與 JMP Genomics 的遺傳關聯，第 3c 部分：QK 混合模型開發 QK 關聯分析以執行關聯映射，同時控制人口結構和/或家族相關性。 此名稱中的“QK”指的是模型中包含的兩種信息。 Q 矩陣包含有關人口結構的信息（參見第 3b 部分：人口結構矩陣). K 矩陣包含更多關於相關性的細粒度信息，通常是根據標記數據計算的 IBD 度量（參見第 3a 部分：基於標記的關係矩陣).
與其他類型的關聯映射一樣，在 QK 關聯分析中，為每個標記創建一個單獨的統計模型，使用特徵作為因變量，使用標記作為自變量。 構成 Q 和 K 矩陣的變量也包含在這些模型中：Q 變量作為固定效應，K 變量作為隨機效應。 根據需要，可以從模型中省略 Q 或 K 變量。
運行 QK 關聯分析JMP 基因組學，需要三樣東西：包含要分析的性狀的數據文件、標記基因型以及分析中要使用的 Q 和 K 變量。 註釋數據集是可選的。
- 使用文件 > 打開打開 PCA 結果合併文件的命令，稱為pca_output_pcm。 sas7bdat
- 還打開具有來自 IBD 矩陣的“平方根”的文件關係矩陣程序，稱為rice_genos_recgeno_rm。 sas7bdat .
- 注意這個文件要替換成壓縮後的K矩陣文件， rice_genos_recgeno_ibd_kc。 sas7bdat ，如果適用。
- 隨著文件rice_genos_recgeno_ibd_kc。 sas7bdat在前台，選擇表格 > 加入.
- 在左上角的框中，選擇文件pca_output_pcm。 sas7bdat
- 選中標有標籤的框合併同名列
- 選擇變量GID在兩個源列框，然後單擊匹配
- 分配輸出表名作為核心qk .
- 點擊好的創建新加入的文件。
- 當新的數據文件出現時，選擇文件 > 另存為...
- 改變另存為類型選擇權SAS 數據集然後點擊救
- 來自基因組學入門菜單，選擇遺傳學 > 其他關聯測試 > QK 混合模型。
- 選擇核心_qk。 sas7bdat作為輸入 SAS 數據集.
- 選擇毛重作為特徵變量.
- 進入回复：在下面的框中SNP 變量的列表樣式規範.
- 選擇一個導出目錄.
- 在問與問選項卡，鍵入主成分分析：在裡面Q 矩陣變量的列表式規範框，然後鍵入炎症性腸病：在裡面K矩陣平方根變量的列表式規範
- 如果使用壓縮的 K 矩陣，請選中該框K矩陣被壓縮.
- 在模型變量選項卡，選擇連續為了特徵類型。 此數據集中沒有其他效果。
- 這選型選項卡允許基於旋轉標記和表型變量實施多標記模型。 選擇後，用戶可以從以下方法中進行選擇彈性網，逐步，和套索. 在此示例中，我們不會擬合多標記模型。
- 在註解選項卡，選擇rice_anno_recgeno。 sas7bdat作為註釋 SAS 數據集.
- 填寫註解選項卡RS_RG作為註釋標籤多變的,鉻作為註解組變量,位置作為註釋位置變量， 和_主要等位基因_作為註釋主要等位基因變量.
- 在選項選項卡，更改SNP 變量的格式到數字基因型.
- 為了縮短計算時間，取消選擇基因型協會測試. 可選地，基因型測試基於基因型執行卡方檢驗，其中趨勢測試執行 Cochran-Armitage 測試。
- 點擊跑步開始分析。
結果
- 當結果儀表板打開時，匯總圖表選項卡顯示每條染色體上顯著標記的數量糧食產量 (GW)
- 藍色條代表趨勢測試的結果。 當從純合子次要移動到雜合子再到純合子主要時，趨勢測試尋找趨勢分數中的線性關係。
- 在對多個性狀執行模型時，可以查看跨性狀重疊的重要標記，並可以通過維恩圖輸出創建數據子集。
- GW、FL 和 PH 之間有五個顯著的共同標記。
- 這曼哈頓地塊選項卡再次按趨勢檢驗確定的染色體顯示顯著標記。
- 從中選擇任意一條染色體選項卡左側的菜單將顯示染色體上每個標記的位置圖。 下圖是鉻 3 結果.
- 這模型適應度圖選項卡顯示每個標記的健身統計數據。 要按模型分隔適應度圖，請單擊紅色三角形並選擇疊加圖 > 疊加 Y . 測試按形狀繪製，圖中較低的點表示較高的準確性。
- 這火山地塊選項卡給出了每個標記的火山圖，x 軸上有次要等位基因基因型效應，y 軸上有對數轉換的 p 值。 紅線以上的點被認為是重要的。
- 點擊通過本地數據過濾器右側的選項將為每個單獨的染色體提供火山圖。
- 在裡面鑽取菜單，可以為選定的標記創建一個子集，或者創建一個圖糧食產量可以通過選擇創建按基因型的值按基因型繪製性狀.
- 這是快速查看不同基因型對給定標記的性狀影響的好方法。
- 下面顯示的是 5 號染色體上三個標記的基因型性狀特徵，按顯著性排序。
*此分析的交互式結果可在JMP公共.
概括
本指南概述了QK混合模型關聯映射過程，同時考慮由人口結構和家族相關性引起的連鎖不平衡。 QK 分析可以在 JMP Genomics 中以兩種不同的方式運行。 一個更簡單的選擇是遺傳學 QK 分析工作流程, 它執行 QK 分析的所有步驟並自動合併數據。 但是，它不如本文中概述的過程靈活。 該工作流僅允許從 PCA 計算的 Q 矩陣和從 IBD 計算的 K 矩陣關係矩陣過程。 有關此過程的詳細信息，請參閱下週的博客文章：第 3d 部分： QK 混合模型遺傳關聯工作流程。
開發 QK 關聯分析以執行關聯映射，同時控制人口結構和/或家族相關性。 此名稱中的“QK”指的是模型中包含的兩種信息。 Q 矩陣包含有關人口結構的信息（參見第 3b 部分：人口結構矩陣). K 矩陣包含更多關於相關性的細粒度信息，通常是根據標記數據計算的 IBD 度量（參見第 3a 部分：基於標記的關係矩陣).
與其他類型的關聯映射一樣，在 QK 關聯分析中，為每個標記創建一個單獨的統計模型，使用特徵作為因變量，使用標記作為自變量。 構成 Q 和 K 矩陣的變量也包含在這些模型中：Q 變量作為固定效應，K 變量作為隨機效應。 根據需要，可以從模型中省略 Q 或 K 變量。
要在 JMP Genomics 中運行 QK 關聯分析，需要三樣東西：包含要分析的性狀的數據文件、標記基因型以及要在分析中使用的 Q 和 K 變量。 註釋數據集是可選的。
