使用TASSEL学习GWAS笔记（4/6）：一般线性模型进行GWAS分析（GLM模型）

笔记计划分为六篇：

第一篇：读取plink基因型数据和表型数据
第二篇：对基因型数据质控：缺失质控，maf质控，hwe质控，样本质控
第三篇：基因型数据可视化：kingship，LD，MDS，PCA
第四篇：一般线性模型进行GWAS分析（GLM模型）
第五篇：混合线性模型进行GWAS分析（MLM模型）
第六篇：TASSEL结果可视化：QQ plot，曼哈顿图

已完成前三篇，本篇是第四篇。

1. 将质控的plink数据和表型数据读入到TASSEL软件

质控后的plink数据和表型数据：

读取表型数据到TASSEL中：

读取基因型数据到TASSEL中：

2. 一般线性模型（GLM）介绍

GLM模型中，将每个SNP作为固定因子进行回归分析，进行显著性检验，P值就是GWAS分析的p-value，effect就是SNP的effect值。如果有其它因素需要考虑，就放到协变量里面，比如性别，PCA，Q矩阵等。

重点是对每个SNP做回归分析，提取effect和p-value。

3. 合并数据

TASSEL分析中，需要将分析的表型和基因型数据进行合并，合并为一个数据框，然后对该数据框进行分析。

3.1 对基因型数据进行PCA分析

选中qc_plink基因型数据，点击菜单 Analysis --> Relatedness --> PCA，然后点击确定即可。

PCA分析结果：

3.2 将PCA+表型+基因型合并

选中三个数据，然后点击Data中的Intersect Join，进行数据合并。

3.3 查看合并后的数据

可以看到，数据中包括ID，PCA及结果，表型性状数据，基因型数据。

4. GLM模型

选中合并后的书，点击Analysis --> Association --> GLM


点击OK，即可。

5. GLM结果查看

可以看到，Result中有两个GLM结果，第一个为GWAS结果，第二个为每个SNP的效应值情况。看第一个就行。

因为这是多个性状的分析，所以所有结果放在了一起。

• 第一列为性状，这里包括三个性状，在进行作图时需要将数据分开
• 第二列为SNP名称
• 第三列为染色体名称
• 第四列为SNP的物理位置
• 第五列为F检验结果
• 第六列为p值
• ……

6. 导出结果

7. TASSEL中的结果可视化

QQ图：

曼哈顿图：

这里，曼哈顿图需要指定性状，这里我们选择EarDia这个性状进行可视化：

图片可以保存到本地。

ok，鸽了一个月，第四篇搞定了。下一篇是MLM模型的分析，欢迎继续关注。