博文
- GCTA学习8 | 计算多性状遗传力和遗传相关
- 。前面的几节中，我们介绍了GCTA计算G矩阵，和单性状遗传力的计算，它本质上就是GBLUP的估计，但是速度快很多。本节我们介绍，两性状遗传力和遗传相关的计算。 1. GCTA计算两性状遗传相关常用参数 1.1 --reml-bivar（必须） 这部分，是使用reml的方法进行估计方差组分。默认的是AI算法，可以使用EM算法。 ...
- GCTA学习7 | 计算单性状遗传力和标准误
- 前面的几节中（请翻看博客之前的博文），我们介绍了GCTA计算G矩阵，本节我们介绍，如果使用GCTA进行遗传力的估计。 1. GCTA计算单性状遗传力常用参数 1.1 --reml（必须） 这部分，是使用reml的方法进行估计方差组分。默认的是AI算法，可以使用EM算法。 1.2 --reml-alg 指定迭代方法（非必须） ...
- GCTA学习5 | GCTA计算PCA及可视化
- GCTA计算PCA时，要两步走： 第一步：构建kinship矩阵（有两种方法） 第一种：Yang的方法 --make-grm 0 第二种：Van的方法 --make-grm-alg 1 第二步：PCA计算 1. GCTA构建kinship的方法 使用 --make-grm-alg 进行设置，0位Yang的方法，1位Van的方法。 「Yang的方法：」 GRM = sum{ / }/N ...
- GCTA学习6 | GCTA计算GRM矩阵（kinship矩阵）
- GRM矩阵，全称：genetic relationship matrix (GRM)。 GCTA计算GRM有两种方法 默认的Yang，--make-grm-alg 0 Van的方法：--make-grm-alg 1 GCTA计算GRM有两种形式 默认的二进制形式：--make-grm，或者 --make-grm-bin 文本格式（三元组）：--make-grm-gz 1. GCTA计算GRM：二进制 下面这两个命 ...
- GCTA学习2 | 软件下载安装--windows和Linux
- 本篇，介绍GCTA这个软件的安装。 1. 安装包 GCTA官网 ：https://yanglab.westlake.edu.cn/software/gcta/#Download 这个软件是开源的， 源码在github上 ：https://github.com/jianyangqt/gcta 2. Linux安装测试 2.1 下载 在终端中运行下面命令： wgethttps://yanglab.westlake.edu.cn/ ...
- GCTA学习1 | 抛砖引玉--初步介绍
- 康德说：世界上只有两样东西是值得我们深深景仰的，一个是我们头上的灿烂星空，另一个是我们内心的崇高道德法则。 论起软件，也有两款软件，让我学习的过程中，不断的有所收获，不断的感慨功能的强大，一个是plink，另外一个是GCTA。 本篇介绍，是2020年的博客，里面的内容有些老了，最近，GCTA又增加了GWAS的模块fast ...
- R语言箱线图添加显著性--不同水平实现方法
- 本节，介绍一下箱线图实现显著性添加的方法，类似这种： 「单因素二水平T检验箱线图可视化」 「单因素三水平T检验箱线图可视化」 「单因素三水平柱形图」 「单因素三水平折线图」 「二因素柱形图」 「二因素折线图」 1. 单因素二水平 这种试验，比如有两个品种，株高的差异，每个品种调查 ...
- GWAS分析中SNP解释百分比PVE | 第四篇，MLM模型中如何手动计算PVE？
- 「系列部分：」 GWAS分析中SNP解释百分比PVE | 第一篇，SNP解释百分比之和为何大于1？ GWAS分析中SNP解释百分比PVE | 第二篇，GLM模型中如何计算PVE？ GWAS分析中SNP解释百分比PVE | 第三篇，MLM模型中如何计算PVE？ 今天介绍一下如何手动计算MLM模型GWAS的PVE结果。因为GAPIT中的MLM模型又PVE结果，但是常用 ...
- GWAS分析中SNP解释百分比PVE | 第三篇，MLM模型中如何计算PVE？
- 之前，想研究一下GWAS分析汇中PVE（表型方差解释百分比）的计算方法，写了两篇： GWAS分析中SNP解释百分比PVE | 第一篇，SNP解释百分比之和为何大于1？ GWAS分析中SNP解释百分比PVE | 第二篇，GLM模型中如何计算PVE？ 这里介绍第三篇：混合线性模型的GWAS，如何计算PVE。 1. R语言计算的PVE能否用于MLM模型？ ...
- GWAS分析中SNP解释百分比PVE | 第二篇，GLM模型中如何计算PVE？
- 上一篇， 介绍了一下显著性的SNP，他们的解释表型变异百分比（PVE）之和，为何可能大于1. https://yijiaobani.blog.csdn.net/article/details/122093602 这篇我们介绍一下GLM模型中，PVE的计算方法。 1. 数据描述 协变量是PCA的前三个，数据具体如下： 「表型数据：」 16411641153.973423 16 ...
