基因组选择与GWAS的区别

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。

GWAS寻找统计关联，GS预测遗传价值；两者可以结合，但验证目标不同。

一句话理解

GWAS问“哪些变异与性状存在统计关联”；基因组预测问“对尚未获得目标表型的个体，我们能预测多少遗传差异”。GS再把预测用于选择。标记辅助选择（MAS）通常依赖有限的已知标记；GS通常同时利用覆盖全基因组的大量标记，包括单个位点未达到显著阈值的标记。

同一份数据，两种输出

项目	GWAS	GS中的预测
主要对象	位点或区域	个体及其遗传价值
常见输出	效应、标准误、P值、候选区域	GEBV、预测表型、预测不确定性
关键检查	混杂控制、多重检验、等位基因方向	训练验证分离、候选可用信息、泛化与偏差
成功证据	可重复的关联与独立功能证据	符合实际部署场景的独立预测表现

例如，要解释某个鸡群的蛋重相关区域，可做GWAS；要在尚未产蛋的候选鸡中预测蛋重的加性遗传价值，可建立GS模型。显著位点可能有助于预测，但显著性并不保证预测增益，预测成功也不证明某个位点具有因果作用。

GWAS结果怎样进入GS

可以比较全标记GBLUP与加入候选位点固定效应、加权关系矩阵或分组先验的模型。若候选位点由当前数据筛选，筛选必须在每个训练折内部重新进行；先用全体表型选位点，再交叉验证，会让测试标签参与模型选择。

常规GWAS中的LD剪枝常用于PCA或特定步骤，不意味着GS应该只保留少量独立标记。应根据覆盖、填充质量、训练样本量与验证结果决定标记策略，参见GS数据准备与候选个体预测。

容易混淆的地方

• GWAS回归的单SNP效应，不能直接当作已经优化好的全基因组预测权重；联合估计、LD和收缩方式都会改变预测。
• 没有显著位点，不等于没有可预测的多基因信号。
• 在训练集上重现表型，不等于能预测未来候选个体。
• GEBV是模型下的加性遗传价值估计，不是个体实际表型的保证值。

下一步读育种值GEBV准确度与可靠度与GS训练验证与数据泄漏。历史方法见Meuwissen等原始论文。