MatrixEQTL是一個快速有效的cis/trans eQTL mapping分析工具，被The Genotype-Tissue Expression (GTEx)數據庫用於eQTL mapping分析。使用MatrixEQTL進行eQTL mapping需要五個輸入文件，即SNP.txt（snpmatrix文件，行名為樣本名稱，列名為snpid）， GE.txt（基因表達量文件，行名為樣本名稱，列名為基因或者轉錄本名稱）， Covariates.txt（協變量文件，行名為樣本名稱，列名為協變量名稱），geneloc.txt（基因位置文件，各列的含義分別是基因名稱、基因所在染色體編號、基因起始位置和基因結束位置），snpsloc.txt（snp的物理位置文件，各列含義分別為snpid、所在染色體名稱、物理位置）。
SNP.txt文件的准備
需要准備的數據：.vcf.gz或者.vcf文件。
第一步：獲取重復snpid
由於第七版的GTEx基因型數據存在snpid重復的情況，為了准確計算maf，所以需要去重。
具體方法一：
① vcf文件轉化為ped和map文件
plink --vcf file.vcf --recode --out file
或者
plink --vcf file.vcf --recode --out file
輸出：file.ped file.map
②基於得到的file.map文件，得到重復的snpid，存儲到plink.dupvar文件
cut -f 2 file.map | sort | uniq -d > plink.dupvar
具體方法二：
plink --file file.vcf --list-duplicate-vars ids-only suppress-first
輸入：file.vcf
輸出：plink.dupvar（重復的snpid文件）
注：方法一和方法二的區別是方法二更准確，其對於每一個重復的項保留了一項（suppress-first），而方法一刪除了全部重復項。
第二步：過濾snpid和樣本id
plink --vcf .vcf.gz --recode --out .name --keep .sampleid --missing --freq --maf 0.02 --exclude plink.dupvar
輸入：
.vcf.gz，原始vcf文件；
.sampleid，用戶想保留的sampleid；
plink.dupvar，用戶想過濾掉的snpid。
輸出：
.name.frq， 所有snpid的等位基因（A1，A2)以及MAF；
.name.lmiss， 所選樣本的snpid確實情況；
.name.imiss， 每個樣本基因型缺失情況；
.name.ped，更新后的ped文件；
.name.map，更新后的map文件。
第三步：計算snp矩陣
vcftools --gzvcf .vcf.gz --012 --out .name --keep .sampleid --maf 0.02 --exclude plink.dupvar
輸入：
.vcf.gz，原始vcf文件；
.sampid，用戶想保留的樣品id；
plink.dupvar，用戶想過濾掉的snpid。
輸出：
name.012，snpmatrix（樣本數*snpid數），純數字矩陣，只有行索引（是樣本id在原始.vcf.gz文件中的索引號），沒有列索引。與MatrixEQTL要求的輸入文件SNP.txt正好相反，所以后面需要轉置；
name.012.pos，snpid 所在的染色體及物理位置；
name.012.indv，樣本id。
第四步：snp矩陣轉置
因為SNP.tx有格式要求，所以行名必須是snpid，列名必須是樣本名稱。因此需要刪除name.012的第一列（即索引號），然后轉置。
① 快速刪除第一列Index
awk '{ $1=null;print }' name.012 > name_del0.012
②添加sampleid
paste name.012.indv name_del0.012 > name_del0.012_indv.txt
③ 快速添加行snpid
首先從.map文件中獲得snpid
cat file | awk '{print $2}' > snpid.txt
echo "ID" > snpid1.txt ; cat snpid.txt >> snpid1.txt
注：snpid.txt即為去除重復后的snpid，從name.map中獲得。
④合並多行為一行
可以用很多方法實現該目的，在此以python腳本sipid_2_oneline.py為例，輸入文件為上述snpid1.txt，輸出文件為一行snpid，以tab符分隔：
from sys import argv
script,input,output = argv
with open(output,"w") as f:
with open(input) as f1:
for line in f1.readlines():
f.write(line.strip()+"\t")
f.write("\n")
python sipid_2_oneline.py input output
⑤添加snpid並轉置
cat snpid1.txt name_del0.012_indv.txt> genotype.txt
awk '{i=1;while(i <= NF){col[i]=col[i] $i " ";i=i+1}} END {i=1;while(i<=NF){print col[i];i=i+1}}' genotype.txt | sed 's/[ \t]*$//g' > genotype_transpose.txt
snp_loc.txt准備和gene_loc.txt准備
1）snp位置（snp position)
從.map中獲得，只需調換位置即可。
2）基因或者轉錄本位置（gene position）
從ensembl網站下載。
GE.txt文件准備和Covariate.txt文件准備
根據實際情況准備GE.txt，協變量文件非必需。
運行MatrixEQTL
將上述五個（或者四個，不需要covariate.txt文件）准備好后，直接使用MatrixEQTL的示例代碼進行eQTL分析。
參考資料：
R語言實現eQTL分析