gwas snp 和-ag凯发k8国际

之前的gwas分析中，我查看结果时有过这个疑问，随着不断的学习理解，我已经知道了为什么，这里将我思考的结果分享一下。

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
• 2，x变量为0,1,2的数值，y变量为性状表型值
• 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：

> ddx 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 0.312residual 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：」

> ddx 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 ‘ ’ 1residual 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

总结

以上是ag凯发k8国际为你收集整理的gwas snp 和_gwas分析中：为何有些snp效应值大却不显著？的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得ag凯发k8国际网站内容还不错，欢迎将ag凯发k8国际推荐给好友。