全基因組關聯(lián)分析（Genome-wide association study，GWAS）是利用統(tǒng)計學方法，基于連鎖不平衡原理，將標記與目標性狀進行關聯(lián)，相比于連鎖分析，不需要構建特殊的群體且可同時對多個性狀進行分析，對QTL定位的精度可達到單基因水平。
|
全基因組關聯(lián)分析（Genome-wide association study，GWAS）是利用統(tǒng)計學方法，基于連鎖不平衡原理，將標記與目標性狀進行關聯(lián)，相比于連鎖分析，不需要構建特殊的群體且可同時對多個性狀進行分析，對QTL定位的精度可達到單基因水平。 自2005年[1]，研究人員釆用GWAS分析成功地鑒定到影響年齡相關性視網膜黃斑變異（Age-related Macular Degeneration）的重要遺傳因子，標志著全基因組關聯(lián)分析方法真正開始應用到復雜疾病和數(shù)量性狀的遺傳分析研究中。之后，GWAS被廣泛應用在各種研究領域，高分文章層出不窮，受到越來越多科研人員的青睞。那么，話不多說，我們直接觀看視頻看看GWAS到底如何操作。（建議在wifi環(huán)境下觀看~~） 1）簡單介紹GAPIT；說明輸入和輸出文件；介紹一些實際的參數(shù)； 2）通過網頁說明如何安裝R，和獲取GAPIT信息； 3）選取重要輸入文件進行說明和展示； 4）實際操作：安裝R包，加載R包，實際分析代碼簡單說明和運行代碼（內有案例）； 5）結果文件說明：提取示例結果中的若干文件進行說明。 例一： setwd('E:/myGAPIT/GAPIT_result_1') myY <- read.table('e:/mygapit/gapit_tutorial_data/mdp_traits.txt',="" head=""> myG <-read.table('e: ygapit/gapit_tutorial_data/mdp_genotype_test.hmp.txt'="" ,head=""> myGAPIT <-> Y=myY, G=myG, PCA.total=3 ) 例二： setwd('E:/myGAPIT/GAPIT_result_2') myY <- read.table('e:/mygapit/gapit_tutorial_data/mdp_traits.txt',="" head=""> myG <- read.table('e:/mygapit/gapit_tutorial_data/mdp_genotype_test.hmp.txt'="" ,="" head=""> myGAPIT <-> Y=myY, G=myG, PCA.total=3, kinship.cluster=c('average', 'complete', 'ward'), kinship.group=c('Mean', 'Max'), group.from=200, group.to=1000000, group.by=10 ) 如有疑問，歡迎大家留言交流哦！如果您想了解更多GWAS分析相關的內容，或者對基于高通量測序的群體遺傳學研究有興趣的話，我們動植物基因組事業(yè)部有著豐富的項目經驗、發(fā)表了多篇高質量的文章，可以基于不同群體的研究熱點及取樣思路，為客戶提供各種基于高通量測序的群體遺傳學研究方案。 參考文獻 [1] Klein R J, Zeiss C, Chew E Y, et al. Complement factor H polymorphism in age-related macular degeneration[J]. Science, 2005, 308(5720): 385-389. |
|
|
來自： 生物_醫(yī)藥_科研 > 《文獻案例》
