全基因组关联分析免费工具--------ASRgwas
上篇文章我们介绍过ASRgwas包：ASRgwas包：一个可以考虑多个随机因子的免费GWAS分析包。今天我们介绍一下GWAS分析的通用模型。
GWAS分析在动植物育种中广泛应用，最简单的位点显著性检验是T检验，但是，表型的影响有很多因素，需要复杂的模型才能取得比较理想的效果。目前，混合线性模型（LMM）广泛应用在GWAS分析中。
GWAS的通用模型
以上模型考虑的因素有
* 整体均值
* SNP的回归系数（effect）值
* 固定因子
* 随机因子（不考虑关系矩阵）
* 加性效应（考虑关系矩阵的随机因子）
* 残差（可以考虑异质残差）
* 基因型数据（可以是0-1-2，或者是0-1-0编码）
从上面的模型公式中可以看出，GWAS分析中，可以考虑多个固定因子和多个随机因子。我们将上面的模型分为以下几个方面：
第一：标记的效应值
这部分是重点关注的结果，我们重点计算每个标记的效应和显著性。
第二：固定和随机效应矩阵
这部分包括GWAS分析中的固定因子和随机因子，比如重复、区组、场年季、性别等因素。
第三：群体结构
这部分是由分子标记计算的Q矩阵或者PCA结果。
第四：家系结构
这部分是由分子标记计算的kinship亲缘关系矩阵，一般称为G矩阵或者K矩阵。
第五：残差结构
残差可以定义为异质或者非异质。
上面的条件，在进行GWAS分析中可以扩展为很多不同类型的模型，包括加性效应矩阵，显性效应矩阵，上位性效应矩阵，包括重复力模型，母体效应模型，窝别模型都可以放在GWAS模型中。
我们的ASRgwas软件包，可以自由地对GWAS模型进行扩展，高效地完成上面不同类型模型的分析，快来试用吧。
ASRgwas包获取方法
