育种数据分析之放飞自我分享 http://blog.sciencenet.cn/u/yijiaobai 关注:生物统计,数量遗传,混合线性模型,生物信息,R,Perl,Python,GWAS,GS相关方法,文章及代码

博文

GCTA学习2 | 软件下载安装--windows和Linux

已有 4248 次阅读 2022-1-7 21:14 |个人分类:GWAS|系统分类:科研笔记

本篇,介绍GCTA这个软件的安装。

1. 安装包

GCTA官网:https://yanglab.westlake.edu.cn/software/gcta/#Download

这个软件是开源的,源码在github上:https://github.com/jianyangqt/gcta

2. Linux安装测试

2.1 下载

在终端中运行下面命令:

wget https://yanglab.westlake.edu.cn/software/gcta/bin/gcta_1.94.0beta.zip

下载成功:文件:

gcta_1.94.0beta.zip

2.2 解压

unzip gcta_1.94.0beta.zip

文件:

gcta_1.94.0beta
├── gcta64
├── MIT_License.txt
├── README.txt
├── test.bed
├── test.bim
├── test.fam
└── test.phen

2.3 测试

进入gcta_1.94.0beta文件夹,运行下面命令:

根据plink的二进制文件,进行G矩阵的构建(Yang的方法),生成二进制亲缘关系矩阵。

./gcta64 --bfile test --make-grm --out gmat

运行日志:

Options:

--bfile test
--make-grm
--out gmat

Note: GRM is computed using the SNPs on the autosomes.
Reading PLINK FAM file from [test.fam]...
3925 individuals to be included from FAM file.
3925 individuals to be included. 1643 males, 2282 females, 0 unknown.
Reading PLINK BIM file from [test.bim]...
1000 SNPs to be included from BIM file(s).
Computing the genetic relationship matrix (GRM) v2 ...
Subset 1/1, no. subject 1-3925
  3925 samples, 1000 markers, 7704775 GRM elements
IDs for the GRM file have been saved in the file [gmat.grm.id]
Computing GRM...
  100% finished in 0.3 sec
1000 SNPs have been processed.
  Used 1000 valid SNPs.
The GRM computation is completed.
Saving GRM...
GRM has been saved in the file [gmat.grm.bin]
Number of SNPs in each pair of individuals has been saved in the file [gmat.grm.N.bin]

结果文件:

gmat.grm.bin  gmat.grm.id  gmat.grm.N.bin  gmat.log

3. Windows安装测试

3.1 下载

3.2 解压

3.3 测试

在bin中打开git终端:

运行代码:

./gcta64.exe --bfile ../test --make-grm --out ../gmat

结果文件:

4. 安装成功

可以看到,Windows和Linux运行命令一致。gcta也有Mac系统,和plink类似。

5. 温馨提示

为了使用更方便,可以将gcta64可执行文件放到bin文件下,这样就可以直接键入gcta64进行分析。

「windows下:」

 cp gcta64.exe ~/bin/

「Linux下:」

cp gcta64 ~/bin/

欢迎关注我的公众号:育种数据分析之放飞自我。主要分享R语言,Python,育种数据分析,生物统计,数量遗传学,混合线性模型,GWAS和GS相关的知识。




https://blog.sciencenet.cn/blog-2577109-1320008.html

上一篇:GCTA学习1 | 抛砖引玉--初步介绍
下一篇:GCTA学习3 | GCTA的两篇NG:fast-LMM和fast-GLMM
收藏 IP: 223.90.189.*| 热度|

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-12-12 18:47

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部