自己动手进行逻辑回归，你也可以！

作为最广泛使用的关联分析工具，plink支持卡方检验，费舍尔精确检验，逻辑回归，线性回归等多种分析方法，用法简单，运行速度快。使用plink进行case/control逻辑回归, 只需如下所示的一句代码

plink —bfile sample —logistic —allow-no-sex —ci 0.95 —out out

输出结果保存在out.assoc.logistic文件中，内容如下所示

plink默认采用加性模型，针对单个SNP位点的基因型与case/control的分组进行逻辑回归分析，核心数据如下

以rs4970383为例，其对应的表格统计如下

对于这样的数据，用R语言进行逻辑回归分析，代码如下

红框标记的部分就是逻辑回归的结果值，和plink的结果进行对比，可以看到，SE代表的就是标准误，STAT代表T检验的统计量，P代表T检验的p值。

默认显示OR值，也可以显示对应的回归系数值，代码如下

plink —bfile sample —logistic beta —allow-no-sex —ci 0.95 —out out

输出结果如下

BETA列代表的就是回归系数了，而L95和U95对应的就是95%的置信区间了，在R中计算的结果如下

除了加性模型外，还支持显性，隐性模型，本质就是对基因型进行了划分，还是以rs4970383为例，显性模型中基因型统计如下

隐性模型中基因型统计如下

plink根据显性或者隐性模型进行逻辑回归的方法如下

plink —bfile sample —logistic dominant —allow-no-sex —ci 0.95 —out out plink —bfile sample —logistic dominant —allow-no-sex —ci 0.95 —out out

分析结果如下

DOM代表显性模型，REC代表隐性模型，这里的OR值其实和逻辑回归没有太大关系，是直接根据上述2X2的表格计算出来的，根据OR值的公式，对于显性模型，OR值为

(9 7 ) / (3 5) = 4.2

隐性模型OR值为

(1 10) / (2 11) = 0.4545

用R来计算不同模型对应的p值，显性模型结果如下

隐性模型结果如下

plink的优势之处在于同时对大量snp位点进行分析，如果只是对个别位点进行分析，自己用R语言也可以得到相同的结果。