如何使用Tassel 做GWAS 说明文档

之前写的Tassel说明文档，虽然我都是使用命令行相关的软件，但是我发现，Linux，命令行对大多数人还是可望而不可即，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：

目录

1. 下载安装软件

2. 导入数据

3. 处理数据

3.1 清洗数据

3.2 主成分分析

3.3 用基因标记估计系谱

3.4 用一般线性模型分析GLM

3.5 用混合线性模型分析

4. 欢迎关注我的微信公众号

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：