GWAS软件选择与比较 - SpiralKernel/bioinfo-wiki GitHub Wiki
GWAS软件选择与比较
更新：2026-10-13；状态：可用；验证范围：选型资料核对；贯穿案例实测PLINK、GEMMA、GCTA及REGENIE，其他软件未执行。
先根据性状、样本相关性、物种和数据规模选择模型，再选择能够实现并验证它的软件。
先分清软件、模型与分析任务
PLINK、GEMMA和GCTA是软件；普通回归、线性混合模型和逻辑混合模型是模型类别；FarmCPU与BLINK是可在不同工具中实现的方法。软件名字相同不代表运行了同一模型，模型简称相同也不代表默认设置相同。GAPIT与TASSEL中的GLM通常指general linear model；PLINK的--glm按性状调用线性、逻辑或Firth等回归。
这个专题覆盖个体水平的单变异关联主线，并说明多位点和基因集合分析的接口。汇总统计Meta分析、精细定位和基因组预测有不同输入与目标，不应与一次普通GWAS混为一谈。
写下五个选型条件
- 性状是连续值、病例对照、计数，还是生存时间？能否使用当前模型的分布假设？
- 样本是否包含家系、近亲、群体分层或重复测量？PC与GRM各解决什么？
- 研究物种、倍性和染色体编码是什么？软件是否对该设计有依据？
- 建模位点与待检验位点分别有多少？输入是硬基因型还是剂量？
- 是否需要多个性状、罕见变异集合检验或大规模分批计算？
先读线性模型与混合模型、二分类性状OR与病例对照不平衡和MAF与MAC及稀有变异。连续性状也要审查量纲、离群、变换和关联模型中的协变量与残差。
软件与场景对照
| 软件或模块 | 主要思路与常见入口 | 选择时必须核对 | 详细说明 |
|---|---|---|---|
| PLINK 2 | 每个位点的线性或逻辑/Firth回归；同时负责大量质控任务 | 常规--glm不建模家系GRM |
PLINK2关联分析详解 |
| GEMMA | 稠密亲缘矩阵的LM/LMM；另有多性状与BSLMM任务 | 矩阵定义、样本顺序、截距与检验类型 | GEMMA线性混合模型实践 |
| GCTA MLMA | 以稠密GRM做混合模型关联；另有LOCO模块 | GRM与关联样本、PC、方差组分与LOCO设置 | GCTA与MLMA关联分析 |
| GCTA fastGWA | 稀疏GRM与快速近似；GLMM模块用于二分类 | 稀疏化依据、模块差别、是否真正使用GRM | fastGWA与fastGWA-GLMM |
| REGENIE | 两步全基因组回归与LOCO预测，再做关联 | 两步文件对应；性状、校正、建模位点质量 | REGENIE两步关联分析 |
| SAIGE | 零混合模型与单变异得分检验；二分类使用SPA | 病例对照计数、MAC、收敛与方差比；集合检验另有流程 | SAIGE单变异关联分析 |
| BOLT-LMM | 面向较大人类队列的高效混合模型关联 | 官方样本规模与物种适用说明、LD资源及病例对照平衡 | BOLT-LMM关联分析 |
| EMMAX | 在零模型估计方差后快速检验位点 | 旧格式、显式截距、顺序、编码与版本 | EMMAX关联分析与旧流程兼容 |
| GAPIT | R中的多模型接口，包括MLM、FarmCPU、BLINK等 | 具体模型、参数、数据对齐与选择过程 | GAPIT多模型GWAS实践 |
| TASSEL | GUI与命令行中的GLM/MLM及遗传数据处理 | taxa交集、群体结构协变量、亲缘矩阵及输出检验 | TASSEL关联分析实践 |
| rMVP | 内存映射与并行的GLM/MLM/FarmCPU | 转换后的样本顺序、协变量顺序、外存文件完整性 | rMVP关联分析实践 |
GCTA在表中按模块分行，其余也不是“一套软件只做一种模型”。这些工具没有跨场景通用的名次，不能以显著位点最多或QQ图最贴线来决定胜负。
给入门学生的三条路径
理解输入输出：先做合成数据贯通PCA与GWAS，再读PLINK详细页。
学习家系与数量性状：做公开小鼠数据贯通多软件GWAS，在同一样本上比较普通回归、PC调整及GRM模型。GEMMA与GCTA适合在本案例中学习；REGENIE的小数据运行只验证接口，不推导出它适合所有育种家系。
研究大队列或不平衡二分类：阅读SAIGE、REGENIE、fastGWA-GLMM及BOLT的适用范围，先跑所选版本的官方测试，再在自己的设计中诊断。不能因有二分类标签就把任意LMM输出当作OR。
怎样公平比较
固定研究问题、分析个体、位点、性状变换、协变量和计数方向；再比较相同检验或明确解释模型差别。详细步骤见GWAS软件结果比较与一致性检查，交接见GWAS软件输入转换与样本对齐及GWAS结果字段与等位基因统一。
本专题对PLINK、GEMMA、GCTA（MLMA及fastGWA数量性状）和REGENIE有公开数据实测。SAIGE、BOLT、EMMAX和R/Java工具按官方资料编写，未在本机执行；每页标明范围。
深入入口：PLINK关联文档、GCTA官方手册、REGENIE概览、SAIGE官方文档。
统计基础与验证入口
统计学与组学验证学习路线补充本任务所需的统计或验证判断。分析前先确认统计方法选择与分析计划，结果解释时区分组学验证的层级与证据。