R语言画全基因组关联分析中的曼哈顿图(manhattan plot)
1、在linux中安装好R
2、准备好画曼哈顿图的R脚本即manhattan.r,manhattan.r内容如下:
#!/usr/bin/Rscript #example : Rscript plot_manhatom.r XXX.assoc XXX.pdf argv <- commandArgs() #define the function to plot the manhatton and quantitle-quantitle plot plot_manhatton<-function(site_file,save_file){ read.table(site_file,header=T)->data data<-data[which(data[,5]=="ADD"),] logp=-log10(data[,9]) #value chr=data[,1] #chr position<-data[,3] #position # xaxis=0 sig=numeric() lab=numeric() flogp=numeric(); the_col=c("darkblue","gray"); #chr class whole_col=c() xlabel=numeric(); length_add=0 label=numeric(); for(i in 1:22){ position[chr==i]->chr_pos chr_pos<-chr_pos-chr_pos[1]+17000000 chr_num=length(chr_pos) cat("For chrosome",i,",Num of SNPs:",chr_num,"\n") if(length(chr_pos)==0){ next } flogp=c(flogp,logp[chr==i]) label=c(label,i) whole_col=c(whole_col,rep(the_col[i%%2+1],chr_num)) chr_pos=length_add+chr_pos xlabel=c(xlabel,chr_pos) length_add=sort(chr_pos,decreasing=T)[1] lab=c(lab,(chr_pos[1]+length_add)/2) } png(save_file,height=500,width=600) par(mar=c(5,6,4,2)) plot(xlabel,flogp,col=whole_col,axes=F,xlab="",ylab="",ylim=c(0,12),pch=20,cex=0.5,cex.lab=1.2,cex.axis=1.4)#ylim=c(0,6) significance=-log10(0.05/length(data[,1])) sig_pos<-xlabel[which(flogp>significance)] for(i in 1:length(sig_pos)){ sig<-c(sig,which(xlabel>sig_pos[i]-60000 & xlabel<sig_pos[i]+60000)) } sig<-unique(sig) cat("significant signal:",sig[10:20],"\n") points(xlabel[sig],flogp[sig],col="red",pch=20,cex=0.5) title(xlab="Chromosome",ylab=expression(-log[10]*(p)),cex.lab=1.4) # title(xlab="Chromosome",ylab="Score",cex.lab=1.8) # title("GWAS scan for Hair curl", cex.main=2.5) # yaxis=seq(0,1,by=0.1) # axis(2,yaxis,yaxis,las=1,cex.axis=1.5,line=-2) axis(2,las=2,cex.axis=1.4) #las can change the directory of the axis character #las=0 always parallel to the axis #las=2 always horizontal for(i in 1:22){ mtext(label[i],side=1,at=lab[i],las=0,font=1,cex=0.8) #cex magnified relative to the to the default } # mtext("X",side=1,at=x[23],las=0,font=1,cex=1.4) # mtext("Y",side=1,at=x[24],las=0,font=1,cex=1.4) # axis(1,x,as.character(label),tick=TRUE,font=1) par(lty=2) abline(h=significance,cex=1.5,col="red") #plot the QQ plot # par(fig=c(0.58,0.92,0.43,0.95),new=TRUE) # observed <- sort(data[,12]) # logp=-log10(observed) # expected <- c(1:length(observed)) # lexp <- -(log10(expected / (length(expected)+1))) # plot(x=lexp,y=logp,pch=19,cex=0.6, xlab="Expected (-logP)", ylab="Observed (-logP)",cex.lab=1.2,cex.axis=1.2) # abline(0,1,col="red",lwd=2,lty=1) dev.off() } site_file<-argv[6];print(site_file) save_file<-argv[7];print(save_file) plot_manhatton(site_file,save_file) #round(x,digits=3) keep the length of the digit
3、准备好plink跑完后的.assoc.linear文件,比如mydata.assoc.linear
4、在linux中输入以下一个命令:
其中,mydata.png即为我们想要的曼哈顿图(manhattan plot)
Rscript manhattan.r mydata.assoc.linear mydata.png
R语言画全基因组关联分析中的曼哈顿图(manhattan plot)的更多相关文章
- 全基因组关联分析(Genome-Wide Association Study,GWAS)流程
全基因组关联分析流程: 一.准备plink文件 1.准备PED文件 PED文件有六列,六列内容如下: Family ID Individual ID Paternal ID Maternal ID S ...
- 全基因组关联分析(GWAS)的计算原理
前言 关于全基因组关联分析(GWAS)原理的资料,网上有很多. 这也是我写了这么多GWAS的软件教程,却从来没有写过GWAS计算原理的原因. 恰巧之前微博上某位小可爱提问能否写一下GWAS的计算原理. ...
- GWAS 全基因组关联分析 | summary statistic 概括统计 | meta-analysis 综合分析
有很多概念需要明确区分: 人有23对染色体,其中22对常染色体autosome,另外一对为性染色体sex chromosome,XX为女,XY为男. 染色体区带命名:在标示一特定的带时需要包括4项:① ...
