导读
硕研时接触过芯片SNP与人群phenotype的关联分析，因为原因没做下去。分析方法忘了，以此文回顾。
plink官网：http://zzz.bwh.harvard.edu/plink/
plink功能：数据管理、质控、人群分层检测、关联分析-SNP、多marker预测、haplotype分析、拷贝数变异分析、异位显性分析、关联分析-基因、基因环境互作分析、meta分析等。
一、输入数据
1. ped [SNP信息]
第一列：家庭编号family id
第二列：个体编号individual id
第三列：父亲编号paternal id
第四列：母亲编号maternal id
第五列：性别（1 male 2 female）
第六列：基因型genotype
2. map [染色体信息]
第一列：染色体编号1-22 X Y 0(unplaced)
第二列：SNP rs编号
第三列：morgen遗传距离
第四列：碱基对位置bp
3. binary PED files
PLINK可以在ped和map文件的基础上通过创建binary ped file (.bed)来节省运行时间和存储空间。这种格式的文件将pedigree/phenotype information存储在.fam文件中，并且通过创建一个.bim文件来储存map信息（包括allele name等）。
在plink中可以通过以下命令创建binary ped文件：
plink --file mydata --make-bed
以上命令行将创建出以下三个文件：
plink.bed ( binary file, genotype information )
plink.fam ( first six columns of mydata.ped )
plink.bim ( extended MAP file: two extra cols = allele names)
4. phenotype [表型信息]
自行创建表型文件pheno.txt，可在其中存入多种表型或协变量。
前两列必须为FID和IID,后面是表型：
第一列：家庭编号
第二列：个人编号
其他列：表型数据
案例：
# --pheno后随表型文件
plink --file input_data --pheno pheno.txt --pheno-name bmi --assoc
5. 协变量信息
格式与表型文件相同。
案例：
# --covar后随协变量文件
# 列号形式
plink --file mydata --covar c.txt --covar-number 2,4-6,8
# 列名形式
plink --file mydata --covar c.txt --covar-name AGE,BMI-SMOKE,ALC
二、数据质控
1. 检测缺失个体和基因型
方法：
plink --file data --missing
结果文件1：个体.imiss
第一列：家庭编号
第二列：个体编号
第三列：缺失SNP数
第四列：number of non-obligatory missing genotype
第五列：缺失SNP占比
结果文件2：SNP.lmiss
第一列：SNP编号
第二列：染色体编号
第三列：缺失该SNP的个体数
第四列：number of non-obligatory missing genotype
第五列：缺失该SNP的个体数占比
2. Hardy-Weinberg Equilibrium检测
方法：
# --hardy 分析哈迪温伯格平衡
plink --file data --hardy
结果文件：file.hwe
3. 等位基因（allele）频率
方法：
# --freq
plink --file data --freq
结果文件：
4. 纳入阈值
说明：设置阈值如果超过阈值则删除对应的SNP或个体
三、MDS分析
1. 方法：
plink --bfile 333 --indep-pairwise 50 10 0.2 --out prune1
# generating independent SNP groups (generate prune1.prune.in/prune1.prune.out)
plink --bfile 333 --extract prune1.prune.in --genome --out ibs1
# (calculate IBS metrics for independent SNPs, generating ibs1.genome)
plink --bfile 333 --read-genome ibs1.genome --cluster --mds-plot 2 --cc --ppc 0.001 --out strat1
# (generating 2 dimensional plot strat1.mds, then use excel to draw plot of c1 against c2 in the trat1.mds form)
结果文件：
2. 去除outlier
plink --bfile 333 --read-genome ibs1.genome --cluster --cc --ppc 0.001 --neighbour 1 5 --out outlier
# Kick out the individuals with the minimum Z score<-4
结果文件：outlier.nearest
四、关联分析
方法1：基于卡方检验
# --assoc (chi-square test)
plink --file mydata --assoc
结果文件：plink.assoc
方法2：基于fisher精确检验
plink --file mydata –fisher
结果文件：plink.fisher
方法3：隐/显性模型
# --model (隐性、显性等模型)
# --dominant
# --recessive
plink --file mydata --model
结果文件：plink.model
五、回归分析
通过回归矫正协变量。
1. 方法：数量/质量性状
# 数量性状：
plink --bfile mydata --linear
# 质量性状：
plink --bfile mydaya –logistic
结果文件：plink.assoc.linear/logistic
2. 其他方法、QQ图
# --qq-plot qq图
# --adjust 多重矫正P值
# --dominant 线性模型
# --recessive 隐性模型
plink --bfile mydaya –logistic --qq-plot --adjust --dominant
plink --bfile mydaya –logistic --qq-plot --adjust --recessive
更多阅读：
1 GWAS 学习笔记 | 从理论到实践
2 全基因组关联分析（GWAS) — 群体结构
网友评论