导航：首页 > 互联网科技 >

GWAS分析中协变量的处理是怎样的

发表于：2025-01-24 作者：千家信息网编辑

千家信息网最后更新 2025年01月24日，本篇文章为大家展示了GWAS分析中协变量的处理是怎样的，内容简明扼要并且容易理解，绝对能使你眼前一亮，通过这篇文章的详细介绍希望你能有所收获。1. 背景在回归分析时，有时候我们需要知道每个因子每个水平

千家信息网最后更新 2025年01月24日GWAS分析中协变量的处理是怎样的

本篇文章为大家展示了GWAS分析中协变量的处理是怎样的，内容简明扼要并且容易理解，绝对能使你眼前一亮，通过这篇文章的详细介绍希望你能有所收获。

1. 背景

在回归分析时，有时候我们需要知道每个因子每个水平的回归系数，这样就需要将因子转化为虚拟变量，R语言中有model.matrix进行转换，但是只能一个转换一个因子，这里我们用R包useful，可以支持多个因子同时转换。

2. 示例数据

Herd <- c(1,1,2,2,2,3,3,3,3)
Year = c(rep(c(2018,2019),each=4),2020)
Sire <- c("ZA","AD","BB","AD","AD","CC","CC","AD","AD")
Yield <- c(110,100,110,100,100,110,110,100,100)
dat <- data.frame(Herd,Year,Sire,Yield)
dat$Herd <- as.factor(dat$Herd)
dat$Year <- as.factor(dat$Year)
dat

这里，Herd，Year，Sire都是因子，如果在构建矩阵时，需要转化为虚拟变量。

3. R中model.matrix转化方法

一个因子，一个因子的转化，然后进行合并：

X1 = model.matrix(~Herd-1,data=dat)
X1

X2 = model.matrix(~Year-1,data=dat)
X2

X = cbind(X1,X2)
X

4. 更简单的方法

# 简单的方法
# install.packages("useful") # 如果没有安装useful这个包，运行这行命令进行安装。
library(useful)
build.x(~Herd+Year-1,data=dat,contrasts = F)

5. 全部代码

# 示例数据
Herd <- c(1,1,2,2,2,3,3,3,3)
Year = c(rep(c(2018,2019),each=4),2020)
Sire <- c("ZA","AD","BB","AD","AD","CC","CC","AD","AD")
Yield <- c(110,100,110,100,100,110,110,100,100)
dat <- data.frame(Herd,Year,Sire,Yield)
dat$Herd <- as.factor(dat$Herd)
dat$Year <- as.factor(dat$Year)
dat


# R中model.matrix
X1 = model.matrix(~Herd-1,data=dat)
X1

X2 = model.matrix(~Year-1,data=dat)
X2

X = cbind(X1,X2)
X


# 简单的方法
library(useful)
build.x(~Herd+Year-1,data=dat,contrasts = F)