全基因组关联分析（Genome-Wide Association Study，GWAS）流程

全基因组关联分析流程：

一、准备plink文件

1、准备PED文件

PED文件至少有六列，内容如下：

Family ID

Individual ID

Paternal ID

Maternal ID

Sex (1=male; 2=female; other=unknown)

Phenotype(-9 missing 0 missing 1 unaffected 2 affected)

genotype( 1,2,3,4 or A,C,G,T missing 0)

PED文件是空格（空格或制表符）分隔的文件。

PED文件长这个样：

 

2、准备MAP文件

MAP文件有四列，四列内容如下：

chromosome (1-22, X, Y or 0 if unplaced)

rs# or snp identifier

Genetic distance (morgans)

Base-pair position (bp units)

MAP文件长这个样：

3、生成bed、fam、bim、文件

输入命令

plink --file mydata --out mydata --make-bed

注：plink指的是plink软件，如果软件安装在某个指定的路径的话，前面还要加上路径，比如安装在路径为/your/pathway/的文件夹下，则命令应该为“/your/pathway/plink --file mydata --out mydata --make-bed”

mydata指的是1和2生成的PED和MAP文件名，不需要写.ped和.map后缀

二、准备表型文件（Alternate phenotype files）

一般表型文件为txt格式，表型文件有三列，分别为：

Family ID

Individual ID

Phenotype

假如有多种表型，第一列和第二列还是Family ID、Individual ID，第三列及以后的每列都是表型，例如以下：

Family ID

Individual ID

Phenotype A

Phenotype B

Phenotype C

Phenotype D

Phenotype E

……

表型文件长这样：

 

缺失值的处理：缺失值的表型用-9表示；
case和control的处理：通常情况下，1表示control，2表示case，0表示缺失，但如果你加上--1的参数，则0表示control，1表示case。

三、准备协变量文件（Covariate files）

协变量文件同表型文件类似，第一列和第二列是Family ID、Individual ID，第三列及以后的每列都是协变量

Family ID

Individual ID

Covariate A

Covariate B

Covariate C

Covariate D

Covariate E

……

协变量文件长这个样（这里有三个协变量，分别为Sex,Age,temperature）：

 

四、plink进行表型和基因型以及协变量的关联分析

命令如下：

plink --bfile mydata --linear --pheno pheno.txt --mpheno 1 --covar covar.txt --covar-number 1,2,3 --out mydata –noweb

生成的文件为mydata.assoc.linear

注：“mydata”mydata文件不需要后缀，“--mpheno 1”指的是表型文件的第三列（即第一个表型）

“--covar-number 1,2,3”指的是协变量文件的第三列、第四列、第五列（即第一个、第二个、第三个协变量）

“--linear”指的是用的连续型线性回归，如果表型为二项式（即0、1）类型，则用“--logistic”

 

五、画曼哈顿图

安装R语言的CpGassoc包，其中的manhattan()，即可画曼哈顿图，或者参照本文R语言画全基因组关联分析中的曼哈顿图（manhattan plot）