资料来源：公众号：育种数据分析之放飞自我
1.前言
-
之前的教程中，我们使用的是别人模拟的数据，数据类型是二分类数据，这里我们模拟一个数量性状的连续性状，做GWAS更有代表性。
-
我们先从没有协变量的一般线性模型（LM）开始，然后加入数据类型的协变量，然后加入因子类型的协变量（这里需要进行虚拟变量的转化），然后将数值协变量和因子变量放在一起作为协变量，然后将PCA的值作为协变量加进去，这样一般线性模型分析完成。
-
最后我们使用混合线性模型（LMM），不考虑协变量，然后加入协变量，然后将PCA加入协变量。
本篇主要是介绍一般线性模型（LM）中的assoc和linear两个参数，不考虑协变量，然后将结果与R语言编程结果比较。
2.模拟的数据
模拟数据使用QMSim软件，模拟的数据如下：
这里b.map和b.ped是plink格式的数据，cov.txt为协变量，phe.txt为观测值。
b.map数据：
b.ped数据：
cov.txt 协变量数据：
phe.txt表型数据：
3. plink利用assoc进行LM的GWAS分析
plink --file b --pheno phe.txt --assoc --out re --allow-no-sex
代码解释：
- –file为plink的文件名的前缀
- –pheno 为plink分析GWAS的表型数据，注意前两列为FID IID，第三列为分析的性状
- –assoc 利用的是LM模型
- –out 输出文件名
- –allow-no-sex 因为数据中没有性别信息，需要加上这个参数，允许没有性别的数据
运行日志：
结果文件：re.qassoc
注意，这里的SNP没有质控，有很多SNP没有分型，所以结果有很多NA，不过这里可以看出assoc分析GWAS的结果，其中SNP中M7和M9的结果：
- M7，beta值为1.394，se为1.317，R2为0.000749，T值为1.059，P值为0.2898
- M9，beta值为3.327，se为1.504，R2为0.003254，T值为2.211，P值为0.02715
4.plink利用linear进行LM的GWAS分析
这里，利用linear和上面的assoc命令类似，将linear代替assoc即可。一般来说，linear可以支持协变量，assoc不支持协变量。assoc运行速度快于linear。
plink --file b --pheno phe.txt --allow-no-sex --linear --out re
运行日志：
结果文件：re.assoc.linear
结果和assoc的结果完全一致！
5.使用R语言的一般线性回归比较结果
这里，需要将plink转化为012的形式，可以使用recodeA参数：
plink --file b --recodeA --out c
结果文件：c.raw
编写R程序：
library(data.table)
geno = fread("c.raw",header=T)
geno[1:10,1:20]
phe = fread("../phe.txt")
head(phe)
dd = data.frame(phe$V3,geno[,7:17])
head(dd)
mod_M7 = lm(phe.V3 ~ M7_1,data=dd)
summary(mod_M7)
可以看出R语言lm的结果中：M7: beta为1.3940， se为1.3165，t值为1.059，p值为0.290； M9：beta为3.3265，se为1.5042，t值为2.211，p值为0.0272。
对比assoc的结果：
可以看出，两者结果完全一致。
6.Note
1.GWAS分析中，plink进行LM分析，SNP转化为012， 0是major，2是minor，这顺序是不能变的，你如果要手动进行回归分析，需要将SNP的分型进行转化，而不是粗暴的将其替换为0,1,2.
2.R在进行单个SNP的分析时，0,1,2是作为数值进行的回归分析，而不是因子。
