TASSEL是最早出現(xiàn)的用于動植物關聯(lián)分析的軟件，還可以對進化模式以及連鎖不平衡進行評估，功能非常強大，要說缺點，可能就是真的有點慢。

表型數(shù)據(jù)處理在下面這篇帖子中有介紹，這里使用BLUE值進行關聯(lián)分析。
3.2 GWAS：最佳線性無偏估計量——BLUE值計算（多年單點有重復） - 簡書 (jianshu.com)

Tassel的安裝在親緣關系計算中有提到：
8.GWAS：親緣關系——TASSEL&GCTA - 簡書 (jianshu.com)

1.準備工作

1.1 VCF文件

關聯(lián)分析所用到的vcf文件是在上一步親緣關系中，進行排序后的文件

#對vcf文件進行排序
$ perl run_pipeline.pl -Xmx10g -Xms512m -SortGenotypeFilePlugin -inputFile root.id.vcf -outputFile Troot -fileType VCF

1.2 群體結構Q文件

將群體結構分析中生成的.Q文件，增加一列對應的sample名，一行亞群名。
5. GWAS：群體結構——Admixture - 簡書 (jianshu.com)

Q.txt

1.3 親緣關系K文件

親緣關系得到的kinship文件進行整理，第一行為sample數(shù)，第一列為sample名，中間為矩陣，下圖以GCTA結果為例。
8. GWAS：親緣關系——TASSEL&GCTA - 簡書 (jianshu.com)

K.txt

1.4 表型數(shù)據(jù)

trait.txt

2.關聯(lián)分析

2.1 GLM：一般線性模型

-fork1 vcf文件 Troot.vcf
-fork2 表型數(shù)據(jù)文件 trait.txt
-fork3 群體結構Q文件 Q.txt

$ vim glm.sh
$ perl run_pipeline.pl -Xmx10g -Xms512m -fork1 -vcf Troot.vcf -fork2 -r trait.txt -fork3 -q Q.txt -excludeLastTrait -combine4 -input1 -input2 -input3 -intersect -glm -export tassel_glm_ -runfork1 -runfork2 -runfork3
$ bsub -n 4 -o log sh glm.sh

2.2 MLM：混合線性模型

混合線性模型中要加入系譜矩陣，即親緣關系K矩陣。

$ vim mlm.sh
$ perl run_pipeline.pl -Xmx10g -Xms512m -fork1 -vcf Troot.vcf -fork2 -r trait.txt -fork3 -q Q.txt -excludeLastTrait -fork4 -k K.txt -combine5 -input1 -input2 -input3 -intersect -combine6 -input5 -input4 -mlm -mlmVarCompEst P3D -mlmCompressionLevel None -export tassel_mlm_ -runfork1 -runfork2 -runfork3 -runfork4
$ bsub -n 4 -o log sh mlm.sh

2.3 CMLM（Compressed Linear Mixed Model）：壓縮混合線性模型

MLM的矯正過于嚴格，會把一些真實相關的SNP標記也過濾掉，因此CMLM模型目的是重新檢測到那些假陰性SNP標記。

$ vim cmlm.sh
$ perl run_pipeline.pl -Xmx10g -Xms512m -fork1 -vcf Troot.vcf -fork2 -r trait.txt -fork3 -q Q.txt -excludeLastTrait -fork4 -k K.txt -combine5 -input1 -input2 -input3 -intersect -combine6 -input5 -input4 -mlm -mlmVarCompEst P3D -mlmCompressionLevel Optimum -export tassel_cmlm_ -runfork1 -runfork2 -runfork3 -runfork4
$ bsub -n 4 -o log sh cmlm.sh

結果文件：
主要關注第六列p值，以及第七列marker_Rsq即R2貢獻率。

result_GLM

引用轉載請注明出處，如有錯誤敬請指出。