1. 將質(zhì)控的plink數(shù)據(jù)和表型數(shù)據(jù)讀入到TASSEL軟件

質(zhì)控后的plink數(shù)據(jù)和表型數(shù)據(jù)：

「讀取表型數(shù)據(jù)到TASSEL中：」

「讀取基因型數(shù)據(jù)到TASSEL中：」

2. 一般線性模型（GLM）介紹

MLM模型中，將每個SNP作為固定因子進行回歸分析，將親緣關系矩陣（kinship或者A矩陣）作為隨機因子，進行SNP的顯著性檢驗，P值就是GWAS分析的p-value，effect就是SNP的effect值。如果有其它因素需要考慮，就放到協(xié)變量里面，比如性別，PCA，Q矩陣等。MLM和GLM不同的就是它考慮kinship的影響。

重點是對每個SNP做回歸分析，提取effect和p-value。

3. 合并數(shù)據(jù)

TASSEL分析中，需要將分析的表型和基因型數(shù)據(jù)進行合并，合并為一個數(shù)據(jù)框，然后對該數(shù)據(jù)框進行分析。

3.1 對基因型數(shù)據(jù)進行PCA分析

選中qc_plink基因型數(shù)據(jù)，點擊菜單 Analysis --> Relatedness --> PCA，然后點擊確定即可。

「PCA分析結果：」

3.2 根據(jù)基因型數(shù)據(jù)計算kinship

選中基因型數(shù)據(jù)，點擊菜單 Analysis --> Relatedness --> Kinship默認選項即可：查看kinship：

3.3 將PCA+表型+基因型合并

選中三個數(shù)據(jù)，然后點擊Data中的Intersect Join，進行數(shù)據(jù)合并。注意，不要講kinship放進去。

3.3 查看合并后的數(shù)據(jù)

可以看到，數(shù)據(jù)中包括ID，PCA及結果，表型性狀數(shù)據(jù)，基因型數(shù)據(jù)。

4. MLM模型

選中合并后的數(shù)據(jù) + kinship，點擊Analysis --> Association --> MLM

點擊默認Run運行即可。

5. MLM結果查看

可以看到，Result中有兩個MLM結果，第一個為GWAS結果，第二個為每個SNP的效應值情況?？吹谝粋€就行。

因為這是多個性狀的分析，所以所有結果放在了一起。

• 第一列為性狀，這里包括三個性狀，在進行作圖時需要將數(shù)據(jù)分開
• 第二列為SNP名稱
• 第三列為染色體名稱
• 第四列為SNP的物理位置
• 第五列為df
• 第六列為F檢驗結果
• 第七列為p值
• ……

6. 導出結果

查看結果：

7. TASSEL中的結果可視化

「QQ圖：」

「曼哈頓圖：」

這里，曼哈頓圖需要指定性狀，這里我們選擇EarDia這個性狀進行可視化：

圖片可以保存到本地。

ok，第五篇搞定了。下一篇是GWAS結果放到R語言中可視化，歡迎繼續(xù)關注。