GWAS模型对比
- 在 GWAS（全基因组关联分析）中，LM、GLM、LMM、MLM 都是用来分析 “基因位点” 和 “性状”（比如身高、是否患病）之间关系的统计模型。它们的核心目标是找到 “某个基因位点是否真的影响性状”，但适用场景和解决的问题不同。
先打个比方：用 “考试成绩” 理解模型
假设我们想研究 “每天刷题时间”（类似 “基因位点”，取值 0/1/2 小时）是否真的影响 “数学成绩”（类似 “性状”）。不同模型的区别，就像分析时是否考虑其他干扰因素（比如班级差异、同桌影响等）。
1. LM（线性模型，Linear Model）
核心特点：最简单的模型，只看 “基因位点” 和 “性状” 的直接线性关系。
通俗理解：直接算 “刷题时间”（0/1/2）和 “成绩”（80/85/90）是否呈直线关系（比如刷题时间每多 1 小时，成绩平均高 5 分）。
适用场景：仅适合连续型性状（如身高、体重这种可以用数字连续表示的）。
缺点：没考虑干扰因素（比如 “班级差异”—— 重点班学生即使不刷题，成绩也可能比普通班高），容易把 “班级差异” 误当成 “刷题的效果”（虚假关联）。
2. GLM（广义线性模型，Generalized Linear Model）
核心特点：在 LM 基础上扩展，能处理非连续型性状（比如 “患病 / 不患病”“及格 / 不及格” 这种分类性状）。
通俗理解：如果性状是 “是否及格”（0 = 不及格，1 = 及格），LM 无法直接分析（因为及格与否不是连续的）。GLM 会用一个 “转换函数”（比如 logistic 函数），把 “刷题时间” 和 “及格概率” 联系起来（比如刷题 1 小时，及格概率从 30% 升到 60%）。
适用场景：连续型、二分类（患病 / 不患病）、多分类性状都能处理。
缺点：和 LM 一样，没解决 “干扰因素”（如班级差异）的问题，仍可能出现虚假关联。
3. LMM（线性混合模型，Linear Mixed Model）
核心特点：在 LM 基础上加入 “随机效应”，专门用来控制干扰因素（如群体结构、亲缘关系）。
通俗理解：分析 “刷题时间” 和 “成绩” 时，不仅看两者的直接关系（固定效应），还加入 “班级差异” 作为 “随机效应”（比如重点班和普通班的平均成绩差异是随机波动的）。这样就能排除 “班级好导致成绩高” 的干扰，更准确判断 “刷题是否真有效”。
适用场景：仅适合连续型性状，但能有效减少虚假关联（因为控制了群体结构，比如不同人群的遗传差异；或亲缘关系，比如一家人的基因更像）。
优点：比 LM 更可靠，是处理复杂群体（如自然人群）的常用模型。
4. MLM（混合线性模型，Mixed Linear Model）
核心特点：本质上和 LMM 类似，都是 “固定效应 + 随机效应” 的混合模型，但更强调同时控制群体结构（如不同族群）和亲属关系（如血缘远近）。
通俗理解：在 LMM 的基础上，不仅考虑 “班级差异”（群体结构），还加入 “同桌影响”（亲属关系，比如同桌经常互相讲题，成绩更相似）作为随机效应。通过同时控制这两种干扰，进一步减少虚假关联。
适用场景：主要处理连续型性状，在遗传背景复杂的群体（如包含多个族群、有亲属关系的人群）中表现更好。
和 LMM 的小区别：LMM 更泛泛地指 “含随机效应的线性模型”，而 MLM 在 GWAS 中常特指 “同时控制群体结构和亲属关系” 的混合模型（可以理解为 “升级版 LMM”）。
总结对比表
| 模型 | 全称 | 适用性状类型 | 核心优势 | 主要缺点 |
|---|---|---|---|---|
| LM | 线性模型 | 连续型（如身高） | 简单直接 | 不控制干扰，易有虚假关联 |
| GLM | 广义线性模型 | 连续型、二分类（患病 / 不患病）、多分类 | 能处理非连续性状 | 不控制干扰，易有虚假关联 |
| LMM | 线性混合模型 | 连续型 | 加入随机效应，控制部分干扰（如亲缘关系） | 仅处理连续型性状 |
| MLM | 混合线性模型 | 连续型 | 同时控制群体结构和亲属关系，减少虚假关联 | 计算更复杂，仍主要处理连续型性状 |
简单说：LM/GLM 是 “基础款”，适合简单场景但易出错；LMM/MLM 是 “进阶款”，通过控制干扰因素更可靠，其中 MLM 在复杂群体中表现更好。