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
- mysql连接查询,封装mysql函数
连接查询 交叉连接语法: select * | 字段列表 from 表1 cross join 表2 内连接: select *|字段列表 from 左表 inner join 右表 on 左表. ...
- 前端学习实践笔记--JavaScript深入【1】
这一年中零零散散看过几本javascript的书,回过头看之前写过的javascript学习笔记,未免有点汗颜,突出“肤浅”二字,然越深入越觉得javascript的博大精深,有种只缘身在此山中的感觉 ...
- ES6与ES5差别
1.ES6新增了let命令,用来声明变量.它的用法类似于var,但是所声明的变量,只在let命令所在的代码块内有效. { var a = 1; let b = 1; } a; b;/ let不像var ...
- 【Python】djangorestframework 基于django框架的接口开发
官网:http://www.django-rest-framework.org/#installation 下载:https://pypi.python.org/pypi/djangorestfram ...
- Android开发--Socket通信
一.Socket通信简介 Android与服务器的通信方式主要有两种,一是Http通信,一是Socket通信.两者的最大差异在于,http连接使用的是"请求-响应方式",即在请求时 ...
- Mysql的一些常用方法
公司近期为新来同事做了一次培训,我也偷偷溜进去观摩了一下,内容虽然很基础,但是还是挺有用的.这里做了一下资料汇总: 2种存储引擎 InnoDB:支持事务处理.外键.行级锁,游戏业务库使用 MyISAM ...
- Ansible playbook API 开发 调用测试
Ansible是Agentless的轻量级批量配置管理工具,由于出现的比较晚(13年)基于Ansible进行开发的相关文档较少,因此,这里通过一些小的实验,结合现有资料以及源码,探索一下Ansible ...
- Microsoft Azure 01 (Summarize)
What is Windows Azure? As a cloud platform from Microsoft that provides a wide range of different se ...
- thinkPHP-空操作
空操作 当访问的方法不存在时,可以定义一个empty方法来避免空操作 function _empty() { echo "网页不存在,请检查地址信息"; } 这样当访问不存在的方法 ...
- 提升linux下tcp服务器并发连接数限制
1.修改用户进程可打开文件数限制 在Linux平台上,无论编写客户端程序还是服务端程序,在进行高并发TCP连接处理时,最高的并发数量都要受到系统对用户单一进程同时可打开文件数量的限制(这是因为系统 ...