R语言的遗传模块.doc

我接触R的时间算是不短了，已经两年多了。期间断断续续的看了些R网站上的材料。现在已经习惯了用R做数据分析了，并且越来越喜欢用R来做分析了。之前我用过SAS，SPSS也试过Stata，但是这三个软件都没有专门的遗传统计模块（至少国内流行的盗版里没有）。所以和其它专业相比，我想R对我们也许更有用些。 COS论坛里提到R在genetic statistics里的应用的帖子很少。我在这里写一些我平时用到的遗传统计方面的package的说明，一来算是个人小结再者算是抛砖引玉吧，希望COS论坛里的各位多写些相关的东西。 Introduction. CRAN Task View: Statistical Genetics CRAN Task View当中有一个单独的Genetics部分，里面列出了40个遗传统计相关的Package和相关链接。这足可以看出R在遗传统计学当中的影响和作用。 里面核心的core package有以下三个: genetics, gap, 和haplo.stats。还有一个我经常用到的包是DGCgenetics，算是对genetics包的扩展。以后我会提到以上几个包里面的一些函数。 大致包括以下几方面的内容： 1. 以上几个package对数据格式的要求； 2. 多态位点的基本信息（MAF等）； 3. Hardy-Weinberg平衡检验； 4. LD的计算； 5. 关联研究常用检验方法； 6. Power的计算； … 先说一下前面提到的几个包的安装吧，其实很简单。一个一个用install.packages()函数来安装当然可以。相对简单点的方法是用CRAN Task Views里提到的ctv包来批量安装。 install.packages(ctv) #首先安装ctv package library(ctv) #载入ctv package install.views(Genetics,coreOnly = TRUE) #安装genetics, gap, haplo.stats三个核心包及依赖的包。如果不加捜牯?湯祬吽啒居则会安装所有的40个遗传统计相关的package。 install.packages (genetics, coreonly = TRUE) DGCgenetics包的下载地址是http://www-gene.cimr.cam.ac.uk/clayton/software/DGCgenetics_1.0.zip。你需要先下载这个包，然后本地安装。方法大家应该都知道，Rgui的Packages菜单的Install package(s) from local zip 。files 数据格式（1） 遗传研究收集的数据有自己的特点。往往是数据集中即包含一般的表型数据（分类和连续变量；如血压水平，BMI和性别等），又包括基因型数据。分析时往往还需要用到不同的遗传模型，什么显性、隐形、加性模型，或者是按照分类变量来处理（有时候也称为共显性模型）。用SAS或SPSS分析遗传数据时，如果要用不同的遗传模型进行数据分析的话，必须先进行数据转换，过程相对复杂。 R中的genetics包专门为基因型数据提供了一个新的class（类），你可以很方便的用genotype()或makeGenotypes()函数将不同形式的初始基因型数据转换成基因型数据，并为数据加上genotype类属性。genetics包还提供了相应的summary.genotype()和plot.genotype()函数。你可以很方便的用summary()函数获取基因型数据的基因型频率、等位基因频率等基本信息，用plot()函数做出基因型的柱状图。 先说一下genotype()函数，该函数是genetics包里最基本的函数。可以将以下四种形式的初始基因型数据转换成便于分析的带有genotype class的数据。 1. 以一个字符分隔的向量 E.g. g1 - genotype(c(D/D,D/I,D/D,I/I,D/D,NA)) g2 - genotype(c(C-C,C-T,C-C,T-T,C-C,\),sep=-) 2. 可以按某一位置分隔的向量 E.g. g3 - genotype(c(DD,DI,DD,II,\),sep=1)#sep=1表示在位置1后分成两个allele 3. 两个分开的向量 E.g. allele1 - c(D,D,D,I,\) allele2 - c(D,I,D,I,\) g4 - genotype(allele1, allele2) 4. 数据框或矩阵中的两列 data - data.frame(allele1 = c(D,D,D,I,\),