GWAS --covar-name --pheno-name

会。

默认情况下，如果你指定了 --covar covar.txt，但没有指定 --covar-name，PLINK2 会自动使用协变量文件中的所有协变量列（除去样本 ID 列）。

例如 covar.txt：

IID Age Sex PC1 PC2 PC3 PC4 PC5 PC6 PC7 PC8 PC9 PC10
SYSCZ034 35 1 0.012 -0.032 ...
SYSCZ037 29 2 -0.021 0.018 ...

执行：

plink2 \
    --pfile gwas_input \
    --covar covar.txt \
    --glm

等价于使用：

• Age
• Sex
• PC1
• PC2
• ...
• PC10

作为协变量。

什么时候需要 --covar-name？

当你的协变量文件中包含不想用于本次分析的列时，可以指定：

例如：

IID Age Sex Batch PC1 PC2 PC3 PC4 PC5 PC6 PC7 PC8 PC9 PC10 Center

如果你只想用

• Age
• Sex
• PC1-PC10

而不使用

• Batch
• Center

可以写：

--covar-name Age,Sex,PC1-PC10

或者

--covar-name Age,Sex,PC1,PC2,PC3

推荐做法

虽然不写 --covar-name 也能运行，但在正式 GWAS 中建议明确指定，原因有几点：

1. 结果更可重复：别人一看命令就知道用了哪些协变量。
2. 避免误用：如果以后 covar.txt 增加了新列（如 Batch、Center、RIN 等），默认会全部加入模型，可能改变分析结果。
3. 便于维护：不同分析可以方便地选择不同协变量组合。

例如：

plink2 \
    --pfile gwas_input \
    --pheno pheno.txt \
    --covar covar.txt \
    --covar-name Age,Sex,PC1-PC10 \
    --glm \
    --threads 20 \
    --out gwas

这是 GWAS 中最常见、也最推荐的写法。

不会。

如果你指定了：

--covar covar.txt \
--covar-name Age,Sex

那么 PLINK2 只会使用 Age 和 Sex 两列作为协变量，不会自动加入 PC1、PC2 等主成分。

例如，covar.txt：

IID Age Sex PC1 PC2 PC3 PC4 PC5
SYSCZ034 35 1 0.012 -0.032 0.001 0.005 -0.003
SYSCZ037 29 2 -0.021 0.018 0.004 -0.002 0.007

不同命令对应的协变量如下：

PC1-PC10 的简写

如果列名连续：

PC1
PC2
...
PC10

可以直接写：

--covar-name Age,Sex,PC1-PC10

PLINK2 会展开为：

Age
Sex
PC1
PC2
...
PC10

建议

对于 GWAS，通常推荐明确指定协变量，例如：

plink2 \
    --pfile gwas_input \
    --pheno pheno.txt \
    --covar covar.txt \
    --covar-name Age,Sex,PC1-PC10 \
    --glm \
    --threads 20 \
    --out gwas

这样可以避免因 covar.txt 增加了其他列而导致模型发生变化，也使分析过程更加清晰和可复现。

可以，但不能直接这样写。

原因是 --pheno 和 --covar 在 PLINK2 中是两个独立的数据源：

• --pheno：用于提供待分析的表型（phenotype）。
• --covar：用于提供协变量（covariates）。

--covar-name 只能引用 --covar 文件中的列，不能引用 --pheno 文件中的列。

因此，你现在的命令：

--pheno pheno.txt
--covar gwas_input.eigenvec
--covar-name age,gender,PC1-PC10

要求的是：

• age 和 gender 必须存在于 gwas_input.eigenvec
• PC1～PC10 也必须存在于 gwas_input.eigenvec

如果 gwas_input.eigenvec 只有：

IID PC1 PC2 ... PC10

那么 PLINK 会报类似错误：

Error: Covariate 'age' not found.

推荐做法：合并成一个 covariate 文件

通常 GWAS 都会把所有协变量放到一个文件中，例如：

IID age gender PC1 PC2 PC3 PC4 PC5 PC6 PC7 PC8 PC9 PC10
SYSCZ034 35 1 0.012 -0.031 ...
SYSCZ037 29 2 -0.021 0.018 ...

然后：

plink2 \
    --pfile gwas_input \
    --pheno pheno.txt \
    --pheno-name Topic \
    --covar covar.txt \
    --covar-name age,gender,PC1-PC10 \
    --glm \
    --threads 50 \
    --out gwas

这是最常见、也是官方推荐的方式。

如果 age 和 gender 已经在 pheno.txt 中怎么办？

例如：

IID Topic age gender
SYSCZ034 0.43 35 1
SYSCZ037 0.27 29 2

PLINK 不会自动把 age 和 gender 当作协变量。

它只会把 Topic（由 --pheno-name Topic 指定）当作表型，其余列不会因为在 pheno.txt 中就自动成为协变量。

因此，如果想把 age、gender 用作协变量，需要：

1. 将它们复制到 covar.txt；或
2. 直接生成一个包含 age、gender 和 PC1–PC10 的综合 covar.txt。

针对你的数据

你现在有：

• pheno.txt：IID Topic age gender
• gwas_input.eigenvec：IID PC1 ... PC10

建议在分析前先按 IID 合并为一个 covar.txt：

IID age gender PC1 PC2 ... PC10

然后：

--pheno pheno.txt
--pheno-name Topic
--covar covar.txt
--covar-name age,gender,PC1-PC10

这是标准的 GWAS 输入方式，也最方便维护和复现。