精确的表型检测是关联分析的关键，GWAS对数量性状和质量性状都适用。
1.各类性状的特点及鉴定与考察建议
image.png
2.表型的基本处理
2.1 正态性检验
- 关联分析属于线性模型，要求数据必须符合正态分布；
- 正态性检验简单直观的方法是绘制频率分布图，观测数据分布情况；
- 可以使用Shapiro-Wilk方法进行检测；
- 不太符合正态分布的数据有时也可能获得不错的关联结果，需要警惕结果真实性。
2.2 去除极端异常值
极大或极小的异常值可能引起关联结果的异常，在分析前需要去除。
- 排序观察法，适用于表型种类较少时；
- 3sigma规则：均值加减三倍标准差的范围内为正常值，其他为异常值；
-
箱线图：在触须外的值均可以认为是异常值。
2.3 多年多点表型值处理
- 性状遗传力高，受环境影响不大，可以根据多年多点的结果取均值或BLUE值作为该性状的代表值进行分析；
- 若性状遗传力低，受环境影响大，可每年每点单独分析后综合评判结果，在获得定位结果的同时进行G×E分析。
2.4 数据标准化
- 数据标准化针对绝对值较大，且有明显梯度间隔的表型，绝对值较小的比较连续的表型可以不进行标准化，直接用于关联分析。
- 所有标准化都不会也不能影响该组数据本身的大小趋势，因此也不会改变关联结果。
- min-max标准化，也叫离差标准化，也就是常说的归一化，绝对值较大且有明显梯度的数据通常采用该方法，公式为：
- y=(x-min(x))/(max(x)-min(x))，y为标准化后的值，x为原始值；
- min-max标准化后所有的值都在0-1之间。
- Z-score标准化：z=(x-μ)/σ，其中x为某一具体分数，μ为平均数，σ为标准差。
2.5 分类变量的哑变量赋值
-
对于无序分类数据，如花色或果皮颜色等，可以对变量进行哑变量赋值，以红、黄、蓝为例，可依次按如下的方式赋值：
-
几种方式赋值后分别进行关联分析，获得的结果综合为最终的结果，赋值时需要注意1和0比例不要太悬殊。
引用转载请注明出处，如有错误敬请指出。
网友评论