基因型数据可以是SNP数据（0=AA1=AB2=BB）也可以是连续性的基因表达数据。表型数据可以是连续性变量，二分类变量，时间依赖的生存状态变量等。
习题1目的：分析基因型（SNP1）与收缩压（SBP）的关系。
可能的影响因素：年龄、性别、种族。
数据文件和变量注解文件：regtest2
数据格式：全数字编码，通常SNP数据编码为0=AA，1=AB，2=BB。
数据下载：点击本文末阅读原文下载
软件操作基本统计-遗传学统计-基因型与表型关联分析模块。应变量（Y）处放入SBP，基因型变量（X）放入SNP1，调整变量年龄、性别和种族。勾选“SNPdata”点击查看结果。
结果出来了。分别采用显性、隐性、相加三种模型进行检验。表现型是连续变量，系统对每种基因型分别计算出表现型的调整均值。
本例结果解读表中结果依次是每种基因型的样本量、收缩压的均值（调整后的）、得出回归系数、标准误和p值，分别采用相加（-add）、显性（-dom）和隐性（-rec三种模型进行检验）。
可以看出本例中相加模型的p值最小（0.），因此得出SNP1对SBP的效应是相加模型。β=2.68解读为基因型每增加一个a（从AA到Aa，或从Aa到aa），SBP增加2.68mmHg。并且是考虑到年龄、性别和种族的独立作用。
适用范围结局指标（Y）：
可以是连续变量、二分类变量
也可以考虑到随访时间做时间依赖的生存状态变量
基因型数据（X）：
可以是SNP数据（0=AA1=AB2=BB）也可以是连续性的基因表达数据
可以做一个基因型变量或同时做多个
调整和分层变量：
调整变量可以是连续变量（可以做曲线拟合）、分类变量
可以加分层变量
高级玩儿法
家系数据可以基于GEE进行分析
细心的易侕老司机可能会注意到，上面的操作中用曲线拟合调整了年龄（在曲线拟合处勾选了S），目的是更好的拟合年龄和SBP的关系。
请思考：年龄是否是混杂？调整年龄与不调整年龄结果有什么不同？为什么？年龄3等分组、5等分组、曲线拟合、直线拟合4种不同的调整方案，是否都可取？哪种不可取？
往期精彩回顾关联分析（危险因素研究）的分析思路+自测实战预测模型校准曲线Calibrationcurve(中篇：基于Cox模型)预测模型校准曲线
Calibrationcurve(上篇)
点击
