全基因組關聯分析（Genome-wide association study，GWAS）是利用統計學方法，基于連鎖不平衡原理，將標記與目標性狀進行關聯，相比于連鎖分析，不需要構建特殊的群體且可同時對多個性狀進行分析，對QTL定位的精度可達到單基因水平。
|
全基因組關聯分析（Genome-wide association study，GWAS）是利用統計學方法，基于連鎖不平衡原理，將標記與目標性狀進行關聯，相比于連鎖分析，不需要構建特殊的群體且可同時對多個性狀進行分析，對QTL定位的精度可達到單基因水平。 自2005年[1]，研究人員釆用GWAS分析成功地鑒定到影響年齡相關性視網膜黃斑變異（Age-related Macular Degeneration）的重要遺傳因子，標志著全基因組關聯分析方法真正開始應用到復雜疾病和數量性狀的遺傳分析研究中。之后，GWAS被廣泛應用在各種研究領域，高分文章層出不窮，受到越來越多科研人員的青睞。那么，話不多說，我們直接觀看視頻看看GWAS到底如何操作。（建議在wifi環境下觀看~~） 1）簡單介紹GAPIT；說明輸入和輸出文件；介紹一些實際的參數； 2）通過網頁說明如何安裝R，和獲取GAPIT信息； 3）選取重要輸入文件進行說明和展示； 4）實際操作：安裝R包，加載R包，實際分析代碼簡單說明和運行代碼（內有案例）； 5）結果文件說明：提取示例結果中的若干文件進行說明。 例一： setwd('E:/myGAPIT/GAPIT_result_1') myY <- read.table('e:/mygapit/gapit_tutorial_data/mdp_traits.txt',="" head=""> myG <-read.table('e: ygapit/gapit_tutorial_data/mdp_genotype_test.hmp.txt'="" ,head=""> myGAPIT <-> Y=myY, G=myG, PCA.total=3 ) 例二： setwd('E:/myGAPIT/GAPIT_result_2') myY <- read.table('e:/mygapit/gapit_tutorial_data/mdp_traits.txt',="" head=""> myG <- read.table('e:/mygapit/gapit_tutorial_data/mdp_genotype_test.hmp.txt'="" ,="" head=""> myGAPIT <-> Y=myY, G=myG, PCA.total=3, kinship.cluster=c('average', 'complete', 'ward'), kinship.group=c('Mean', 'Max'), group.from=200, group.to=1000000, group.by=10 ) 如有疑問，歡迎大家留言交流哦！如果您想了解更多GWAS分析相關的內容，或者對基于高通量測序的群體遺傳學研究有興趣的話，我們動植物基因組事業部有著豐富的項目經驗、發表了多篇高質量的文章，可以基于不同群體的研究熱點及取樣思路，為客戶提供各種基于高通量測序的群體遺傳學研究方案。 參考文獻 [1] Klein R J, Zeiss C, Chew E Y, et al. Complement factor H polymorphism in age-related macular degeneration[J]. Science, 2005, 308(5720): 385-389. |
|
|
