||
。前面的几节中,我们介绍了GCTA计算G矩阵,和单性状遗传力的计算,它本质上就是GBLUP的估计,但是速度快很多。本节我们介绍,两性状遗传力和遗传相关的计算。
这部分,是使用reml的方法进行估计方差组分。默认的是AI算法,可以使用EM算法。
--reml-alg 0 # AI算法,默认算法 --reml-alg 1 # EM算法
指定GRM矩阵
--grm # 接二进制文件GRM的前缀 --grm-bin # 同上 --grm-gz # 接文本的GRM文件前缀
推荐使用二进制的文件,因为速度快,暂用空间少。
这是接因子协变量的,第一列和第二列分别是FID和IID,后面接因子协变量,比如场年季
接的是数字协变量,比如PCA,比如初生重等
接的是表型数据,格式也是plink的格式,第一列FID,第二列IID,第三列是表型数据(缺失用NA表示),第四列是表型数据
三列,第一列是FID,第二列IID,第三列是表型数据y,没有行头,空格隔开。
plink的二进制文件
这里,示例数据中,没有提供协变量信息。如果提供,可以按照第一列是FID,第二列是IID,其它是协变量的方法整理数据。协变量分为数字协变量和因子协变量,要分开整理。
「使用Van
的方法」
这里,用Van
的方法,类似我们GBLUP估计所用的矩阵构建形式。
gcta64 --bfile ../test --make-grm --make-grm-alg 1 --out g2
结果文件:
这里,已经构建好了GRM矩阵,指定表型数据,进行遗传力的估计
gcta64 --reml-bivar 1 2 --pheno ../nn_pheno.txt --grm ../grm/g1 --threads 30 --out re1
结果可以看出:
第一个性状,遗传力为0.47,标准误是0.02 第二个性状,遗传力为0.16,标准误为0.03 遗传相关为:-0.22,标准误为0.094
「使用ASReml作为对比」
「方差组分和遗传力结果:」
可以看出,结果完全一样。
「多性状GCTA不支持的部分:」
❝By default, GCTA will take the first two traits in the phenotype file for analysis. The phenotype file is specified by the option --pheno as described in univariate REML analysis. All the options for univariate REML analysis are still valid here except --mpheno, --gxe, --prevalence, --reml-lrt, --reml-no-lrt and --blup-snp. All the input files are in the same format as in univariate REML analysis.
❞
GCTA只能分析两性状的GBLUP遗传评估,计算遗传力和遗传相关,速度很快。
「相对于ASReml软件,缺点如下:」
❝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。
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-12-3 16:21
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社