rMVP关联分析实践 - SpiralKernel/bioinfo-wiki GitHub Wiki
rMVP关联分析实践
更新：2026-10-13；状态：可用；验证范围：官方文档与原始研究核对；本页命令模板未在本机运行。
rMVP通过外存矩阵和并行运行关联分析，转换后的样本顺序及协变量对应是最重要的检查点。
功能与模型
rMVP提供GLM、MLM和FarmCPU等关联接口，并组织转换、亲缘估计、PC和绘图。它是软件实现，不等于一个新的统一模型；方法区别见FarmCPU与BLINK原理及线性模型与混合模型。
本页按官方README核对，未在本机安装运行。R包、原生库、数值库与输出设置都应记录版本。
从输入到外存文件
用MVP.Data及对应格式接口转换基因型，按同一流程处理表型与map。外存矩阵通常包含描述文件和背后的数据文件，不能只保留.desc而丢失数据本体。
若转换同时传入了表型，应读取转换后生成的.phe等结果，核对共同个体和顺序，而不是继续使用未重新排列的原表型。map中的标记顺序也必须对应矩阵的标记维度。
关联模板
下面需要已经生成并审计过mvp前缀的数据，未在本机执行：
library(rMVP)
genotype <- bigmemory::attach.big.matrix("mvp.geno.desc")
phenotype <- read.table("mvp.phe", header=TRUE, check.names=FALSE)
map <- read.table("mvp.geno.map", header=TRUE, check.names=FALSE)
stopifnot(!anyDuplicated(phenotype[1](/SpiralKernel/bioinfo-wiki/wiki/1)))
fit <- MVP(phe=phenotype[, c(1, 2)], geno=genotype, map=map,
nPC.GLM=3, nPC.MLM=3, nPC.FarmCPU=3,
ncpus=2, method=c("GLM", "MLM", "FarmCPU"),
file.output=c("pmap", "pmap.signal", "plot", "log"))
sessionInfo()
先核对转换后的矩阵行列语义、个体与标记数量，再运行模板。此处三个PC仅展示接口；没有额外环境协变量，也不能自动代表你的实验设计。
自备K和协变量时
可通过K和相应CV.GLM、CV.MLM、CV.FarmCPU传入对象。官方明确说明协变量不会自动替你重新排列个体，因此必须先按最终基因型顺序对齐；仅维度相同不够。
已经在CV矩阵中添加PC时，不再重复设置对应的nPC参数。不要因为函数调用成功就假定自动生成的PC、外部PC和环境变量没有重复或共线，见关联模型中的协变量与残差。
资源、输出与常见误读
内存映射有助于管理大矩阵，但并行线程、矩阵运算与文件读取仍需资源。明确ncpus与任务限制，不无意使用共享服务器全部CPU；maxLine等块处理参数按该版本文档选择。
保存完整关联表、显著表、图和日志，并核对实际阈值含义。绘图函数能接收其他软件结果，不代表那些结果已在模型、效应方向和样本上统一。置换也要尊重家系或实验设计，不能任意打乱个体标签来制造阈值。