https://www.youtube.com/watch?v=BKpZpA8WfcQ&list=PLaZuFfQk5gXPuXNA00R_uEfD422lmkSnr&index=6

用的GEWAS中example中的数据

一、 qqman

  install.packages("qqman")

  library(qqman)

数据：

　　画图的数据

"SNP"（Single Nucleotide Polymorphism）代表单核苷酸多态性。它是基因组上的一种常见遗传变异形式，代表基因组中的一个位置，该位置上的碱基可以在个体之间有所不同。SNP在GWAS中被用于检查其与研究表型的关联。
"CHR"代表染色体（Chromosome），指示SNP所位于的染色体编号。染色体是细胞核中的结构，携带遗传信息。（横坐标）
"BP"代表物理位置（Base Pair），表示SNP在染色体上的物理位置。它通常以碱基对（bp）为单位来度量，用于确定SNP在基因组上的准确位置。
"P"代表关联统计量中的p-value，用于衡量SNP与研究表型之间的关联程度。p-value越小，表示SNP与表型之间的关联越显著。在GWAS中，研究人员通常会关注具有低p-value的SNP，这可能表示与表型相关的潜在关联信号。

View(gwasResults)

qqman自带数据画图

manhattan(gwasResults, col = c("blue", "red"))

qq(gwasResults$P)

自己的数据画图

library(qqman)
library("CMplot")
View(gwasResults)
# 用qqman画曼哈顿图
# 用qqman画qqplot
data <- read.table("GE_GWAS.assoc.txt", header = TRUE, sep = "\t")
result_data <- data[, c("chr", "rs", "ps", "p_wald")]
colnames(result_data)[colnames(result_data) == "chr"] <- "CHR"
colnames(result_data)[colnames(result_data) == "rs"] <- "SNP"
colnames(result_data)[colnames(result_data) == "ps"] <- "BP"
colnames(result_data)[colnames(result_data) == "p_wald"] <- "P"
 
 
manhattan(result_data, col = c("blue", "red"))
qq(result_data$P)

二、 CMplot

https://github.com/YinLiLin/CMplot

　　install.packages("CMplot") 这一个就够了

　　下载完把二进制那个删了，没用了

自带数据画图

CMplot(pig60K,type="p",plot.type="m")

CMplot(pig60K,plot.type="q"）


自己的数据画图

library("CMplot")
data(pig60K)
View(pig60K)
data <- read.table("GE_GWAS.assoc.txt", header = TRUE, sep = "\t")
result_data <- data[, c("chr", "rs", "ps", "p_wald")]
colnames(result_data)[colnames(result_data) == "chr"] <- "Chromosome"
colnames(result_data)[colnames(result_data) == "rs"] <- "SNP"
colnames(result_data)[colnames(result_data) == "ps"] <- "Position"
colnames(result_data)[colnames(result_data) == "p_wald"] <- "trait"
 
result_data <- result_data[, c("SNP","Chromosome","Position","trait")]
CMplot(result_data,type="p",plot.type="m")
CMplot(result_data,type="p",plot.type="q")