GWAS logistic + 隐性模型回归分析

2022-07-31 01:03:36 阅读：136 来源： 互联网

标签：case gwas cont plink GWAS 隐性 logistic test home

001、plink

root@PC1:/home/test# ls
gwas_case_cont.map  gwas_case_cont.ped
root@PC1:/home/test# plink --file gwas_case_cont --logistic recessive beta 1> /dev/null
root@PC1:/home/test# ls
gwas_case_cont.map  gwas_case_cont.ped  plink.assoc.logistic  plink.log
root@PC1:/home/test# head -n 5 plink.assoc.logistic
 CHR        SNP         BP   A1       TEST    NMISS       BETA         STAT            P
   1       snp1       3046    A        REC      288    0.05716      0.08398       0.9331
   1       snp2       3092    T        REC      288     0.1674        0.249       0.8034
   1       snp3       3174    T        REC      288     -1.053      -0.7409       0.4588
   1       snp4      32399    T        REC      288     -0.778       -1.003        0.316

002、R

root@PC1:/home/test# ls
gwas_case_cont.map  gwas_case_cont.ped
root@PC1:/home/test# plink --file gwas_case_cont --recode A 1> /dev/null
root@PC1:/home/test# ls
gwas_case_cont.map  gwas_case_cont.ped  plink.log  plink.raw
root@PC1:/home/test# sed 1d plink.raw | cut -d " " -f 7- | sed 's/1/0/g; s/2/1/g' > temp
root@PC1:/home/test# head -n 1 plink.raw | cat - <(sed 1d plink.raw | cut -d " " -f 1-6 | paste -d " " - temp ) > plink2.raw
root@PC1:/home/test# ls
gwas_case_cont.map  gwas_case_cont.ped  plink2.raw  plink.log  plink.raw  temp
root@PC1:/home/test# head plink2.raw | cut -d " " -f 1-10
FID IID PAT MAT SEX PHENOTYPE snp1_A snp2_T snp3_T snp4_T
A1 A1 0 0 1 1 0 0 0 0
A2 A2 0 0 1 1 0 0 0 0
A3 A3 0 0 1 1 0 0 0 0
A4 A4 0 0 1 1 0 0 0 0
A5 A5 0 0 1 1 0 0 0 0
A6 A6 0 0 1 1 0 0 0 0
A7 A7 0 0 1 1 0 0 0 0
A8 A8 0 0 1 1 0 0 0 0
A9 A9 0 0 1 1 0 0 0 0

dir()
dat <- fread("plink2.raw", header = T, data.table = F)
dat <- dat[,-c(1,3:5)]
dat[,2] <- dat[,2] - 1

result <- data.frame()

for (i in 3:10) {
    logis <- glm(dat[,2]~dat[,i], family = "binomial", data = dat)
    result <- rbind(result, c(exp(logis$coefficients[2]), summary(logis)$coefficients[2,]))
}

names(result) <- c("OR", names(summary(logis)$coefficients[2,]))
result

标签：case,gwas,cont,plink,GWAS,隐性,logistic,test,home
来源： https://www.cnblogs.com/liujiaxin2018/p/16536265.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9

GWAS logistic + 隐性模型 回归分析

GWAS logistic + 隐性模型回归分析