关键字：conditional analysis，leading SNP, secondary casual variants , fine-mapping
GWAS研究中，对于某个复杂表型，我们会发现很多显著关联的基因座（loci），每个基因座里有若干显著的SNP，这些SNP通常处于LD。这时我们就会面临一个问题，这个基因座里显著的SNP单单因为与leading SNP（该loci里P值最低的SNP）连锁不平衡而显著，还是因为这个SNP本身就与就与表型相关联。这时就应该进行条件分析（conditional analysis），实际上是一种fine-mapping（对casual SNP 致病SNP的精确定位）的方法，目的是确认是否存在次要的因果SNP secondary causal variants。
一般来说进行条件分析的方法很简单，
1.从GWAS结果中抽出每个关联基因座的leading SNP，
2.将该leading SNP作为协变量加入检验模型
3.再次进行关联检验，确认 关联基因座里除 leading SNP 以外还是否有次要的致病SNP secondary causal variants。
例如下图所示的情况：
图1：针对橙色圈中的leading SNP （该loci里p值最低），进行条件分析后的曼哈顿图。A：该loci只有一个信号，表示没有 secondary causal variants ，之所以有多个显著snp是因为与leading SNP处于连锁不平衡。B：除了leading SNP 还有其他信号，表示这个loci还存在 secondary causal variants 。
通常conditional analysis的功能已经集成在关联检验的软件中（如PLINK，SAIGE），我们只需要提供lead snp的 id 或是 位置，就可以进行条件分析了。
例如：
PLINK中的 –condition 选项，也可以使用 –condition–list(同时将多个SNP作为covariate纳入检验模型)
SAIGE 第二步中，也提供了 –condition 选项 ，可以对单个或多个snp进行条件分析
参考：
Strategies for fine-mapping complex traits.
https://www.cog-genomics.org/plink/1.9/assoc
https://github.com/weizhouUMICH/SAIGE/wiki/Genetic-association-tests-using-SAIGE
GWASLab - GWAS实验室 