利用GEMMA进行混合线性模型MLM的GWAS分析，以及数据的格式整理 遗传力预估

       GEMMA是一个在生信学习过程中必不可少的软件，它拥有很多强大便捷的功能，但通常会在操作中遇见数据格式错误，遗传力数值异常等问题。

       今天我们来利用GEMMA计算混合线性模型，以寻找显著snp位点进行GWAS分析。 

必要准备

   1.GEMMA软件

   2.二进制格式的源文件（bed bim fam）

   3.记录的研究样本的对应表型数据

   4.数值协变量文件（pca数值）

准备流程

1.GEMMA的下载安装

wget https://github.com/genetics-statistics/GEMMA/releases/download/v0.98.5/gemma-0.98.5-linux-static-AMD64.gz

 

 下载后正常解压即可使用

2.表型数据的处理

      在GEMMA中，表型数据有不止一种的导入方式，可以自行建立list文件，将样本名和数值放在同一行，利用空格隔开，也可以在fam文件中导入。每种方式对应的后续引用命令不同，由于我建立列表总是识别出错，所以在这里我使用第二种方法。

       修改fam也很简单，打开二进制格式文件中的fam，看到最后一排的数值均为-9（表示缺失），我们把表型数据对齐这一排输入即可

3.pca文件准备

      pca文件先通过plink计算得出，再自行转换格式

plink计算代码如下

plink --file test.vcf  --pca 3 --allow-no-sex --out pca 

       得到这样的pca数据，再自行调整成如下格式(把样本名删除，以截距1代替)

正式开始GWAS分析

1.首先计算一次GLM矩阵（不包括协变量信息的一般线性模型）

      gemma -bfile test -gk 2 -n 1

-bfile 输入二进制文件

-gk 选择2号算法

-n 选择fam文件中第一排的表型数据

       这一步的结果会保存在当前目录下新创建的一个output文件夹中

2.再引入数值协变量进行MLM计算

       gemma -bfile  test   -k output/result.sXX.txt  -lmm 1 -n 1 -c cov.txt

-bfile 输入二进制文件

-k 指定上一步计算得出的GLM

-lmm 选择MLM的计算方法

-n 选择表型数据

-c 选择数值协变量（PCA数据）

3.遗传力评估

       在进行第二步MLM计算的过程中，我们可以看见GEMMA输出了这一段预估数值

      pve estimate即为遗传力估计值，该值无规范的标准，按照你所研究的物种和不同的性状发生该笔那，但合理值通常处于0.1-0.9区间内。

      se(pve)是遗传力数值误差值，通常只要不太大就算合理

       当遗传力估计值接近0时，说明这次位点分析与遗传的相关性过低，本次GWAS的结果基本无可信度，结果不可用。

       当遗传力估计接近1时，说明GWAS的结果也不理想，说明遗传可能受其他因素影响。

4.遗传力优化方式

1.降低离群值影响，试着删除在建树时出现的离群样本，通常来说这会优化一部分的遗传力。

2.删除表型数据的异常值