189 8069 5689
这篇文章将为大家详细讲解有关如何使用TASSEL做GWAS说明文档，文章内容质量较高，因此小编分享给大家做个参考，希望大家阅读完这篇文章后对相关知识有一定的了解。
创新互联公司始终坚持【策划先行，效果至上】的经营理念，通过多达十载累计超上千家客户的网站建设总结了一套系统有效的全网整合营销推广解决方案，现已广泛运用于各行各业的客户，其中包括：成都搅拌罐车等企业，备受客户认可。
分享一篇我做的说明文档，用示例数据，一步一步进行GWAS分析。具体如下：
1. 下载安装软件
下载地址：http://tassel.bitbucket.org/
这里下载的是win的64为系统，截图如下：
安装成功后，打开菜单如下：
2. 导入数据
数据下载地址：http://tassel.bitbucket.org/
截图如下：
打开data，load，选择Make Best Guess
选择几个示例数据：
打开后的数据如下
里面包括系谱数据、性状数据和基因型数据（snp）。
3. 处理数据
3.1清洗数据
选中mdp_trait，
然后选择：Data中的TransformPhenotype，
可以对数据进行转化、标准化等操作，注意，要先对数据进行选择，然后再进行操作：
也可以对缺失值的数据进行删除，点击imput，Numerical impute，就会生成没有缺失值的数据，这只是缺失值的不同替换方法。
3.2主成分分析
主成分分析（PCA）是一种统计方法，它可以将相互关联的变量转化为独立的主成分（PC），第一种成分包含最多的组分，其它依次降低。另一个主成分的作用可以用标记的主成分来代表群体结构。这种方法比最大似然法节省时间。因为大部分的分子标记都是字符，需要先将其转化为数值，然后再进行主成分分析，一般将纯合的标记用0代替，另一个纯合子用2代替，杂合的用1代替。PCA要求变量不能有缺失值，因此，在进行主成分分析时，需要对数据进行清洗，去除缺失值。
去掉频率小于0.05的标记，可以选择Data,选择Site，然后在最小频率的框中键入0.05，然后选择Remove minor SNP status，然后点击Filter，进行过滤，模型如下：
选择PCA，然后选择5个主成分（默认项），点击确定，就会生成结果，模型如下：
结果如下：
3.3用基因标记估计系谱
利用主成分分析可以判断群体的结构特征，但是如果利用系谱信息，这种结果会更加准确。可以用基因型数据生成系谱信息，首先选中基因型数据，点击Analysis，选择Kinship
结果如下：
3.4用一般线性模型分析GLM
下面我们用GLM模型来分析示例数据，mdp_genotype.hmp.txt是snp数据，里面有3093个标记，281个玉米自交系，另一个文件是mdp_population_structure.txt，里面是282个玉米自交系的群体结构，还有一个是mdp_traits.txt，里面是282玉米自交系的表型数据。
首先对基因型数据进行过滤，去掉频率小于0.05的，最小的数目是150，点击过滤，生成过滤后的基因型数据：
然后对数据进行个过滤，选择开花期dpoll这个性状，
进行协变量选择，即选择群体结构的文件，这里我们去掉Q3，数据如下：
合并数据，将这三个过滤好的数据，选中进行合并，点击Data IntersectJoin，
数据合并如下：
然后选中合并后的数据，用analysis ，GLM来进行分析
运行结果如下：
QQ图：
P-value值：
3.5用混合线性模型分析
混合模型需要添加系谱矩阵
点击run
结果：
相关图形：
关于如何使用TASSEL做GWAS说明文档就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。