BSA分析-实战笔记(四)下游分析

参考文章:以水稻为例教你如何使用BSA方法进行遗传定位(中篇)

一、准备工作

需要安装devtools、vcfR、binmapr

install.packages("devtools")
install.packages("vcfR")
#加载devtools时提示需要usethis包
install.packages("usethis")
library(usethis)
library(devtools)
library(vcfR)
devtools::install_github("xuzhougeng/binmapr")
  1. 安装devtools时出现问题,详见笔记:
    R-Rstudio-server无法安装devtools解决方法 - 简书 (jianshu.com)
  2. 安装binmapr时出现问题,详见笔记:
    R-devtools无法安装binmapr包 - 简书 (jianshu.com)

二、读取数据

#设置工作路径
setwd("~/workspace/BSA/practice/")
#vcfR读取VCF文件
vcf <- read.vcfR("4.variants_filter/snps.vcf")
#从VCF对象中提取两个关键信息,AD(Allele Depth)和GT(Genotype)
gt <- extract.gt(vcf)
ad <- extract.gt(vcf, "AD")

gt:基因型矩阵,过滤后仅剩"0/0", "0/1","1/1"
ad:等位基因的count数.

> head(gt)
            SRR6327815 SRR6327816 SRR6327817 SRR6327818
chr01_1151  "0/0"      "1/1"      "0/0"      "0/1"     
chr01_6918  "0/0"      "1/1"      "0/0"      "0/1"     
chr01_17263 "0/0"      "1/1"      "0/0"      "0/1"     
chr01_21546 "1/1"      "1/1"      "0/0"      "0/1"     
chr01_24732 "1/1"      "0/0"      "0/0"      "0/0"     
chr01_33667 "1/1"      "1/1"      "0/0"      "0/1"     
> head(ad)
            SRR6327815 SRR6327816 SRR6327817 SRR6327818
chr01_1151  "14,0"     "0,18"     "10,0"     "11,3"    
chr01_6918  "31,0"     "0,34"     "32,0"     "21,5"    
chr01_17263 "46,0"     "0,37"     "20,0"     "21,9"    
chr01_21546 "0,26"     "0,20"     "17,0"     "16,3"    
chr01_24732 "0,30"     "36,0"     "22,0"     "31,0"    
chr01_33667 "0,28"     "0,34"     "28,0"     "29,12" 

SRR6327815(KY131), SRR6327816(DN422),
SRR6327817(T-pool), SRR6327818(S-pool)

需要测试是选择KY131是"0/0", "DN422" 是 "1/1"的点
还是选择KY131是 "1/1","DN422" 是"0/0"的点

#xxx15对应KY131,xxx16对应DN422
#选取gt中KY0/0,DN1/1
mask <- which(gt[,"SRR6327815"] == "0/0" &  gt[,"SRR6327816"] == "1/1")
length(mask)#结果显示[1] 140788
#选取gt中KY1/1,DN0/0
verse_mask <- which(gt[,"SRR6327815"] == "1/1" &  gt[,"SRR6327816"] == "0/0")
length(mask)#结果显示[1] 221712

#先测试0/0,1/1的点
ad_flt <- ad[mask,c("SRR6327817", "SRR6327818")]
colnames(ad_flt) <- c("T_Pool", "S_Pool")

接下来根据AD来计算SNP-index简单理解SNP-index就是与亲本基因型不同的计数,即
SNP-index=AD(ALT)/AD(REF)+AD(ALT)

AD:allele depth,指样本中每一种等位基因的reads覆盖度。vcf文件中,一般对于二倍体或多倍体,会用逗号进行分隔,前者是REF,后者是ALT

> freq <- calcFreqFromAd(ad_flt, min.depth = 10, max.depth = 100)
#弹出来了这个报错,探索了半天,感觉可能是因为ad_flt是matrix,不支持$选择特定列?
$ operator is invalid for atomic vectors
#输入函数,看看是什么
> calcFreqFromAd
function (x, min.depth = 10, max.depth = 200) 
{
    Ref_COUNT <- x$refmat  #逗号前的数值
    Alt_COUNT <- x$altmat  #逗号后的数值
    AD_Depth <- Ref_COUNT + Alt_COUNT  #Allele Depth
    NA_pos <- which(AD_Depth < min.depth | AD_Depth > max.depth)  #超过最小和最大深度的值
    Ref_COUNT[NA_pos] <- NA  
    Alt_COUNT[NA_pos] <- NA  #将Ref和Altcount中这些超出阈值的值设置为NA
    AD_freq <- round(Alt_COUNT/(Ref_COUNT + Alt_COUNT), 2)  #计算SNP-index
    return(AD_freq)
}
<bytecode: 0x557d38229660>
<environment: namespace:binmapr>

