Gemma使用

GEMMA 是一款专门用于 GWAS 的高效软件，尤其擅长处理线性混合模型（LMM）。以下详细介绍如何在 GEMMA 中使用 LM、LMM、GLM 和 MLM 模型：

1. 数据准备（GEMMA 格式）

1.1 基因型数据

• 将 PLINK 格式（.bed/.bim/.fam）转换为 GEMMA 支持的二进制格式：

gemma -bfile your_data -gk 1 -o relatedness_matrix

• -gk 1：计算基因组亲缘关系矩阵（K/G矩阵）。

• 结果保存在output/relatedness_matrix.cXX.txt。

1.2 表型数据

• 创建表型文件（如pheno.txt），每行对应一个样本，列可以是多个表型（用空格分隔）。

• 表型文件顺序必须与.fam文件一致。

2. 在 GEMMA 中实现不同模型

2.1 LM（线性模型）

gemma -bfile your_data -lm 1 -n 1 -o lm_results

• -lm 1：执行线性模型。

• -n 1：分析第 1 列表型。

2.2 GLM（广义线性模型，二分类）

gemma -bfile your_data -glm 2 -n 1 -o glm_results

• -glm 2：执行逻辑回归（二分类表型）。

2.3 LMM（线性混合模型）

gemma -bfile your_data -lmm 4 -k output/relatedness_matrix.cXX.txt -n 1 -o lmm_results

• -lmm 4：使用高效的 LMM 算法（LMM-LOGISTIC）。

• -k：指定亲缘关系矩阵文件。

2.4 MLM（混合线性模型，含固定效应）

gemma -bfile your_data -lmm 4 -k output/relatedness_matrix.cXX.txt -c covariates.txt -n 1 -o mlm_results

• -c：指定协变量文件（如性别、年龄、PCA 成分）。

3. 协变量与群体结构校正

3.1 主成分分析（PCA）

gemma -bfile your_data -pca 10 -o pca_results

• -pca 10：计算前 10 个主成分，结果保存在output/pca_results.eigenvec。

3.2 将 PCA 作为协变量

将 PCA 结果添加到协变量文件covariates.txt，并在分析中使用：

gemma -bfile your_data -lmm 4 -k output/relatedness_matrix.cXX.txt -c covariates.txt -n 1 -o mlm_pca_results

4. 结果解读

GEMMA 输出文件（如output/lmm_results.assoc.txt）包含：

• rs：SNP ID

• chr：染色体

• ps：物理位置

• p_wald：Wald 检验 p 值

• p_lrt：似然比检验 p 值

• p_score：Score 检验 p 值

5. 可视化结果

使用 R 绘制曼哈顿图和 QQ 图：

library(qqman)
data <- read.table("output/lmm_results.assoc.txt", header=T)
manhattan(data, chr="chr", bp="ps", snp="rs", p="p_wald", main="GEMMA LMM Results")
qq(data$p_wald, main="QQ Plot")

6. 高级用法：多表型分析

同时分析多个表型：

gemma -bfile your_data -lmm 4 -k output/relatedness_matrix.cXX.txt -n 1 2 3 -o multi_pheno_results

• -n 1 2 3：同时分析第 1、2、3 列表型。

GEMMA 模型选择建议

模型	GEMMA 参数	适用场景
LM	-lm 1	连续型表型，不考虑群体结构
GLM	-glm 2	二分类表型，不考虑群体结构
LMM	-lmm 4	连续型表型，校正群体结构
MLM	-lmm 4 -c …	连续型表型，含固定效应（如 PCA）

注意事项

1. 内存优化：对于大样本量，使用-w和-s参数分块计算 GRM。

2. 模型比较：通过 AIC/BIC 比较不同模型的拟合优度。

3. 多重检验校正：GEMMA 不自动校正，需后续处理（如 Bonferroni 或 FDR）。

通过上述命令，你可以在 GEMMA 中灵活实现四种模型，并高效完成 GWAS 分析。