lme4qtl extinde pachetul lme4 R pentru maparea cantitativa a locusului trasaturii (qtl). Este vorba despre structura de covarianta a efectelor aleatorii. lme4qtl accepta matricile definite de utilizator pentru aceasta, de exemplu, rudenie sau IBD-uri.

Vedeti diapozitivele bit.ly/1UiTZvQ care prezinta pachetul lme4qtl R sau cititi articolul / preimprimarea noastra.

Pachet Statistici de raspuns continuu lm (myTrait ~ myCovariate, myData) lme4 lmer (myTrait ~ myCovariate + (1 | myID), myData) lme4qtl relmatLmer (myTrait ~ myCovariate + (1 | myID), myData, relmat = list (myID = myMatrix) ) Pachet Statistici de raspuns binar glm (myStatus ~ 1, myData, family = binomial) lme4 glmer (myStatus ~ (1 | myID), myData, family = binomial lme4qtl relmatGlmer (myStatus ~ (1 | myID), myData, relmat = list (myID = myMatrix), family = binom)

Retineti ca numele de nume / coln-uri ale myMatrix trebuie sa fie valori ale variabilei myID, deci este posibila potrivirea intre matricea relatiei si variabila de grupare. Comanda nu conteaza.

Instalare

Puteti instala versiunea de dezvoltare din GitHub cu:

# install.packages (“devtools”) devtools :: install_github (“variani / lme4qtl”)

Lansarea oficiala pe CRAN este in asteptare.

Citare

Pentru a cita pachetul lme4qtl in publicatii, utilizati:

Ziyatdinov si colab., Lme4qtl: modele mixte liniare cu structura flexibila de covarianta pentru studii genetice ale indivizilor inruditi, BMC Bioinformatics (2018)

a lua legatura

Sunteti binevenit sa trimiteti sugestii si rapoarte de erori la https://github.com/variani/lme4qtl/issues.

Exemplu

biblioteca (lme4) biblioteca (zabrele)
packageVersion (“lme4qtl”) #> [1] ‘0.2.1’

Incarcati datele simulate, fenotipurile dat40 si matricea de rudenie kin2.

data (dat40, package = “lme4qtl”) dim (dat40) #> [1] 234 10 dim (kin2) #> [1] 234 234 head (dat40) #> ID trait1 trait2 AGE FAMID FA MO SEX trait1bin trait2bin #> 7 101 8.41954 9.67925 50 10 0 0 1 0 0 #> 14 102 5.47141 4.31886 44 10 0 0 2 0 0 #> 21 103 9.66547 7.00735 34 10 101 102 2 0 0 #> 28 104 6.27092 8.59257 41 10 101 102 1 0 0 #> 35 105 7.96814 7.60801 36 10 101 102 1 0 0 #> 42 106 8.29865 8.17634 37 10 101 102 2 0 0 kin2 [1: 5, 1: 5] # familie nucleara cu 2 parinti si 3 copii #> 5 x 5 Matricea rara a clasei “dsCMatrix” #> 11 12 13 14 15 #> 11 1.0. 0,5 0,5 0,5 #> 12. 1,0 0,5 0,5 0,5 #> 13 0,5 0,5 1,0 0,5 0,5 #> 14 0,5 0,5 0,5 1,0 0,5 #> 15 0,5 0,5 0,5 0,5 1,0

Adaptati un model pentru trasatura continua cu doua efecte aleatorii, gruparea familiala (1 | FAM) si genetica aditiva (1 | ID).

m1 <- relmatLmer (tret1 ~ AGE + SEX + (1 | FAMID) + (1 | ID), dat40, relmat = list (ID = kin2)) #> border (singular) fit: see? isSingular #> border (singular) ) fit: see? isSingular m1 #> Model mixt liniar potrivit de REML [‘lmerMod’] #> Formula: trait1 ~ AGE + SEX + (1 | FAMID) + (1 | ID) #> Date: dat40 #> criteriul REML la convergenta: 963.3853 #> Efecte aleatorii: #> Numele grupurilor Std.Dev. #> ID (Interceptare) 2.2988 #> FAMID (Interceptare) 0.0000 #> Rezidual 0.7856 #> Numar de obs: 224, grupuri: ID, 224; FAMID, 39 #> Efecte fixe: #> (Interceptare) AGE SEX2 #> 7.563248 0.008314 -0.364197 #> cod de convergenta 0; 1 avertismente de optimizare; 0 lme4 avertismente

Obtineti o estimare punctuala a ereditatii (h2), proportia de varianta explicata prin (1 | ID).

lme4 :: VarCorr (m1) #> Nume grup Std.Dev. #> ID (Intercept) 2.29880 #> FAMID (Intercept) 0.

