Tutorial

————————————————————————————————————————————————————–
MFQLS has functions to test an association between common SNPs and binary phenotypes with related samples
Download MFQLS & FQLS_DataSet_File
————————————————————————————————————————————————————–

1. Data description
     1.1 Genotype file
     1.2 Proband information file 

2. Generating kinship matrix
     2.1 Theoretical matrix
     2.2 Empirical matrix 

3. Test of MQLS and FQLS method
     3.1 FQLS1
           3.1.1 With theoretical correlation matrix
           3.1.2 With empirical correlation matrix
     3.2 FQLS2
           3.2.1 With theoretical correlation matrix
           3.2.2 With empirical correlation matrix 

4. Test of MFQLS method
     4.1 Adjusting Phenotype
     4.2 Run MFQLS
           4.2.1 MFQLS with single SNP
           4.2.2 MFQLS with gene set 

5. Output Files

 ————————————————————————————————————————————————————-

1.Data description

————————————————————————————————————————————————————–

FQLS provides an example data set that has genotype data(test.ped) of 700 individuals, 100 pedigrees, and 1000 markers, a vector of binary phenotype, and a proband information.

1.1Genotype file

 1 

  11 

  0 

 0 

 1 

 1  

 3 

 1

 12

 0

 0 

 2 

 2 

 1 

 1

 13

 11 

 12 

 1 

1

 1 

 1

 14

 11

 12 

 1 

 2 

 3 

 1

 15

 11

12 

 1 

 1 

 3 

1.2Proband information file

 FID  IID  PROBAND
  1  11

 0

  1  12

 0

  1  13

 0

  1  14

 0

————————————————————————————————————————————————————-

2.Generating Kinship matrix

————————————————————————————————————————————————————–

2.1 Theoretical matrix

fqls –ped  test.ped –makecor –pddt –out corr1 (will generate corr1.theo.cor)                                                                                   

2.2 Empirical matrix

fqls –ped  test.ped –makecor (–cor) –out corr2 (will generate corr2.empi.cor)                                                                                  

 ————————————————————————————————————————————————————–

3. Test of MQLS and FQLS method

————————————————————————————————————————————————————–

3.1 FQLS1

3.1.1 With theoretical correlation matrix

fqls –ped test.ped –fqls –mqls –sampvar test.txt –pddt                              –prevalence 0.05 –heri 0.8 –out test1 (will generate test1.family.qls.res)

fqls –ped test.ped –fqls –mqls –sampvar test.txt –pddt –cor corr1.theo.cor–prevalence 0.05 –heri 0.8 –out test2 (will generate test2.family.qls.res)

3.1.2 With empirical correlation matrix 

fqls –ped test.ped –fqls –mqls –sampvar test.txt                               –prevalence 0.05 –heri 0.8 –out test3 (will generate test3.family.qls.res)

> fqls –ped test.ped –fqls –mqls –sampvar test.txt –cor corr2.empi.cor –prevalence 0.05 –heri 0.8 –out test4 (will generate test4.family.qls.rs)        

3.2 FQLS2

3.2.1 With theoretical correlation matrix

fqls –ped test.ped –fqls –mqls –pddt                               –thread 4 –prevalence 0.05 –heri 0.8 –out test5 (will generate test5.family.qls.res)

fqls –ped test.ped –fqls –mqls –pddt –cor corr1.theo.cor –thread 4 –prevalence 0.05 –heri 0.8 –out test6 (will generate test6.family.qls.res)           

3.2.2 With empirical correlation matrix

fqls –ped test.ped –fqls –mqls                                  –thread 4 –prevalence 0.05 –heri 0.8 –out test7 (will generate test7.family.qls.res)

> fqls –ped test.ped –fqls –mqls  –cor corr2.empi.cor   –thread 4 –prevalence 0.05 –heri 0.8 –out test8 (will generate test8.family.qls.res)                

————————————————————————————————————————————————————–

4. Test of MFQLS method

————————————————————————————————————————————————————–

4.1 Adjusting phenotype

: to make blup file

mqls –bed mfqls_pop_data.bed             –sampvar mfqls_input_file.txt –pname PHENO1,PHENO2,PHENO3 –cname SEX,AGE –makeblup –out blup_output

   (will generate blup_output.AI.blup)

 

4.2 Run MFQLS

 

4.2.1 MFQLS with single SNP

 

mqls –bed mfqls_pop_data.bed –mqls –sampvar mfqls_input_file.txt –pname PHENO1,PHENO2,PHENO3     –blup blup_output.AI.blup                                

    –out mfqls_output (will generate mfqls_output.extended.qls.res)      

 

4.2.2 MFQLS with gene set

 

 

mqls –bed mfqls_pop_data.bed –mqls –sampvar mfqls_input_file.txt –pname PHENO1,PHENO2,PHENO3       –blup blup_output.AI.blup –set gene_set_data

    –out mfqls_gene_set_output (will generate mfqls_gene_set_output.extended.qls.res)      

 

 

 

————————————————————————————————————————————————————–

 

5.Output Files

————————————————————————————————————————————————————–

: This will generate the following files:

 

*[out_prefilx].family.qls.res : [CHR],[SNP],[POS],[NMISSING],[MqlsStat],[MqlsPval],[FQLS1stat],[FQLS1pval],[FQLS2stat],[FQLS2pval]

( Note : Latter two columns only will be appeared with proband information )

*[out_prefilx].extended.qls.res : [CHR],[SNP],[ALT],[STAT],[PVAL]

댓글 남기기

이메일은 공개되지 않습니다. 필수 입력창은 * 로 표시되어 있습니다.

다음의 HTML 태그와 속성을 사용할 수 있습니다: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong>