim Durchführen eines Modells für mehrere Merkmale können signifikante Markierungen, die sich über die Merkmale hinweg überschneiden, angezeigt und Datenteilmengen über eine Venn-Diagrammausgabe erstellt werden.
- Es gibt fünf Marker, die zwischen GW, FL und PH signifikant sind.
- Die Manhattan-Grundstück Registerkarte zeigt erneut signifikante Marker nach Chromosom, wie durch den Trendtest bestimmt.
- Auswahl eines der Chromosomen aus der Registerkarten Das Menü auf der linken Seite zeigt eine Darstellung jedes Markers auf dem Chromosom, dargestellt nach Position. Unten gezeigt ist chrom 3 Ergebnisse .
- Die Modell-Fitness-Plot Registerkarte zeigt Fitnessstatistiken für jeden Marker. Um die Fitnessdiagramme nach Modell zu trennen, klicken Sie auf das rote Dreieck und wählen Sie es aus Diagramme überlagern > Ys überlagern . Die Tests werden nach Form dargestellt, wobei niedrigere Punkte auf dem Diagramm eine höhere Genauigkeit darstellen.
- Die Vulkan-Plot Registerkarte zeigt ein Vulkandiagramm für jeden Marker mit geringfügigem Allel-Genotypeffekt auf der x-Achse und dem logarithmisch transformierten p-Wert auf der y-Achse. Punkte oberhalb der roten Linie gelten als signifikant.
- Durchklicken durch die Lokaler Datenfilter Optionen auf der rechten Seite geben Vulkandiagramme für jedes einzelne Chromosom.
- Im Drilldowns Menü kann eine Teilmenge für ausgewählte Markierungen oder ein Diagramm davon erstellt werden Getreideertrag Werte nach Genotyp können durch Auswahl erstellt werden Diagrammeigenschaft nach Genotyp .
- Dies ist eine großartige Möglichkeit, schnell die Wirkung zu sehen, die verschiedene Genotypen auf ein Merkmal für einen bestimmten Marker haben.
- Unten gezeigt sind Diagramme von Merkmalen nach Genotyp, geordnet nach Signifikanz, von drei Markern auf Chromosom 5.
*Die interaktiven Ergebnisse dieser Analyse sind verfügbar unter JMP-Öffentlichkeit .
Zusammenfassung
Dieser Leitfaden skizzierte die QK-Mischmodell Prozess zur Assoziationskartierung unter Berücksichtigung von Kopplungsungleichgewichten, die durch Bevölkerungsstruktur und familiäre Verwandtschaft verursacht werden. Die QK-Analyse kann in JMP Genomics auf zwei verschiedene Arten durchgeführt werden. Eine einfachere Möglichkeit ist die Ablauf der Genetik-QK-Analyse , das alle Schritte für die QK-Analyse durchführt und die Daten automatisch zusammenführt. Es ist jedoch weniger flexibel als das in diesem Beitrag beschriebene Verfahren. Der Arbeitsablauf lässt nur eine aus PCA berechnete Q-Matrix und eine aus IBD-Berechnungen aus der K-Matrix zu Beziehungsmatrix Prozess. Ausführliche Informationen zu diesem Vorgang finden Sie im Blogbeitrag der nächsten Woche: Teil 3d: QK Mixed Model Genetic Association Workflow.
Die QK-Assoziationsanalyse wurde entwickelt, um eine Assoziationskartierung durchzuführen und gleichzeitig die Bevölkerungsstruktur und/oder familiäre Verwandtschaft zu kontrollieren. Das „QK“ in diesem Namen bezieht sich auf die zwei Arten von Informationen, die in das Modell aufgenommen werden. Die Q-Matrix enthält Informationen über die Bevölkerungsstruktur (vgl Teil 3b: Bevölkerungsstrukturmatrix ). Die K-Matrix enthält feinkörnigere Informationen über die Verwandtschaft, normalerweise IBD-Maße, die aus den Markerdaten berechnet werden (siehe Teil 3a: Markerbasierte Beziehungsmatrix ).
Wie bei anderen Arten der Assoziationskartierung wird bei der QK-Assoziationsanalyse für jeden Marker ein individuelles statistisches Modell erstellt, wobei das Merkmal als abhängige Variable und der Marker als unabhängige Variable verwendet wird. Die Variablen, die die Q- und K-Matrizen bilden, sind ebenfalls in diesen Modellen enthalten: Q-Variablen als feste Effekte und K-Variablen als Zufallseffekte. Je nach Wunsch können entweder die Q- oder die K-Variablen aus den Modellen weggelassen werden.
Um eine QK-Assoziationsanalyse in JMP Genomics durchzuführen, sind drei Dinge erforderlich: eine Datendatei mit den zu analysierenden Merkmalen, den Marker-Genotypen und den Q- und K-Variablen, die in der Analyse verwendet werden sollen. Ein Anmerkungsdatensatz ist optional.
