R package:blupADC-功能6
目录
简述
🙉在动植物育种中，亲缘关系矩阵的构建是其中的关键步骤。在本章，我们将主要介绍如何利用blupADC中的cal_kinship函数完成各种亲缘关系矩阵的构建，包括：加性亲缘关系矩阵(系谱，基因组，一步法)及显性亲缘关系矩阵(系谱，基因组，一步法)等。此外，cal_kinship函数还能方便的计算各种类型的近交系数，包括：系谱近交系数，基因组近交系数(Homozygous,Digonal)及一步法近交系数(Digonal)。
在构建基因组亲缘关系矩阵及一步法亲缘关系矩阵的时候，我们必须要事先提供基因型数据，这部分的参数与geno_format函数中的参数用法一致。具体大家可参阅之前的介绍:基因型数据间的格式转换。
示例
😾 构建系谱亲缘关系矩阵
library(blupADC)
kinship_result=cal_kinship(
input_pedigree=example_ped3, #provided hapmap data object
kinship_type=c("P_A"), #type of kinship matrix
inbred_type=c("Pedigree"), #type of inbreeding coefficients
return_result=TRUE) #return result
🤡 构建基因组亲缘关系矩阵
library(blupADC)
kinship_result=cal_kinship(
input_data_hmp=example_data_hmp, #provided hapmap data object
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) #return result
💨构建一步法亲缘关系矩阵
library(blupADC)
kinship_result=cal_kinship(
input_data_hmp=example_data_hmp, #provided hapmap data object
input_pedigree=example_ped3,
kinship_type=c("H_A"), #type of kinship matrix
inbred_type=c("H_diag"), #type of inbreeding coefficients
return_result=TRUE) #return result
💨构建一步法亲缘关系矩阵(via bigmemory method)
library(blupADC)
phased_kinship_result=cal_kinship(
input_data_hmp=example_data_hmp, #provided hapmap data object
input_pedigree=example_ped3,
bigmemory_cal=TRUE,
bigmemory_data_path=getwd(),
bigmemory_data_name="blupADC",
kinship_type=c("H_A"), #type of kinship matrix
inbred_type=c("H_diag"), #type of inbreeding coefficients
return_result=TRUE) #return result
参数详解
💪基础参数
参数1：kinship_type
指定构建亲缘关系矩阵的类型，
character类型。可选关系矩阵类型：- “G_A” :基因组加性亲缘关系矩阵"
- “G_Ainv” :基因组加性亲缘关系逆矩阵"
- “G_D” :基因组显性亲缘关系矩阵
- “G_Dinv” :基因组显性亲缘关系逆矩阵"
- “P_A” :系谱加性亲缘关系矩阵
- “P_Ainv” :系谱加性亲缘关系逆矩阵
- “P_D” :系谱显性亲缘关系矩阵
- “P_Dinv” :系谱显性亲缘关系逆矩阵
- “H_A” :一步法加性亲缘关系矩阵
- “H_Ainv” :一步法加性亲缘关系逆矩阵
- “H_D” :一步法显性亲缘关系矩阵
- “H_Dinv” :一步法显性亲缘关系逆矩阵
Note:如果计算系谱及一步法亲缘关系矩阵，必须要提供系谱数据。关于如何提供系谱数据，我们会在后面进行讲解。
参数2：dominance_type
指定计算的显性亲缘关系矩阵的类型，
character类型，可选类型包括:- “genotypic” : 按照($0-2pq$,$1-2pq$,$0-2pq$)方式编码方式构建显性亲缘关系矩阵
- “classical” : 按照($-2q^2$,$2pq$,$-2p^2$)方式编码方式构建显性亲缘关系矩阵
关于二者的区别，具体可阅读该文献：On the Additive and Dominant Variance and Covariance of Individuals Within the Genomic Selection Scope
参数3：inbred_type
指定计算的近交系数的类型，
character类型。可选近交系数类型包括:“Homozygous” :根据纯合子位点计算
“G_Diag” :G矩阵对角线-1
“H_diag” :H矩阵对角线-1
“Pedigree” :A矩阵对角线-1
参数4：input_pedigree
用户提供的系谱数据，data.frame或 matrix类型。具体的系谱数据格式可以参阅之前的介绍：系谱追溯、重命名及纠错 。
- 参数5：IND_rename
是否根据系谱的重命名结果对基因型数据中的个体进行重命名，logical类型，默认为FALSE(不进行重命名)。
- 参数6:bigmemory_cal
是否使用bigmemory方式进行计算. logical 类型. 默认为 FALSE.
- 参数7:bigmemory_data_path
bigmemory数据保存的路径 . character 类型.
- 参数8:bigmemory_data_name
bigmemory数据保存的文件名称 . character 类型.
- 参数9：output_matrix_type
输出亲缘关系矩阵的格式，character类型。可选参数包括：
“col_all” :按照n*n的格式输出亲缘关系矩阵
“col_three” : 按照3列矩阵的格式输出亲缘关系矩阵，第1列和第2列为个体号，第3列为亲缘系数。DMU和BLUPf90软件均需提供这种格式的亲缘关系矩阵。形如：
1001 1001 0.989 1001 1002 0.421 1001 1003 0.567
默认参数为 “col_all”
- 参数10：output_matrix_path
亲缘关系矩阵保存到本地的路径, character类型。
- 参数11：output_matrix_name
亲缘关系矩阵保存到本地的名称，character类型。
🦶进阶参数
- 参数12：cpu_cores
调用的cpu个数，numeric类型，默认为1。
- 参数13：kinship_base
是否按照基础群的方式构建基因组亲缘关系矩阵(p=q=0.5)，logical类型，默认为FALSE。
- 参数14：kinship_trace
是否按照矩阵迹和的方式对基因组亲缘关系矩阵进行标准化，logical类型，默认为FALSE。
- 参数15：Metafounder_algorithm
是否按照metafounder的方法计算一步法亲缘关系矩阵，logical类型，默认为FALSE。
- 参数16：APY_algorithm
是否按照APY的方法计算亲缘关系矩阵的逆矩阵，logical类型，默认为FALSE。
- 参数17：APY_eigen_threshold
特征值所能解释的遗传变异的比例的阈值 , numeric 类型. 默认为 0.95.
- 参数18：APY_n_core
核心个体数, numeric 类型. 默认为 NULL.
- 参数19：SSBLUP_omega
构建一步法亲缘关系矩阵时G矩阵和A矩阵的比例，numeric类型，默认为0.05。
- 参数20：gene_dropping
是否使用 gene dropping 的方法构建系谱显性亲缘关系矩阵，logical类型，默认为FALSE。
- 参数21：gene_dropping_iteration
gene dropping方法的迭代次数，numeric类型，默认为1000。
