群体分析与GWAS学习路线

更新：2026-10-14；状态：可用；验证范围：文档核对；操作需按所用环境验证。

从基因型编码和样本审计出发，依次完成群体探索、关联分析和证据解释。

建议顺序

1. SNP与基因型是什么、VCF与基因型编码：确认位点、倍性、缺失和计数等位基因。
2. 样本表与数据审计实践、基因型质控与过滤：核对个体身份、缺失率、频率和筛选记录。
3. 连锁不平衡与LD剪枝、亲缘关系与遗传关系矩阵：理解位点冗余和样本相关性。
4. 群体结构是什么、用PCA探索样本的群体结构：检查整体差异与技术因素。
5. 群体结构与GWAS有什么关系、线性模型与混合模型：确定表型和协变量所对应的模型。
6. GWAS软件选择与比较：按性状、家系、物种与规模选择软件及模块。
7. GWAS从数据准备到结果解释与公开小鼠数据贯通多软件GWAS：运行并核对结果。
8. GWAS软件结果比较与一致性检查、GWAS曼哈顿图QQ图与膨胀因子：先对齐相同模型，再解释背景差别。

第一个可运行练习

运行合成数据贯通PCA与GWAS。它只依赖 Python 和 PLINK 2，用人工生成的数据熟悉文件之间的连接。随后替换为自己的数据时，重新审查染色体设置、倍性、亲缘关系、表型类型及阈值，不能直接继承练习里的选择。

深入实践与排错

GWAS软件输入转换与样本对齐 → GWAS结果字段与等位基因统一 → GWAS参数选择与敏感性分析。报错时查GWAS常见报错与排查；模型前置查零模型与方差组分、LOCO与近端污染和二分类性状OR与病例对照不平衡。

学完后的自检

能否追溯每个效应值计数哪种等位基因？PCA 用了哪些位点？表型和协变量如何与样本对齐？一个显著位点与因果变异之间还缺少什么证据？

深入查看 PLINK 2 输入说明、关联模型文档和 GEMMA 原始论文。

从关联分析走向预测

若下一步是预测候选个体的遗传价值，进入GS算法软件与实践路线。先区分基因组选择与GWAS的区别，再做符合实际候选群体的验证；GWAS显著性不替代预测表现。

遗传变异模式与过程

本路线以性状关联为主。若问题是多样性、群体分化、近交、选择或历史，转入群体遗传学分析学习路线。两类任务的样本、频率筛选及LD处理目的不同，不应复用同一套过滤结果而不审查。

如果还没有基因型

已有VCF/PLINK输入可继续本路线；只有FASTQ/BAM时，先按变异检测分型与提取学习路线生成并核查对应变异。不同类型的分型/剂量、缺失和样本对齐不能一律视为二倍体SNP矩阵。