大家好，我是邓飞。
今天介绍一下GWAS常见的模型，总结来源于书籍《Genome-Wide Association Studies》
已经介绍过的内容：
《Genome-Wide Association Studies》第一章：GWAS分析的主要步骤和关键要点
第二章：GWAS表型数据的准备和管理
第三章：GWAS基因分型平台介绍
今天介绍第四章
这本书整体的目录如下：
GWAS模型可以分为单位点检验和多位点检验（Single Locus Models and Multilocus Models）以及贝叶斯GWAS（GWAS Using Bayesian Models）和机器学习GWAS（GWAS Using Machine Learning）四大类，其中单位点GWAS用的最多。
1，单位点GWAS，就是单点扫描进行统计计算显著性，比如我们plink中的--linear，GLM模型，还有混合线性模型（MLM），比如GAPIT和GCTA，还有MLM改良模型比如CMLM、ECMLM、EMMA、FaST-LMM、Fast-LMM-Select、SUPER等。
2，多位点GWAS模型，单位点GWAS主要缺点是无法估计多个位点的联合效应，而且矫正后的P值，阈值偏高，过于保守，功效比较低。多位点GWAS模型代表的方法多位点混合线性模型（MLMM），FarmCPU，BLINK，BOLT-LMM模型，比较常用的事FarmCPU和BLINK两种方法，特别是样本量少时，有时候比MLM效果更好。
3，贝叶斯GWAS模型，相关方法包括Bayes系列的GWAS，比如BayesA GWAS、BayesB GWAS、LASSO GWAS等方法。
4，机器学习GWAS，包括RF GWAS、ANN GWAS、SVM GWAS等方法。
下面两个图，是四类GWAS方法的比较，分别从检测功效、计算时间、QTN的数量进行比较。整体而言，贝叶斯和机器学习类的计算时间较长，机器学习和多位点GWAS统计检测功效较高。
飞哥总结：
1，单位点GWAS，推荐软件：plink、GCTA、GEMMA，比如GLM模型、MLM模型、Logistic模型等
2，多位点GWAS，推荐软件：GAPIT的BLINK和FarmCPU模型，BLINK的二进制版本、rMVP包的FarmCPU。
3，贝叶斯和机器学习类的，基本上能做GS的都可以做GWAS，推荐的方法有：Bayes B GWAS和神经网络GWAS（ANN GWAS）。
下一篇，介绍第五章，《GWAS分析结果解读》，欢迎继续关注。
