用固定因素矫正表型值，要用残差值？

大家好，我是邓飞。

最近有小伙伴问了一个问题：

数据中有一些固定因子，比如性别、场年季、胎次等数据，怎么进行表型矫正。

文章中有一个截图，介绍表型数据是通过固定因子矫正后的表型值：

其实GWAS和GS分析，都可以使用固定因子进行表型矫正，就是使用GLM模型，将残差值作为校正后的表型值，进行后续的GWAS分析和GS分析。另外一种更简单的方法，是直接将其作为协变量进行模型的分析。

这两种方法都是一样的，不过现在大都是将其作为协变量直接加入到模型中，因为现在的软件GCTA、GEMMA、rMVP、asreml等软件都支持协变量的加入。

还有一个经常思考的问题：为何要用残差作为矫正后的表型值？

在 GWAS 和 GS 里用残差当作校正表型，核心原因就一句话：把环境、批次、重复等非遗传干扰去掉，只留下真正能反映个体遗传差异的表型信号。剩下的就是残差，它不再包含系统误差，只剩下：随机误差+个体遗传差异。

对于GWAS和GS而言，我们要找的就是遗传差异，所以，我们就把残差作为矫正后的表型值。

写到这里，没有R语言的示例是不完整的，所以，talk is cheap，show me the code：

# 1. 加载数据（你换成自己的数据）
# 数据必须包含：表型、性别、胎次、场年季
set.seed(123)
data <- data.frame(
  个体ID = 1:200,
  表型值 = rnorm(200, 10, 3),  # 你的真实表型
  性别 = factor(sample(c("公","母"), 200, replace=T)),
  胎次 = factor(sample(c("1","2","3","4"), 200, replace=T)),
  场年季 = factor(sample(c("场1-2022-春","场2-2023-秋"), 200, replace=T))
)
# 2. 构建校正模型：去掉 性别 + 胎次 + 场年季
# 固定效应模型 GLM
model <- lm(表型值 ~ 性别 + 胎次 + 场年季, data = data)
# 3. 提取残差 → 这就是【校正后的表型值】
data$校正表型 <- residuals(model)
# 查看结果
head(data[,c("个体ID","表型值","校正表型","性别","胎次","场年季")])

容易翻车的点：这里的胎次虽然是1-2-3-4，但是要将其作为factor才可以。