Oprogramowanie dla GWAS

Transkrypt

1 BIOINFORMATYKA 1. Wykład wstępny 2. Bazy danych: projektowanie i struktura 3. Równowaga Hardyego-Weinberga, wsp. rekombinacji 4. Analiza asocjacyjna 5. Analiza asocjacyjna 6. Sekwencjonowanie nowej generacji 7. Sekwencjonowanie nowej generacji 8. Funkcjonalna adnotacja polimorfizmów 9. Funkcjonalna adnotacja polimorfizmów 10. Wybrane algorytmy 11. Wybrane algorytmy 12. Literatura Literatura Literatura Literatura

2 WSTĘP Oprogramowanie dla GWAS 1. PLINK Struktura plików wsadowych Wykonanie programu Interpretacja wyników 2. GCTA Struktura plików wsadowych Wykonanie programu Interpretacja wyników 3. Przykłady innych programów

3 WSTĘP Tworzenie własnych programów 4. R Kod programu Wykonanie programu Interpretacja wyników 5. SAS Kod programu Wykonanie programu Interpretacja wyników

4 PLINK

5 PLINK

6 PLINK 1. Darmowy 2. Dobra dokumentacja 3. Różne systemy operacyjne Linia komend Interfejs graficzny (Java)

7 PLINK Zastosowanie Edycja danych: proste manipulacje na zbiorach danych, detekcja błędnych obserwacji, zmiany formatów, Podstawowe statystyki opisowe: brakujące dane, średnia, frekwencje alleli Obliczanie spokrewnienia IBD / IBS Analiza asocjacyjna: cechy ciągłe i dyskretne, różne struktury danych Permutacje danych Obliczanie LD Identyfikacja haplotypów Imputacja uzupełnienie brakujących genotypów...

8 PLINK plik wsadowy *.ped: genotypy, pochodzenie, cechy nr rodziny nr osobnika nr ojca nr matki płeć cecha genotypy markerów (tylko bialleliczne = SNP)

9 PLINK plik wsadowy *.map: mapa markerów 1 rs rs rs rs rs rs rs rs rs rs chromosom nazwa markera SNP położenie [ M ] 0=nieznane położenie [ bp ] 0=nieznane

10 PLINK wykonanie programu z linii komend plink --noweb --file test --assoc nazwa zbiorów danych *.map, *.ped test.map, test.ped opcja analizy asocjacyjnej

11 PLINK plik plink.qassoc: wyniki CHR SNP BP NMISS BETA SE R2 T P 1 rs rs NA NA NA NA NA 1 rs rs rs rs chromosom nazwa markera lokalizacja [ bp ] liczba zaobserwowanych danych współczynnik regresji liniowej b 1 odchylenie standardowe b 1 R 2 wartość testu Walda a T

12 PLINK regresja liniowa efekt SNP y 0 1 x wartość cechy kod genotypu SNP

13 PLINK regresja liniowa jaka część obserwowanej zmienności została wyjaśniona przez równanie regresji R 2 n i 1 n y y i i 1 yˆ i y 2 2

14 PLINK test Walda W ˆ 0 1 ~ ˆ 1 t n p

15 PLINK test Walda H 0 : SNP nie wykazuje powiązania z cechą i = 0 H 1 : SNP wykazuje powiązanie z cechą i 0 maksymalny błąd I-go rodzaju a MAX = 0.01 SNP1 = a T = SNP2 = NA NA SNP3 = a T = SNP4 = a T = SNP5 = a T = SNP6 = a T = SNP7 = a T = SNP8 = a T = SNP9 = a T = SNP10 = a T = H 0 : SNP1, SNP3, SNP4, SNP5, SNP8, SNP9, SNP10 H 1 : SNP6, SNP7 W bp Copyright 2017 Joanna Szyda

16 PLINK literatura DOI:

17 PLINK publikacja Copyright 2017 Joanna Szyda

18 GCTA

19 GCTA

20 GCTA 1. Genome-wide Complex Trait Analysis 2. Darmowy 3. Różne systemy operacyjne 4. Wersja wykonawcza oraz kod źródłowy 5. Często uaktualniany 6. Słaba dokumentacja Copyright 201,7 Joanna Szyda

21 GCTA Zastosowanie analiza danych GREML estymacja wariancji genetycznej determinowanej przez SNP GWAS vróżne modele LD obliczanie i analiza Genetyka populacji F st, PCA

