PLINK、REGENIE 与 SAIGE
PLINK 常用于基因型质控和常规关联分析；REGENIE 和 SAIGE 基于混合模型思路，能处理样本亲缘关系和群体结构，适合大规模队列。病例对照比例严重不平衡的二分类性状，常选用 SAIGE 控制假阳性。
32个分析 Skill · Codar 生信插件
群体遗传学 AI 分析
群体遗传学研究遗传变异在人群中的分布，以及变异与性状、疾病之间的关联，典型数据是芯片或测序得到的个体基因型和公开的 GWAS 汇总统计。Codar 的这个插件覆盖 GWAS 与数据质控、基因型填充、精细定位与共定位、孟德尔随机化、PRS、TWAS、遗传力估计、群体结构和自然选择分析。
群体遗传学能回答哪些研究问题
- BMI 升高是否会增加 2 型糖尿病的发病风险？
- 这个 GWAS 显著位点背后最可能的效应基因是哪个？
- 两个性状的关联信号是否由同一个因果变异驱动？
- 我的样本存在群体分层或混合祖源吗？
- 这个性状的 SNP 遗传力有多高，和哪些性状遗传相关？
群体遗传学分析流程
- 1
数据质控
个体基因型按缺失率、MAF、HWE 和亲缘关系做样本与位点质控；汇总统计先统一基因组版本、等位基因方向和列格式。
- 2
填充与群体结构
按需做相位推断和基因型填充，用主成分或祖源分析评估群体分层，结果作为关联分析的协变量。
- 3
关联分析
做 GWAS 或稀有变异关联分析，检查 QQ 图和基因组膨胀系数，输出曼哈顿图和显著位点表。
- 4
位点解释
对显著位点做精细定位、共定位和位点到基因排序，结合分子 QTL 与 TWAS 判断可能的效应基因。
- 5
因果与预测
按研究问题做孟德尔随机化、遗传相关或 PRS 构建，并配套敏感性分析和独立样本验证。
常用方法与怎么选
TwoSampleMR 与 MR 敏感性分析
两样本 MR 常用 TwoSampleMR 等 R 包，以 IVW 为主分析，再用 MR-Egger、加权中位数、MR-PRESSO 检查水平多效性。工具变量需满足相关性、独立性、排他性假设，弱工具和样本重叠会引起偏倚。
SuSiE、FINEMAP 与 coloc
精细定位常用 SuSiE 或 FINEMAP，给出每个变异的后验包含概率和可信集；coloc 用于判断两个性状（如 GWAS 与 eQTL）在同一区域是否共享因果变异。三者都需要与汇总统计人群匹配的 LD 参考。
LDSC、PRSice 与 PRS-CS
LD 分数回归（LDSC）常用来估计 SNP 遗传力和遗传相关，并区分多基因信号与群体分层造成的膨胀。PRS 构建中，PRSice 采用聚类剪枝加阈值筛选，PRS-CS 采用贝叶斯收缩，两者都应在独立样本中评估预测效果。
需要准备的数据
- PLINK 或 VCF 格式的个体基因型
- 表型与协变量表：年龄、性别、主成分等
- 公开或自有的 GWAS 汇总统计
- 与研究人群祖源匹配的 LD 参考面板
- eQTL、pQTL 等分子 QTL 数据（可选）
能得到的结果
- 基因型质控报告与群体结构主成分图
- 曼哈顿图、QQ 图和显著位点表
- 精细定位可信集与共定位后验概率
- 孟德尔随机化效应估计与敏感性分析图
- PRS 评分及预测效果评估
- 遗传力、遗传相关结果与可复现脚本
群体遗传学插件包含的分析能力
共 32 项。启用插件后，Codar 会按任务自动选用，不需要逐个记住名称。
- 基因渗入与群体混合检测
- 群体等位基因频率分析
- 基因型与表型关联分析质控
- GWAS关联分析
- GWAS荟萃与跨祖源分析
- GWAS汇总统计质控与标准化
- 连锁不平衡与单倍型分析
- 遗传力、遗传相关与Genomic SEM分析
- 系统发育树构建与评估
- 群体结构与祖源分析
- PRS多基因风险评分
- 分子QTL与药物靶点因果优先排序
- 稀有变异关联分析
- 自然选择信号分析
- 孟德尔随机化因果分析
- 基因型填充与相位推断
- TWAS转录组关联分析
- GWAS功能解释
- PheWAS全表型关联分析
- GWAS位点到基因优先排序
- 遗传共定位分析
- GWAS精细定位
nf-core 标准流程（10 个）
- nf-core-eager流程
- nf-core-genephylomodeler流程
- nf-core-gwas流程
- nf-core-phaseimpute流程
- nf-core-phyloplace流程
- nf-core-radseq流程
- nf-core-rarevariantburden流程
- nf-core-reportho流程
- nf-core-variantcatalogue流程
在 Codar 里怎么用
- 1
切换到生信模式
在 Codar 左上角选择 Codar 生信。
- 2
启用「群体遗传学」
在插件页找到「群体遗传学」，安装或启用。
- 3
描述研究问题
用一句话写清数据和目标，确认分析方案后开始执行。
可以这样提问
帮我用这两份 GWAS 汇总统计做两样本孟德尔随机化，评估 BMI 对 2 型糖尿病的因果效应，并做敏感性分析。
群体遗传学常见问题
孟德尔随机化的工具变量怎么筛选？
常见做法是选取与暴露达到全基因组显著（P<5×10⁻⁸）的 SNP，按 LD 做 clumping 去除相关位点，计算 F 统计量排除弱工具，再对齐暴露和结局的效应等位基因，并处理回文 SNP。
GWAS 需要多少样本量？
没有统一门槛，取决于位点效应大小、等位基因频率和性状的遗传结构。复杂性状单个位点效应通常很小，往往需要较大样本才有足够检验效能。样本有限时可先做效能估算，或通过荟萃分析合并多个队列。
共定位分析和孟德尔随机化有什么区别？
共定位回答两个性状在某个区域是否共享同一个因果变异，不估计效应大小；孟德尔随机化把遗传变异当作工具变量，估计暴露对结局的因果效应。两者常配合使用，例如用共定位支持药物靶点 MR 的结论。
其他生信插件
macOS 12+Mac
Windows 10+Windows