知乎主页:https://www.zhihu.com/people/gwaslab 微信公众号: GWASLab 文章分类 – Posts GWAS 全基因组关联分析 (83) 00 群体遗传学基础 population genetics (15) 01 基因分型 Genotyping (1) 02 Evolution (1) 03 单倍体分型与插补 Haplotype phasing and Imputation (1) 04 数据质控 Quality ...
GWAS检验中,对一个SNP效应量的估计通常也会包含与该SNP成LD的其他SNP的效应,也就是说一个与其他SNP呈现高LD的SNP,通常也会有更高的卡方检验量。 LD regression的原理是什么? LDSC|安装 M1芯片不支持(因为LDSC基于Python 2.7) 推荐在Server或者Win虚拟机上运行 git clone https://github.com/bulik/ldsc.git...
GWASLab:使用GWAS数据进行组织细胞特异性分析 - LDSC-SEG 使用LDSC计算单变量LD分数 单变量LD分数为最基本的LD分数的形式,常用在ldsc -h2选项的参考LD分数中。 输入文件: PLINK的 bed / bim / fam文件 使用软件: ldsc 这里推荐使用千人基因组相应族裔的数据(vcf格式),可通过plink -vcf转化为plink格式。 计算...
GWASLab gwaslab.com 分享生物信息,统计遗传学学习心得。56 人赞同了该文章 本文包含以下三个部分: 理论基础 下载安装 使用教程 LDSC相关链接: 连锁不平衡 linkage disequilibrium LD 通过Bivariate LD Score regression估计遗传相关性 genetic correlation 基于功能分类分割遗传力 – 分层LD分数回归 Stratified LD sc...
GWAS分析一般针对于SNPs和单一性状之间的关联,从而导致与该性状相关的性状中包含的信息没有得到充分利用。相比于单表型的GWAS,MTAG可以利用关联表型的信息提升目标表型的检验统计power。 02 方法和原理 2.1 LDSC原理 2.2 MTAG原理 03 脚本和实操 3.1 LDSC代...
https://gwaslab.org/2021/03/29/ld-score-regression/ 当然还有我们的easyMR也可以完美完成,不需要准备其它文件文件,不需要搭配环境,在R中一行代码搞定。下图是我用easyMR做出来的结果。感兴趣的朋友可以加我微信:dxchzx或者扫描二维码进群咨询,已进群的同学不...
该方法主要通过整合基因表达数据与GWAS数据,来发现疾病相关的组织或细胞种类,其底层原理是使用分层LD分数回归(stratified LD score regression,回顾:GWASLab:基于功能分类分割遗传力 – 分层LD分数回归 Stratified LD score regression)来检测表型的遗传性是否富集于某个组织或细胞高特异表达基因的周围。
LDSC分析基于已有的GWAS结果,即gwas summary数据,可以评估性状的遗传力,分析两个性状间的遗传相似度。相比GREML, 其运算速度快,更适用于处理大样本量的数据。 LD hub是一个网页版的工具,可以进行LDSC分析。同时也从各种开源数据库中收集整理了gwas summmary数据,分析了多种性状的遗传力和遗传相似度,对应的文献发表...
For GWAS files with hg38 reference genome configuration, users are requested to first use the liftover tool (https://genome.ucsc.edu/cgi-bin/hgLiftOver) to convert the genomic coordinates from hg38 to hg19. Installation 1. Download the source code of "ldsc" from GitHub (https://github.com...
If substantially fewer are entering the rg analysis for whatever reason, that could reduce stability. 2) Does your input GWAS have a couple loci with very strong effects? Can cause increased variability in the jackknife. Can be addressed by omitting those loci from LD regression. Cheers, Raymond...