对性染色体进行关联分析

欢迎来到"bio生物信息"的世界

1 前言

早期的研究普遍只做常染色体的全基因组关联分析，很少做性染色体的。

主要原因是性染色体的遗传模式比较复杂，存在X染色体失活，而且男女效应值不大一样。

其次，也不是所有的表型都是男女有差异的。

再然后，也没有很好的工具计算性染色体的关联分析。

随着遗传学的研究发展，现在有很多工具是允许计算性染色体的关联分析。

下面简单介绍一个常见的工具SNPTEST

网址：https://mathgen.stats.ox.ac.uk/genetics_software/snptest/snptest.html

2 SNPTEST支持什么分析

SNPTEST支持很多分析

比如，

二分类、单个或者多个连续型表型的关联分析

贝叶斯、加性模型、显性模型、隐性模型、常规模型、杂合子模型

对一个或多个协变量、SNP位点进行条件分析

变量间的交互作用分析

性染色体关联分析

3 如何使用SNPTEST对性染色体进行关联分析

3.1 下载、安装（以CentOS6.6为例）

对于linux系统而言，建议选择动态链接版本（文件写着dynamic）

wget http://www.well.ox.ac.uk/~gav/resources/snptest_v2.5.4-beta3_CentOS6.6_x86_64_dynamic.tgz

tar zxvf snptest_v2.5.4-beta3_CentOS6.6_x86_64_dynamic.tgz

3.2 准备输入文件

输入文件需要两种类型。一种是表型文件，以.sample后缀，一种是基因型文件。

3.2.1 表型文件.sample的准备

下图是表型文件的格式

第一行是表型的title，第二行是对每一列的数据说明。

注意，头两行是必须的，不然会报错。

先讲第一行的格式：

第一列和第二列是样本的family ID 和个体ID。

第三列是missing，指的是样本的缺失率，这一列可以通过plink的--missing参数获得。

第四列到第七列都是协变量。(红色框框)

第八列到第十一列都是表型。(蓝色框框)

最后一列是性别。(绿色框框)

再讲第二行的格式：

第二行的0 0 0 D D C C P P B B D又是什么呢

前三个0 0 0不需要修改，直接照着写。

红色框框D D C C 指的是协变量的类型为离散型（D）和连续型（C）

蓝色框框P P B B指的是表型的类型为连续型（P）和二分类（B）

绿色框框D指的是性别为离散型（D）

3.2.2 基因型文件的准备

基因型文件支持三种格式。

第一种：GEN 或 gzipped GEN 格式，以.gen 或 .gen.gz结尾

第二种：BGEN格式，以.bgen结尾

第三种：plink格式，以.bed结尾

3.3 做性染色体的关联分析

输入如下命令：

./snptest \

-data ./example/cohort1_0X.bed ./example/cohort1.sample ./example/cohort2_0X.bed ./example/cohort2.sample \

-o ./example/ex.out \

-method newml \

-frequentist 1 \

-pheno bin1

解释一下这些参数的意思。

-data后面跟的是一个或多个队列的基因型文件（.bed）和表型文件（.sample），这里列举了两个队列。在实际的分析中，可以只分析一个，也可以同时分析多个队列。

-o指的是输出的文件路径（./example/）和文件名（ex.out）。

-method指的是所用的方法。

-frequentist指的是用的模型。模型可选加性模型、显性模型、隐性模型、常规模型、杂合子模型。分别用1,2,3,4,5表示。 1=Additive, 2=Dominant, 3=Recessive, 4=General and 5=Heterozygote

-pheno指的是所分析的表型列名。

3.4 可能出现的报错

报错1：!! Error: (genfile::DuplicateIndividualError) A duplicate sample occurs on line 4 of the file

解决方法：这个报错说明ID_1的字段是一样的。需要将ID_1的每个样本修改为独一无二的字符。可以与ID_2保持一致。

报错2：!! Error: the number of individuals (xxx) in the sample file differs from the number (yyy) in the genotypes file

解决方法：将基因型文件（.bed）的顺序和数量与表型文件（.sample）的顺序和数量保持一致

报错3：二分类表型识别不了

解决方法：将二分类表型修改撑0,1编码，SNPtest识别不了1,2