一、MODAS介绍
2022年2月12日，中国农业大学农学院、国家玉米改良中心王向峰教授在著名国际学术期刊 Science Bulletin（影响因子：11.78）上发表了题为“ MODAS: exploring maize germplasm with multi-omics data association studies”的方法学研究论文 。 DOI:10.1016/j.scib.2022.01.021
全基因组关联分析（GWAS）是通过推断基因型与表型的关联显著性，实现挖掘种质资源的常规手段。但是，基于基因型-表型的传统GWAS分析存在诸多不足。
MODAS包含以下六大功能模块或分析步骤：
1、第一步，MODAS利用Jaccard index、 DBSCAN与PCA算法对基因型数据进行降维；将全基因组范围内数百万个SNP的基因型数据，抽象成由6万个基因组区段（Genomic blocks）代表群体的遗传变异，并生成伪基因型索引文件（Pseudo-genotype index file）；该文件用于分子性状（即：基因表达、代谢物等等）的过滤，以及关键基因与代谢物的初步筛选（图1）。该步骤是大幅度提升多组学关联分析的关键步骤。
2、MODAS利用伪基因型文件首先将分子性状与基因组区间的关联分析；在获得显著关联的分子性状与区间后，提取区间内的SNP在进行第二部的分子性状与SNP基因型之间的关联分析，确定显著性；通过以上两步，实现分子性状的初步筛选
3、由于代谢物数据、表达数据可能存在较大的冗余，MODAS对共同关联到相同基因组区段的分子性状进行降维，降低关联分析的冗余。
4、MODAS将筛选出来的具有潜在生物学意义的分子性状（Biologically meaningful mTraits）进行基因表达-全基因组关联分析（eGWAS）或代谢物-全基因组关联分析（mGWAS），确定显著相关的分子性状与QTL。
5、MODAS将所有曼哈顿图以及QTL内基因信息进行注释与整合，生成可以网页式浏览的可视化数据库。
6、MODAS应用孟德尔随机化（Mendelian randomization, MR）算法，推断遗传变异、转录因子、目标基因、基因表达、代谢物含量、表型性状两两之间的因果关系。
二、MODAS安装
#安装conda环境
#在conda中创建环境
conda create -n modas python=3.8 -y
#使用官方文档进行安装，出现报错
conda install -y -c conda-forge r-rcppeigen r=3.6 rpy2 #出现报错 rpy和 3.6不支持
#所以先创建python环境
conda create -n myenv python=3.12
#启动环境
conda activate myenv
#安装rpy2，ry2是python和R的接口
conda install rpy2
#安装R
conda install r
#安装modas
$CONDA_PREFIX/bin/pip install MODAS