筆記 GWAS 操作流程5-1：根紅苗正的GWAS分析軟件：GEMMA
1. GEMMA軟件介紹
這個肯定厲害了，是大家閨秀，是名門望族，是根紅苗正的GWAS分析軟件。
GEMMA名稱來源：
- G： Genome-wide
- E：Efficient
- MM：Mixed-model
- A：Association
GEMMAX主要特點：
快，話說同樣的檢測方法，GEMMA跑了3.3小時，而EMMA估計要跑27年？？？
2. GEMMA語法特點
相對於plink的語法，GEMMA語法更簡練，一個槓，一個字母。比如：
- 表型數據：
-p - 協變量：
-c
而plink的語法的是兩個槓，一個單詞： - 表型數據：
--pheno - 協變量：
--covar
GEMMA支持plink的二進制文件：
- 讀取plink文件：
-bfile
表型數據格式：
一列，注意順序和基因組的ID順序一致，如果是多個性狀，那就是多列，沒有ID列。
協變量格式：
協變量是數字類型，如果有因子，需要轉化爲虛擬變量的形式。沒有ID列，第一列是cov1，第二列是cov2……，注意，如果有一協變量，第一列爲1（截距），第二列爲協變量。
比如下面的數據是一個協變量，第一列爲截距。
3. GEMMA分析一般線性模型沒有協變量
首先將plink格式轉化爲二進制的plink格式：
plink --file b --make-bed --out c
然後將表型數據提取單獨一列：
awk '{print $3}' phe.txt >p.txt
然後進行一般線性模型關聯分析：
gemma-0.98.1-linux-static -bfile c -p p.txt -lm 1
結果和plink的linear結果對比：
plink的結果：
gemma的結果：
兩者結果完全一致。
事實上，加上協變量的分析，gemma和plink的結果也是一樣的，因爲都是應用的是一般線性模型。
4. GEMMA分析混合線性模型
第一步：先生成G矩陣
gemma-0.98.1-linux-static -bfile c -gk 2 -p p.txt
代碼解釋：
- -bfile 讀取plink的二進制文件
- -gk 2 標準化的方法計算G矩陣
- -p 讀取表型數據（這個不能省掉）
GEMMA 0.98.1 (2018-12-10) by Xiang Zhou and team (C) 2012-2018
Reading Files ...
## number of total individuals = 1500
## number of analyzed individuals = 1500
## number of covariates = 1
## number of phenotypes = 1
## number of total SNPs/var = 10000
## number of analyzed SNPs = 3946
Calculating Relatedness Matrix ...
================================================== 100%
**** INFO: Done.
G矩陣在output文件夾下：result.sXX.txt
第二步：使用混合線性模型進行GWAS分析
gemma-0.98.1-linux-static -bfile c -k output/result.sXX.txt -lmm 1 -p p.txt
代碼解釋：
* -bfile plink的二進制文件
* -k 讀取G矩陣的文件
* -lmm 1 使用Wald的方法進行SNP檢驗
* -p 表型數據
GEMMA 0.98.1 (2018-12-10) by Xiang Zhou and team (C) 2012-2018
Reading Files ...
## number of total individuals = 1500
## number of analyzed individuals = 1500
## number of covariates = 1
## number of phenotypes = 1
## number of total SNPs/var = 10000
## number of analyzed SNPs = 3946
Start Eigen-Decomposition...
pve estimate =0.120599
se(pve) =0.0279188
================================================== 100%
**** INFO: Done.
第三步：查看結果文件
結果在output文件夾下：result.assoc.txt
5. GEMMA中LM模型和LMM模型的結果比較
setwd("/home/dengfei/gwas/qmsim/dat/plink_file/10_gemma_analysis_lmm/output")
mm_re = fread("result.assoc.txt")
head(mm_re)
lm_re = fread("../../06_gemma_analysis_lm/output/result.assoc.txt")
head(lm_re)
lm_re1 = lm_re[!is.na(p_wald)]
head(lm_re1)
dim(mm_re)
dim(lm_re1)
head(mm_re)
head(lm_re1)
re1 = merge(mm_re,lm_re1,by="rs")
head(re1)
# Pvalue 比較
cor(re1$p_wald.x,re1$p_wald.y)
plot(re1$p_wald.x,re1$p_wald.y)
# Beta迴歸係數比較
cor(re1$beta.x,re1$beta.y)
plot(re1$beta.x,re1$beta.y)
Pvalue比較
> cor(re1$p_wald.x,re1$p_wald.y)
[1] 0.5278895
Beta迴歸係數比較：
> cor(re1$beta.x,re1$beta.y)
[1] 0.8357564
注意：
這裏面，混合線性模型分析時，一般要加上PCA的結果，防止羣體結構造成的假陽性。下一章節，我們介紹LMM模型，如何加入協變量。