请教下宁老师，该怎么计算PVE呢，根据多性状和纵向性状的GWAS结果？

宁老师，您好
请问输出结果中的eff，指的是两个minor allele的组合远离期望值的大小吗？例如两个Minor等位基因的效应分别是A、B，那么期望值组合的效应应该是A+B。假设组合的真实值效应是C，那么epistasis的效应是C-(A+B)吗？如果eff大于0代表两个minor等位的组合有正向的上位效应？

我的命令如下

export LD_LIBRARY_PATH=/public/home/jzhou/miniconda3/pkgs/libstdcxx-ng-9.1.0-hdf63c60_0/lib/
gmatrix --bfile xxx --grm agrm --out cotton
gmatrix --bfile xxx --grm aagrm --out cotton
remma --data xxx --grm xxx.agrm.id_fmt,xxx.aagrm.id_fmt --covar COV1,COV2,COV3 --trait trait --out xxx
remma --epis abya --bfile xxx --data xxxt --grm xxx.agrm.id_fmt,xxx.aagrm.id_fmt --covar COV1,COV2,COV3 --trait trait --continue --maxiter 0 --out xxx --parallel 99,100

输出的表头

order0 chro0 snp_id0 cm0 base0 allele0_0 allele1_0 freq0 order1 chro1 snp_id1 cm1 base1 allele0_1 allele1_1 freq1 eff se p

我想问下老师，这款软件的源码可以共享一下吗？我手头有一批数据想试试看超显性模型（基因型编码0、1和1）

宁老师好，我照着示例运行了一边代码，但是发现生成的结果文件里很多没有表头信息，没办法理解具体含义？例如不平衡纵向数据GWAS结果列蛋这些文件：test2.0_11833.res test2.ai_mat test2.em_mat test2.fd_mat test2.wemai_mat，它们的输出内容具体是啥意思，该怎么解释呢？能不能简单写个输出结果注释文件，这样或许对像我这样初次接触该软件的小白更友好，也有利于该软件的推广应用，谢谢！

宁老师好，我觉得GMAT的使用体验非常好，现在我同时输入加性和显性矩阵，如果是加性检验，结果文件中的效应值是否代表标记加性效应？如果是显性检验，结果文件中的效应值是否代表标记显性效应？

您好，我想做上位性互作的全基因组关联分析，并和plink进行比较，您软件中将非加性效应分为了加加互作、加显互作、显显互作、加性检验和显性检验，我如果想和plink 的epistasis模块做比较的话，应当选择哪种非加性效应检验？

老师您好，
在做上位性分析的时候，您推荐使用--parallel参数，我看这个参数的注释是将全基因组标记等分为total份,仅对第i份进行分析。那么使用这个参数的时候，第i份里的标记会和第i+1份里的标记做上位性检测吗？如果不会检测的话，用--parallel参数获得的互作的SNP对就会比真实的少了。

我用您软件中的mouse数据集测试，不加--prallel参数输出了272对显著的互作

remma --epis abya --bfile plink --data pheno --grm test.agrm.id_fmt,test.aagrm.id_fmt --class sex,treat --covar age --trait trait --continue --maxiter 0 --out test

而用了--paralle参数只获得了212对互作

remma --epis abya --bfile plink --data pheno --grm test.agrm.id_fmt,test.aagrm.id_fmt --class sex,treat --covar age --trait trait --continue --maxiter 0 --out test --parallel 1,3
remma --epis abya --bfile plink --data pheno --grm test.agrm.id_fmt,test.aagrm.id_fmt --class sex,treat --covar age --trait trait --continue --maxiter 0 --out test --parallel 2,3
remma --epis abya --bfile plink --data pheno --grm test.agrm.id_fmt,test.aagrm.id_fmt --class sex,treat --covar age --trait trait --continue --maxiter 0 --out test --parallel 3,3

看起了确实是加--parallel参数会使检测到的互作减少

Leaving this here as a comment for those who might choose to use this tool.
After completing the installation via pip I had to make the following changes in order to make the GMAT run.

1. Install CFFI and compile the _cremma_epi_eff_ecpu.c (in gmat/remma/). Also compile the _cread_plink_bed.c (in gmat/process_plink/).
   CFFI can be challenging to install, refer to CFFI documentation for help.

2. In process_plink.py (/gmat/process_plink/) uncomment the read_plink function and the "from pandas_plink import read_plink1_bin" import statement.

Also, GMAT may not work with all python versions. I was able to run it with Python 3.8 on both Windows and Unix.
You may also run into package compatibility issues. Using older versions might solve the issue.

That should be it, at least as of today (11/22/2023).

对于纵向性状GWAS，怎么加入群体结构呢？利用--covar PC1,PC2,PC3吗？