💡
学习提示
本教程包含 PheWAS 原理、两种主流 R 包实操（mrasst、ieugwasr）、以及常用工具介绍。建议先理解原理再动手实践。
📚 PheWAS 原理
什么是 PheWAS？
PheWAS（Phenome-Wide Association Study，全表型组关联分析）与传统 GWAS 方向相反：
- ▸GWAS：多个 SNP → 一个表型（暴露 → 结局）
- ▸PheWAS：一个 SNP → 多个表型（单基因变异 → 多维表型谱）
PheWAS vs MR
| 特征 | MR | PheWAS |
|---|---|---|
| 方向 | 暴露 → 结局 | SNP → 多表型 |
| 工具变量 | 多个 SNP | 单个 SNP |
| 应用场景 | 因果推断 | 信号探索/药物靶点 |
| 数据需求 | 两个 GWAS 数据 | 大型表型数据库 |
🗂️ 核心概念
遗传变异（SNP）
选择一个已知与某疾病或性状相关的遗传变异作为"探针"，探索其多效性效应。
表型组（Phenome）
涵盖疾病诊断、实验室指标、影像学特征等多维度表型信息的集合。
多效性（Pleiotropy）
一个 SNP 影响多个表型的现象，是 PheWAS 关注的核心问题。
FDR 校正
由于检验 multiple phenotypes，需要使用 FDR 或 Bonferroni 校正控制假阳性。
🛠️ 常用分析方法
主流 R 包
mrasst 包
基于 IEU GWAS 数据库的 PheWAS 分析，支持自动化表型匹配和 MR 分析。
ieugwasr 包
直接调用 IEU GWAS API 进行 PheWAS 分析，支持 UK Biobank 等大型队列。
PHESANT
英国 Biobank 官方 PheWAS 工具，支持表型标准化和多种分析方法。
📋 实战路线图
1️⃣
选择 SNP
2️⃣
PheWAS 分析
3️⃣
FDR 校正
4️⃣
MR 验证