基因型与表型关联分析-empowerstats.pdfVIP

基因型与表型关联分析 基因型数据可以是SNP 数据（0=AA 1=AB 2=BB）也可以是连续性的基因表 达数据。表型数据可以是连续性变量，二分类变量，时间依赖的生存状态变量 等。 检验每个位点或每个基因表达和表现型之间的关系，用于对大量基因位点 进行初筛，帮助快速发现有意义的基因位点。 对于每个基因位点SNP 数据，将分别采用显性、隐性、相加三种模型进行 检验。如果表现型是连续变量，系统将对每种基因型（AA，AB 或BB）分别计算 出表现型的调整均值。 对于连续性的基因表达数据，将分别采用直线回归（输出回归系数、SE、P 值）与曲线拟合（输出自由度与P 值），如果表型数据是时间依赖的生存状 态，将采用COX 回归分析。研究设计也可以是配对的病例对照研究，选用cox 回归并给定配对组编号，软件将采用条件logistic 回归分析。 基因型数据可以与表现型数据存在一个数据文件内，也可以直接读取.ped 文件（存放SNP 数据的pedgree 文件）或制表符分隔（或空格或逗号）的.txt 文本文件。 .ped 文件格式要求： 1. 第一行列出SNP 标记名，第二行开始为每个测量对象的数据； 2. 每行数据按如下顺序：家系编号、个人编号、父亲编号、母亲编号、性别、 是否先证者，然后是每个SNP 的两个等位基因编码（1=A、2=C、3=G、 4=T）； 3. 所有数据必须是数字型，字段间用空格分隔。 .txt 文件格式要求： 1. 第一行列出变量名（GENE ID），第二行开始为每个测量对象的数据； 2. 第一列为研究对象编号，第二列开始为每个基因的数据，如果是SNP 数据必 须编码为：0=AA 1=AB 2=BB； 3. 所有数据必须是数字型，字段间用制表符（或空格或逗号）分隔。 如果基因型数据来自.ped 文件或.txt 文件，要求给出表型数据里的研究对 象编码（ID）变量，以便与之链接。 SNP 与表型关联分析输出表格列中包括：  基因位点名称  表现型名称  组别（如果指定了分层变量）  N0, N1, N2：不同基因型（AA、AB、BB）的观察对象个数  b （add）, se （add）, p （add）：相加模型的回归系数、标准误和P 值  b （dom）, se （dom）, p （dom）：显性模型的回归系数、标准误和P 值  b （rec）, se （rec）, p （rec）：隐性模型的回归系数、标准误和P 值  lsmean0, lsmean1, lsmean2：不同基因型（AA、AB、BB）人群调整的表 型变量的均值 （仅适用于连续性的表现型变量）  FDRCUT：根据相加模型p 值计算的FDR （false discovery rate）切点, p=0.05*k/m，k 为按ｐ值排序的序数，ｍ为总的位点数 (Benjamini and Hochberg 1995)。如果观察的P 值小于该值，表示 FDR 校正的 P0.05。 基因表达数据与表型关联分析输出表格列中包括：  各基因表达的统计量：N mean sd min 5% 10% 25% 50% 75% 90% 95% max p-normal (pearson test for 正态性检验的p 值)  各基因表达与表型的关联分析结果 例1：对练习数据demo.xls 中的SNP1、SNP2 与FEV1、FVC 的关联关系进 行分析。因为数据来自家系，需要用GEE 调整同一家系内成员的内部相关性。 同时要调整AGE、HEIGHT、WEIGHT、SEX 对表现型的影响。 输入界面如下： 输出结果如下： SNPs 关联分析 结局变 beta- beta- se- beta- SNP N0 N1 N2 MEAN0 MEAN1 MEAN2 se-add P-add P-dom se-rec P-rec FDRCUT