GEMMA（Genome-wide Efficient Mixed Model Association algorithm）是一款基于混合線性模型的GWAS分析軟件（文獻信息）。GEMMA相比較于其他基于混合線性模型的軟件，它有如下優勢：

1. 快速：遠遠快于其他精確算法（EMMA和FaST-LMM）。
2. 準確：EMMAX和GAPIT都采用固定零模型中的方差組分不變的策略來提高運算速度，這實際上就是一種近似算法，不如GEMMA準確。
3. 方便：可直接使用plink二進制格式數據，無需進行復雜的數據格式轉換。
4. 功能全面：可進行單標記GWAS、多標記GWAS和多性狀GWAS分析。

1. 軟件下載及安裝

1.1 下載地址： https://github.com/genetics-statistics/GEMMA/releases
選擇最新的穩定版0.98.1，下載下圖第一個文件：gemma-0.98.1-linux-static。該文件是匯編好的，下載后解壓就可以使用

捕獲.PNG

gunzip gemma-0.98.1-linux-static.gz #解壓
chmod +x gemma-0.98.1-linux-static #添加執行權限
./gemma-0.98.1-linux-static #運行測試

捕獲1.PNG

2. plink 二進制文件格式介紹

2.1 plink二進制文件分為三部分:

• plink.bed 包含基因分型的二進制文件
• plink.fam 包含家庭號、個體號、母親號、母親號、性別、表型。即plink.ped文件前6列
• plink.bim 標記信息文件，類似于plink.map文件。

2.2 數據準備
我們使用GEMMA軟件提供的測試數據進行練習。具體數據可以在GEMMA下載頁面下載Source code(tar gz)文件并解壓獲得。

測試數據.PNG

2.3 運行測試數據
運行時需要先生成kinship矩陣，在使用混合線性模型進行分析。代碼如下：

#計算kinship矩陣
./gemma-0.98.1-linux-static -bfile 2000 -gk 2 -o kin  
#-bfile plink二進制文件前綴; -gk 2 生成kinship矩陣時進行scale; -o 輸出文件前綴
#將kinship矩陣移動至當前目錄
mv ./output/kin.sXX.txt .
#進行GWAS分析
./gemma-0.98.1-linux-static -bfile 2000 -k kin.sXX.txt -lmm 1 -o GE_GWAS
#-k 指定kinship矩陣; -lmm 1 使用wald檢驗計算顯著性。

2.4 輸出結果解讀
輸出結果見文件 ./output/GE_GWAS.association.txt.

GWAS結果.PNG

• chr SNP所在染色體號
• rs SNP名稱
• ps SNP物理位置
• n_miss SNP缺失個體數
• allele1 次等位基因
• allele0 主等位基因
• af SNP頻率
• beta SNP效應值
• se beta估計標準誤
• l_remle 計算該SNP效應時對應的lamda的remle估計值。
• p_wald wald檢驗P值
  其中，我們最關心的三個結果是chr, ps, p_wald，我們可以借助這三個結果畫曼哈頓圖和QQ圖。l_remle比較難理解，需要懂模型才知道它的含義，但對分析來說，不是很重要。

有這個問題的同學可以留言。

GEMMA軟件源碼和說明文檔托管與github中：https://github.com/genetics-statistics/GEMMA