溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章給大家介紹IBS在遺傳分析中的運用是怎樣的，內容非常詳細，感興趣的小伙伴們可以參考借鑒，希望對大家能有所幫助。
遺傳學中，在描述等位基因的同源關系時，會有IBD和IBS兩個概念。
IBD 全稱 Identity By Descent, 又叫做血緣同源，指的是兩個個體中共有的等位基因來源于共同祖先；IBS全稱Identity By Descent, 又叫做狀態同源，指的是兩個個體中共有的等位基因序列相同。
在家系數據中，由于有父代的分型數據， IBD運用的很多，在自然群體中，則通常使用IBS。本篇文章主要介紹IBS在數據分析中的運用。
IBS 本身只是個定性的概念，為了定量， 提出了IBS state的概念。對于一個SNP位點而言，IBS state 的值為兩個個體中相同的allel個數。對于二倍體生物而言，IBS 取值包括0，1，2 三種，示意圖如下
基于SNP分型結果， 我們可以計算樣本間的IBS距離。IBS距離的計算公式如下
距離可以衡量樣本間的相似性，根據IBS distance距離矩陣，可以對樣本進行MDS分析。
以下截圖來自一篇文獻，在該文獻中，基于樣本間的IBS距離矩陣，通過MDS分析，對樣本組成進行了探究。文獻鏈接如下
https://www.ncbi.nlm.nih.gov/pubmed/21347369
通過MDS 分析對樣本構成可以有一個清楚的認識，也可以用于剔除明顯偏離群體的樣本。
在實際的數據分析中，可以借助plink軟件來計算IBS距離矩陣，用法如下
plink --file hapmap1 --cluster --matrix --noweb
默認情況下會生成plink.mibs文件，是一個距離矩陣，可以用R語言讀取，然后進行MDS分析。
R語言中MDS分析的代碼如下
m <- as.matrix(read.table("plink.mibs"))
mds <- cmdscale(as.dist(1-m))
k <- c( rep("green",45) , rep("blue",44) )
plot(mds,pch=20,col=k)
legend("topleft", legend = c("CHB", "JPB"), pch = 20, col = c("green", "blue"))最終會生成如下的圖片
不同的群體用不同顏色表示，可以看到， 所有樣本分成了兩大類。
享。
關于IBS在遺傳分析中的運用是怎樣的就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
