这里，总结一下GWAS的学习笔记，GWAS全称“全基因组关联分析”，使用统计模型找到与性状关联的位点，用于分子标记选择（MAS）或者基因定位，这次学习的教程是plink做GWAS，plink是个很好的软件，但是之前做GWAS都是使用R包，听说plink和EMMAX做GWAS更快，更好，更容易写出pipeline。就利用网上的信息写一个操作笔记，先操作plink，然后是EMMAX，有一些模型知识的同学，理解起来应该不难。

GWAS分析的两类性状：

• 分类性状（阈值性状，质量性状）：比如抗病性，颜色等等
• 连续性在（数量性状）：比如株高，体重，产量等等

GWAS的分析方法：

• 分类性状：logistic等等
• 连续性状：GLM，MLM模型等等

一般线性模型（GLM）：
这里，SNP作为固定因子，可以考虑其它协变量（比如性别，PCA，群体结构等等）

混合线性模型（MLM）

• 固定因子：SNP + 可以考虑其它协变量（比如性别，PCA，群体结构等等），这里固定因子和前面的GLM一样
• 随机因子：亲缘关系矩阵（K矩阵或者A矩阵）
  

参考：

教程代码和数据下载：https://github.com/MareesAT/GWA_tutorial/

这个教程非常的经典，我看网上很多人推荐，相关的文章：
https://onlinelibrary.wiley.com/doi/full/10.1002/mpr.1608

包括数据的过滤，SNP的过滤，样本的过滤，质控的标准等等介绍的非常清楚，看完这篇文章，感觉plink的知识有增加了很多。

1. 下载数据和代码

在linux环境下，新建一个文件夹，进入后运行下面命令：

git clone https://github.com/MareesAT/GWA_tutorial.git

下载之后，目录如下：

.
└── GWA_tutorial
    ├── 1_QC_GWAS.zip
    ├── 2_Population_stratification.zip
    ├── 3_Association_GWAS.zip
    ├── 4_PRS.doc
    └── README.md

1 directory, 5 files

2. 下载R语言和plink软件

如果已经有了这两个软件，就不用下载了。

• R： https://www.r-project.org/
• plink：http://zzz.bwh.harvard.edu/plink/ https://www.cog-genomics.org/plink2

3. 解压文件

这里，使用unzip命令，解压zip文件。

unzip 1_QC_GWAS.zip 
unzip 2_Population_stratification.zip 
unzip 3_Association_GWAS.zip 

4. 文件介绍

4.1 质控

主要是根据一些筛选标准，去掉一些位点。筛选标准有缺失百分比，哈温等等。

文件夹：1_QC_GWAS

主要文件：

1_Main_script_QC_GWAS.txt
HapMap_3_r3_1.bed
HapMap_3_r3_1.bim
HapMap_3_r3_1.fam
check_heterozygosity_rate.R
Relatedness.R
hist_miss.R
pops_HapMap_3_r3
hwe.R
MAF_check.R
gender_check.R
heterozygosity_outliers_list.R
inversion.txt

其中1_Main_script_QC_GWAS.txt里面包括所有运行的代码，HapMap*文件是plink格式的文件，*R是几个用于检测和可视化的R脚本，我们后面会依次讲解这些代码。

4.2 群体分层

文件夹：2_Population_stratification

1_Main_script_QC_GWAS.txt  
2_Main_script_MDS.txt  
MDS_merged.R

其中，1_Main_script_QC_GWAS.txt，2_Main_script_MDS.txt为运行代码。

4.3 GWAS分析

文件夹： 3_Association_GWAS

QQ_plot.R
Manhattan_plot.R
3_Main_script_association_GWAS.txt

其中，3_Main_script_association_GWAS.txt为运行代码。

4.4 多基因风险评分（PRS）分析

是一个word文件：

这是独立的一步，有需要的可以查看里面的分析方法。

5. 未完待续！