經(jīng)過(guò)前面兩期的講解，我們了解了GWAS分析需要的數(shù)據(jù)類(lèi)型和數(shù)據(jù)質(zhì)控方法，終于來(lái)到我們的核心內(nèi)容：關(guān)聯(lián)分析。

GWAS分析一般會(huì)構(gòu)建回歸模型檢驗(yàn)標(biāo)記與表型之間是否存在關(guān)聯(lián)，其中：
① 零假設(shè)（H0 null hypothesis）是標(biāo)記的回歸系數(shù)為零, 標(biāo)記（即SNP）對(duì)表型沒(méi)有影響。
② 備擇假設(shè)(H1，Alternative Hypothesis)是標(biāo)記的回歸系數(shù)不為零，標(biāo)記（即SNP）和表型相關(guān)。

在第一期中我們提到表型數(shù)據(jù)的類(lèi)型包括三種：數(shù)量性狀、質(zhì)量性狀和分級(jí)性狀，我們?cè)谶M(jìn)行關(guān)聯(lián)分析之前，需要根據(jù)不同類(lèi)型的表型選擇合適的關(guān)聯(lián)分析方法，同時(shí)為了減少假陽(yáng)性，通常對(duì)p值進(jìn)行矯正。

1 連續(xù)性狀 

連續(xù)性狀是指那些在群體中呈現(xiàn)連續(xù)分布的性狀，如身高、體重、血壓等�？梢赃x擇的方法有T檢驗(yàn)（Student’s test）和線(xiàn)性回歸（linear regression）。

--assoc，卡方檢驗(yàn)+優(yōu)勢(shì)比，表型若為數(shù)字則視為字符，不允許有協(xié)變量；
--linear，線(xiàn)性回歸，表型為純數(shù)字，允許有協(xié)變量，如果考慮協(xié)變量，加上--covar即可。

# assoc關(guān)聯(lián)分析不校正/校正p值
plink --bfile test --assoc --out result_assoc
plink --bfile test --assoc --adjust --out result_assoc
注意：會(huì)多出一個(gè)*.assoc.adjusted后綴文件。

# linear關(guān)聯(lián)分析不考慮協(xié)變量、不校正/校正p值
plink --bfile test --linear --out result_linear
plink --bfile test --linear --adjust --out result_linear
注：協(xié)變量使用 --covar 參數(shù)添加。

2 閾值性狀 

閾值性狀即表型值數(shù)據(jù)是兩類(lèi)數(shù)據(jù)：1和2（其中0和-9都表示缺失），比較常見(jiàn)的是對(duì)照組（用1表示）和實(shí)驗(yàn)組（用2表示）�？梢赃x擇的方法有卡方檢驗(yàn)和邏輯斯蒂回歸（X2關(guān)聯(lián)分析和logistic分析）

--assoc，卡方檢驗(yàn)+優(yōu)勢(shì)比，不允許有協(xié)變量；
--logistic，邏輯回歸，允許有協(xié)變量，如果考慮協(xié)變量，加上--covar即可。
注：這里的協(xié)變量比如性別、年齡等信息。

# assoc關(guān)聯(lián)分析不校正/校正p值
plink --bfile test --assoc --out result_assoc
plink --bfile test --assoc --adjust --out result_assoc
注意：會(huì)多出一個(gè)*.assoc.adjusted后綴文件。

# logistic關(guān)聯(lián)分析不考慮協(xié)變量、不校正/校正p值
plink --bfile test --logistic --out result_logistic
plink --bfile test --logistic --adjust --out result_logistic
注：協(xié)變量使用 --covar 參數(shù)添加。

3 分級(jí)性狀 

我們將通過(guò)人為觀(guān)察而可以進(jìn)行分類(lèi)的離散型變量統(tǒng)稱(chēng)為分級(jí)性狀。但要注意一點(diǎn)，分級(jí)性狀最終的定義，還是部分依賴(lài)于我們的經(jīng)驗(yàn)。 例如，對(duì)于植物的抗病性，我們既可以按照葉片病斑的面積（0~100%），將其定義為連續(xù)型的數(shù)值型性狀，也可以人為設(shè)定閾值將其定義為分級(jí)性狀（高、中、低）�？梢赃x擇的方法有卡方檢驗(yàn)和邏輯斯蒂回歸（X2關(guān)聯(lián)分析和logistic分析）。

--assoc，卡方檢驗(yàn)+優(yōu)勢(shì)比，不允許有協(xié)變量；
--logistic，邏輯回歸，允許有協(xié)變量，如果考慮協(xié)變量，加上--covar即可。

# assoc關(guān)聯(lián)分析不校正/校正p值
plink --bfile test --assoc --out result
plink --bfile test --assoc --adjust --out result_adjust

# logistic關(guān)聯(lián)分析不考慮協(xié)變量、不校正/校正p值
plink --bfile test --logistic --out result_logistic
plink --bfile test --logistic --adjust --out result_logistic
注：協(xié)變量使用 --covar 參數(shù)添加。

到這一步我們終于得到了夢(mèng)寐以求的顯著性結(jié)果，可以對(duì)結(jié)果表格進(jìn)行pvalue篩選過(guò)濾假陽(yáng)性，也可以進(jìn)行可視化直觀(guān)展示（即鼎鼎大名的Q-Q plot和Manhattan圖），那如何進(jìn)行可視化呢？別急，我們留到下一期。