1、什么是SNP上位效应

SNP（单核苷酸多态性）的上位效应（epistatic effect） 是指不同基因位点间的相互作用对表型或性状的影响。当两个SNP共同作用时，其对表型的影响可能显著不同于单独考察时的效应。

在传统的全基因组关联分析（GWAS）中，通常只计算单个SNP与表型的相关性。然而，分析SNP之间的互作效应（上位效应）能够揭示更多遗传学机制。本教程将介绍如何进行全基因组的SNP间上位效应与表型的相关性分析。

2、上位效应模型公式

上位效应的回归模型为：

上位效应的公式为：Y ~ b0 + b1.A + b2.B + b3.AB + e

注释：

- Y: 表型

- A、B: 两个变异位点（通常为SNP）

- AB: 两位点交互项

- b3: 表示交互效应，若显著，表明存在上位效应。

3、分析步骤

1）准备基因型文件(可参考之前发过的GWAS全基因组关联分析教程生成基因型文件)

基因型文件：文件格式可以是.ped/.map或者.bed/.bim/.fam，这里以 .ped/.map 格式为例：

.ped文件：包含个体的基因型信息。

.map文件：包含SNP的位置信息。

基因型文件test.ped

基因型文件test.map

2）准备表型文件

表型分为二分类和非二分类表型（多分类或者连续型表型）。

① 二分类表型文件phenocc.txt： 

第一列为FID（可以是群体等）

第二列为IID（个体唯一ID）

第三列为表型（1是control，2是case）

② 多分类或者连续型表型文件phenoq.txt： 

第一列为FID（可以是群体等）

第二列为IID（个体唯一ID）

第三列为表型

举例如下：

第一列为FID（可以是群体等）,第二列为IID（个体唯一ID），第三列为表型

3）全基因组所有SNP的上位效应分析

① 二分类表型的命令如下：plink --file test --pheno phenocc.txt --epistasis --epi1 1 --noweb --out test

生成结果文件：

- test.epi.cc：包含SNP间交互的统计结果。

- test.epi.cc.summary：摘要统计，包括显著交互对数量。

test.epi.cc

不同列所代表的意思：

CHR1   Chromosome of first SNP

SNP1    Identifier for first SNP

CHR2    Chromosome of second SNP

SNP2     Identifier for second SNP

OR_INT  Odds ratio for interaction

STAT      Chi-square statistic, 1df

P             Asymptotic p-value

test.epi.cc.summary

不同列所代表的意思：
CHR                        Chromosome

SNP                        SNP identifier

N_SIG                     # significant epistatic tests (p <= "--epi2" threshold) 

N_TOT                    # of valid tests (i.e. non-zero allele counts, etc) 

PROP                     Proportion significant of valid tests

BEST_CHISQ         Highest statistic for this SNP

BEST_CHR             Chromosome of best SNP

BEST_SNP             SNP identifier of best SNP

② 连续型表型分析命令：plink --file test --pheno phenoq.txt --epistasis --epi1 1 --noweb --out test

生成结果文件：

- test.epi.qt：交互结果。

- test.epi.qt.summary：摘要统计。

每列所代表的意思同二分类表型结果文件。

test.epi.qt

test.epi.qt.summary

4）指定SNP之间的上位效应分析

准备包含指定SNP的文件（如epi.set1），格式如下：

指定的SNP放中间，以START和END作为开头和结尾

分析命令：plink --file test --pheno phenoq.txt --epistasis --set-test --set epi.set1 --epi1 1 --epi2 0.3 --noweb --out testset1

注释：--epi2指的是对显著的test进行计数，阈值可以是0.05，0.01等，这里设定为0.3，该值针对N_SIG一列设定的。

生成结果如下：

5）指定SNP与全基因组SNP的上位效应分析

准备文件（如epi.set2），格式如下：

分析命令：plink --file test --pheno phenoq.txt --epistasis --set-test --set epi.set2 --epi1 1 --epi2 0.3 --noweb --out testset2

生成的结果如下所示：

6）指定SNP与全基因组SNP的上位效应分析

命令如下：plink --file test --pheno phenoq.txt --epistasis --set-test --set epi.set1 --set-by-all --epi1 1 --epi2 1 --noweb --out testset1

结果如下：

总结

通过PLINK软件的--epistasis参数，可以高效分析SNP之间的上位效应，进一步挖掘遗传基础。推荐根据研究规模和需求调整阈值参数（如--epi1、--epi2），优化结果输出。

生物信息学领域非常广泛，难以一次说尽。我们下次继续更新，一起深入学习生物信息学的内容！

喜欢的宝子们点个赞吧~码字不易，且行且珍惜~