rrBLUP包 mixed.solve GWAS kin.blup A.mat 1.mixed.solve--mixed.solve(y, Z=NULL, K=NULL, X=NULL, method="REML", bounds=c(1e-09, 1e+09), SE=FALSE, return.Hinv=FALSE) y为观测值向量 Z为随机效应设计矩阵,若没有通过,就会被假设为单位矩阵 K为随机效应协方差矩阵,必须为正定型,若没...
rrBLUP包mixed.solveGWASkin.blupmat1.mixed.solve--mixed.solve(y, Z=NULL, K=NULL, X=NULL, method=REML, bounds=c(1e-09, 1e+09), SE=FALSE, return.Hinv=FALSE)y为观测值向量Z为随机效应设计矩阵,若没有通过,就会被假设为单位矩阵K为随机效应协方差矩阵,必须为正定型,若没通过则为单位矩阵X为...
计算asreml 和 rrBLUP 的 GBLUP 相关性 cor(pre$predicted.value,ans$g) plot(pre$predicted.value,ans$g) 0.999913776260597 结论 • rrBLUP 和 asreml 结果基本一致(遗传力定了,G 矩阵也定了, 求解方程结果还不一样的话,are you kiding???) • 注意,由于模拟数据都在变化,结果不一定和我的一模一样(这...
)ans$U$`u:id`$X1<- as.data.frame(ans$U$`u:id`$X1)rownames(ans$U$`u:id`$X1) <- gsub("id","",rownames(ans$U$`u:id`$X1))cor(ans$U$`u:id`$X1[vv,],DT[vv,"X1"], use="complete") RRBLUP ###---rrBLUP---system.time( ans2 <-mmer(X1~1, random=~vs(list(GT))...
实操|rrBLUP包RRBLUP 数据处理 VCF转为 rrBLUP {-1,0,1} 格式 rrBLUP可识别的基因型格式为 {-1,0,1} (行头为marker,列为sample),因此需要对基本数据处理转换; 编码G矩阵计算时, 有不同的编码形式,如下: 0,1,2; 即AA是0, 表示major基因, 1 表示杂合, 2表示aa(minor)....
R包sommer内置了C++,运算速度还是比较快的,功能也很丰富,可求解各种复杂模型。语法相比于lme4包也要好懂一些。 建议查看文档:vignette("v1.sommer.quick.start") 混合线性模型关键在于协方差结构的建立,有以下几类: ...
3,使用rrBLUP计算A矩阵(G矩阵) 4,使用rrBLUP计算GBLUP,因为有真值(True breeding value),计算准确性 5,使用asreml软件,计算GBLUP,这里G矩阵的对角线加0.01,防止奇异。同时使用attr将G的ID赋予rowNames,用于asreml的定义。 6,rrBLUP和asreml结果对比。 总体来说,这篇微信文是代码的分享,然后炫耀我会使用这么多软件。