画LD block用的比较多的有两个软件，一个是haploview，另一个是R包LDheatmap。
haploview 数据导入
plink 1.9 可以直接转化出haploview格式（参数 --recode HV）
plink --bfile ../snp --recode HV tab --out snp
每一个染色体都会产生两个文件（Linkage format 和 map info），如, snp.chr-1.ped和snp.chr-1.info，使用方式如下
java -jar Haploview.jar -pedfile snp.chr-1.ped -info snp.chr-1.info
也可以自己将plink格式转换为Linkage formate格式。
Linkage formate格式有两个文件：ped文件和info文件
ped文件
与plink的ped非常相似：
第一列：家系。没有家系可以指定其它唯一ID
第二列：个体。
第三列、第四列：父本、母本。0 表示缺失
第五列：性别，1=雄性，2=雌性。注意，必须选择一个，没有缺失值
第六列：个体的患病状态，0=未知，1=未患病，2=患病。
info文件
第一列：SNP ID
第二列：SNP 物理位置
转换
plink1.7
# plink --bfile myfile --snp snpID --window 1000 --recode tab --out testplink --file myfile --from-bp updream --to-bp downdreanm --tab --recode --out test 对于植物来说需要重新设定ped文件第五列性别（如都设为 1）和第六列（都设为0），之后此文件直接作为Linkage Formate的ped文件。提取map文件的第二列（SNP ID）和第四列（physical）作为info文件 读入数据
可以用图形界面，也可以用命令行
java -jar ~/biotools/Haploview.jar -memory 3000 -pedfile test.ped -info tes.info -skipcheck -svg
若加上-nogui参数，可以不打开图形界面，直接输出LD block图片。
注意：
用图形界面的好处是可以不断删除低质量的SNP（如MAF太小），调整LD block但是若SNP数量过多，会很耗内存。 LDheatmap 输入文件 第一个参数有两种类型，LD matrix（计算好的相关系数矩阵）或者基因型文件（让 LDheatmap 自己计算）第二个参数是代表SNP物理位置的向量。 # 提取目的范围的SNPplink --file myfile --from-bp updream --to-bp downdreanm --tab --recode --out outfile# 提取第二个文件所需数据cut -f4 outfile.map >dist.txt# 提取SNP ID备用cut -f2 outfile.map >name.txt# 用plink计算LD matrix，输出文件为plink.ldplink -file outfile --r2 --matrix# 提取基因型文件cut -f7- outfile.ped >geno.txt#Alleles 之间`/`分隔sed -i 's/ ///g' geno.txt library(LDheatmap)library(genetics)#导入dist.txt和name.txtdist <- read.table('dist.txt')name <_ read.table('name.txt')#第一种方法，导入LD matrix，读入并转换为maxtrix格式mx <- as.matrix(read.table('plink.ld'))#矩阵行列名用SNP ID替换，以便作图时显示SNP名字colnames(mx) <- name[,1]rownames(mx) <- name[,1]#作图ld <- LDheatmap(mx,genetic.distances = dist[,1])#第二种方法，导入基因型文件geno <- read.table('geno.txt')colnames(geno) <- name[,1}#需要转换成SnpStats的genotype格式num <- ncol(geno)for (i in 1:num){geno[,i] <- as.genotype(geno[,i])}#作图ld <- LDheatmap(geno, genetic.distances = dist[,1])#输出结果 ld 可以直接作为输入参数#用colorRampPalette进行调色 color = c(colorRampPalette(colors = c("red","white"))(80),colorRampPalette(colors = c("white","grey"))(20))color2 <- colorRampPalette(c("red","#FA9FB5","#BDBDBD"))LDheatmap(ld,color = color2(100),SNP.name = c('SNP1','SNP2'))