GWAS | 使用GEMMA进行全基因组关联分析

GEMMA (Genome-wide Efficient Mixed Model Association) 是基于混合模型进行全基因组关联分析的工具。运行速度非常快，结果准确，使用也十分方便，非常适合初学者做GWAS分析。

首先我们要下载和安装GEMMA。

## 下载GEMMA
wget -c https://github.com/genetics-statistics/GEMMA/releases/download/0.98.1/gemma-0.98.1-linux-static.gz
## 解压
gzip -d gemma-0.98.1-linux-static.gz
## 设置权限
chmod a+x gemma-0.98.1-linux-static

GEMMA的输入文件格式为Plink二进制格式 (bed/bim/fam)，具体的转换方法可以参考我之前的推送 一文掌握Plink文件格式转换。

## 转换格式
plink --vcf snp.vcf --recode --out snp
plink --file snp --make-bed --out gemma_input

需要注意的是，fam文件的第六列需要是真实的表型数据，缺失值用"-9"表示。

接下来计算kinship矩阵。

./gemma-0.98.1-linux-static -bfile gemma_input -gk 2 -o gemma

-bfile：输入Plink二进制格式文件的前缀。

-gk：指定生成的kinship矩阵类型。-gk 1 为centered matrix，-gk 2 为standardized matrix。

-o：输出文件前缀。

计算好的kinship矩阵在目录下的output文件夹中，接下来就可以进行关联分析了。

./gemma-0.98.1-linux-static -bfile gemma_input -k ./output/gemma.sXX.txt -lmm 4 -o gemma_out

-bfile：输入Plink二进制格式文件的前缀。

-k：输入kinship矩阵。

-lmm：选择Frequentist test方法。-lmm 1 表示使用Wald test，-lmm 2 表示使用likelihood ratio test，-lmm 3 表示使用score test，-lmm 4 表示同时执行三种方法。

-o：输出文件前缀。

GEMMA的计算速度很快，大概几分钟就可以执行完。

输出文件在目录下的output文件夹中。

比较重要的结果有以下几列：

chr：染色体名称。

rs：SNP编号。

ps：SNP物理位置。

p_wald：Wald test的P值。

p_lrt：Likelihood ratio test的P值。

p_score：Score test的P值。

这三种P值我们选一个就行。

接下来还可以根据我们之前的推送绘制QQ图和曼哈顿图。

R语言绘图 | 绘制QQ图和曼哈顿图

参考资料：

https://github.com/genetics-statistics/GEMMA/blob/master/doc/manual.pdf