本篇文章为大家展示了GWAS分析中协变量的处理是怎样的，内容简明扼要并且容易理解，绝对能使你眼前一亮，通过这篇文章的详细介绍希望你能有所收获。
在回归分析时，有时候我们需要知道每个因子每个水平的回归系数，这样就需要将因子转化为虚拟变量，R语言中有model.matrix进行转换，但是只能一个转换一个因子，这里我们用R包useful，可以支持多个因子同时转换。
Herd <- c(1,1,2,2,2,3,3,3,3)
Year = c(rep(c(2018,2019),each=4),2020)
Sire <- c("ZA","AD","BB","AD","AD","CC","CC","AD","AD")
Yield <- c(110,100,110,100,100,110,110,100,100)
dat <- data.frame(Herd,Year,Sire,Yield)
dat$Herd <- as.factor(dat$Herd)
dat$Year <- as.factor(dat$Year)
dat
这里，Herd，Year，Sire都是因子，如果在构建矩阵时，需要转化为虚拟变量。
一个因子，一个因子的转化，然后进行合并：
X1 = model.matrix(~Herd-1,data=dat)
X1
X2 = model.matrix(~Year-1,data=dat)
X2
X = cbind(X1,X2)
X
# 简单的方法
# install.packages("useful") # 如果没有安装useful这个包，运行这行命令进行安装。
library(useful)
build.x(~Herd+Year-1,data=dat,contrasts = F)
# 示例数据
Herd <- c(1,1,2,2,2,3,3,3,3)
Year = c(rep(c(2018,2019),each=4),2020)
Sire <- c("ZA","AD","BB","AD","AD","CC","CC","AD","AD")
Yield <- c(110,100,110,100,100,110,110,100,100)
dat <- data.frame(Herd,Year,Sire,Yield)
dat$Herd <- as.factor(dat$Herd)
dat$Year <- as.factor(dat$Year)
dat
# R中model.matrix
X1 = model.matrix(~Herd-1,data=dat)
X1
X2 = model.matrix(~Year-1,data=dat)
X2
X = cbind(X1,X2)
X
# 简单的方法
library(useful)
build.x(~Herd+Year-1,data=dat,contrasts = F)
上述内容就是GWAS分析中协变量的处理是怎样的，你们学到知识或技能了吗？如果还想学到更多技能或者丰富自己的知识储备，欢迎关注亿速云行业资讯频道。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
