利用R包“Phenotype”对表型值进行检查

首先，你需要确保你已经安装了R和RStudio（如果你想用RStudio的话）。然后，你可以按照以下步骤进行操作：

1. 加载数据：首先，你需要加载你的表型数据。如果你的数据是以CSV、Excel等格式保存的，你可以使用read.csv()或read.xlsx()等函数加载数据。

# 举例，假设你的数据是以CSV格式保存的 data <- read.csv("path/to/your/data.csv")
 
质量检查：一旦数据加载完成，你可以使用以下方法来进行质量检查：
 
head(data)：查看数据的前几行，确保数据加载正确。
str(data)：查看数据的结构，包括变量的类型和数量。
summary(data)：获取数据的摘要统计信息，如均值、中位数、最小值、最大值等。
any(is.na(data))：检查是否有缺失值。
colSums(is.na(data))：查看每个变量中的缺失值数量。

1. 统计分析：根据你的分析目标，你可以执行各种统计分析。比如：

   • 描述性统计：如均值、中位数、标准差等。
   • 相关性分析：使用cor()函数计算变量之间的相关系数。
   • t检验、ANOVA等：用于比较不同组之间的平均值是否存在显著差异的统计检验。
   • 线性回归、逻辑回归等：用于建立模型，探索变量之间的关系。

2. 可视化：R语言提供了各种绘图函数，可以用来可视化数据。

   • 散点图：使用plot()函数。
   • 盒图：使用boxplot()函数。
   • 直方图：使用hist()函数。
   • 折线图、条形图等：根据数据类型选择合适的绘图方法。

举个例子，如果你想绘制两个变量之间的散点图，可以这样做：

# 绘制散点图 
plot(data$variable1, data$variable2, xlab = "Variable 1", ylab = "Variable 2", main = "Scatterplot")

这只是一个简单的例子，你可以根据你的具体需求调整绘图的参数和样式。

为了解决大规模表型数据难以处理的问题，R包"Phenotype"用于剔除表型中的异常值、计算统计指标和遗传力、绘制直方图和进行BLUP分析。

install.packages("Phenotype")

"Phenotype"一共包含4个函数，分别为"outlier"、"stat"、"histplot"和"blup"。

1.outlier：利用boxplot剔除数据中的异常值

在之前的推送中，小编教过大家使用boxplot剔除异常值。

## 加载R包
library("Phenotype")
## 加载数据
df <- read.table("brix.txt", header = T,sep = "\t")

outlier包含8个参数。sample/year/loc/rep/phe这5个参数用来设置输入文件的列名，fold指IQR前的倍数，mode设置异常值剔除模式（输入？outlier可以查看帮助文档）

"normal"表示按照样本剔除异常值

## 按照样本剔除异常值
inlier <- outlier(df, sample = "Line", loc = "Loc", rep = "Rep", year = "Year", phe = "Brix", fold = 1.5, mode = "normal")

"blup"表示根据环境型和样本剔除异常值 

## 按照环境型和样本剔除异常值
inlier <- outlier(df, sample = "Line", loc = "Loc", rep = "Rep", year = "Year", phe = "Brix", fold = 1.5, mode = "blup")

2.stat：对表型值进行常规统计

该函数可以用来计算每个材料的平均值、中位数、标准差、标准偏差和样本数量。

## 计算统计指标
stat_out <- stat(x = inlier, sample = "Sample", phe = "inlier")

3. histplot：绘制正态分布直方图并进行正态分布检验

wheatph <- read.table("wheatph.txt", header = T,sep = "\t")
inlier <- outlier(wheatph, sample = "Line", loc = "Env", rep = "Rep", phe = "DS", mode = "blup")
stat_out <- stat(x = inlier, sample = "Sample", phe = "inlier")
histplot(x = stat_out$mean,xlab = "Plant height",ylab = "Number")

 

P值是Shapiro-Wilk normality test结果，P值小于0.05代表数据不符合正态分布。

S-W检验方法：（函数shapiro.test()）

也叫做W检验，一般在小样本条件下选用SW检验方法（n<50），最重要的是看p值。

> shapiro.test(iris$Sepal.Width)
 
        Shapiro-Wilk normality test
 
data:  iris$Sepal.Width
W = 0.98492, p-value = 0.1012

结果将返回3个值：

• 数据名称（data）
• Shapiro-Wilk统计量的值（W）
• p值（p-value）

可以得出，p值为0.1012 > 0.05，故不拒接H0，样本服从正态分布。

4.blup：计算多年多点表型数据的BLUP值

最佳线性无偏预测（Best Linear Unbiased Prediction，简称BLUP）可以对多环境数据进行整合，去除环境效应，得到个体稳定遗传的表型。
该函数可以自动完成异常值剔除、遗传力计算和BLUP分析，共包含7个参数。sample/year/loc/rep/phe这5个参数用来设置输入文件的列名，fold指IQR前的倍数。

## 进行BLUP分析
blup_out <- blup(df, sample = "Line", loc = "Loc", rep = "Rep", year = "Year", phe = "Brix", fold = 1.5)
Heritability = 

5. 多年多点的表型值为何使用BLUE值？

一般，有两个选择，BLUE值或者BLUP值，在GWAS中大都使用的BLUE值。

BLUE和BLUP的区别：

• BLUE值是混合线性模型中固定因子的估计效应值

• BLUP值是混合线性模型中随机因子的估计效应值

BLUE和BLUP的代表：

• BLUE值着重在于评估品种现在的表现

• BLUP值着重在于预测品种将来的表现

BLUE和BLUP的方差变化

• BLUE只是对表型值根据地点，年份进行矫正，得到的数据和原来数据尺度一样

• BLUP值会对表型数据进行压缩

#计算多年多点的BLUE值
library(lme4)
library(emmeans)
library(data.table)
library(tidyverse)
library(asreml)
 
dat = fread("MaizeRILs.csv",data.table = F)
head(dat)
str(dat)
 
col = 1:5
dat[,col] = dat %>% select(all_of(col)) %>% map_df(as.factor)
str(dat)

参考来源：

Phenotype : 大规模表型数据处理工具 - 简书 (jianshu.com) 

R语言学习笔记一：正态性检验与判断_r语言 正态性检验-CSDN博客

为何？要用BLUE值作表型进行GWAS分析 (360doc.com)

GWAS计算BLUE值1--计算最小二乘均值（lsmeans） (360doc.com)

GWAS计算BLUE值2--LMM计算BLUE值 (360doc.com)

GWAS计算BLUE值3--LMM考虑残差异质计算BLUE值 (360doc.com)

完结篇 | GWAS计算BLUE值4--联合方差分析演示 (360doc.com)

多年多点的表型处理表型值处理BLUP和BLUE值 - 简书 (jianshu.com)

多年多点数据如何计算遗传力以及BLUP值_多年多点表型数据blup计算-CSDN博客