原標題：【技術干貨】動植物GWAS經典軟件TASSEL的使用

做功能基因定位的生物狗基本都知道，經過10來年的發展，關聯分析與連鎖分析一樣，已經成為一項基本工具，廣泛應用于動植物功能基因挖掘中。在動植物(尤其是植物)的關聯分析中，TASSEL軟件是最早出現的開源軟件，相對于其他軟件，TASSEL也是使用的最廣泛的，您想不想知道在您有了表型、基因型之后，怎么使用TASSEL進行關聯分析呢？往下看吧

，小編教你啊~

先給軟件的下載地址 http://www.maizegenetics.net/tassel

在拿到表型和基因型(我們以vcf為例)后，完成GWAS分析，你只需要5步。

第一步 數據質控

內容包括：

1)按分型百分比條件過濾，多數文章剔除缺失率在20%以上的位點，樣本量較大的群體中，可以將缺失率小于50%的位點都保留；

2)按等位基因頻率過濾，通常去除最小(或第二)等位基因頻率小于5%的位點，樣本量較大的群體中，可以降低到1%；

3)多等位位點的過濾(當軟件無法接受時)；

4)有時候還會去除缺失數據太多的樣本(基因型缺失比例大于20%或更高)；

5)哈迪溫伯格平衡過濾，一般在無法使用較為復雜的統計模型的情況下使用，如人類的Case/Control GWAS中一般將不符合哈迪溫伯格平衡的位點過濾掉，動植物GWAS中一般不過濾；

6)表型極端值去除，用Excel從小到大排一下序看看就知道了。

如果你熟悉plink軟件(https://www.cog-genomics.org/plink2)，那么第1)到第5)點就變得非常easy了，一條命令行即可以搞定：

./plink --vcf ./test.vcf --maf 0.05 --geno 0.2 --mind 0.2 --hwe 0.001 --biallelic-only --recode vcf-iid --out test.bia.maf0.05.int0.8.ind0.8.hwe0.001 --allow-extra-chr

--vcf 表示輸入的文件為vcf文件

--maf 控制第二等位基因頻率的，我們這里設置為不小于5%

--geno 控制位點基因型的缺失比例的，我們這里設置為20%，即缺失比例大于20%的位點都會過濾掉

--mind 控制樣本基因型缺失比例的，我們這里設置為20%，即基因型缺失比例大于20%的位點都會被過濾掉

--hwe 哈迪溫伯格平衡顯著性閾值的，我們這里設置為0.001，即哈迪溫伯格平衡檢驗p值小于0.001的位點都會被過濾掉

--biallelic-only 表示只保留二等位位點

--recode 把基因編碼為某種格式，我們這里還是輸出為與輸入文件一樣的vcf，所以選vcf-iid，另外還有十幾種格式，有需要的生物狗狗們可以到plink的官網上看看

--out 給定輸出文件的前綴

--allow-extra-chr 允許存在22+X+Y以外的染色體，非人類數據建議都把這一項給上

我們要講的TASSEL軟件，也可以完成一些過濾，導入數據vcf數據后(File -- open)，選中導入的基因型文件，點擊Filter菜單操作就行了，具體如下圖。

第二步 群體結構分析

群體結構分析的內容其實是很豐富的，包括系統發育樹的構建(用于直觀地看出樣本的亞群分化情況)；基于模型的(model-base)群體結構分析，可以使用的軟件包括STRUCTURE、Admixture等，分析結果可以獲得Q矩陣，用于關聯分析；數學降維的主成分分析，也就是我們常說的PCA分析，獲得樣本的主成分得分表，也可以作為Q矩陣用于關聯分析。

本帖小編帶領大家用TASSEL進行PCA分析，獲得的結果作為Q矩陣用于關聯分析，系統發育樹的構建(各種樹)方法可以參考百邁客云課堂(http://live.biocloud.net/course/21)相關的課程，STRUCTURE的使用介紹見今天下午的直播課程或者云課堂。

PCA分析：導入vcf后，選中導入的基因型文件，依次選擇Analysis--Relatedness--PCA即可。

獲得的結果包括樣本在各個PC(上面選返回多少個就顯示多少個的信息)的得分表以及每個PC的特征值列表；如下兩圖：

第三步 親緣關系分析

親緣關系衡量的是兩兩樣本間的相關關系(可能是血緣的或者其他的)的數值，計算的方法很多(具體介紹見云課堂GWAS生信培訓班)，親緣關系矩陣(K)在MLM模型中作為隨機效控制關聯結果的假陽性。在TASSEL中，基于分子標記，獲得親緣關系矩陣有兩種方法，一種是計算Distance Matrix(Analysis -- Distance Matrix)，另一種是計算Kinship(Analysis -- Kinship)，兩種途徑獲得的結果都可以用于關聯分析，沒有說非要用哪一種才是最好的。

我們以計算Kinship為例，操作圖示如下，OK以后即可得到結果。

第四步 關聯分析

獲得Q矩陣，K矩陣后，導入性狀數據，我們就可以進行關聯分析了，關聯分析之前，我們需要將基因型、性狀、Q矩陣合并：按Ctrl鍵，鼠標依次選擇基因型列表、樣本在前5個PC的得分矩陣、性狀列表，選擇Data--Intersect jion完成合并。

終于進入正題了，下面的操作將教會大家如何用TASSEL完成GLM和MLM/CMLM的關聯分析。

GLM：選中性狀+基因型+PC列表；Analysis--Genotype/Phenotype Association--GLM；選擇輸出路徑，填寫輸出文件名，然后點擊OK即可。

MLM/CMLM：選中性狀+基因型+PC列表和親緣關系列表，Analysis--Genotype/Phenotype Association--GLM；選擇輸出路徑，填寫輸出文件名，然后點擊Okay即可。

結果如下

第五步 繪圖展示

把結果文件導入TASSEL中，選中導入的文件，Results--Manhattan plo/QQ plot即可繪出相關圖形(TASSEL自帶繪圖功能畫出來的圖，小編真心覺得挺丑)；想知道漂亮的圖怎么畫出來的嗎，請參加今天下午的直播課程吧，小編手把手教你，包教包會。

通過上面的學習，相信大家已經學會了都動植物經典關聯分析軟件TASSEL的使用，以上展示的是該軟件界面版的使用方法，界面版的軟件在數據量比較小的時候操作起來比較順暢，但是，如果數據量比較大的話，界面版的可能hold不住了，這時您可能想起要用命令行版的，那命令行版該怎么使用呢，請參加下午四點半的直播培訓，我們一一為您講解。

TASSEL目前只能實現GLM/MLM/CMLM三種模型，其他常用模型如EMMAX、FaST-LMM(樣本間親緣關系對結果的影響比較大的時候建議選擇這兩種模型)等的使用方法以及GAPIT、Admixture軟件的使用方法，請看百邁客云課堂GWAS生信專題培訓班的內容(http://live.biocloud.net/course/21)。

想要參加今天下午的直播培訓的老師們，請下載演示數據，鏈接: https://pan.baidu.com/s/1nv9TFM5 密碼: up8d；并提前配置好Java環境，安裝好以下軟件：

STRUCTURE：https://web.stanford.edu/group/pritchardlab/structure.html

CLUMMP：https://rosenberglab.stanford.edu/clumpp.html

R：https://www.r-project.org/

Pophelper：http://royfrancis.github.io/pophelper/

CMplot：https://github.com/YinLiLin/R-CMplot返回搜狐，查看更多

責任編輯：

總結

以上是生活随笔為你收集整理的tassel软件使用linux,【技术干货】动植物GWAS经典软件TASSEL的使用的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。