22 GCTA genotypy, pochodzenie, cechy *.ped nr rodziny nr osobnika nr ojca nr matki płeć cecha genotypy markerów (tylko bialleliczne = SNP)

23 GCTA fenotypy *.phen nr rodziny nr osobnika wartość cechy

24 GCTA wykonanie programu z linii komend gcta64 --mlma --bfile test --pheno test.phen --out test opcja analizy modeli mieszanych y = Xb + Zu + e y u b e X Z fenotyp połączony efekt wszystkich SNP inne efekty np. wiek błąd macierz wystąpień dla b macierz wystąpień dla u var u = Gσ u 2 var e = Iσ e 2

25 GCTA wykonanie programu Jak uzyskać efekty poszczególnych SNP (g) z modelu: g = W G 1 u W macierz wystąpień dla genotypów

26 GCTA wyniki 1 s A T s C T s C G s T A s A G s G C s C A chromosom nr SNP pz allel referencyjny allele alternatywny frekwencja allelu referencyjnego efekt allelu referencyjnego błąd standardowy P

27 GCTA literatura DOI:

28 GCTA publikacja Copyright 2017 Joanna Szyda

29 Inne programy

30 GVCBLUP Copyright 2017 Joanna Szyda

31 GenABEL Copyright 2017 Joanna Szyda

32 R

33 SAS - dane krów Jersey 2. Cechy: wydajność mleka-, białka-, tłuszczu 3. Geny: leptyna, receptor leptynhy, dgat1 Copyright 2017 Joanna Szyda

34 GWAS dane wejściowe fenotypy

35 GWAS dane wejściowe genotypy

36 GWAS kod R PHEN <- read.table("c:/asia/class/bioinformatics2/data/laktacjejersey.prn", col.names=c("iid","bdate","cdate","parity","dim","my","fy","fp","py","pp")) PHEN1 <- PHEN[PHEN$PARITY==1,] GEN <- read.table("c:/asia/class/bioinformatics2/data/genotypejerseyc.txt", col.names=c("iid","snp1","snp2","snp3")) ALLDAT <- merge(phen1, GEN, by="iid", all=false) REGSNP1 = lm(my ~ SNP1, data=alldat) summary(regsnp1) results=matrix(0,3,3) for (i in 1:3) { model=summary(lm(alldat$my ~ ALLDAT[,i+10])) results[i,1]=model$coef[2,1] results[i,2]=model$coef[2,3] results[i,3]=model$coef[2,4] } results=as.data.frame(results) colnames(results)=c("effect","t-test","p-value") rownames(results)=c("snp1","snp2","snp3") results

37 GWAS wyniki effect t-test P-value SNP SNP SNP

38 SAS

39 SAS kod programu *************************************************************/ /* J.Szyda */ /* program fitts various linear mixed repeatability models */ /* to jersey data */ /*************************************************************/ options obs=max; options ls=70; %let INFILE1 ='C:/ASIA/CLASS/bioinformatics2/data/genotypejerseyC.txt' ; %let INFILE2 ='C:/ASIA/CLASS/bioinformatics2/data/laktacjejersey.prn' ; * read phenotypes ; data PHEN ; infile "&INFILE2" ; input IID BDAY 9-10 BMONTH BYEAR CDAY CMONTH CYEAR PARITY DIM MY FY FP PY PP ; if PARITY ne 1 then delete ; run ; proc sort data=phen nodupkey ; by IID ; run ;

40 SAS kod programu * read genotypes ; data GEN ; infile "&INFILE1" ; input IID LEPR DGAT LEP ; if LEP=9 then LEP=. ; if LEPR=9 then LEPR=. ; if DGAT=9 then DGAT=. ; run ; proc sort data=gen nodupkey ; by IID ; run ; data ALL ; merge PHEN (in=a) GEN (in=b) ; by IID ; if A and B ; run ; * fitting models ; proc reg data=all ; eq1: model MY = DIM LEPR ; eq2: model MY = DIM LEP ; eq2: model MY = DIM DGAT ; run ;

41 SAS wyniki Parameter Estimates eq1 VariableDF Parameter Standard t Value Pr > t Estimate Error Intercept DIM <.0001 LEPR Parameter Estimates eq2 VariableDF Parameter Standard t Value Pr > t Estimate Error Intercept DIM <.0001 LEP Parameter Estimates eq3 VariableDF Parameter Standard t Value Pr > t Estimate Error Intercept DIM <.0001 DGAT

42 1. PLINK 2. GCTA 3. Przykłady innych programów 4. R 5. SAS