如何在Sommer的GWAS模型中纳入显性效应矩阵？

函数选择优先用GWAS() #

GWAS()是mmer()的GWAS专用封装，会直接输出SNP关联分析结果（P值、效应量等），比mmer()更高效，优先选GWAS()即可。

核心修改步骤 #

要纳入显性效应，需同时准备显性遗传关系矩阵（用于拟合随机效应）和对应显性编码的标记矩阵（用于计算SNP显性效应，按需选择），再调整GWAS()参数：

1. 生成显性遗传关系矩阵
   用D.mat()基于等位基因剂量标记矩阵（0/1/2编码，比如你原代码里的Xz）生成显性关系矩阵：

D <- D.mat(Xz)  # Xz为加性编码标记矩阵：0=纯合参考，1=杂合，2=纯合替代

2. 调整随机效应项
   在原有加性随机项基础上，添加显性效应的随机项，建议给效应命名避免混淆：

# 同时拟合加性+显性遗传效应
random_formula <- ~vs(id, Gu=Aa, name="add") + vs(id, Gd=D, name="dom")

• Gu=Aa对应你原代码中的加性关系矩阵
• Gd=D对应刚生成的显性关系矩阵
• name参数自定义效应名称，后续指定gTerm更清晰

3. 调整M和gTerm参数
   根据你要计算的SNP效应类型调整：

• 若计算加性SNP效应：保持M=Xz，gTerm="add"（对应加性效应项）
• 若计算显性SNP效应：先生成显性编码标记矩阵，再指定M=X_dominant，gTerm="dom"

生成显性编码标记矩阵示例：

# 转换为显性编码：杂合子=1，纯合子=0
X_dominant <- ifelse(Xz == 1, 1, 0)

完整代码示例 #

示例1：拟合加性+显性效应，计算加性SNP关联

# 生成显性关系矩阵
D <- D.mat(Xz)

# 运行GWAS
mix2 <- GWAS(R2~1,
             random=~vs(id, Gu=Aa, name="add") + vs(id, Gd=D, name="dom"),
             rcov=~units,
             data=phenorm,
             n.PC = 3,
             M= Xz, 
             gTerm = "add")

示例2：拟合加性+显性效应，计算显性SNP关联

# 生成显性关系矩阵和显性编码标记矩阵
D <- D.mat(Xz)
X_dominant <- ifelse(Xz == 1, 1, 0)

# 运行GWAS
mix2_dom <- GWAS(R2~1,
                 random=~vs(id, Gu=Aa, name="add") + vs(id, Gd=D, name="dom"),
                 rcov=~units,
                 data=phenorm,
                 n.PC = 3,
                 M= X_dominant, 
                 gTerm = "dom")

注意事项 #

• 显性效应模型复杂度更高，若出现收敛问题，可尝试添加maxIter=1000（增大迭代次数）或tolParInv=1e-6（调整收敛阈值）参数
• 确保标记矩阵编码正确：加性编码为0/1/2，显性编码为0/1（仅杂合子为1）
• GWAS中通常保留加性效应作为基础模型，仅需显性效应时可去掉加性vs项

内容的提问来源于stack exchange，提问作者Toin C.