plink 基础

一、PLINK 核心功能

1. 数据管理与格式转换
   • 支持格式：PLINK 支持多种基因型数据格式，包括文本格式（.ped + .map）、二进制格式（.bed + .bim + .fam）及 VCF 格式。
   • 转换示例：

   # VCF 转二进制格式
   plink --vcf input.vcf --make-bed --out binary_data
   # 二进制转文本格式
   plink --bfile binary_data --recode --out text_data
   

   文件结构：
   • .ped 文件：包含样本基因型信息（家系、个体、基因型等）。
   • .map 文件：记录 SNP 的染色体位置、物理位置等元数据。

2. 数据质控（QC）
   PLINK 提供多维度质控参数，确保数据可靠性：
   • 样本与 SNP 过滤：
   • --geno：过滤 SNP 缺失率（如 --geno 0.1 表示缺失率 >10% 的 SNP 被剔除）。
   • --mind：过滤样本缺失率（如 --mind 0.1 剔除缺失率 >10% 的样本）。
   • 遗传*衡检验：
   • --maf：过滤最小等位基因频率（如 --maf 0.05 保留 MAF ≥5% 的 SNP）。
   • --hwe：哈迪-温伯格*衡检验（如 --hwe 1e-6 剔除显著偏离*衡的 SNP）。
   • 性别一致性检查：
   • --check-sex：验证样本遗传性别与记录是否一致。

3. 关联分析（GWAS）
   PLINK 支持多种统计模型用于 GWAS：
   • 连续性状：使用 --linear 参数进行线性回归分析。
   • 二分类性状：使用 --logistic 参数进行逻辑回归分析。
   • 协变量调整：通过 --covar 指定协变量文件（如年龄、性别）。

   plink --bfile data --linear --pheno pheno.txt --covar covariates.txt --out gwas_results
   

4. 群体遗传分析
   • 主成分分析（PCA）：通过 --pca 参数生成主成分，用于群体分层校正。

   plink --bfile data --pca 3 --out pca_results
   

   • 亲缘关系计算：--genome 参数生成 IBD（Identity by Descent）矩阵，检测样本间亲缘性。
   • 连锁不*衡（LD）分析：--indep-pairwise 参数用于 LD 过滤。

二、关键参数与命令速查

三、典型应用场景

1. GWAS 全流程

2. 数据预处理：格式转换与缺失过滤。

3. 质控：剔除低质量 SNP 和样本。

4. 关联分析：运行线性/逻辑回归模型。

5. 结果校正：多重检验校正与曼哈顿图绘制。

6. 群体遗传结构分析
   • PCA 分析：检测群体分层并生成可视化结果（需结合 R/ggplot2）。
   • LD 过滤：通过 --indep-pairwise 50 5 0.1 保留独立性 SNP。

7. 精细定位与功能注释
   • 精细定位（Fine Mapping）：结合 LD 结构和功能注释筛选候选 SNP。
   • 基因注释工具集成：如 VEP、ANNOVAR 等。

四、高级功能与扩展

1. 版本更新（PLINK 2.0）
   • 性能优化：提升大规模数据计算速度（如 IBS 矩阵计算）。

• 新功能：支持多等位位点处理、混合模型分析等。

1. 与其他工具集成
   • GCTA：用于遗传力估计和复杂性状分析。
   • Haploview：可视化 LD 区块。
   • R 语言扩展：通过 qqman 包绘制曼哈顿图。

五、安装与资源

1. 安装方法
   • Linux/Mac：

   wget https://s3.amazonaws.com/plink1-assets/plink_linux_x86_64.zip
   unzip plink_linux_x86_64.zip && chmod +x plink
   

   • Windows：直接下载二进制文件。

2. 学习资源
   • 官方文档：PLINK 1.9 文档。
   • 案例教程：GWAS 全流程分析指南（CSDN、GitHub 社区）。
   • 开源社区：nf-core、GWAS Central 提供流程模板。

六、注意事项
• 数据规模：处理百万级 SNP 时建议使用二进制格式以节省存储。
• 版本兼容性：PLINK 1.9 与 2.0 的命令参数存在差异，需注意版本适配。
• 错误排查：日志文件（.log）可帮助定位数据格式或参数错误。

*交系数计算：
PLINK 计算*交系数主要通过两种方法实现：基于纯合性分析（--het）和基于连续纯合片段（ROH）检测。以下是具体操作及解读：

一、基于纯合性分析（--het命令）

1. 核心命令

   plink --file [输入文件前缀] --het --out [输出前缀]  # 适用于文本格式（.ped/.map）
   或
   plink --bfile [二进制文件前缀] --het --out [输出前缀]  # 适用于二进制格式（.bed/.bim/.fam）
   

关键参数:
• --allow-extra-chr：处理非数字染色体（如性染色体)
• --noweb：跳过版本检查（可选）

1. 输出文件解读
   生成的 .het 文件包含以下字段：

F值意义：
• 理论范围：0（无*交）到 1（完全*交）
• 负值处理：若出现负值（如 -0.5），可能因杂合子过多（提示样本污染或分型错误）

二、基于连续纯合片段（ROH）检测

1. ROH检测命令

   plink --file [输入文件前缀] \
   	  --homozyg-snp 30 \        # 要求ROH中至少包含30个连续SNP
   	  --homozyg-kb 1000 \       # ROH最小长度1000 kb
   	  --homozyg-density 1000 \  # 每1 Mb区域至少1个SNP
   	  --homozyg-gap 1000 \      # 允许ROH中断的最大间隔（kb）
   	  --homozyg-window-snp 50 \ # 滑动窗口包含50个SNP
   	  --homozyg-window-het 1 \  # 窗口内允许的杂合子数
   	  --homozyg-window-missing 1 \  # 窗口内允许的缺失基因型数
   	  --out [输出前缀]
   

输出文件：
• .hom：每个ROH的详细位置
• .hom.indiv：个体ROH统计（总长度、*交系数F）

1. 基因组*交系数（FROH）计算
   通过ROH总长度占基因组比例计算：

FROH = (ROH总长度) / (基因组总长度)

应用场景：
• 历史推断：长ROH（>10 Mb）反映*期*交，短ROH（<1 Mb）提示远古*交
• 精准育种：结合系谱数据验证遗传多样性

三、结果验证与注意事项

1. 对比其他工具：
   • GCTA：通过 --ibc 参数计算*交系数（结果包含Fhat1/Fhat2/Fhat3多维度指标）
   • 一致性检查：PLINK的F值与GCTA的Fhat3结果相关性较高

2. 数据质控要求：
   • SNP过滤：建议使用 --geno 0.05 --maf 0.01 剔除低质量位点
   • 样本筛选：排除杂合度异常样本（如F < -0.1）

四、实际应用案例

1. 群体遗传研究
   • 步骤：

   1. 计算群体*均F值，评估*交水*
   2. 结合PCA分析（--pca）校正群体分层对关联分析的影响

2. 动植物育种
   • 目标：筛选高*交个体（F > 0.25）优化核心育种群
   • 工具联动：PLINK + R（绘制F值分布图）

详细的参数说明或实战案例，参考 PLINK 官方文档 。

来源链接：https://www.cnblogs.com/kevinarcsin001/p/18841440