gwas_表型处理

1. 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

2. 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

3. 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）

4. 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