找出基因：QTL、GWAS 与多基因评分

从全基因组到可疑区域

若一个多基因性状散布在许多基因上，没有任何单个庞纳特方格能找到它们。遗传学家转而搜寻数量性状基因座（QTL）：基因组上的一段——一个基因座——其遗传差异在统计上与性状差异相关联。QTL 并不锁定某一个基因；它标记出一个区域，其中携带着一个或多个把性状往上或往下推的变异。

其现代、高分辨率的版本是全基因组关联研究（GWAS）。它在数万人身上扫描数百万个常见的单字母变异——单核苷酸多态性，即 SNP——在每一处都问：携带这个变异是否会平均地改变该性状？ 任何单个 SNP 的答案通常是极微小的效应，而这正是当数百个变异各自只贡献一丝时我们所预期的。

GWAS, one SNP at a time (toy numbers):

  SNP at position chr2:18,455,201, alleles G / A
  --------------------------------------------------
  genotype   mean height (cm)   count
     GG          171.0           4200
     GA          171.4           5100
     AA          171.8           2300
  --------------------------------------------------
  Each 'A' adds ~0.4 cm on average -> tiny, but real.

  Repeat across ~1,000,000 SNPs. A handful pass the strict
  genome-wide significance bar (p < 5e-8). Together, many
  small effects add up to a meaningful chunk of variation.

GWAS 逐个检验每个变异是否使性状平均产生微小偏移。

把效应加起来

一旦 GWAS 估出了每个变异的效应，你就可以为单个人把它们加起来，得到一个多基因评分：数出此人携带的每个使性状升高的等位基因，按其估计效应加权，再求和。结果是一个数字，估计该个体相对于群体的遗传倾向。

有一个需要诚实指出的缺口。GWAS 所能解释的性状变异往往少于遗传率估计所暗示的应有之数——即著名的“缺失的遗传率”。其中一部分藏在 GWAS 捕捉不到的罕见变异里，一部分藏在显著性门槛以下众多极微小的效应里，一部分藏在微妙的基因—环境交互作用里。复杂性状的地图是真实的，但边缘仍然模糊。