近些年全基因组关联分析得到广泛的应用，即GWAS。在对复杂疾病的研究和动物经济性状的研究上都有了长足的进步。尽管gwas方法很好用也很实用，但是运用GWAS方法需要的数据也是很庞大的，如何对这个大数据进行处理和运算又成了难题，今天就简单讲一下解决GWAS运算难题的方法，就是运用plink软件。plink用处有很多比如：数据处理，质量控制的基本统计，群体分层分析，单位点的基本关联分析，家系数据的传递不平衡检验，多点连锁分析，单倍体关联分析，拷贝数变异分析，Meta分析等等。所以plink软件是一个很好用的运算软件。操作起来也很方便实用。好了废话不多说上干货。
首先来了解一下plink，PLINK 是由哈佛大学的Shaun Purcell开发的一个免费，开源的全基因组关联分析软件，直接去百度上搜索plink就可以很容易就找到plink官网（http://www.cog-genomics.org/plink2）之后选择下载安装就可以了。还有一点需要注意的就是PLINK软件运行是在DOS系统下安装运行的。DOS系统的进入也很简单，按住home键+R然后在搜索栏内输入“cmd”就可以了。出现如下界面。
然后不要慌，接下来进入我们刚刚下载好的plink软件的路径。比如我的放在电脑的E盘就输入e：如下：
然后在进入E盘中存放plink软件的文件夹，比如我的文件夹叫做plink，输入cd plink，如下
然后检测一下plink软件是否安装好，直接输入plink，如下，如果出现类似下图的内容，plink就用该可以用了。
好，plink软件的安装和调用就介绍完了。在用plink软件之前，首先要搞清楚plink能够读懂的文件格式，将文件格式调整好，后面会免去很多不必要的麻烦。plink的输入数据包括两个文件，.ped文件和与之匹配的.map文件。那么这两个文件都是怎么样的呢，我简单来介绍一下。
首先ped格式文件，文件以空格或者tab分隔，前六列是固定的格式，依次是
Family id（家系ID，可以用1,2,3,4......表示）
individual id（个体ID，可以用入库编号表示）
paternal id（父系ID，可以用0表示）
maternal id（母系ID，可以用0表示）
sex（1 男 2 女 性别缺失可以用0或者其他数字表示）
phenotype(表型，control设定为1，case设定为2)
genotype(如A T，中间空一格，缺失用0补平)
第七列及以后是基因型
然后map文件格式，文件以空格或者tab分隔，文件只有4列，依次为
chromosome （染色体号）
rs#or snp identifier（snp号，一般以rs开头）
Genetic distance (morgans)（遗传距离也就是摩尔根距离，可以用0表示）
Base-pairposition (bp units)（BP，snp在染色体上的物理位置）
OK，plink的输入文件格式就设置好了，然后介绍一些简单的命令。以1.ped，1.map文件为例。
--noweb 不连接网络
--file 指定输入文件
--ped 指定ped文件
--map 指定MAP文件
--make-bed 数据转换为二进制格式
--out 指定输出文件名
数据量太大，节省时间和存储空将数据转换为二进制格式储存
plink --file 1 --make-bed --out 2 ####这条命令就是可以将文件1转成二进制文件，2即为二进制文件。
在数据分析之前，要对snp数据进行质控，这个步骤很关键，可以直接影响数据结果的有效性和准确性
plink --bfile 2 --maf 0.01 --geno 0.05 --mind 0.05 --hwe 0.001 --make-bed --out 3 ###这命令是对数据过滤在此就不详细介绍。
利用质控后的数据进行以后的分析。
可以做亲缘关系检测分析
plink --noweb --file 3 --genome --out 4 ### 3表示质控后的PED和MAP文件
输出：4.genome
可以算近交系数分析
plink --noweb --file 3 --het --out 5
输出文件 ：5.het
如果结果出现负值，并且值越小时，说明观察到的杂合子较多，可能出现样品污染或者异族通婚等。
网友评论