昨天写了一篇GWAS模型的笔记,今天把模型再细化一下。
一般线性模型GLM(General Linear Model):y = Xα + Zβ + e
混合线性模型MLM(Mixed Linear Model):y = Xα+ Zβ + Wμ+ e
y: 所要研究的表型性状;
Xα:固定效应(Fixed Effect),影响y的其他因素,主要指群体结构;
Zβ:标记效应(Marker Effect SNP);
Wμ:随机效应(RandomEffect),这里一般指个体的亲缘关系。
e: 残差
举例:(MLM模型)
假设的研究背景
研究某种作物的产量与其基因标记(SNPs)、环境因素、施肥量和灌溉情况之间的关系。分析中使用了 3 个样本的数据来演示模型的计算。
数据描述
- 样本数量: 3 个
- SNP 标记数量: 3 个
- 固定效应变量: 环境类型、施肥量、灌溉情况
- 固定效应系数: 每个变量对应一个系数
- 亲缘关系: 样本之间的遗传相似性
- 残差: 未解释的变异
矩阵和向量
1. 表型数据(假设的实际产量,单位:kg)
y = [104, 82, 63]
2. 固定效应部分
- 固定效应矩阵:
X = [
[1, 50, 1], # 样本1:高山环境、施肥50kg/亩、有灌溉
[2, 40, 0], # 样本2:平原环境、施肥40kg/亩、无灌溉
[1, 30, 1] # 样本3:高山环境、施肥30kg/亩、有灌溉
]
- 固定效应系数向量:
α = [0.5, 2.0, 1.5]
#环境类型系数,施肥量系数,灌溉系数
- 计算固定效应部分:
Xα = X @ α
= [102, 81, 62]
3. 标记效应部分
- 标记效应矩阵:
Z = [
[0, 1, 2], # 样本1的SNP基因型
[2, 0, 1], # 样本2的SNP基因型
[1, 2, 0] # 样本3的SNP基因型
]
- 标记效应系数向量:
β = [0.3, -0.5, 1.2]
#SNP1-SNP3的效应系数
- 计算标记效应部分:
Zβ = Z @ β
= [1.9, 1.8, -0.7]
4. 亲缘关系部分
- 亲缘关系矩阵:
W = [
[1.0, 0.2, 0.3],
[0.2, 1.0, 0.4],
[0.3, 0.4, 1.0]
]
- 随机效应系数向量:
μ = [0.5, -0.1, 0.2]
# 样本1-3的亲缘关系效应
- 计算随机效应部分:
Wμ = W @ μ
= [0.54, 0.08, 0.31]
5. 残差
e = [-0.3, 0.2, -0.1]
综合模型计算
将以上各部分相加得到每个样本的预测产量:
y = Xα + Zβ + Wμ + e
= [102, 81, 62] + [1.9, 1.8, -0.7] + [0.54, 0.08, 0.31] + [-0.3, 0.2, -0.1]
= [104.14, 83.08, 61.51]
这个结果表示综合考虑固定效应、标记效应、亲缘关系效应和残差后,每个样本的预测产量。