利用R/qtl 進行QTL定位分析

之前寫的文章只是利用R/qtl進行遺傳連鎖圖譜的繪製，並沒有進行QTL定位分析的相關內容，這次就把這些內容補充一下。

代碼：

library(qtl)listeria.a <- read.cross("csv", ".", "listeria.csv",genotypes=c("AA","AB")) #導入數據mydata1<-est.rf(listeria.a) #估計每一對標記之間的重組率mydata2<-calc.errorlod(mydata1,error.prob = 0.01) #計算可能的基因型錯誤mydata3<-clean(mydata2) #去掉中間計算內容mydata4<-calc.genoprob(mydata3,step=5,error.prob = 1.0e-4,map.function = "kosambi",stepwidth = "fixed") #計算多重位點的基因型概率，step=5代表5cM的最大計算遺傳距離，error.prob代表錯配率，map.function是作圖方法，stepwide代表是否固定區間大小out<-scanone(mydata4,pheno.col=1:3,method="hk") #計算方法為scanone,表型是1~3列，作圖方法為Haley-Knott out.cim<-cim(mydata4) #計算複合區間作圖結果plot(out,out.cim) #展示作圖結果operm<-scanone(mydata4,method = "hk",n.perm = 1000) #進行置換檢驗add.threshold(out,alpha = 0.05,perms = operm) #增加置換檢驗的參數summary(out,perm=operm,alpha=0.05,format = "tabByChr",ci.function = "bayesint")#展示結果

結果展示：

方法二，scantwo,二維雙qtl模型掃描（Two-dimensional genome scan with a two-QTL model）

mydata4.scan1<-scantwo(mydata4,pheno.col = 1,model = "normal",method = "hk") #計算qtl的另外一種方法，scantwomydata4.scan1.perm<-scantwo(mydata4,pheno.col = 1,model = "normal",method = "hk",n.perm = 1000) #這一步很慢thresh1<-summary(mydata4.scan1,alpha = c(0.63,0.10,0.05))thresh1plot(mydata4.scan1,main=mainscan F2016)abline(h=thresh1[2],lty=dotted,lwd=1,col="blue")summary(mydata4.scan1,perm=mydata4.scan1.perm,lodcolumn = 1,alpha=0.05) #參數類似scanone

參考資料：