获得精确的表型后,我们需要对表型进行处理,例如:
(1)去除异常值:防止由于异常值的存在导致假阳性关联偏高,尤其是极端异常值会导致全局的“假阳性”出现。方法:1)排序观察法;2)3sigma规则,即数据处于mean值加减3倍标准差范围保留,否则去除;3)箱线图法,即在箱线图触须外的均判定为异常值
(2)进行正态分布检验:关联模型(GLM\MLM)是线性模型,而线性模型要求数据符合正态分布。利用R语言中的函数shapiro.test(),方法选择shapiro-wilk
(3)格式转换:质量性状(花色为红色,转换成0,1,0代表非红色,1代表红色,主要比例不要相差太悬殊),分级性状(抗病性,转为0、1、2,0代表高感,1为中抗,2为高抗)
(4)当代性状和后代性状的处理
多年多点的数据处理:
包括相同年份不同地点,及不同年份的相同(或不同)地点的数据
1)若性状遗传力高,受环境影响小,则将多年多点的数据结果取均值,或者计算出BLUP值作为改性状值
2)若性状遗传力低,受环境影响大,则每年每点的数据的单独分析综合评判其结果,获的关联结果的同时进行GXE分析
数据标准化
当数据的绝对值比较大且具有明显间隔梯度时需要进行标准化处理,方法如下:
1)数据中心化:z-score:
2) min-max法:离差标准化,归一化(0-1之间)
表型的基本分析
1)描述性统计分析:极大值,极小值,均值,方差,变异系数,偏度,峰度
2)质量性状或者分级性状的赋值处理
3)相关性分析:相关性高的性状,可能受同一个基因控制,也可能是控制不同性状的基因间的互作(绘制成图片形式较美观)
4)主成分分析
5)聚类分析