育种数据分析之放飞自我分享 http://blog.sciencenet.cn/u/yijiaobai 关注:生物统计,数量遗传,混合线性模型,生物信息,R,Perl,Python,GWAS,GS相关方法,文章及代码

博文

GWAS分析中SNP解释百分比PVE | 第一篇,SNP解释百分比之和为何大于1?

已有 2347 次阅读 2021-12-22 19:51 |个人分类:GWAS|系统分类:科研笔记

关于GWAS分析中PVE的计算方法:

我查了一下,大体计算PVE的方法有三种:第一种回归分析或者方差分析的方法,计算R方(GLM模型),第二种是根据effect,se,maf计算PVE,第三种是根据LMM的矩阵构建计算PVE。

汇总如下:所以准备研究一下。

先看一个常见问题:GWAS分析中,SNP解释百分比(PVE)之和为何大于1?

问题来源:TASSEL的google group:

https://groups.google.com/g/tassel/c/v1aOPCYFyJE/m/HromqNnNIyMJ

问题描述:

Again I have a question.

In association mapping results in Tassel by MLM model gives Marker R2
values. If Marker R2 reports proportion of phenotypic variation
(between 0 to 1) that is explained by corresponding maker, why sum of
marker R2 values for all of markers is more than 1?

为何GLM或者MLM中的Marker R2之和会大于1,如果R2是解释的百分比,那应该是在0~1之间呀。

张志武老师回复:

The association studies in TASSEL (MLM or GLM) are performed on markers one at a time. Therefore, the sum of the R square (R2) of markers could be bigger than 100%. One of the reasons is due to linkage disequilibrium (LD) between markers. For example, if a marker has R2 of 20% and the marker is in complete LD with other five markers, then the five markers will have R2 sum to 120%.

在TASSEL中GLM或者MLM模型中,是单标记扫描,之所以SNP的R2(R square)之和会大于1,因为标记间存在LD,比如一个标记关联的基因能解释20%的变异,这个位点附近有6个标记都存在LD状态,那么这6个标记的解释百分比之和就会是120%。

下一节介绍一下GAPIT中GLM的PVE的计算方法,并用R语言实现。




https://wap.sciencenet.cn/blog-2577109-1317726.html

上一篇:TASSEL的MLM模型构建的kinship矩阵相关知识
下一篇:GWAS分析中SNP解释百分比PVE | 第二篇,GLM模型中如何计算PVE?
收藏 IP: 223.90.189.*| 热度|

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...
扫一扫,分享此博文

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-3-29 00:24

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部