这本书的目录：
今天介绍第二章：表型数据的准备和管理
主要内容：
表型数据异常值处理。 表型数据，使用原始数据，blup值，平均值，还是blue值对结果的影响。 异常值不清理，会造成假阳性，特别是频率比较低的位点，对异常值更敏感。 稀有位点有效，以及假阳性的影响，这是需要权衡的。 使用空间分析校正表型，提升狭义遗传力，增加GWAS中显著性位点的power。 选择合适的统计模型，同时考虑假阳性和假阴性的影响。
GWAS分析流程：
表型数据的误差来源：
1. 图片噪音，由于图片数字化时产生的噪音。
2. 技术问题导致的误差。
3. 人为误差，采集数据时没有布置好，而导致的误差。
表型数据的清洗方式对GWAS结果影响很大：
如何正确对待异常值？
尽可能的检查和消除异常值，最大化的捕获表型方差
清洗标准，可以根据群体结构和分析目的，综合考虑每种方法的优缺点
另外，建议可以识别异常值，但是不能删除，异常值也是有价值的信息，可以分别测试不同的结果
注意：表型值的准确性才是最重要的，再好的模型弥补不了数据的缺陷。表型数据不好，一切都是白搭。
为何植物多环境数据（MET）要使用BLUE值或者BLUP值，不用平均值？
BLUE和BLUP重叠更多，平均值结果不太好。blup和blue重复了32个，blue和平均值重复了26个，blup和平均值重复了20个。之前写过博客：用BLUE值作表型进行GWAS分析。
结论：
1. 异常值识别方法是 GWAS 分析的一个重要标准。因此，一种或另一种方法的选择取决于标准的优化和遗传分析的战略决策。
2. 缺乏对数据清理的关注，会直接影响检测到的QTL的数量和效果，并可能导致最终结论模糊。
3. 数据集的组织和存储方式应便于重新分析。这要求对检测到的异常值进行识别，但不从信息系统中删除，并且将异常值检测规则保留为GWAS分析的元数据。
4. GWAS 分析的基因型平均值必须通过考虑实验空间变化的稳健模型（例如混合模型）来估计。
5. 使用考虑空间趋势的混合模型增加了显着QTL的数量，这可能是由于性状的狭义遗传力和GWAS的统计能力增加的结果。
6. 估计基因型平均值的方法的选择会影响GWAS的统计功效。因此，所选方法的后果可以通过选择更高（或更低）的GWAS分析阈值来抵消。
飞哥总结：
异常值一定要处理，不正确的数据一定要删掉
多环境数据，推荐使用混合线性模型的空间分析进行矫正表型，这样结果更可靠。使用的软件：asreml、sommer等包。
对于不确定的异常值，可以放到模型中跑一下，去掉跑一下。另外，样本比较小的群体，多试试GWAS模型，比如MLM、BLINK、Farmcpu等方法。
下一篇，介绍《基因型分型平台选择》，欢迎继续关注。
