全基因组关联分析（GWAS）笔记2

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

1. 样本数量: 3 个
2. SNP 标记数量: 3 个
3. 固定效应变量: 环境类型、施肥量、灌溉情况
4. 固定效应系数: 每个变量对应一个系数
5. 亲缘关系: 样本之间的遗传相似性
6. 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。