【GWAS】如何計算顯著關聯位點的表型解釋率PVE（phenotypic variation explained）？
我已經通過Gemma得到了關聯分析的結果，如下。
prefix.log.txt 中包含了一個總的PVE，這不是我們想要的。
那麼，如何計算這些位點的表型解釋率？
據瞭解，有些關聯分析軟體是可以同時得到這個資訊的，比如Tassel。
參考：Whole-genome resequencing of wild and domestic sheep identifies genes associated with
morphological and agronomic traits
有人說GAPIT的結果有這個資訊。
我們知道PVE=R^2，在GAPIT結果中確實有一列是SNP的R方。但從值來看，應該不是PVE。
官方沒有具體解釋：
有人回答如下計算方法，但同時有人反對：
如果是GEMMA出來的結果，用上面這個公式是比較方便的。唯一不確定的是gemma中的af不是maf，不過從公式來看，不管是maf還是1-maf，結果不影響。
於是，我用了一下：
get_pve <- function(af,beta,se,N=217){
MAF=af
# MAF=1-af
PVE = (2*(beta^2)*MAF*(1-MAF))/(2*(beta^2)*MAF*(1-MAF)+((se^2)*2*N*MAF*(1-MAF)))
return(PVE)
}
結果有點偏大，值得商榷。
另外，我在一篇博文中，看到了類似GAPIT程式碼來計算PVE的。
試了下，不好用。首先必須是在windows下（呼叫時彈框選擇檔案），其次要求hmp.txt檔案，但是這個檔案必須是單等位基因的。說實話，我沒有耐心去改指令碼。不過仍然感謝作者分享。
和幾位網友交流，鑑於他們都是做人類疾病的，提供了幾個計算方法。
-
一是孟德爾隨機化書中的公式，這個比較準確。
-
R包Twosamplemr
https://mrcieu.github.io/TwoSampleMR/articles/introduction.html
-
R包gtx的grs.summary
https://www.rdocumentation.org/packages/gtx/versions/0.0.8/topics/grs.summary
人類做的很細緻，這些方法在動植物研究中少見。不知可行否？
為更加了解PVE，可參考：全基因組關聯分析專案設計——標記對錶型的解釋率