chicas corriendose comiendo tetas
superculos maduras comiendose el coño
follando en un crucero monjas folladoras
videos xxxxx enanas tetonas
padre se folla a su hija sexo videos caseros
viejas zoofilia porno hat
milfs españolas padre enseña a follar a su hija
viejas en orgias travestis jovencitas
mi vecina desnuda vidio xxxx
porno abuelas orgasmos extremos
porno agresivo me corro sin avisar
sara rossi fakings trio en la playa
se la chupa mientras duerme cincuentona española follando
porno gay violado heidi porno
videos porno manga desvirga a su hermana
chicas masturbando a chicos colegialas anal
incestos madres hijos trio casero español
chicos guapos desnudos porno amas de casa
porno tens follando despues de la fiesta
tias putas follando cincuentonas

00000 #> Rezidual 0.78562 lme4qtl :: VarProp (m1) #> grp var1 var2 vcov sdcor prop # # 1 ID (Intercept) <NA> 5.2845002 2.2988041 0.8954191 #> 2 FAMID (Interceptare) <NA> 0.0000000 0.0000000 0.0000000 #> 3 <NA> rezidual <NA> 0.6172059 0.7856245 0.1045809

Profileaza componentele variantei (h2) pentru a obtine intervalele de incredere de 95%. Profilul functiilor metodei si confint sunt implementate in lme4. Retineti ca este utilizat un alt model m2, deoarece profilarea este predispusa la erori / avertismente daca potrivirea modelului este slaba.

m2 <- relmatLmer (trait2 ~ (1 | ID), dat40, relmat = list (ID = kin2)) VarProp (m2) #> grp var1 var2 vcov sdcor prop #> 1 ID (Intercept) <NA> 5.573272 2.360778 0.7723589 # > 2 rezidual <NA> <NA> 1.642638 1.281654 0.2276411 prof <- profile (m2) #> Avertisment in zetafun (np, ns): NA detectate in profilarea prof_prop <- lme4qtl :: varpropProf (prof) # convert to proportions confint ( prof_prop) #> 2.5% 97.5% #> .sigprop01 0.5292158 0.9157910 #> .sigmaprop 0.0655726 0.4652175 #> (Interceptare) 7.2745157 8.4237085

try (splom (prof)) #> Eroare in avertismentul if (singfit) (“splom nu este de incredere pentru potrivirile la singular”): #> lipsa valoare unde ADEVARAT / FALS avea nevoie de prof_clean <- na.omit (prof) # atentie: indicatori de potrivire slaba splom (prof_clean)

Adaptati un model cu variante genetice si reziduale care difera in functie de sex (model de specificitate de sex). Sintaxa formula cu manechin (a se vedea? Lme4 :: manechin) se aplica variantei reziduale (1 | RID) pentru a anula corelatia reziduala.

dat40 <- in (dat40, RID <- ID) # replica ID m4 <- relmatLmer (trait2 ~ SEX + (0 + SEX | ID) + (0 + dummy (SEX) | RID), dat40, relmat = list (ID = kin2)) VarCorr (m4) #> Nume grup Std.Dev. Corr #> ID SEX1 1.94400138 #> SEX2 2.64404940 0.826 #> RID dummy (SEX) 0.00050224 #> Rezidual 1.22780606

Un exemplu de constrangeri de parametri care fac variatia genetica intre sexe egala.

m4_vareq <- relmatLmer (trait2 ~ SEX + (0 + SEX | ID) + (0 + dummy (SEX) | RID), dat40, relmat = list (ID = kin2), vcControl = list (vareq = list (id = c (1, 2, 3))))) VarCorr (m4_vareq) #> Nume grup Std.Dev. Corr #> ID SEX1 2.47777 #> SEX2 2.47777 0.746 #> RID dummy (SEX) 0.95827 #> Residual 0.72728

Un alt exemplu de constrangere a parametrilor care implica corelatia genetica intre sexe egala cu 1.

m4_rhog1 <- relmatLmer (trait2 ~ SEX + (0 + SEX | ID) + (0 + dummy (SEX) | RID), dat40, relmat = list (ID = kin2), vcControl = list (rho1 = list (id = 3 ))) VarCorr (m4_rhog1) #> Nume grup Std.Dev. Corr #> ID SEX1 1.7627785 #> SEX2 2.5782330 1.000 #> Manechin RID (SEX) 0.0014823 #> Rezidual 1.4147793

Adaptati un model pentru trasatura binara.

m3 <- relmatGlmer (trait1bin ~ (1 | ID), dat40, relmat = list (ID = kin2), family = binomial (probit)) m3 #> Model mixt liniar generalizat potrivit dupa probabilitate maxima (Laplace #> Aproximare) [glmerMod ] #> Familie: binomial (probit) #> Formula: trait1bin ~ (1 | ID) #> Date: dat40 #> AIC BIC logLik deviance df.resid #> 218.1325 225.0432 -107.0663 214.1325 232 #> Efecte aleatorii: #> Grupuri Nume Std.Dev. #> ID (Interceptare) 0.7669 #> Numar de obs: 234, grupuri: ID, 234 #> Efecte fixe: #> (Interceptare) #> -1.242

ARTICOLE SIMILAREDE LA ACELAȘI AUTOR