05 2019 档案

一行命令学会全基因组关联分析(GWAS)的meta分析
摘要：为什么需要做meta分析 群体分层是GWAS研究中一个比较常见的假阳性来源. 也就是说，如果数据存在群体分层，却不加以控制，那么很容易得到一堆假阳性位点。 当群体出现分层时，常规手段就是将分层的群体独立分析，最后再做meta分析。 1.如何判断群体是否分层 先用plink计算PCA，具体方法详见链接 阅读全文
posted @ 2019-05-23 16:09 橙子牛奶糖 阅读(6486) 评论(2) 推荐(3) 编辑
plink修改正负链(--flip, change the positive and negative stand)
摘要：修改正负链用到的参数为 假定trial.bim的内容如下： trial.bim 1 rs142578063 0 732746 G A 1 rs144022023 0 732801 G A 1 rs12131618 0 732809 C T 1 rs369225293 0 732909 A G 1 r 阅读全文
posted @ 2019-05-21 10:25 橙子牛奶糖 阅读(1105) 评论(0) 推荐(2) 编辑
常见变异影响常见疾病，罕见变异影响罕见疾病？
摘要：一般来说，常见变异影响常见疾病，罕见变异影响罕见疾病。 常见疾病/表型（比如糖尿病、身高），一般都是由许多微效作用位点共同影响的。 罕见疾病（比如家族性乳糜微粒血症综合征），一般由一个或几个效应值极强的罕见变异影响。 比如下面这个图，就很好的说明了这个问题。 " " 但是，世界不是非黑即白，凡事都有 阅读全文
posted @ 2019-05-16 16:05 橙子牛奶糖 阅读(1162) 评论(0) 推荐(1) 编辑
GWAS: 网页版的基因型填充（genotype imputation）
摘要：在全基因组关联分析中，处理芯片数据时，必须走的一个流程就是基因型数据填充（imputation）。 当然，如果你拿到的是全测序的数据，请忽略这一步。 下面直奔主题，怎么在网页版进行基因型填充。 1 进入 "Michigan Imputation Server" Michigan Imputation 阅读全文
posted @ 2019-05-08 10:15 橙子牛奶糖 阅读(3151) 评论(7) 推荐(1) 编辑

点击右上角即可分享
微信分享提示