欢迎关注"生信修炼手册"！
plink是进行全基因组关联分析常用的软件之一，该软件需要两种基本格式的输入文件，ped和map。本篇重点介绍一下ped格式。
对于ped格式而言，包含了以下几种信息
-
家系结构；
-
性别信息；
-
表型信息；
-
snp calling信息；
ped格式是一个纯文本的文件，至少需要6列，每列有空格或者\t分隔。这6列
分别代表以下含义
-
Family ID
-
Individual ID
-
Paternal ID
-
Maternal ID
-
Sex
-
Phenotype
Family ID用来表示家族，同一个家族用同一个family ID表示；Individual ID用来表示个体，family ID和Individual ID连起来必须能够唯一表示每个样本；Paternal ID表示父本ID, Maternal ID表示母本ID, 通过以上4个属性，可以完全表征样本的家系结构信息。
Sex表示性别, 1代表male，2代表female, 其他数字表示unknown。
phenotype代表表型，其中表型可以是离散型的（比如质量性状），也可以是连续型的（比如数量性状），plink会自动识别对应的类型。通过以上6个必须的字段，可以完整的映射到某一性状的家系图上。
对于关联分析而言，除了表型相关信息，还需要基因型信息。在ped格式的文件中，剩余的列通常用来表示基因型信息。在ped文件中，每个snp位点的基因型需要两列来表示，分别表示major allel 和 minor allel。在表示基因型时，既可以使用A,C,G,T字母的形式，也可以采用1,2数字编码的形式。默认情况下，用0来表示基因型的缺失。
一个ped文件的示例如下
1 1 0 0 1 1 A A G T
2 1 0 0 1 1 A C T G
3 1 0 0 1 1 C C G G
4 1 0 0 1 2 A C T T
5 1 0 0 1 2 C C G T
6 1 0 0 1 2 C C T T在这个ped文件中，所有样本之间相互独立，没有亲缘关系，所以每个样本有一个唯一的family ID；对于样本而言，只需要family ID和Individual ID两个字段的信息连起来，能够唯一表示一个样本即可，由于family ID已经和样本是一一对应关系了，所以这里的Individual ID统一用1表示。
由于没有亲缘关系，Paternal ID和Maternal ID也没有了意义，取值全都为0； 性别全部为1，表明所有样本都为男性；phenotype的取值有1和2两种，是离散型的。最后的4列信息代表2个SNP位点的基因型信息，每两列一个SNP位点。
扫描关注微信号，更多精彩内容等着你！
网友评论