为何？要用BLUE值作表型进行GWAS分析
1. 为何要计算BLUE值？
一年多点或者多年多点的植物数据中，一个基因型（品种）往往有多个表型数据，但只有一个基因型，在GWAS关联分析中，就需要一个基因型对应一个表型数据。
之所以有多个表型数据的原因：
或者是多个重复 或者是多个地点的数据 或者是多个年份的数据
问题：如何计算得到一个表型数据呢？
解答：可以使用多个表型值的平均值，作为品种的表型值，现在有更好的方法：BLUE值。
2. 为何使用BLUE值？
一般，有两个选择，BLUE值或者BLUP值，在GWAS中大都使用的BLUE值。
BLUE和BLUP的区别：
BLUE值是混合线性模型中固定因子的估计效应值 BLUP值是混合线性模型中随机因子的估计效应值
BLUE和BLUP的代表：
BLUE值着重在于评估品种现在的表现 BLUP值着重在于预测品种将来的表现
BLUE和BLUP的方差变化
BLUE只是对表型值根据地点，年份进行矫正，得到的数据和原来数据尺度一样 BLUP值会对表型数据进行压缩
一年多点的数据，如何更好的计算BLUE值进行GWAS分析？
常规的方法，是将品种作为固定因子，将地点作为随机因子，计算品种的BLUE值，然后将其作为表型数据进行GWAS分析。这样是有作用的，起码比平均值要准确。
其实，还有更高级的模型，比如一年多点的数据，如果地点有重复（区组），可以将品种与地点互作考虑到模型中，这样计算出的BLUE值是排除基因与环境互作后的，更能代表品种的真值。
最后，还有更高级的玩法，比如一年多点的数据，默认的是方差齐次，如果不齐次就不能进行联合方差分析，这时候可以将设置残差异质，包括基因与环境互作的异质，这样通过不同模型的比较，选择最优模型，这时候计算的BLUE值才是最优的。
后面几章，会系统介绍一下一年多点数据如何计算BLUE值，分别是：
* 一年多点数据，没有重复时，如何计算BLUE值？
* 一年多点的数据，有重复时，进行联合方差分析计算BLUE值
* 一年多点的数据，有重复时，通过设置残差异质以及互作异质，比较最优模型，计算BLUE值。
本篇，主要介绍为何要用BLUE值作为表型值，进行GWAS的分析。
相关博文：
