R package:blupADC-简介

Documents support two-language(English and Chinese).

简介

blupADC 是一个专注于分析动植物育种中的系谱数据、基因型数据及遗传评估的工具。在设计该工具时，我们对数据处理时可能遇到的各种问题均进行了详细的考量(ps.如果您有好的建议，请积极联系作者!)。此外，为了提高分析效率， blupADC 可支持并行计算(通过openMP ) 及大数据处理(通过bigmemory)，并且blupADC 中的核心函数均通过c++(Rcpp and RcppArmadillo ) 进行编写。

blupADC提供了许多有用的功能在整个动植物育种的流程中，包括 系谱分析(系谱追溯、重命名及纠错)，基因型数据格式转换(支持Hapmap, Plink, BLUPF90, Numeric, Haplotype 及VCF 格式)，基因型数据的质控填充，亲缘关系矩阵的构建(系谱，基因组及一步法亲缘关系矩阵)以及遗传评估（仅需几行代码即可通过DMU和BLUPF90完成遗传评估）。

最后，为了方进一步方便用户的使用(尤其是编程基础弱的用户)，我们创建了一个免费的在线网站(shinyapp)。相关的功能仍在开发中。但是，网站的一个缺点就是，不能处理大数据，请大家合理选择！

😊 祝好运 ! 如果你有建议或者问题，请联系: hzau_qsmei@163.com !

新添加的功能

1.0.3

• 目前能够通过DMU自动分析 母性效应，永久环境效应，随机回归效应 及 社会遗传效应的模型 (2021.8.24)

1.0.4

• 支持单倍型格式转换，单倍型-数字矩阵及单倍型加性亲缘关系矩阵的构建(2021.10.8)
• 引入bigmemory对象支持大数据分析(2021.10.8)

1.1.0

• 引入面向对象的方式进行基因组预测（选择)分析 (2023.07.17) (see more details)
• 将数据和软件均转移至, blupSUP, 用户首次运行新版本前需安装blupSUP!
• 用户仍然可使用之前的代码运行blupADC！

开始

🙊安装

安装blupADC 之前，用户首先需要安装如下5个包：Rcpp, RcppArmadillo and data.table.

install.packages(c("Rcpp", "RcppArmadillo","RcppProgress","data.table","bigmemory"))

👉 Note: 在 DMU 和 BLUPF90的分析中，我们通常需要提前下载好 DMU 软件 (DMU下载网站) 和 BLUPF90软件 (BLUPF90下载网站)。为了方便用户使用，我们已经将两款软件中基础模块封装进了 blupADC，请大家合理使用。

如果您想将DMU和BLUPF90用作商业用途，请务必联系 DMU 和 BLUPF90的作者！！！

首先运行新版本的blupADC,用户需安装blupSUP（仅需安装一次)

devtools::install_github("TXiang-lab/blupSUP")

Install blupADC via devtools

devtools::install_github("TXiang-lab/blupADC")

👉 Note:If the connection with github is not good(such as in China), user can download as below:

devtools::install_git("https://gitee.com/qsmei/blupADC")

安装成功后，我们输入如下代码即可加载R包:

library(blupADC)

🙊功能

• 功能 1. 基因型数据间的格式转换
• 功能 2. 基因型数据的质控与填充
• 功能 3. 品种分析及基因型数据重复性检测
• 功能 4. 系谱追溯、重命名及纠错
• 功能 5. 系谱可视化
• 功能 6. 亲缘关系矩阵的构建(A,G, H)
• 功能 7. 利用DMU软件进行遗传评估
• 功能 8. 利用BLUPF90软件进行遗传评估

使用

blupADC 内置了几个数据集对象, 包括 data_hmp 及origin_pedigree.

此外，blupSUP 提供一些示例文件， 这些文件存储在~/blupSUP/extdata 路径下。通过输出下面的代码，我们就能得到 这些文件的绝对路径了：

system.file("extdata", package = "blupSUP") # path of provided files

功能 1. 基因型数据间的格式转换 (see more details)

library(blupADC)
format_result=geno_format(
    	input_data_hmp=example_data_hmp,  # provided data variable
        output_data_type=c("Plink","BLUPF90","Numeric"),# output data format
    	output_data_path=getwd(),   #output data path      
    	output_data_name="blupADC", #output data name    
        return_result = TRUE,       #save result in R environment
        cpu_cores=1                 # number of cpu 
                  )

