笔记 GWAS 操作流程2-5：杂合率检验

育种数据分析之放飞自我 2020-04-21 20:57:42  1179  收藏 6

分类专栏： GWAS

版权

一般自然群体，基因型个体的杂合度过高或者过低，都不正常，我们需要根据杂合度进行过滤。偏差可能表明样品受到污染，近亲繁殖。我们建议删除样品杂合率平均值中偏离±3 SD的个体。

我的理解：非自然群体中，比如自交系，杂交种F1，这些群体不需要过滤杂合度。

参数过滤和手动过滤

plink有个特点，所有的过滤标准，都可以生成过滤前的文件，然后可以手动过滤，也可以用参数进行过滤。

比如：--missing生成结果，也可以用--geno和--mind过滤。

比如：--hardy生成结果，可以使用--hwe过滤

比如：--freq生成结果，可以用--maf过滤

但是杂合度--het，没有过滤的函数，只能通过编程去提取ID，然后用--remove去实现。

1. 计算杂合度

plink --bfile HapMap_3_r3_9 --het --out R_check

1

2

结果文件：

.het (method-of-moments F coefficient estimates)

Produced by --het.

A text file with a header line, and one line per sample with the following six fields:

FID Family ID  # 家系ID

IID Within-family ID # 个体ID

O(HOM) Observed number of homozygotes # 实际纯合个数

E(HOM) Expected number of homozygotes # 期望纯合个数

N(NM) Number of non-missing autosomal genotypes # 总个数

F Method-of-moments F coefficient estimate # 

1

2

3

4

5

6

7

8

9

10

11

所以，F的计算方法：

F = O − E N − E F = \frac{O-E}{N-E}

F= 

N−E

O−E

​

O: O(HOM)

E: E(HOM)

N: N(NM)

2. 杂合度可视化

R代码：

het <- read.table("R_check.het", head=TRUE)

pdf("heterozygosity.pdf")

het$HET_RATE = (het$"N.NM." - het$"O.HOM.")/het$"N.NM."

hist(het$HET_RATE, xlab="Heterozygosity Rate", ylab="Frequency", main= "Heterozygosity Rate")

dev.off()

1

2

3

4

5

6

可视化：

3. 计算杂合度三倍标准差以外的个体

首先，查看哪些个体在3倍标准差以外：

het <- read.table("R_check.het", head=TRUE)

het$HET_RATE = (het$"N.NM." - het$"O.HOM.")/het$"N.NM."

het_fail = subset(het, (het$HET_RATE < mean(het$HET_RATE)-3*sd(het$HET_RATE)) | (het$HET_RATE > mean(het$HET_RATE)+3*sd(het$HET_RATE)));

het_fail$HET_DST = (het_fail$HET_RATE-mean(het$HET_RATE))/sd(het$HET_RATE);

write.table(het_fail, "fail-het-qc.txt", row.names=FALSE)

1

2

3

4

5

6

结果可以看出，这两个个体杂合度在3倍标准差以外：

4. 去掉这些个体

cat fail-het-qc.txt 

"FID" "IID" "O.HOM." "E.HOM." "N.NM." "F" "HET_RATE" "HET_DST"

1330 "NA12342" 703770 691000 1066256 0.03402 0.33996151018142 -4.75272486494316

1459 "NA12874" 709454 695300 1072858 0.03758 0.338725162137021 -5.18288854902555

1

2

3

4

5

先对数据进行清洗，去掉引号，然后提取家系和个体ID

sed 's/"//g' fail-het-qc.txt |awk '{print $2}' > het_fail_ind.txt

1

2

sed 's/"//g' fail-het-qc.txt |awk '{print $1,$2}' > het_fail_ind.txt

1

2

使用remove去掉这两个个体

plink --bfile HapMap_3_r3_9 --remove het_fail_ind.txt --make-bed --out HapMap_3_r3_10

1

2

5. 结果文件

HapMap_3_r3_10.bed  HapMap_3_r3_10.bim  HapMap_3_r3_10.fam  HapMap_3_r3_10.log

————————————————

版权声明：本文为CSDN博主「育种数据分析之放飞自我」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。

原文链接：https://blog.csdn.net/yijiaobani/article/details/105292789