GWAS pheno.txt格式解释

是的，FID 和 IID 必须与 .fam 文件中的前两列一致，PLINK 就是通过这两个字段来匹配样本的。

你给出的 .fam 文件类似于：

FID IID       PID MID SEX PHENO
1   XJSCZ002  0   0   1   -9
2   XJSCZ003  0   0   2   -9
3   XJSCZ004  0   0   2   -9
4   XJSCZ006  0   0   1   -9
5   XJSCZ005  0   0   2   -9
6   SYSCZ010  0   0   2   -9

那么 pheno.txt 就应该写成：

FID IID       SCZ
1   XJSCZ002  2
2   XJSCZ003  2
3   XJSCZ004  1
4   XJSCZ006  2
5   XJSCZ005  1
6   SYSCZ010  2

这里：

• 第一列 FID 必须是 1、2、3、4、5、6
• 第二列 IID 必须是 XJSCZ002、XJSCZ003...
• PLINK 会根据 (FID, IID) 这一对键进行匹配。

可以把 FID 全部改成样本名吗？

可以，但必须同时修改 .fam 和所有相关文件。

例如很多项目都会把 .fam 改成：

XJSCZ002 XJSCZ002 0 0 1 -9
XJSCZ003 XJSCZ003 0 0 2 -9
XJSCZ004 XJSCZ004 0 0 2 -9

对应的 pheno.txt：

FID      IID       SCZ
XJSCZ002 XJSCZ002 2
XJSCZ003 XJSCZ003 2
XJSCZ004 XJSCZ004 1

这样也是完全合法的。

如果 FID 不一致会怎么样？

例如 .fam 是：

1 XJSCZ002

而 pheno.txt 是：

XJSCZ002 XJSCZ002 2

那么 (FID, IID) 分别是：

由于 FID 不同，PLINK 会认为这是两个不同的样本，结果就是：

• 无法匹配到该样本；
• 该样本的表型会被视为缺失；
• 在日志中通常会看到大量样本因缺失表型而被排除。

如何检查是否匹配正确？

运行：

plink \
  --bfile 890S \
  --pheno pheno.txt \
  --make-bed \
  --out test

查看 test.log，如果出现类似：

0 phenotype values present after --pheno.

说明没有匹配成功，通常就是 FID 或 IID 不一致导致的。

对于你目前的 .fam

既然第一列已经是数字 1、2、3...，最简单、最稳妥的做法就是：

• pheno.txt 第一列也使用 1、2、3...
• covar.txt 第一列也使用 1、2、3...
• 第二列保持 XJSCZ002、XJSCZ003...

保证 FID 和 IID 与 .fam 完全一致，这样 PLINK 能够正确匹配所有样本。

是的，这属于 PLINK 的正常行为。

如果你的 .ped 文件第 6 列（PHENOTYPE）是 0，经过：

plink --file 890S --make-bed --out 890S

生成的 .fam 可能会变成：

# ped
1 XJSCZ002 0 0 1 0
2 XJSCZ003 0 0 2 0

# fam
1 XJSCZ002 0 0 1 -9
2 XJSCZ003 0 0 2 -9

这是因为 PLINK 将 0 和 -9 都视为“缺失表型（missing phenotype）”，在某些转换过程中会统一规范化为 -9。

为什么会这样？

对于二分类或一般表型，PLINK 的约定是：

因此：

0  == Missing
-9 == Missing

两者在大多数情况下没有本质区别，PLINK 内部可能会将它们统一保存为 -9。

如果第六列是 0，它不是对照组

很多人容易误以为：

0 = Control
1 = Case

但在 PLINK 中这是错误的。

例如：

1 XJSCZ002 0 0 1 0

这里表示的是：

• 性别：男（SEX=1）
• 表型：缺失（Missing）

而不是对照组。

如果你运行：

plink --bfile 890S --logistic

这个样本会因为没有表型而被排除。

如果想表示病例和对照，应该怎么写？

推荐直接在 .ped 或 .fam 中填写：

FID IID PID MID SEX PHENO
1   XJSCZ002 0 0 1 2   # Case
2   XJSCZ003 0 0 2 1   # Control
3   XJSCZ004 0 0 1 2   # Case
4   XJSCZ005 0 0 2 1   # Control

对应关系：

1 -> Control
2 -> Case

不要使用 0 表示对照。

如果现在 .fam 全是 -9 怎么办？

这是很常见的情况，说明目前所有样本的表型都是缺失的。有两种处理方式：

方法一：直接修改 .fam 第六列（最简单）

把：

1 XJSCZ002 0 0 1 -9
2 XJSCZ003 0 0 2 -9

改成：

1 XJSCZ002 0 0 1 2
2 XJSCZ003 0 0 2 1

方法二：保留 .fam 为 -9，单独提供 pheno.txt

例如：

FID IID PHENO
1 XJSCZ002 2
2 XJSCZ003 1

然后运行：

plink \
  --bfile 890S \
  --pheno pheno.txt \
  --logistic \
  --out gwas

此时 pheno.txt 中的表型会覆盖 .fam 中的缺失值。

总结

• .ped 第 6 列写 0，生成 .fam 后变成 -9，这是 PLINK 的正常规范化行为。
• 0 和 -9 都表示缺失表型，不表示对照组。
• 对于病例-对照 GWAS，应使用 1 = Control、2 = Case；如果使用 0，样本会被当作没有表型而不会参与关联分析。

不一定需要，取决于你的使用方式。

情况一：没有表头（最常见，也完全可以）

例如：

1 XJSCZ002 2
2 XJSCZ003 2
3 XJSCZ004 1
4 XJSCZ006 2

直接运行：

plink \
  --bfile 890S \
  --pheno pheno.txt \
  --logistic \
  --out gwas

PLINK 会默认认为：

• 第 1 列：FID
• 第 2 列：IID
• 第 3 列：表型

这种写法没有任何问题。

情况二：有表头（推荐）

例如：

FID IID SCZ
1 XJSCZ002 2
2 XJSCZ003 2
3 XJSCZ004 1
4 XJSCZ006 2

如果有多个表型，还可以写成：

FID IID SCZ BMI AGE
1 XJSCZ002 2 23.5 45
2 XJSCZ003 1 21.8 38
3 XJSCZ004 2 26.1 41

然后指定要使用哪一列：

plink \
  --bfile 890S \
  --pheno pheno.txt \
  --pheno-name SCZ \
  --logistic \
  --out gwas

这里 --pheno-name SCZ 就是根据表头找到 SCZ 这一列。

情况三：有表头但不使用 --pheno-name

如果只有一个表型列，例如：

FID IID PHENO
1 XJSCZ002 2
2 XJSCZ003 1

很多版本的 PLINK 也能够正确识别并跳过表头，直接使用 PHENO 列进行分析。

但是，如果有多个表型列，建议显式使用 --pheno-name 指定列名，避免歧义。

对于你的项目，推荐哪种？

如果只是做一次 SCZ 的病例-对照 GWAS，推荐使用带表头的格式：

FID IID SCZ
1 XJSCZ002 2
2 XJSCZ003 2
3 XJSCZ004 1
4 XJSCZ006 2
5 XJSCZ005 1
6 SYSCZ010 2

并运行：

plink \
  --bfile 890S \
  --pheno pheno.txt \
  --pheno-name SCZ \
  --covar covar.txt \
  --logistic \
  --out gwas

这种方式可读性更好，将来如果增加 BMI、年龄等其他表型列，也不需要修改文件格式，只需调整 --pheno-name 即可。