PLINK相关性分析，分类变量和连续型变量

1.1 相关性分析

1.1.1 不同变量类型

1） 阈值性状（1,2）

plink的语境叫“case and control”，即表型值数据是两类数据：1,2，其中0和-9都表示缺失。可以选择的方法有卡方检验和逻辑斯蒂回归（X2关联分析和logistic分析）。
• --assoc，不允许有协变量
• --logistic，允许有协变量，如果考虑协变量，速度变慢。比assoc速度慢。

2） 连续性状（定量性状）

这里的性状时连续性状，也就是除了1,2，0，-9外还有其它数值，–assoc会进行T检验（Student’s test），还可以用–linear进行分析。
• --assoc，不允许有协变量，速度快
• --linear，允许有协变量，速度慢

连续型变量示例

评估rs9674439与BMI的相关性，生成BMIrs9674439.assoc.linear文件。下面的输出显示SNP rs9674439上C等位基因的每一个拷贝都与BMI降低0.29相关。

$ plink --bfile 1kg_EU_BMI --snps rs9674439 --assoc --linear --out BMIrs9674439
$ head BMIrs9674439.assoc.linear
 CHR         SNP         BP   A1       TEST    NMISS       BETA         STAT            P
  16   rs9674439   33836510    C        ADD      379    -0.2974       -1.269       0.2052

1. 染色体计数(CHR)
2. 变异标识符 (SNP)
3. 碱基对位点 (BP)
4. 效应等位基因 (Al)
5. 使用的统计检验类型 (TEST)，这里是ADD
6. 缺失值的数量 (NMISS)
7. 回归系数(BETA)
8. t统计 (STAT);
9. t统计量的渐近p值 §

分类变量（cases,controls）示例

生成Overweight_rs9674439.logistic文件

plink --bfile 1kg_EU_Overweight --snps rs9674439 --assoc --logistic --out Overweight_rs9674439

$ head BMIrs9674439.assoc.linear
 CHR         SNP         BP   A1       TEST    NMISS       OR         STAT            P
  16   rs9674439   33836510    C        ADD    1092    0.7261       -3.32      0.0009017

优势率(OR)，总是大于0，OR>1，表示增加风险，OR<1，表示降低风险，OR=1，表示没有相关性。

PLINK报告了逻辑回归的优势率估计，在这个例子中，这是与每个C等位基因拷贝相关的超重概率与在没有C等位基因拷贝的情况下超重概率之间的比值。换句话说，它告诉我们，如果一个人至少有一个特定的等位基因拷贝，那么他超重的可能性会增加多少。

在下面的例子中，我们看到OR是0.7，这表明C等位基因与超重概率的降低有关。

1.1.2 其他模型

dominant models，主导模型，即假设等位基因AB，其中A是风险等位基因，其研究有至少一个A拷贝的效应，即AA+AB vs BB，plink命令：--linear dominant。

recessive model，回归模型，评估两个A拷贝的效应，即AA vs AB+BB，plink命令，--linear recessive。

dominant models示例

$ plink --bfile 1kg_EU_BMI --snps rs9674439 --assoc --linear dominant --out BMIrs9674439

主要产生BMIrs9674439.log、.assoc_linear以及.qassoc三种文件。

$ head BMIrs9674439.assoc.linear
 CHR         SNP         BP   A1       TEST    NMISS       BETA         STAT            P
  16   rs9674439   33836510    C        DOM      379    -0.4783       -1.462       0.1445
  
$ head BMIrs9674439.qassoc
 CHR         SNP         BP    NMISS       BETA         SE         R2        T            P
  16   rs9674439   33836510      379    -0.2974     0.2343   0.004254   -1.269       0.2052

协变量及所有变异

--covar，后面跟着包含变量的制表符分隔的文件，用作协变量进行分析。

删除--snp，检测基因型文件中所有遗传变异与表型相关性。

$ plink --bfile 1kg_EU_BMI --assoc --linear --out BMIgwas
$ head BMIgwas.assoc.linear
 CHR         SNP         BP   A1       TEST    NMISS       BETA         STAT            P
   1   rs1048488     760912    C        ADD      379     0.6031        2.151      0.03208
   1   rs3115850     761147    T        ADD      379     0.6056        2.135      0.03343
   1   rs2519031     793947    G        ADD      379    -0.9188       -1.019       0.3087
   1   rs4970383     838555    A        ADD      379   -0.01473     -0.05882       0.9531
   1   rs4475691     846808    T        ADD      379    -0.3347       -1.221        0.223
   1   rs1806509     853954    C        ADD      379    -0.1015      -0.4786       0.6325
   1   rs7537756     854250    G        ADD      379    -0.1289      -0.4769       0.6337
   1  rs28576697     870645    C        ADD      379     0.1739       0.7539       0.4514
   1   rs7523549     879317    T        ADD      379     0.1316       0.2271       0.8204

检测多个SNP相关性（1百万个变异）时，检测P值为$5X10^{-8}$，

其他分析：

1） within family 分析（家族固定效应分析），检测家族内不同基因型的效应，plnk命令是--qfam，、

参考：
An Introduction to Statistical Genetic Data Analysis.
飞哥的GWAS教程