之前的GWAS分析中，我查看結果時有過這個疑問，隨著不斷的學習理解，我已經知道了為什么，這里將我思考的結果分享一下。

1. 錯誤的理解

某一個SNP，效應值（Effect）越大，就越顯著？？？

「事實上：」 效應值和顯著性是兩碼事！

2. 用代碼說話

GWAS分析中，最簡單的就是一般線性模型（GLM），而GLM模型進行的GWAS分析中，用R語言實現的代碼如下：

mod_M7 = lm(phe.V3 ~ M7_1,data=dd) summary(mod_M7)

「結果：」

這個里面：

• Estimate就是效應值：3.3265，這個就是SNP M9的效應值
• Pr就是P值：0.0272，這個就是SNP M9的P值

可以看到，這兩個是兩個指標，他們之間沒有必然的聯系。

3. GWAS分析的思路

• 1，將SNP的分型轉化為0, 1, 2的形式，主效純合（major）編碼為0，雜合編碼為1，次等位純合編碼為2
• 2，x變量為0,1,2的數值，y變量為性狀表型值
• 3，對x和y做回歸分析y ~ a*x + b，a為效應值，a是否顯著的P值，為SNP的P值

4. SNP效應值很大，卻不顯著

# SNP 分型 set.seed(666) x = rep(c(0,1,2),3) x# 模擬表型值 y = 12*x + rnorm(9)*10# 作回歸分析 mod = lm(y ~ x) summary(mod)# 作圖 dd = data.frame(x,y) dd ggplot(dd,aes(x=x,y=y)) + geom_point() + stat_smooth(method='lm',formula = y~x,colour='red')

看一下這個數據：

> ddx y 1 0 7.533110 2 1 32.143547 3 2 20.448655 4 0 20.281678 5 1 -10.168745 6 2 31.583962 7 0 -13.061853 8 1 3.974804 9 2 6.077592

計算每種分型對應的表型平均值：

> # 平均值 > aggregate(y~x,data = dd,mean)x y 1 0 4.917645 2 1 8.649869 3 2 19.370070

可以看出，分型0對應的是4.9，最小，分型1對應的是8.6，分型2對應的是19.3，趨勢是比較明顯的。

「看一下回歸分析的結果：」

> # 作回歸分析 > mod = lm(y ~ x) > summary(mod)Call: lm(formula = y ~ x)Residuals:Min 1Q Median 3Q Max -21.148 -12.128 2.243 13.379 21.164 Coefficients:Estimate Std. Error t value Pr(>|t|) (Intercept) 3.753 8.558 0.439 0.674 x 7.226 6.629 1.090 0.312Residual standard error: 16.24 on 7 degrees of freedom Multiple R-squared: 0.1451, Adjusted R-squared: 0.023 F-statistic: 1.188 on 1 and 7 DF, p-value: 0.3118

可以看出，效應值為7.226，但是P值卻是0.312，不顯著。

所以說，效應值大的SNP位點，不一定是顯著的。

「為何會出現這種情況呢？」 我們畫一個散點圖看一下分布情況：

library(ggplot2) ggplot(dd,aes(x=x,y=y)) + geom_point() + stat_smooth(method='lm',formula = y~x,colour='red')

可以看到，分型為1的表型值，有一個非常高，達到了31，相當于在進行T檢驗時，標準誤se比較高，導致P值較大，不顯著。

5. SNP效應值很小，卻極顯著

我們還模擬數據：

# SNP 分型 set.seed(666) x = rep(c(0,1,2),3) x# 模擬表型值 y = 0.1*x + rnorm(9)*0.01# 作回歸分析 mod = lm(y ~ x) summary(mod)# 作圖 dd = data.frame(x,y) dd library(ggplot2) ggplot(dd,aes(x=x,y=y)) + geom_point() + stat_smooth(method='lm',formula = y~x,colour='red')# 平均值 aggregate(y~x,data = dd,mean)

