Q1：做 GWAS 项目，一般需要多少个样本？
动植物育种/农艺性状： 建议200-300 个样本。如果性状受微效多基因控制（如产量、株高），建议样本量扩大至 500 个以上。
样本量越小，只能检测到效应值极大的变异位点；样本量越大，越能捕捉到微效多基因位点。
Q2：如果预算有限只能做低深度 WGS 测序（例如3x-5x）可行吗？
可行，但强烈依赖于基因型填补技术。需要物种已经有一个高深度的单体型参考面板。通过低深度测序获得骨架 SNP，再利用算法推断缺失的基因型。这在人类和主流模式生物中非常成熟，但在研究较少的物种中风险较高。
Q3：变异数据（VCF文件）进入 GWAS 模型前，需要做哪些过滤？
严格的质控是防止假阳性的核心。常见标准包括：
次等位基因频率（MAF）： 通常过滤掉 MAF < 0.05（或 0.01）的稀有变异。因为在有限样本量下，稀有变异的统计误差极大。
缺失率（Missing Rate）： 过滤掉缺失率 > 10% 或 20% 的 SNP 和个体。
哈迪-温伯格平衡（HWE）： 过滤掉严重偏离 HWE 的位点（通常 ），这往往意味着测序或比对错误（针对自然随机交配群体，自交系群体不适用此项）。
Q4：显著性阈值（P-value cut-off）到底该怎么定？
Bonferroni 校正（最严苛）： 阈值设为 （ 为有效 SNP 数量）。例如有 100 万个独立 SNP，阈值就是 。
FDR（错误发现率）： 如果 Bonferroni 过滤后剩余SNP很少，可以尝试稍微宽松的 FDR 校正（如 q-value < 0.05）。
Q5：在曼哈顿图上找到了显著信号峰（Lead SNP），怎么确定是哪个基因？
Lead SNP 通常并不在致病突变上，而是与真正的因果变异存在连锁不平衡（LD，Linkage Disequilibrium）。
计算该区域的 LD 衰减距离（LD decay）。
将 Lead SNP 上下游一个 LD 衰减距离内的所有区域划定为“候选区间”。
提取区间内的所有基因，结合基因功能注释（GO/KEGG）、转录组表达量数据（RNA-seq）、同源基因功能，最终锁定 1-2 个最可能的候选基因进行后续实验验证（如基因敲除、过表达）。
若SNP在非编码条件元件中，可利用Capture Hi-C技术将此调控元件控制的靶基因鉴定出来（潜在的增强子-启动子互作）