- 【GWAS文献解读】疟原虫青蒿素抗药性的全基因组关联分析
英文名:Genetic architecture of artemisinin-resistant Plasmodium falciparum 中文名:疟原虫青蒿素抗药性的全基因组关联分析 期刊:Na ...
- GWAS | 全基因组关联分析 | Linkage disequilibrium (LD)连锁不平衡 | 曼哈顿图 Manhattan_plot | QQ_plot | haplotype phasing
现在GWAS已经属于比较古老的技术了,主要是碰到严重的瓶颈了,单纯的snp与表现的关联已经不够,需要具体的生物学解释,这些snp是如何具体导致疾病的发生的. 而且,大多数病找到的都不是个别显著的snp ...
- 全基因组关联分析(GWAS):为何我的QQ图那么飘
前段时间有位小可爱问我,为什么她的QQ图特别飘,如果你不理解怎样算飘,请看下图: 理想的QQ图应该是这样的: 我当时的第一反应是:1)群体分层造成的:2)表型分布有问题.因此让她检查一下数据的群体分层 ...
- 一行命令学会全基因组关联分析(GWAS)的meta分析
为什么需要做meta分析 群体分层是GWAS研究中一个比较常见的假阳性来源. 也就是说,如果数据存在群体分层,却不加以控制,那么很容易得到一堆假阳性位点. 当群体出现分层时,常规手段就是将分层的群体独 ...
- 全基因组关联分析(GWAS)扫不出信号怎么办(文献解读)
假如你的GWAS结果出现如下图的时候,怎么办呢?GWAS没有如预期般的扫出完美的显著信号,也就没法继续发挥后续研究的套路了. 最近,nature发表了一篇文献“Common genetic varia ...
- 全基因组关联分析学习资料(GWAS tutorial)
前言 很多人问我有没有关于全基因组关联分析(GWAS)原理的书籍或者文章推荐. 其实我个人觉得,做这个分析,先从跑流程开始,再去看原理. 为什么这么说呢,因为对于初学者来说,跑流程就像一个大黑洞,学习 ...
随机推荐
- 诺基亚N900使用技巧
一直都对 Linux 的掌上终端挺感冒的,最近从闲鱼上入后一台欧版的,开机进行评测和使用.以下经验仅供新手参考. 选择 N900 是有原因的,首先 N900 相对来说比较小巧(作为 MID,对比起手机 ...
- DAO模式设计步骤
1.DAO 全称是data access object,数据库访问对象,主要的功能就是用于进行数据操作的,在程序的标准开发架构中属于数据层的操作. 2.分成架构 企业分层架构 客户层:因为现在都采用了 ...
- 基于mini2440的Tslib的移植
软件平台: win7系统,虚拟机ubuntu12.04 mini2440开发板 tslib是电阻式触摸屏用于校准的一个软件库,是一个开源的程序,能够为触摸屏驱动获得的采样提供诸如滤波.去抖.校准等功能 ...
- Nodejs简单介绍以及在windows环境下安装与配置流程
简介 一. Nodejs是什么? Node.js 是一个基于 Chrome V8 引擎的 JavaScript 运行环境.Node.js 使用了一个事件驱动.非阻塞式 I/O 的模型,使其轻量又高效. ...
- bash 相关的一些小代码片断
批量修改文件名: for i in *.html; do mv $i ${i/oldstring/newstring}; done; 批量替换文件内容: sed -i "s/oldstrin ...
- 将对象的所有属性名放到一个数组中 || 获得对象的所有属性名 || return;不具有原子性 || 怎样自己制作异常|| 判断对象有没有某个属性 || 当传递的参数比需要的参数少的时候,没有的值会被赋予undefined || 获得函数实际传递的参数 || 怎么用函数处理一个对象 || 用一个名字空间定义一个模块所有的函数 || 给一个对象添加方法
获得对象的所有属性名 || 将对象o的所有属性名放到数组中 var o = {x:1,y:2,z:3}; var arr = []; var i = 0; for(arr[i++] in o){};/ ...
- ZYNQ 的PS GEM DMA存在缺陷
使用iperf对zynq进行单socket tcp传输速率测试: 无网络损伤时,单向网络带宽约为600Mbps,双向网络带宽相加约400Mbps: 50ms延时,1ms抖动,无丢包时,单向网络带宽约为 ...
- Foundation框架—字符串(NSString)
一 NSString不可变字符串 1.字符串的创建 //创建字符串常量 NSString *string1 = @"hello"; string1 = @"hello w ...
- Spring-Batch CSV文件读取时的注意点
按照Spring Batch 之 Sample(CSV文件操作)(四) 的方式配置好csvItemReader, 发现读入的数据很是奇怪,通过修改配置文件发现, commit-interval=&qu ...
- AWS多个EIP的解决方案
前言 前段时间,公司部署在AWS上的一台EC2突然访问不了了,后来经过检测发现是被GWF给墙了,可能是我们经常拿这台服务器来FQ导致的,幸好这台服务器的客户都是在香港的,被墙了对客户没有什么影响,但是 ...