1介绍

有一个漂亮的小插图snpStats关于链接不平衡(LD)分析，由该软件包中的软件支持。这个包的目的是简化对现有的人口级数据的处理，以便灵活地定义LD块。

2导入HapMap LD数据

的hmld函数从hapmap的存储库中导入压缩的表格数据。

suppressPackageStartupMessages({图书馆(ldblock)图书馆(GenomeInfoDb)}）路径=dir（执行（“人类基因组单体型图”，包=“ldblock”)，完整的=真正的）ceu17 =hmld(路径,poptag =“CEU”，铬=“chr17”）

## import /tmp/RtmpFuLaoZ/Rinst12977c5b50ec6/ldblock/hapmap/ld_chr17_CEU.txt.gz

# #。

ceu17

## ldstruct for population CEU, chrom chr17 ##尺寸:36621 x 36621;统计是Dprime ##对象结构:## ldmat chrom genome allpos poptag statInUse ## "dsCMatrix" "character" "character" "numeric" "character" "character" ## allrs ## "character"

3.块结构的视图

由于某些原因，knitr/render将不能很好地显示此图像。

图书馆(矩阵)

## ##附件:《黑客帝国》

##下面的对象是从'package:S4Vectors': ## ## expand

图像(ceu17＠ldmat [1：400，1：400]，col.reg =heat.colors（120)，colorkey =真正的，useRaster =真正的）

这忽略了物理距离和MAF。明亮的条纹可能是由于低MAF的SNP。

4收集与选定SNP有连锁关系的SNP

我们将使用ceu17和gwascat包枚举在LD中具有GWAS命中的SNP。

图书馆(gwascat)

## gwascat加载。使用makeCurrentGwascat()提取当前图像。

##来自EBI。这个包的data文件夹有一些遗留的摘要。

负载（执行（“遗产/ ebicat37.rda”，包=“gwascat”））#seqlevelsStyle(ebicat37) = "NCBI" # noop?seqlevels(ebicat37) =gsub（“装备”，”“，seqlevels(ebicat37))e17 =ebicat37 [哪一个（as.character（seqnames(ebicat37))＝＝“17”)]

chr17上GWAS命中的一些dbSNP名称如下

rsh17 =独特的(e17美元单核苷酸多态性)头(rsh17)

“rs11078895”“rs11891”“rs7501939”“rs9905704”“rs4796793”##[6]“rs78378222”

我们将使用expandSnpSet以获得在HapMap CEU中发现的SNP的名称\(d ' > .9\)这些命中的任何一个。这些名称被添加到输入集中。

长度(rsh17)

## [1] 530

exset =ldblock：：expandSnpSet(rsh17ldstruct =ceu17,磅=。9）

##在ldblock::expandSnpSet(rsh17, ldstruct = ceu17, lb = 0.9): drop ## 149 rsn不匹配在ld矩阵

长度(exset)

## [1] 13209

所有(rsh17%, %exset)

## [1] true

并非所有的GWAS SNP都在HapMap LD资源中。只要格式与HapMap分布的格式一致，就可以使用自己的LD数据。