GWAS分析時，無論是一般線性模型，還是廣義線性模型，都要對協變量進行處理。數值類型的協變量（比如初生重數值協變量，PCA的值）直接加進去，因子協變量（比如不同的年份，不同的地點，場等）需要轉化爲虛擬變量。如果一個分析中，既有數字協變量，又有因子協變量，需要將因子協變量轉化爲虛擬變量後再與數字協變量合併，作爲最終的協變量文件進行分析。本次用實際數據進行一下演示。
1. 協變量文件整理
第一列爲FID
第二列爲ID
第三列以後爲協變量（注意，只能是數字，不能是字符！）
這裏協變量文件爲：
[dengfei@ny 03_linear_cov]$ head cov.txt
1061 1061 F 3
1062 1062 M 3
1063 1063 F 3
1064 1064 F 3
1065 1065 F 3
1066 1066 F 3
1067 1067 F 3
1068 1068 M 3
1069 1069 M 3
1070 1070 M 3
- 這裏，首先將F換爲1，M換爲2，將其轉化爲連續變量（數字）
- 然後，將世代變爲虛擬變量
- 最後，將兩個協變量整合到一起
sed 's/F/1/g' cov.txt >cov2.txt
sed -i 's/M/2/g' cov2.txt
2. 使用plink的dummy coding轉化爲虛擬變量
plink --file b --covar cov2.txt --write-covar --dummy-coding
結果生成：
plink.cov
注意：
這裏的性別雖然是因子，但是其只有兩個水平，也可以將作爲連續的變量，計算方法是一樣的。如果是三個水平的因子，就不能直接轉化爲變量了。
5 進行協變量GWAS分析LM模型
代碼：
plink --file b --pheno phe.txt --allow-no-sex --linear --covar plink.cov --out re --hide-covar
日誌：
PLINK v1.90b5.3 64-bit (21 Feb 2018) www.cog-genomics.org/plink/1.9/
(C) 2005-2018 Shaun Purcell, Christopher Chang GNU General Public License v3
Logging to re.log.
Options in effect:
--allow-no-sex
--covar plink.cov
--file b
--hide-covar
--linear
--out re
--pheno phe.txt
Note: --hide-covar flag deprecated. Use e.g. '--linear hide-covar'.
515199 MB RAM detected; reserving 257599 MB for main workspace.
.ped scan complete (for binary autoconversion).
Performing single-pass .bed write (10000 variants, 1500 people).
--file: re-temporary.bed + re-temporary.bim + re-temporary.fam written.
10000 variants loaded from .bim file.
1500 people (0 males, 0 females, 1500 ambiguous) loaded from .fam.
Ambiguous sex IDs written to re.nosex .
1500 phenotype values present after --pheno.
Using 1 thread (no multithreaded calculations invoked).
--covar: 3 covariates loaded.
Before main variant filters, 1500 founders and 0 nonfounders present.
Calculating allele frequencies... done.
10000 variants and 1500 people pass filters and QC.
Phenotype data is quantitative.
Writing linear model association results to re.assoc.linear ... done.
結果文件：
re.assoc.linear
結果預覽：
4. 使用R語言進行結果比較lm+factor
library(data.table)
geno = fread("c.raw")
geno[1:10,1:10]
phe = fread("phe.txt")
cov = fread("cov.txt")
plink = fread("plink.cov")
dd = data.frame(phe = phe$V3,cov1 = plink$COV1,cov2 = plink$COV2_4,cov3=plink$COV2_5,geno[,7:20])
head(dd)
mod_M7 = lm(phe ~ cov1+cov2+cov3 + M7_1,data=dd);summary(mod_M7)
M7加上因子協變量結果：
這裏，我們可以測試一下：
將性別由數字，變爲因子，可以發現結果是一樣的：
所以：
當有兩個水平的因子（比如性別），變爲數字時，對於迴歸分析而言，兩者是一樣的結果。