Supplementary Table S8 的核心工作其实就是：

对 Table S7 中得到的 207 个关联 SNP 进行 LD（Linkage Disequilibrium，连锁不平衡）clumping，去除彼此高度相关的 SNP，只保留每个独立关联区域（locus）中最有代表性的一个 SNP（lead SNP）。

论文正文实际上也写到了：

“A total of 207 SNPs were significantly associated ... under the suggestive significance level of 1×10⁻⁵. Following linkage disequilibrium (LD)-based clumping (LD r² < 0.1), we finally identified 41 lead SNPs.” (PMC)

第一步：得到 207 个 SNP（Table S7）

作者首先做 microbiome GWAS。

对于每一个 SNP，都会得到类似：

然后按照

P < 1 × 10^-5

筛选。

于是得到

所有满足 P < 1e-5 的 SNP
↓
207 个 SNP

这些就是 Supplementary Table S7。

但是这里有一个问题：

很多 SNP 实际上位于同一个基因区域，而且由于 LD，它们高度相关。

例如：

chr1

rs1001
rs1002
rs1003
rs1004
rs1005

这些 SNP 可能：

r² = 0.95

其实代表的是同一个遗传信号。

如果全部保留，就重复计算了。

第二步：LD clumping

LD clumping 的目标就是：

每个关联区域只留下一个代表 SNP。

例如：

chr1

rs1001   P=2e-8
rs1002   P=4e-7
rs1003   P=8e-6
rs1004   P=5e-5

如果

r²(rs1001, rs1002)=0.93
r²(rs1001, rs1003)=0.81

说明它们几乎一起遗传。

那么只保留：

rs1001

因为它 P 最小（最显著）。

其它全部归到它的 clump。

Clumping 的典型算法

PLINK 的 --clump 基本流程就是：

按 P-value 排序

↓

取最显著 SNP
作为 index SNP

↓

寻找窗口内
与它 LD 很高(r²超过阈值)
的 SNP

↓

全部标记为同一个 clump

↓

删除这些 SNP

↓

继续处理剩余 SNP

↓

直到结束

因此最终每个 clump 只有一个 lead SNP。

为什么最后变成 41 个？

因为：

207 个显著 SNP

实际上并不是 207 个独立信号。

很多都聚集在同一个 locus。

举个简单例子：

207 SNP

↓

Cluster1  有8个
Cluster2  有12个
Cluster3  有5个
Cluster4  有9个
...

最后可能变成：

Cluster1 → lead rsA

Cluster2 → lead rsB

Cluster3 → lead rsC

...

总共 41 个 cluster

因此：

207 SNP
      LD clumping
──────────────►
41 lead SNP

也就是说：

41 代表 41 个独立关联位点（independent association signals），而不是随机挑出来的 41 个 SNP。 (PMC)

文中的 LD r² < 0.1 是什么意思？

论文写的是：

LD-based clumping (LD r² < 0.1)

意思就是：

如果两个 SNP

r² ≥ 0.1

认为它们相关，不独立。

只保留其中最显著的一个。

如果

r² < 0.1

认为它们足够独立，可以同时保留。

例如：

rs1  P=1e-8
rs2  P=3e-7

r²=0.75

结果：

保留 rs1
删除 rs2

但如果

r²=0.02

则：

保留 rs1
保留 rs2

因为它们代表两个独立信号。

Table S8 包含了什么？

Table S8 并不是简单地复制 Table S7，而是：

也就是说：

1. 从 Discovery cohort 的 207 个显著 SNP 中，通过 LD clumping 得到 41 个 lead SNP；
2. 再去 Replication cohort 中查看这 41 个 SNP 的关联结果（P 值、效应方向等）；
3. 将两部分结果一起汇总形成 Supplementary Table S8。 (PMC)

如果用 PLINK 复现，流程大致如下

假设 GWAS summary 为 gwas.txt：

plink \
  --bfile reference_panel \
  --clump gwas.txt \
  --clump-p1 1e-5 \
  --clump-p2 1e-5 \
  --clump-r2 0.1 \
  --clump-kb 250 \
  --out result

输出的 result.clumped 中，每个 INDEX SNP（索引 SNP）就是一个 lead SNP。在这篇论文里，经过这种 LD 去冗余后，207 个显著 SNP 被归并成了 41 个相互独立的 lead SNP。实际窗口大小（--clump-kb）取决于作者设置，但核心逻辑就是“按 P 值优先、按 LD 合并，只保留每个 LD 区块中最显著的 SNP”。