全基因组关联研究（genome-wide association study）
/ G-W-A-S, 'gee-wass' /
假设你想知道人类基因组中哪些位点影响某项性状，比如身高或糖尿病的风险，但你完全不知道涉及哪些基因。一种办法是比较大量的人——比如把患病的所有人和未患病的所有人放在一起——扫描他们的 DNA，找出任何倾向于与该性状一同出现的字母。凡是某个位点的一种版本在患者中更常见，那个位点就与该性状在统计上相关联。这种大范围、无预设假设的比较，就是全基因组关联研究。
GWAS 的做法是：在数万人中，对散布于基因组各处的几十万到上百万个常见的单字母变异（SNP）进行基因分型，然后对每一个变异发问：其中一种版本是否比偶然预期的更常出现在具有该性状的人身上。由于它一次检验如此之多的变异，它要求一个极其严苛的统计阈值（约 p 小于 5 x 10^-8），以免被假阳性淹没。它的输出是一张“曼哈顿图”，是一排点构成的天际线，凡是冲到阈值之上的高塔就标出与该性状相关的基因组区域。
GWAS 极其多产，找到了成千上万个稳健的关联，并揭示出大多数常见性状和疾病都是多基因的——由许多各自效应微小的变异共同塑造，而非某一个基因。但它最重要的那条告诫，在这个领域里被像口头禅一样反复念叨：关联不等于因果。一个被标出的 SNP 通常并不是病因本身；它只是挨着、并随着真正的致病变异一起被遗传，而那个真正的变异仍需被追查出来。GWAS 的命中也很少能解释一项性状的全部遗传力，而且在一个人群中得到的发现可能无法迁移到另一个人群，所以 GWAS 是指向生物学，而非证明生物学。
一项纳入 10 万人的 GWAS 可能标出某基因附近的一个 SNP 与 2 型糖尿病相关；这把研究者引向一个值得深究的区域，但这个 SNP 本身通常只是一个标记，搭着附近真正的致病变异一起被遗传。
GWAS 在全基因组中找到统计上的关联——是指向生物学的路标，而非因果的证明。
关联不等于因果。一个 GWAS 命中通常是真正致病变异附近的标记，而非病因本身，而且发现常常无法在不同人群间迁移。