然后我发现,vcfR包里是有相关函数(masplit)可以用来提取字符的

ref_count <- masplit(ad_flt, record = 1, sort = 0)
alt_count <- masplit(ad_flt, record = 2, sort = 0)
ad_depth <- ref_count + alt_count
NA_pos <- which(ad_depth < 10 | ad_depth >100)
ref_count[NA_pos] <- NA
alt_count[NA_pos] <- NA
freq <- round(alt_count/(ref_count + alt_count), 2)
#参照函数的步骤,成功得到了freq
freq2 <- freq[Matrix::rowSums(is.na(freq)) == 0, ]

接下来进行画图

par(mfrow = c(3,4))
for (i in paste0("chr", formatC(1:12, width = 2, flag=0)) ){
  #i对应chr01、chr02……chr12
  #根据染色体编号,将freq2分为12个矩阵
  freq_flt <- freq2[grepl(i,row.names(freq2)), ]
  #提取位置信息:substring从第七位(即除去染色体编号+“_”)开始的字符串
  pos <- as.numeric(substring(row.names(freq_flt), 7))
  #开始绘图,以pos为横坐标,freq_flt第二列和第一列差值为纵坐标,
  #y轴界限为-1~1
  plot(pos, freq_flt[,2] - freq_flt[,1], ylim = c(-1,1),
      #pch:指定描绘点时的符号,cex:符号大小
       pch = 20, cex = 0.2,
      #x轴标题和y轴标题
       xlab = i,
      #expression,注明数学符号△
       ylab = expression(paste(Delta, " " ,"SNP index")))
}
SNP_index_KY0DN1
SNP_index_KY1DN0

KY1/1DN0/0中

以上为两种情况下所做的△SNP_index图

paper_△SNP_index

文献中指出,候选基因被定位在六号染色体的20-25M处,从图中可知KY0/0,DN1/1这种情况与文献中情况类似,因此在最初的实验设计中应该就是以KY0/0,DN1/1为标准

0:REF,1:ALT

文献中除了用到了SNP-index,还用到了ED(Euclidean distance)方法进行定位


formula of the ED algorithm

where Aaa, Caa, Gaa and Taa represent the frequency of bases A, C, G and T in the T-pool, respectively. Aab, Cab, Gab and Tab represent the frequency of bases A, C, G and T in the S-pool, respectively.

Aaa、Caa、Gaa、Taa:T-pool的碱基
Aab、Cab、Gab、Tab:S-pool的碱基

The depth of each base in different pools and the ED value of each SNP loci were calculated.

计算不同池中的depth及每一个SNP位点的ED值

To eliminate the background noise, the ED value was powered, and the ED^5 was used as the associated value.

为消除噪音,返回值为ED^5

mask <- which(gt[,"SRR6327815"] == "0/0" &  gt[,"SRR6327816"] == "1/1")
ad_flt <- ad[mask,c("SRR6327817", "SRR6327818")]
#apply函数避免for循环,margin = 1:对行进行操作
ED_list <- apply(ad_flt, 1, function(x){
  #strsplit(),按逗号分割字符串,返回列表
  #unlist(),将列表转化为向量,as.numeric()将数据类型改为numeric
  count <- as.numeric(unlist(strsplit(x, ",",fixed = TRUE,useBytes = TRUE)))
  #depth1:T-pool;depth2:S-pool
  depth1 <- count[1] + count[2]
  depth2 <- count[3] + count[4]
  #sqrt():开方
  #count[3]/depth2:S-pool
  ED <- sqrt((count[3] / depth2 - count[1] / depth1)^2 + 
               (count[4] / depth2- count[2] /depth1)^2)
  return(ED^5)
  
})

par(mfrow = c(3,4))

for (i in paste0("chr", formatC(1:12, width = 2, flag=0)) ){
  ED_flt <- ED_list[grepl(i,names(ED_list))]
  pos <- as.numeric(substring(names(ED_flt), 7))
  plot(pos, ED_flt,
       pch = 20, cex = 0.2,
       xlab = i,
       ylab = "ED")
}
ED_KY1DN0
ED_KY0DN1

与文献对比


paper_ED
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,937评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,503评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,712评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,668评论 1 276
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,677评论 5 366
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,601评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,975评论 3 396
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,637评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,881评论 1 298
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,621评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,710评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,387评论 4 319
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,971评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,947评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,189评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,805评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,449评论 2 342

推荐阅读更多精彩内容