1. 错误的理解某一个SNP，效应值（Effect）越大，就越显著？？？ 「事实上：」效应值和显著性是两码事！ 2. 用代码说话GWAS分析中，最简单的就是一般线性模型（GLM），而GLM模型进行的GWAS分析中，用R语言实现的代码如下： mod_M7 = lm(phe.V3 ~ M7_1,data=dd)
summary(mod_M7)
「结果：」 这个里面： - Estimate就是效应值：3.3265，这个就是SNP M9的效应值
- Pr就是P值：0.0272，这个就是SNP M9的P值
可以看到，这两个是两个指标，他们之间没有必然的联系。 3. GWAS分析的思路- 1，将SNP的分型转化为
0, 1, 2的形式，主效纯合（major）编码为0，杂合编码为1，次等位纯合编码为2 - 3，对x和y做回归分析
y ~ a*x + b，a为效应值，a是否显著的P值，为SNP的P值
4. SNP效应值很大，却不显著
# SNP 分型
set.seed(666)
x = rep(c(0,1,2),3)
x
# 模拟表型值
y = 12*x + rnorm(9)*10
# 作回归分析
mod = lm(y ~ x)
summary(mod)
# 作图
dd = data.frame(x,y)
dd
ggplot(dd,aes(x=x,y=y)) + geom_point() + stat_smooth(method='lm',formula = y~x,colour='red')
看一下这个数据： > dd
x y
1 0 7.533110
2 1 32.143547
3 2 20.448655
4 0 20.281678
5 1 -10.168745
6 2 31.583962
7 0 -13.061853
8 1 3.974804
9 2 6.077592
计算每种分型对应的表型平均值： > # 平均值
> aggregate(y~x,data = dd,mean)
x y
1 0 4.917645
2 1 8.649869
3 2 19.370070
可以看出，分型0对应的是4.9，最小，分型1对应的是8.6，分型2对应的是19.3，趋势是比较明显的。 「看一下回归分析的结果：」 > # 作回归分析
> mod = lm(y ~ x)
> summary(mod)
Call:
lm(formula = y ~ x)
Residuals:
Min 1Q Median 3Q Max
-21.148 -12.128 2.243 13.379 21.164
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 3.753 8.558 0.439 0.674
x 7.226 6.629 1.090 0.312
Residual standard error: 16.24 on 7 degrees of freedom
Multiple R-squared: 0.1451, Adjusted R-squared: 0.023
F-statistic: 1.188 on 1 and 7 DF, p-value: 0.3118
可以看出，效应值为7.226，但是P值却是0.312，不显著。 所以说，效应值大的SNP位点，不一定是显著的。 「为何会出现这种情况呢？」我们画一个散点图看一下分布情况： library(ggplot2)
ggplot(dd,aes(x=x,y=y)) + geom_point() + stat_smooth(method='lm',formula = y~x,colour='red')
 可以看到，分型为1的表型值，有一个非常高，达到了31，相当于在进行T检验时，标准误se比较高，导致P值较大，不显著。
5. SNP效应值很小，却极显著我们还模拟数据： # SNP 分型
set.seed(666)
x = rep(c(0,1,2),3)
x
# 模拟表型值
y = 0.1*x + rnorm(9)*0.01
# 作回归分析
mod = lm(y ~ x)
summary(mod)
# 作图
dd = data.frame(x,y)
dd
library(ggplot2)
ggplot(dd,aes(x=x,y=y)) + geom_point() + stat_smooth(method='lm',formula = y~x,colour='red')
# 平均值
aggregate(y~x,data = dd,mean)
「模拟的数据如下：」 > dd
x y
1 0 0.00753311
2 1 0.12014355
3 2 0.19644866
4 0 0.02028168
5 1 0.07783126
6 2 0.20758396
7 0 -0.01306185
8 1 0.09197480
9 2 0.18207759
计算每种分型对应的表型平均值： > aggregate(y~x,data = dd,mean)
x y
1 0 0.004917645
2 1 0.096649869
3 2 0.195370070
可以看到，三种基因型，阶梯感也很强。 「回归分析结果：」 > # 作回归分析
> mod = lm(y ~ x)
> summary(mod)
Call:
lm(formula = y ~ x)
Residuals:
Min 1Q Median 3Q Max
-0.021148 -0.012128 0.002243 0.013379 0.021164
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 0.003753 0.008558 0.439 0.674
x 0.095226 0.006629 14.365 1.89e-06 ***
---
Signif. codes: 0 '***’ 0.001 '**’ 0.01 '*’ 0.05 '.’ 0.1 ' ’ 1
Residual standard error: 0.01624 on 7 degrees of freedom
Multiple R-squared: 0.9672, Adjusted R-squared: 0.9625
F-statistic: 206.4 on 1 and 7 DF, p-value: 1.886e-06
可以看出：SNP的效应值：0.095
SNP的P值：1.89e-6（达到极显著水平） 「作图看一下：」 虽然回归系数（SNP效应值很小），但是每个分型对应的表型值相差不多，组内变异（同一种基因型的表型值）远远小于组间变异（不同SNP分型对应的表型值），导致进行T检验时，达到极显著水平。 这也就出现了SNP的效应值很低，但是却达到了极显著水平。 6. 从生物学水平如何解释？可以这样理解，「SNP效应值小但显著的位点：」属于对表型值是有直接影响的，但是影响的效应较小，但是比较稳定，所以才表现出极显著，而效应小 「SNP效应大但不显著的位点：」有可能SNP是有大效应的，但是容易受到环境影响，或者由于群体的结构（某个群体内聚集），或者由于某些异常值导致这种情况。也有可能本身就是不显著的。 「林子大了，什么鸟都有！」毕竟SNP都是上万，上十万，上百万的量。而表型值都是上百，上千，很少达到上万的，这就存在很多种情况，导致有些SNP效应值很大，但是不显著，有些SNP效应值很小，但是极显著。这里需要区分对待一下。 如果有很多SNP出现这种情况，必然有妖，查看是否过滤了maf，是否对基因型进行了填充，是否表型数据有异常，如果都检查过了，出现这种情况，我们也只能说：it happens，有时候会出现，这不是不可解释的现象，否者我写这篇文章的意义在哪里呢？除了灌水，还有炫技啊 7. GWAS系列相关笔记 | GWAS 操作流程1：下载数据 笔记 GWAS 操作流程2-1：缺失质控 笔记 | GWAS 操作流程2-2：性别质控 笔记 GWAS 操作流程2-3：最小等位基因频率 笔记 GWAS 操作流程2-4：哈温平衡检验 笔记 GWAS 操作流程2-5：杂合率检验 笔记 GWAS 操作流程2-6：去掉亲缘关系近的个体 笔记 GWAS 操作流程3：plink关联分析 笔记 | GWAS 操作流程4-1：LM模型assoc 笔记 | GWAS 操作流程4-2：LM模型linear+数值协变量 笔记 | GWAS 操作流程4-3：LM模型+因子协变量 笔记 | GWAS 操作流程4-4：LM模型+数值+因子协变量 笔记 | GWAS 操作流程4-5：LM模型+数值+因子+PCA协变量 笔记 GWAS 操作流程5-1：根红苗正的GWAS分析软件：GEMMA 笔记 GWAS 操作流程5-2：利用GEMMA软件进行LMM+PCA+协变量 什么？想加微信好友，互秀朋友圈，来啊（标注：姓名+单位） 我的微信我的圈
|
