GEMMA使用

GEMMA(Genome-wide Efficient Mixed Model Association algorithm) 基于混合线性模型进行全基因组关联分析，相比于其他关联分析软件在以下几点上有所改进：

1. 更快
2. 更加准确
3. 基因plink二进制数据进行分析
4. 功能更加丰富，同时可以进行多个表型的混合线性模型

1.输入文件格式

基因型文件
表型文件
亲缘关系矩阵
协方差（可选）

GEMMA的输入文件可以有两种格式，分别是plink二进制文件和BIMBAM格式；由于plink用的比较普遍，这里只介绍如何使用plink文件格式。
需要注意的是两种格式的文件不能够混用，如果用错了可能会出现未知错误

1.1 基于基因型vcf文件生成plink二进制文件

vcftools --vcf test.vcf --plink --out test 
#out files
#test.ped 
#test.map
#基因ped文件生成plink 二进制文件
plink --file test --make-bed --out test

#out files
#test.bed
#test.bim
#test.fam

1.2 表型文件

test.fam文件的第6列代表的是样本对应的表型值，其中每一行代表一个样本；需要注意的是表型文件中样本的顺序要和基因型文件一致.
如果存在多个表型只，可以修改test.fam文件内容,第6列表示第一个表型值，第7列表示第二个表型值；依次类推

1
2
3

#* 合并表型文件和`test.fam`文件
cut -f6 --complement -d" " test.fam |paste - phenotype.txt >new.fam
mv new.fam test.fam

1.3 亲缘关系矩阵

使用GEMMA自带的两种算，计算个体与个体之间基因型的相关性(n x n)

-gk 1 the centered relatedness matrix
-gk 2 the standardized relatedness matrix

1 2	#* 输入文件将会在当前目录的output下的test_Related_matrix.cXX.txt文件 gemma -bfile test -gk 1 -o test

1.4 协方差矩阵

每一行代表一个样本，同样的是样本的顺序要和基因型文件中保持一致；可以囊阔c个协变量(n x c)
如果需要估计截距项时，需要将第一列的值设为1

2. 运行混合线性模型

test.fam文件中表型值所在的列，表型值是从第6列开始的，-n 2表示第7列; 以此类推：

1	gemma -bfile test -n -k output/test_Related_matrix.cXX.txt -c covariant.txt -lmm -o test_lmm

Code Hub