我们知道GWAS有一个假设：common disease common
variant（CDCV）hypothesis，即认为复杂性状主要是由不多的普遍存在的变异引起的，这些变异都有不低的贡献。然而在研究人类疾病等复杂性状时，却发现很多时候不满足这个假设。这给我们的研究带来了非常大的困难，甚至许多研究者对GWAS用于人类疾病等复杂性状抱怀疑或反对的态度。
图1很好的总结了GWAS不满足CDCV的情况。该图为GWAS常用的Manhattan图，横坐标为染色体位置，纵坐标不是显著性水平，而是该SNP对性状的贡献率。左上表示满足CDCV的情况，性状主要由不多的普遍存在于群体中的变异决定，每个变异的贡献率都不低（几个百分点）。这种情况下，GWAS能够很好的定位到关联位点。
图1 GWAS的遗传基础分类
右上表示性状由非常多（上百个）的变异引起，每个变异对性状的贡献率非常低（不到1个百分点），且这些变异普遍存在于群体中。这种情况下，一般GWAS信号非常小，很难被发现。如果使用非常大（成千上万）的样本量来研究，可能会有所改善。
左下表示性状由非常多的稀有变异引起，这些变异往往贡献率很高，一两个变异即可导
图1很好的总结了GWAS不满足CDCV的情况。该图为GWAS常用的Manhattan图，横坐标为染色体位置，纵坐标不是显著性水平，而是该SNP对性状的贡献率。左上表示满足CDCV的情况，性状主要由不多的普遍存在于群体中的变异决定，每个变异的贡献率都不低（几个百分点）。这种情况下，GWAS能够很好的定位到关联位点。
图1 GWAS的遗传基础分类
右上表示性状由非常多（上百个）的变异引起，每个变异对性状的贡献率非常低（不到1个百分点），且这些变异普遍存在于群体中。这种情况下，一般GWAS信号非常小，很难被发现。如果使用非常大（成千上万）的样本量来研究，可能会有所改善。
左下表示性状由非常多的稀有变异引起，这些变异往往贡献率很高，一两个变异即可导