资料来源：公众号：育种数据分析之放飞自我
本篇主要是介绍一般线性模型（LM）中的linear参数，考虑数值+因子协变量，然后将结果与R语言编程结果比较。
GWAS分析时，无论是一般线性模型，还是广义线性模型，都要对协变量进行处理。数值类型的协变量（比如初生重数值协变量，PCA的值）直接加进去，因子协变量（比如不同的年份，不同的地点，场等）需要转化为虚拟变量。
如果一个分析中，既有数字协变量，又有因子协变量，需要将因子协变量转化为虚拟变量后再与数字协变量合并，作为最终的协变量文件进行分析。本次用实际数据进行一下演示。
1.协变量文件整理
第一列为FID ，第二列为ID ，第三列以后为协变量（注意，只能是数值，不能是字符！）
这里协变量文件为：
- 这里，首先将F换为1，M换为2，将其转化为连续变量（数字）
- 然后，将世代变为虚拟变量
- 最后，将两个协变量整合到一起
sed 's/F/1/g' cov.txt >cov2.txt
sed -i 's/M/2/g' cov2.txt
2.使用plink的dummy coding转化为虚拟变量
plink --file b --covar cov2.txt --write-covar --dummy-coding
结果生成：plink.cov
注意：这里的性别虽然是因子，但是其只有两个水平，也可以将作为连续的变量，计算方法是一样的。如果是三个水平的因子，就不能直接转化为变量了。
5.进行协变量GWAS分析LM模型
代码：
plink --file b --pheno phe.txt --allow-no-sex --linear --covar plink.cov --out re --hide-covar
日志：
结果文件：re.assoc.linear
4.使用R语言进行结果比较lm+factor
library(data.table)
geno = fread("c.raw")
geno[1:10,1:10]
phe = fread("phe.txt")
cov = fread("cov.txt")
plink = fread("plink.cov")
dd = data.frame(phe = phe$V3,cov1 = plink$COV1,cov2 = plink$COV2_4,cov3=plink$COV2_5,geno[,7:20])
head(dd)
mod_M7 = lm(phe ~ cov1+cov2+cov3 + M7_1,data=dd);summary(mod_M7)
M7加上因子协变量结果：
这里，我们可以测试一下：将性别由数字，变为因子，可以发现结果是一样的：
所以当有两个水平的因子（比如性别），变为数字时，对于回归分析而言，两者是一样的结果。
