用途：频率分布、突变分析、GWAS关联分析

• 全局的展示数据的全貌
• 快速找到目标位点- - - 获得具体位置、显著性……信息

• [ ] 本质上：散点图

• [ ] 例：全基因组的关联分析 GWAS关联分析**- - 曼哈顿图**

  🍅 GWAS 目的：寻找某种疾病/ 某种特定性状相关联的SNP位点

  • 为了有效挖掘信息： 做GWAS样本量要足够大、SNP密度要高
  • 最佳方案：全基因组测序，但是成本高 - - → 最经济的方案：使用GWAS芯片【芯片上面的SNP位点都是已知的，不像测序能够探测到位置，其密度相对于测序较小，不够的 ———→ 需要 **数据填充**（用参照的一个已知的一个单位型的数据去填充）】

• 横轴：SNP位点所在的染色体

• 纵轴：-log10 P 每个SNP计算出来的P值的负对数

  P值越显著（越小）—→ 高位显示（远离整体）

  基因位点的Pvalue越小即-log10（Pvalue）越大，其与表型性状或疾病等关联程度越强

  而且通常来说受到连锁不平衡的影响，强关联位点周围的SNP也会显示出相对较高的信号强度，并依次向两边递减，所以会出现图1中红色部分的现象。

• 颜色：两种颜色区分单双号/ 不同颜色不同的号

• 点：每一个点代表一个SNP

  蓝色的点表示填充数据（这里用的是千人基因组计划中的数据作为单位型来填充16号染色体的数据）

• 线：P值的阈值线

  一般，在GWAS的研究中，Pvalue的阈值在10^-6 或者10^-8以下。

  P值数量级＜10^-8：经典的GWAS研究一般用邦费罗尼校正，它P值的显著性要求P值数量级＜10^-8；若实验结果 显著性水平 达不到 10^-8，按实验需求灵活调整

SNP

Bonferroni correction（邦费罗尼校正）

图1 GWAS中常见的曼哈顿图

• [ ] Manhattan++

• 左边：分层去展示曼哈顿图的细节
  1. P valua 负对数
  2. 局部放大
  3. 每个颜色意义
  4. 对c的放大展示
• 右边：展示筛出来的，认为比较重要的一些SNP位点、细节
  • markername - The name of the variant
  • gene - The gene name associated with the variant
  • chr - chromosome
  • pos - position
  • eaf - effect allele frequency
  • OR - Odds Ratio
  • Pvalue - P-value
  • novel - The novel flag indicates whether the loci is a new finding in the GWAS being reported
• BMC Bioinformatics. 2019 Nov 27;20(1):610. doi: 10.1186/s12859-019-3201-y.Manhattan++: displaying genome-wide association summary statistics with multiple annotation layers.