GCTA中遗传力的理解

一、GCTA遗传力结果解读（.hsq文件）

核心关注指标

指标	含义	解读要点
h2	SNP遗传力估计值（h²_SNP）	核心结果： • 值范围 [0,1]（如 0.25=25%） • 越高表示当前SNP解释的遗传力越强（常见于身高、生育性状等）
SE	h2的标准误	精度评估： • SE越小越可靠（如 0.25±0.03） • 95%置信区间 ≈ h2 ± 1.96×SE（区间宽=结果不稳定）
Pval	检验 h²_SNP > 0 的显著性	基础门槛： • P<0.05：遗传力显著存在 • P≥0.05：可能遗传力低/样本不足（≠无遗传力）
V(G)	SNP加性遗传方差	遗传贡献： • 标准化后 Vp=1时，V(G)=h2 • 非标准化时需结合 Vp 计算比例
V(e)	残差方差	未解释部分： • 含环境因素+未捕获遗传+误差 • V(e)=1-V(G)（标准化后）
intercept	LD Score回归截距（防混杂指标）	数据质量： • ≈1.0（理想，混杂控制好） • >1.05（警告！可能高估 h2，需检查PCA/批次效应）
n	样本量	可靠性基石： • **<10,000**：低遗传力性状结果可能不稳定 • >50,000：常见性状估计较精确

解读流程

1. 确认遗传力存在性：Pval < 0.05（否则结果无意义）。
2. 评估精度：SE应小于 h2的50%（如 h2=0.2, SE<0.1）。
3. 检查混杂：intercept 是否接近1.0（偏离1.0需警惕偏差）。
4. 结合生物学背景：
   
   • 身高：h2≈0.4-0.6（低则异常）
   
   • 复杂疾病：h2≈0.05-0.2（高则可能混杂）。

示例：
h2=0.251 (SE=0.035, P=1e-10)，intercept=0.999 (SE=0.011)，n=10,000
结论：SNP遗传力25.1%显著存在，精度可靠，混杂控制良好。

---

二、方差分量的含义（V(G), V(e), Vp）

核心概念

方差分量	公式	生物学含义	关键解读
Vp	-	总表型方差：观测到的个体间差异总量（如身高差异、疾病风险差异）	分析前常被标准化为1（简化计算）
V(G)	h²_SNP × Vp	SNP解释的遗传方差： 当前芯片SNP共同捕获的加性遗传效应导致的差异	• 非单个SNP效应之和 • 高V(G)=SNP对表型影响大（育种有利） • 低V(G)=存在未捕获遗传因素
V(e)	Vp - V(G)	残差方差：未被SNP解释的部分，包含： 1. 环境因素（饮食、污染等） 2. 未捕获遗传（稀有变异、非加性效应） 3. 测量误差	• “缺失遗传力”的藏身处 • 高V(e)提示遗传结构复杂或数据缺陷

标准化模型的特殊性

当GCTA输出中 Vp=1.0 时：

• **V(G) = h²_SNP**（如 V(G)=0.25 直接表示25%遗传力）
• **V(e) = 1 - h²_SNP**（残差占比）

示例（身高分析）：
Vp=1.0, V(G)=0.45, V(e)=0.55
解读：

1. 总差异 = 100%
2. 45%差异由当前SNP解释（加性遗传效应）
3. 55%差异归因于环境+未捕获遗传因素（如稀有变异或显性效应）

---

关键关联：遗传力与方差分量的关系

$$ h²_{SNP} = \frac{V(G)}{Vp} \quad \xrightarrow{\text{标准化}} \quad h²_{SNP} = V(G) $$

• V(G) 是分子：直接决定遗传力大小
• V(e) 是分母的补集：反映遗传力未被解释的部分
• Vp 是标尺：提供变异的总体框架

---

总结

1. 看结果：先关注 h2、SE、Pval，判断遗传力是否可靠存在。
2. 验质量：用 intercept 排除混杂，用 n 评估样本可靠性。
3. 解方差：
   • V(G) → SNP实际贡献的遗传变异
   • V(e) → 环境+遗漏遗传的“黑箱”
   • Vp → 差异的总量（常=1）
4. 联实际：结合性状的已知遗传背景（如身高应高遗传力）判断结果合理性。

掌握这两部分，即可准确解读GCTA遗传力结果及其背后的遗传学含义。