「模擬的數據如下：」

> ddx y 1 0 0.00753311 2 1 0.12014355 3 2 0.19644866 4 0 0.02028168 5 1 0.07783126 6 2 0.20758396 7 0 -0.01306185 8 1 0.09197480 9 2 0.18207759

計算每種分型對應的表型平均值：

> aggregate(y~x,data = dd,mean)x y 1 0 0.004917645 2 1 0.096649869 3 2 0.195370070

可以看到，三種基因型，階梯感也很強。

「回歸分析結果：」

> # 作回歸分析 > mod = lm(y ~ x) > summary(mod)Call: lm(formula = y ~ x)Residuals:Min 1Q Median 3Q Max -0.021148 -0.012128 0.002243 0.013379 0.021164 Coefficients:Estimate Std. Error t value Pr(>|t|) (Intercept) 0.003753 0.008558 0.439 0.674 x 0.095226 0.006629 14.365 1.89e-06 *** --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1Residual standard error: 0.01624 on 7 degrees of freedom Multiple R-squared: 0.9672, Adjusted R-squared: 0.9625 F-statistic: 206.4 on 1 and 7 DF, p-value: 1.886e-06

可以看出： SNP的效應值：0.095 SNP的P值：1.89e-6（達到極顯著水平）

「作圖看一下：」

雖然回歸系數（SNP效應值很小），但是每個分型對應的表型值相差不多，組內變異（同一種基因型的表型值）遠遠小于組間變異（不同SNP分型對應的表型值），導致進行T檢驗時，達到極顯著水平。

這也就出現了SNP的效應值很低，但是卻達到了極顯著水平。

6. 從生物學水平如何解釋？

可以這樣理解， 「SNP效應值小但顯著的位點：」 屬于對表型值是有直接影響的，但是影響的效應較小，但是比較穩定，所以才表現出極顯著，而效應小

「SNP效應大但不顯著的位點：」 有可能SNP是有大效應的，但是容易受到環境影響，或者由于群體的結構（某個群體內聚集），或者由于某些異常值導致這種情況。也有可能本身就是不顯著的。

「林子大了，什么鳥都有！」 畢竟SNP都是上萬，上十萬，上百萬的量。而表型值都是上百，上千，很少達到上萬的，這就存在很多種情況，導致有些SNP效應值很大，但是不顯著，有些SNP效應值很小，但是極顯著。這里需要區分對待一下。

如果有很多SNP出現這種情況，必然有妖，查看是否過濾了maf，是否對基因型進行了填充，是否表型數據有異常，如果都檢查過了，出現這種情況，我們也只能說：it happens，有時候會出現，這不是不可解釋的現象，否者我寫這篇文章的意義在哪里呢？除了灌水，還有炫技啊

7. GWAS系列相關

筆記 | GWAS 操作流程1：下載數據

筆記 GWAS 操作流程2-1：缺失質控

筆記 | GWAS 操作流程2-2：性別質控

筆記 GWAS 操作流程2-3：最小等位基因頻率

筆記 GWAS 操作流程2-4：哈溫平衡檢驗

筆記 GWAS 操作流程2-5：雜合率檢驗

筆記 GWAS 操作流程2-6：去掉親緣關系近的個體

筆記 GWAS 操作流程3：plink關聯分析

筆記 | GWAS 操作流程4-1：LM模型assoc

筆記 | GWAS 操作流程4-2：LM模型linear+數值協變量

筆記 | GWAS 操作流程4-3：LM模型+因子協變量

筆記 | GWAS 操作流程4-4：LM模型+數值+因子協變量

筆記 | GWAS 操作流程4-5：LM模型+數值+因子+PCA協變量

筆記 GWAS 操作流程5-1：根紅苗正的GWAS分析軟件：GEMMA

筆記 GWAS 操作流程5-2：利用GEMMA軟件進行LMM+PCA+協變量

總結

以上是生活随笔為你收集整理的gwas snp 和_GWAS分析中：为何有些SNP效应值大却不显著？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。