GCTA学习1 | 抛砖引玉--初步介绍

邓飞

发布于 2022-02-08 07:52:42

1.3K00

代码可运行

文章被收录于专栏：育种数据分析之放飞自我育种数据分析之放飞自我

运行总次数：0

代码可运行

康德说：世界上只有两样东西是值得我们深深景仰的，一个是我们头上的灿烂星空，另一个是我们内心的崇高道德法则。

论起软件，也有两款软件，让我学习的过程中，不断的有所收获，不断的感慨功能的强大，一个是plink，另外一个是GCTA。

本篇介绍，是2020年的博客，里面的内容有些老了，最近，GCTA又增加了GWAS的模块fast-GWA，速度远超同类软件，更重要的话，windows电脑也可以用，这样混线性模型GEMMA只能在Linux下使用的弊端，GCTA解决了。不用Linux，就不用Linux吧，现在GCTA也可以分析MLM的GWAS模块了！

1. GCTA介绍

在群体遗传中，GCTA中做PCA非常方便, 下面介绍一下GCTA的安装方法.

2. 安装方法

2.1 使用conda自动安装

conda install -c biobuilds gcta

2.2 手动安装

官方地址: https://yanglab.westlake.edu.cn/software/gcta/#Download

说明文档: https://yanglab.westlake.edu.cn/software/gcta/#Overview

3. 安装成功测试

这里, 应该键入gcta64, 而不是gcta

(base) [dengfei@localhost bin]$ gcta64
*******************************************************************
* Genome-wide Complex Trait Analysis (GCTA)
* version 1.26.0
* (C) 2010-2016, The University of Queensland
* MIT License
* Please report bugs to: Jian Yang <jian.yang@uq.edu.au>
*******************************************************************
Analysis started: Wed Apr 24 14:07:43 2019

Options:

Error: no analysis has been launched by the option(s).

Analysis finished: Wed Apr 24 14:07:43 2019
Computational time: 0:0:0

显示上面信息, 表明软件安装成功.

4. 功能介绍

5. 参数说明

5.1 输入输出文件

输入文件:

--bfile test: 类似plink的参数格式. 支持binary文件(test.fam,test.bim,test.bed)
--dosage-mach test.mldose test.mlinfo支持其它数据格式

输出文件:

--out result: 类似plink的--out参数, 定义输出文件名

5.2 数据清洗

ID保留和删除 如果不写, 默认全部使用

--keep test.indi.list定义分析个体列表
--remove test.indi.list 删除个体列表

选择SNP

--chr 1:选择染色体 --autosome 选择所有SNP

6. 构建G矩阵

--make-grm 会生成三个文件:

如何你想在R中读取二进制文件, 可以使用如下代码:

ReadGRMBin=function(prefix,AllN=F,size=4){

  sum_i=function(i){return(sum(1:i))}

  BinFileName=paste(prefix,".grm.bin",sep="")
  NFileName=paste(prefix,".grm.N.bin",sep="")
  IDFileName=paste(prefix,".grm.id",sep="")
  id = read.table(IDFileName) # read the ID of the gmatrix
  n=dim(id)[1]
  BinFile=file(BinFileName,"rb")
  grm=readBin(BinFile,n=n*(n+1)/2,what=numeric(0),size=size)  # generate the fack gmatrix
  NFile=file(NFileName,"rb");
  if(AllN==T){
    N=readBin(NFile,n=n*(n+1)/2,what=numeric(0),size=size)
  }else{
    N=readBin(NFile,n=1,what=numeric(0),size=size)
  }
  i=sapply(1:n,sum_i)
  return(list(diag=grm[i],off=grm[i],id=id,N=N))
}

计算近交系数

--ibc: 会用三种方法计算近交系数.

示例:

gcta64 --bfile test --autosome --make-grm --out grm

这里:

--bfile 读取的是plink的二进制文件
--autosome 是利用常染色体上的所有SNP信息, 这个不能省略
--make-grm生成grm矩阵
--out 生成前缀名

会生成如下三个文件夹:

(base) [dengfei@localhost plink_file]$ ls grm*
grm.grm.bin  grm.grm.id  grm.grm.N.bin

7. 利用构建好的G矩阵, 计算PCA分析

--grm test: 这里的xx是前缀, 它其实包括三个文件:

test.grm.bin,
test.grm.N.bin
test.grm.id

命令:

gcta64 --grm grm --pca 3 --out out_pca

--grmgrm文件
--pca PCA的数目为3
--out 结果输出文件

结果生成两个文件:

(base) [dengfei@localhost plink_file]$ ls out_pca.eigenv*
out_pca.eigenval  out_pca.eigenvec

8. 利用PCA结果画图

在R语言中, 设置好工作路径, 键入如下命令:

dd=read.table("out_pca.eigenvec",header=F)
head(dd)
names(dd) = c("Fid","ID","PC1","PC2","PC3")
plot(dd$PC1,dd$PC2,pch=c(rep(1,112),rep(2,103)),col=c(rep("blue",112),rep("red",103)),main="PCA",xlab="pc1",ylab="pc2")
legend("bottomright",c("TEXT1","TEXT2"),pch=c(rep(1),rep(2)),col=c(rep("blue"),rep("red")))