GWAS和群体遗传学笔记
最近听了菲沙基因的网课，记录一下！多数是其课程ppt的截图，如有侵权，立马删除。声明，和这个公司无利益相关，只是为了学习和分享知识。
群体遗传分析步步骤总览
主要包括7个步骤，分别是：SNP过滤、基因型填充、进化树分析、主成分分析、群体遗传结构分析、连锁不平衡分析和GWAS分析。
1.SNP过滤
主要使用vcftools进行，所以输入文件是测序后分析出的vcf文件，生成的还是vcf。
软件主页：http://vcftools.github.io/
vcftools主要用于处理vcf文件，功能有以下几个：
- 过滤特定变异
- 比较文件
- 汇总变异
- 转换成其他文件格式
- 验证和合并文件
- 创建交集和子集
过滤连锁不平衡，使用plink进行：
软件主页：http://zzz.bwh.harvard.edu/plink/
2.基因型填充
使用beagle软件进行，输入输出也都是vcf文件。java软件包，先要有java环境。
软件主页：http://faculty.washington.edu/browning/beagle/beagle.html
wget http://faculty.washington.edu/browning/beagle/beagle.18May20.d20.jar
mv beagle.18May20.d20.jar beagle.jar
3.进化树构建
使用Mega软件进行，这个软件大家都熟悉吧，各个平台都有，但是用下来好像只有windows版本的比较好用，mac的基本上是废的，动一下就卡，应该是采用wine之类的模拟搞的。linux估计也是如此。ppt上的步骤已经很详细了，直接截个图了。
4. PCA
使用GCTA软件进行的，bioconda直接安装就行了。
conda install -c biobuilds gcta
构建G矩阵（GWAS数据中个体间遗传关系的估计），会生成三个grm文件，分别是grm.bin, grm.N.bin和grm.id，分别是下面的含义：
运行后，会得到如下四个文件：
- test.grm.bin 含G阵下三角元素，是二进制文件
- test.grm.N.bin 记录计算G阵的SNP个数，是二进制文件
- test.grm.id 记录个体的family号和id号，即plink fam文件的前两列
- kinship.log 日志文件。
5.群体结构分析
vcftools转换格式从vcf到plink格式ped，然后plink转换成二进制格式bed。
admixture进行群体结构分析。
#软件可以使用conda进行软件安装
conda install admixture
6.连锁不平衡分析
7.GWAS
一个R包，第一次听说，官网：http://www.zzlab.net/GAPIT/
这是需要的两个矩阵，听课程中说是可选的。
从网址看是华大基因开源的一个画图的R包，主要是画曼哈顿图，因图像纽约曼哈顿区的摩天大楼而得名。
到这里，一个流程就结束了，是不是想摩拳擦掌实践一下了？欢迎交流呀！