计算狭义遗传力

#提取vcf文件中染色体1-13
plink --vcf combine_all.pass.recode.clear.vcf --snps-only --chr 1-13 --make-bed --out combine_all.pass.recode.clear.snp.only.13chr.vcf
#使用plink构建标记关系矩阵【这个命令没生成bin】
plink --bfile combine_all.pass.recode.clear.snp.only.13chr.vcf --make-rel square --out combine_all.pass.recode.clear.snp.only.13chr.vcf
#使用CSDN上的方法，生成了bin文件
/bin/gcta-1.94.1-linux-kernel-3-x86_64/gcta64 --bfile combine_all.pass.recode.clear.snp.only.13chr.vcf --make-grm --make-grm-alg 0 --out g1
#创建表型文件 ID    Phenotype,检查文件空格
cat -T CL_h.txt
#使用GCTA计算性状的狭义遗传力
/bin/gcta-1.94.1-linux-kernel-3-x86_64/gcta64 --bfile combine_all.pass.recode.clear.snp.only.13chr.vcf --pheno CS_h.txt --reml --out heritability_CL
#生成狭义遗传力的文件
/bin/gcta-1.94.1-linux-kernel-3-x86_64/gcta64 --grm g1 --pheno SL_h.txt --reml --out heritability_SL
#结果【VG/VP是狭义遗传力】
Summary result of REML analysis:
SourceVarianceSE
V(G) 10.4898904.302196
V(e) 9.3141013.137571
Vp 19.8039912.098880
V(G)/Vp 0.5296860.180811

计算性状-性状遗传相关性和表型相关性

#GCTA计算亲缘关系矩阵
/bin/gcta-1.94.1-linux-kernel-3-x86_64/gcta64 --bfile combine_all.pass.recode.clear.snp.only.13chr.vcf --make-grm --out kinship
#准备表型文件，内容如下
FID IID Phenotype1 Phenotype2
#计算遗传相关性
/bin/gcta-1.94.1-linux-kernel-3-x86_64/gcta64 --reml-bivar 1 2 --grm kinship --pheno LW_SL_cleaned.txt --out output_LW_SL_cleaned --reml-maxit 10000

结果
1. 遗传方差（V(G)_tr1 和 V(G)_tr2）
- **V(G)_tr1**：表型1的遗传方差。
- **V(G)_tr2**：表型2的遗传方差。
2. 遗传协方差（C(G)_tr12）
- **C(G)_tr12**：表型1和表型2之间的遗传协方差。
### 3. 环境方差（V(e)_tr1 和 V(e)_tr2）
- **V(e)_tr1**：表型1的环境方差。
- **V(e)_tr2**：表型2的环境方差。
4. 环境协方差（C(e)_tr12）
- **C(e)_tr12**：表型1和表型2之间的环境协方差。
5. 总方差（Vp_tr1 和 Vp_tr2）
- **Vp_tr1**：表型1的总方差（遗传方差加上环境方差）。
- **Vp_tr2**：表型2的总方差。
6. 遗传方差占总方差的比例（V(G)/Vp_tr1 和 V(G)/Vp_tr2）
- **V(G)/Vp_tr1**：表型1的遗传方差占总方差的比例。
- **V(G)/Vp_tr2**：表型2的遗传方差占总方差的比例。
7. 遗传相关性（rG）
- **rG**：表型1和表型2之间的遗传相关性。

#利用遗传相关性计算表型相关性以及计算方差，n为样本量

计算t值，看是否显著