这篇笔记把GWAS实战里最常“落地”的部分集中整理：常见输入输出文件长什么样、Manhattan/QQ图怎么看、以及最终交付物通常包含哪些表。
一套GWAS项目常见输入/输出
输入（Inputs）
- 表型文件（phenotype）
- 最少：样本ID + 性状值
- 常见扩展：性别/年龄/批次/群体等协变量
- 基因型文件（genotype）
- WGS/芯片得到的变异矩阵或常见格式（如PLINK系、VCF系）
- 协变量文件（covariates，可选）
- PCA前几个PC、批次、测量因素等
- 亲缘关系/GRM（可选）
- 混合线性模型常用
输出（Outputs）
- 变异集（Variant calling / QC后位点集合）
- 过滤后的 SNP/INDEL（例如VCF/BED等载体）
- 关联结果表（Association summary）
- 每个位点常见字段：CHR、POS、SNP ID、A1/A2、AF/MAF、$\hat{\beta}$、SE、P
- 注释结果（Annotation）
- 位点到基因/区域的注释（如SnpEff/ANNOVAR等的输出）
- 报告与图（Report）
- 关键图表、lead SNP列表、候选区间、解释文字
Manhattan图怎么看
Manhattan图展示每个SNP的显著性（常用 \(-\log_{10}(P)\)）随基因组位置的分布。
- 峰（peak）：通常是一个LD块内的一簇SNP共同抬高；最高点通常称为lead SNP
- 峰宽：往往由LD范围决定，不等于“因果区间真实长度”
- 跨染色体对比：某些性状可能只在少数染色体出现强信号，也可能多峰（多基因性状常见）
QQ-plot怎么看
QQ图把观测到的P值分布与零假设下的期望分布对比，用来快速判断是否存在系统性通胀/偏倚。
- 对角线附近：整体校正较合理
- 整体上翘（早期偏离）：可能有群体结构/批次效应/模型不合适导致的通胀
- 仅尾部上翘：常见于确有真实关联信号（强信号导致尾部偏离）
GWAS后续分析常见“交付物清单”（可作为Checklist）
- 功能注释（annotation）
- 变异类型/区域：外显子、内含子、启动子、基因间区
- 编码区：同义/非同义、潜在功能影响
- 候选基因筛选与富集
- 区间锁定：按LD衰减距离或固定窗口（如±100 kb）收集候选基因
- GO/KEGG等富集，辅助解释
- 单倍型/LD块与精细定位
- LD block结构、条件分析
- 细化到候选变异集合（credible set）
- 最终报告（report）
- lead SNP列表（含效应方向、频率、P、注释）
- 关键图（Manhattan、QQ、局部区域图、LD热图等）
- 解释文本：可能机制、与既往研究一致性、局限性