#convert phased VCF data to haplotype format and  haplotype-based numeric format
library(blupADC)
data_path=system.file("extdata", package = "blupSUP")  #  path of example files 
phased=geno_format(
         input_data_path=data_path,      # input data path 
         input_data_name="example.vcf",  # input data name,for vcf data
         input_data_type="VCF",          # input data type
         phased_genotype=TRUE,           # whether the vcf data has been phased
         haplotype_window_nSNP=5,        # according to nSNP define haplotype-block,
    	 bigmemory_cal=TRUE,             # format conversion via bigmemory object
    	 bigmemory_data_path=getwd(),    # path of bigmemory data 
    	 bigmemory_data_name="test_blupADC", #name of bigmemory data 
         output_data_type=c("Haplotype","Numeric"),# output data format
         return_result=TRUE,             #save result in R environment
         cpu_cores=1                     # number of cpu 
                  )

功能 2. 基因型数据的质控与填充 (see more details)

library(blupADC)
geno_qc_impute(
            input_data_hmp=example_data_hmp,        #provided data variable
            data_analysis_method="QC_Imputation",   #analysis method type,QC + imputatoin
            output_data_path=getwd(),               #output data path
            output_data_name="YY_data",             #output data name
            output_data_type="VCF"                  #output data format 
            )                       

功能 3. 品种分析及基因型数据重复性检测 (see more details)

library(blupADC)
check_result=geno_check(
                  input_data_hmp=example_PCA_data_hmp,   #provided hapmap data object
                  duplication_check=FALSE,       #whether check the duplication of genotype
                  breed_check=TRUE,               # whether check the record of breed
                  breed_record=example_PCA_Breed, # provided breed record
                  output_data_path=getwd(),       #output path
                  return_result=TRUE              #save result as a R environment variable
                  )

功能 4. 系谱追溯、重命名及纠错 (see more details)

library(blupADC)
pedigree_result=trace_pedigree(
                input_pedigree=example_ped1,   #provided pedigree data variable
                trace_generation=3,            # trace generation
                output_pedigree_tree=T         # output pedigree tree
                )  

功能 5. 系谱可视化 (see more details)

library(blupADC)
plot=ggped(
       input_pedigree=example_ped2,
       trace_id=c("121"),
       trace_sibs=TRUE   #whether plot the sibs of subset-id  
        ) 

功能 6. 亲缘关系矩阵的构建(A,G, H) (see more details)

library(blupADC)
data_path=system.file("extdata", package = "blupSUP")  #  path of example files 
kinship_result=cal_kinship(
        		input_data_path=data_path,      # input data path 
        		input_data_name="example.vcf",  # input data name,for vcf data
         		input_data_type="VCF",          # input data type
    			kinship_type=c("G_A","G_D"),      #type of  kinship matrix
    			dominance_type=c("genotypic"),    #type of dominance effect
    			inbred_type=c("Homozygous"),      #type of inbreeding coefficients
    			return_result=TRUE)               #save result as a R environment variable                

功能 7. 利用DMU软件进行遗传评估 (see more details)

library(blupADC)
data_path=system.file("extdata", package = "blupSUP")  #  path of example files 
  
run_DMU(
        phe_col_names=c("Id","Mean","Sex","Herd_Year_Season","Litter","Trait1","Trait2","Age"), # colnames of phenotype 
        target_trait_name=list(c("Trait1")),                     #trait name 
        fixed_effect_name=list(c("Sex","Herd_Year_Season")),     #fixed effect name
        random_effect_name=list(c("Id","Litter")),               #random effect name
        covariate_effect_name=NULL,                              #covariate effect name
        phe_path=data_path,                          #path of phenotype file
        phe_name="phenotype.txt",                    #name of phenotype file
        integer_n=5,                                 #number of integer variable 
        analysis_model="PBLUP_A",                    #model of genetic evaluation
        dmu_module="dmuai",                          #modeule of estimating variance components 
        relationship_path=data_path,                 #path of relationship file 
        relationship_name="pedigree.txt",            #name of relationship file 
        output_result_path=getwd()                   # output path 
        )

功能 8. 利用BLUPF90软件进行遗传评估 (see more details)

library(blupADC)
data_path=system.file("extdata", package = "blupSUP")  #  path of example files 
  
run_BLUPF90(
        phe_col_names=c("Id","Mean","Sex","Herd_Year_Season","Litter","Trait1","Trait2","Age"), # colnames of phenotype 
        target_trait_name=list(c("Trait1")),                     #trait name 
        fixed_effect_name=list(c("Sex","Herd_Year_Season")),     #fixed effect name
        random_effect_name=list(c("Id","Litter")),               #random effect name
        covariate_effect_name=NULL,                              #covariate effect name
        phe_path=data_path,                          #path of phenotype file
        phe_name="phenotype.txt",                    #name of phenotype file
        analysis_model="PBLUP_A",                    #model of genetic evaluation
        relationship_path=data_path,                 #path of relationship file 
        relationship_name="pedigree.txt",            #name of relationship file 
        output_result_path=getwd()                   # output path 
        )