全基因組關聯研究（genome-wide association study）
/ G-W-A-S, 'gee-wass' /
假設你想知道人類基因組中哪些位點影響某項性狀，比如身高或糖尿病的風險，但你完全不知道涉及哪些基因。一種辦法是比較大量的人——比如把患病的所有人和未患病的所有人放在一起——掃描他們的 DNA，找出任何傾向於與該性狀一同出現的字母。凡是某個位點的一種版本在患者中更常見，那個位點就與該性狀在統計上相關聯。這種大範圍、無預設假設的比較，就是全基因組關聯研究。
GWAS 的做法是：在數萬人中，對散布於基因組各處的幾十萬到上百萬個常見的單字母變異（SNP）進行基因分型，然後對每一個變異發問：其中一種版本是否比偶然預期的更常出現在具有該性狀的人身上。由於它一次檢驗如此之多的變異，它要求一個極其嚴苛的統計閾值（約 p 小於 5 x 10^-8），以免被偽陽性淹沒。它的輸出是一張「曼哈頓圖」，是一排點構成的天際線，凡是衝到閾值之上的高塔就標出與該性狀相關的基因組區域。
GWAS 極其多產，找到了成千上萬個穩健的關聯，並揭示出大多數常見性狀和疾病都是多基因的——由許多各自效應微小的變異共同塑造，而非某一個基因。但它最重要的那條告誡，在這個領域裡被像口頭禪一樣反覆念叨：關聯不等於因果。一個被標出的 SNP 通常並不是病因本身；它只是挨著、並隨著真正的致病變異一起被遺傳，而那個真正的變異仍需被追查出來。GWAS 的命中也很少能解釋一項性狀的全部遺傳力，而且在一個人群中得到的發現可能無法遷移到另一個人群，所以 GWAS 是指向生物學，而非證明生物學。
一項納入 10 萬人的 GWAS 可能標出某基因附近的一個 SNP 與 2 型糖尿病相關；這把研究者引向一個值得深究的區域，但這個 SNP 本身通常只是一個標記，搭著附近真正的致病變異一起被遺傳。
GWAS 在全基因組中找到統計上的關聯——是指向生物學的路標，而非因果的證明。
關聯不等於因果。一個 GWAS 命中通常是真正致病變異附近的標記，而非病因本身，而且發現常常無法在不同人群間遷移。