210866_zh-TW

liliconcom

遺傳關聯與 JMP 基因組學，第 3d 部分：遺傳關聯的 QK 混合模型工作流程

有兩種方法可以運行 QK 分析JMP 基因組學. 一個例子使用QK混合模型在較早的博客文章中概述的過程，與 JMP Genomics 的遺傳關聯，第 3c 部分：QK 混合模型.這是一個具有很大靈活性的通用工具，但它需要您自己構建輸入數據集。

一個更簡單的選擇是遺傳學 QK 分析工作流程，它執行所有步驟QK分析並自動合併數據。 然而，它的靈活性不如QK混合模型過程：工作流只允許從 PCA 計算的 Q 矩陣和從 IBD 計算的 K 矩陣關係矩陣過程。 在這篇文章中，我們使用標記數據文件的工作流程完成 QK 分析rice_genos_recgeno.sas7bdat , 以及對應的註解文件rice_anno_recgeno.sas7bdat .

1. 來自基因組學入門菜單，選擇工作流程 > 高級 > 遺傳學 QK 分析工作流程.
2. 在一般的選項卡，選擇rice_genos_recgeno。 sas7bdat作為輸入。

    

3. 選擇毛重作為特徵變量. QK 工作流程可以一次處理所有的特徵；但是要執行 K 矩陣壓縮，需要逐個特徵進行分析。
4. 進入回复：在下面的框中SNP 變量的列表樣式規範.
5. 選擇一個導出目錄.
6. 在註解選項卡，選擇rice_anno_recgeno。 sas7bdat作為註釋 SAS 數據集.
7. 填寫註解選項卡RS_RG作為註釋標籤變量,鉻作為註解組變量和位置作為註釋位置變量。
   • 此選項卡上也提供標記過濾選項。 但對於此示例，將過濾器留空以包含所有標記。
8. 現在移動到PCA 選項。放5個作為最大主成分數，它試圖解釋數據中 50% 的方差（輸入0.50作為用主成分解釋的累積變異比例).
   • 從前面的分析中，我們知道 5 個主成分足以解釋數據中 50% 的方差。
9. 在K 矩陣選項選項卡，選中旁邊的框壓縮 K 矩陣.
   • 此選項僅在單個特徵變量被指定在一般的標籤。
10. 在裡面壓縮選項節，設置K矩陣的最小維數到1個和K 矩陣的最大維數到225 .
    • 要讓 JMP 確定 K 矩陣的最佳維度，這些框可以留空。
11. 設置壓縮率到1個.
    • 這意味著 K 矩陣將在每個壓縮級別壓縮 10%。 此選項的較低數字將通過導致更多的壓縮迭代來提高壓縮的精度。
12. 在模型變量選項卡，選擇連續為了特質類型.
    • 在這裡，可以將附加效果（非標記）添加到模型中。
13. 在選項選項卡，指定數字基因型為了標記變量的格式.
14. 取消選擇基因型來自協會測試。這基因型test 基於基因型執行卡方檢驗，而趨勢測試執行 Cochran-Armitage 測試。 刪除基因型選項會導致更快的運行時間。
15. 保留默認選擇P 值圖。
16. 點擊跑步啟動分析。 工作流分析完成後，如下JMP期刊將被顯示。

結果

17. 點擊用於人口分層的 PCA結果顯示與人口結構和 Q 矩陣有關的結果。
18. 這倆二維主成分分析& 3D 行分數選項卡顯示主要組件之間的關係。 在這些地塊中聚集在一起的個體將被認為具有共同的祖先。 二維圖顯示了 5 個 PC 中的每一個與彼此的相關性。 在 3D Plot 中，可以在三維空間中顯示任意 3 個 PC（在圖下方選擇）之間的關係。

 

19. 這卵石圖選項卡顯示 5 個主成分中的每一個所佔的方差量。
20. 返回日誌並打開關係矩陣。這些是與 Identity By Descent 和 K 矩陣相關的結果。
21. 這IBD 配對結果選項卡顯示高於個人指定閾值的 IBD 值分佈。
22. 這啟動後續流程左邊的菜單有 Multidimensional Scaling 和 K Matrix Compression 的選項（已經完成）。
23. 返回日誌並打開K 矩陣壓縮。該圖顯示了每次壓縮迭代的簇數，y 值越低壓縮越有效。 K 矩陣的最終版本有 202 個簇。
24. 返回日誌並打開QK 混合模型。這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。
25. 從中選擇任意一條染色體選項卡左邊的菜單會顯示染色體上每個標記的位置圖。 重要標記落在紅色虛線上方，代表我們的 alpha 值 0.05。 下面是情節鉻 3 結果.
26. 這曼哈頓地塊選項卡按趨勢檢驗確定的染色體顯示顯著標記。 紅色虛線再次代表 alpha 值 0.05。
27. 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邊的選項給出了每個染色體的火山圖。
28. 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特徵圖。 第一個標記顯示對 GW 具有非常顯著的陽性次要等位基因效應。 第二個標記對 GW 顯示出輕微的負次要等位基因效應。 第三個標記對糧食產量沒有顯著影響。

*查看此分析的交互式結果JMP 公開。

概括

在 JMP Genomics 中創建 QK 混合模型有多種方法。 較早的帖子概述了創建一個K矩陣，壓縮它,創建人口結構 (Q) 矩陣， 和製作QK混合模型分別地。 Genetics QK Analysis Workflow 使用一種工具處理所有這些分析。 請記住，使用工作流時模型構建過程的靈活性較低，但在大多數情況下它會產生類似的輸出。

在 JMP Genomics 中運行 QK 分析的方法有兩種。 一個例子使用QK混合模型過程中概述了與 JMP Genomics 的遺傳關聯，第 3c 部分：QK 混合模型, 是一種通用工具，具有很大的靈活性，但需要您自己構建輸入數據集。 一個更簡單的選擇是遺傳學 QK 分析工作流程，它執行所有步驟QK分析並自動合併數據。 然而，它的靈活性不如QK混合模型過程：工作流只允許從 PCA 計算的 Q 矩陣和從 IBD 計算的 K 矩陣關係矩陣過程。 在這篇文章中，我們使用標記數據文件的工作流程完成 QK 分析rice_genos_recgeno.sas7bdat , 以及對應的註解文件rice_anno_recgeno.sas7bdat .