1写在前面1.1 什么是Q-Q plot？在GWAS研究中，还有一种常用的图形就是Q-Q plot,虽然它的颜值可能不如曼哈顿图， 但是它表达的信息比曼哈顿图要丰富得多😽, 相当于GWAS研究的质控图。
1.2 Q-Q plot的原理是什么？Q-Q plot全称是quantile-quantile plot，也就是分位图，基本原理是通过比较两个概率分布的分位数,从而实现对两个概率分布进行比较。
1.3 Q-Q plot怎么解读？✅ STEP1
Q-Q plot的Y轴是SNP位点的p值(实际结果，即observed);
X轴是则是均匀分布的概率值(期望值，即Expected);
Note! 上述指标均为换算为-log10后的数值。
✅ STEP2
如果traits并非真的受SNP的影响，那么会看到GWAS的p值分布和均匀分布的结果集中在一条直线上; 💔
如果traits真的受SNP的影响，GWAS的p值会在随X轴的增大，突然出现与均匀分布的快速分离。🤜🤛
2用到的包代码语言：javascript复制rm(list = ls())
library(CMplot)
3示例数据代码语言：javascript复制data(pig60K)
data(cattle50K)
4Single_track Q-Q plot代码语言：javascript复制CMplot(pig60K,plot.type="q",
box=F,
file="jpg",
memo="",
dpi=300,conf.int=TRUE,
conf.int.col=NULL,
threshold.col="red",
threshold.lty=2,
file.output=F,
verbose=F,
width=5,height=5)
5Multi_tracks Q-Q plot🧐常遇到的问题：
✅ 如何把不同的traits画在一张图上 ✅ 如果存在缺失值，怎么标记出来
我们先无中生有造几个缺失值出来，分别在trait2和trait3中。 🤫
这里我们把NA标记成◇和△
代码语言：javascript复制pig60K$trait1[sample(1:nrow(pig60K), round(nrow(pig60K)*0.80))] <- NA
pig60K$trait2[sample(1:nrow(pig60K), round(nrow(pig60K)*0.25))] <- NA
CMplot(pig60K,
plot.type="q",
col=c("dodgerblue1", "olivedrab3", "darkgoldenrod1"),
threshold=1e-6,
ylab.pos=2,
signal.pch=c(19,6,5), # shape of significant points.
signal.cex=1.2,
signal.col="red", # the colors of significant points
conf.int=T, # whether to plot confidence interval on QQ-plot.
box=F,
multracks=T,
cex.axis=2,
file="jpg", memo="",dpi=300,
file.output=F,verbose=F,
ylim=c(0,8),
width=5,height=5)
当然你也可以三个分开然后拼在一起
代码语言：javascript复制CMplot(pig60K,
plot.type="q",
col=c("dodgerblue1", "olivedrab3", "darkgoldenrod1"),
threshold=1e-6,
ylab.pos=2,
signal.pch=c(19,6,5), # shape of significant points.
signal.cex=1.2,
signal.col="red", # the colors of significant points
conf.int=T, # whether to plot confidence interval on QQ-plot.
box=F,
multracks=F,
cex.axis=2,
file="jpg", memo="",dpi=300,
file.output=F,verbose=F,
ylim=c(0,8),
width=5,height=5)
最后祝大家早日不卷!~