分类暴露（SNP 的遗传易感性）和连续重复测量结果（抑郁症状）

问：

我正在以下问题上寻求一些帮助。 我必须分析SNPs与抑郁症状之间的关联。SNP 的遗传易感性将被归类为 0,1 或 2 个次要等位基因（暴露变量）。抑郁症状将随着时间的推移（T0、T1、T2、T3）进行测量，并在 0-60 分之间保持连续。首先，我想评估这种关联，然后我可能想要调整年龄、性别、BMI。

我最初的困难是线性模型，但是我不会测量随时间的变化。所以我的第二个想法是混合线性模型。然而，我遇到了一个问题，即我将研究个体之间的差异，而不是遗传易感性之间的差异。有没有办法使用 lme4（如果抑郁症状有偏差，则使用 gglme）对遗传易感性进行分层或直接查看遗传易感性对抑郁症状的影响？

我的另一个想法是忽略参与者的ID号，并将其分析为： lmer（depressive_symptoms~1 + （1|SNP）， data=df） ->这有意义吗？如果我这样做，我会得到非常奇怪的情节。

我希望有人能帮助我。（我还没有脚本/数据库或结果，因为我正在为提案编写分析计划，所以我不能包含任何内容。

**我的问题是：最好使用什么型号？**

提前致谢，

我试图在书籍、网站等中查找它，但我只能在个人之间找到它。