1. 基本信息
| 项目 | 内容 |
|---|---|
| 名称 | manhattan-qq-locuszoom-gptomics-bioskills |
| 项目自述名称 | Manhattan, QQ, and Locuszoom Plots（SKILL.md 内部标题） |
| 作者/维护者 | GPTomics Organization |
| 来源链接 | https://github.com/GPTomics/bioSkills/tree/main/data-visualization/manhattan-qq-locuszoom |
| 许可证 | MIT（数据来源：GitHub API，仓库级） |
| GitHub Stars / Forks | 所属合集仓库 bioSkills 整体 1,141 / 193（数据来源：GitHub API；⚠️ 为整个合集的数字，不代表本技能自身热度） |
| 最新版本 | 本子技能内容最近一次提交于 2026-05-24（数据来源：GitHub API commits，按该子目录路径查询） |
| 安装方式 | 复制 data-visualization/manhattan-qq-locuszoom/ 整个目录（含 SKILL.md、examples/、usage-guide.md）到 agent 的 skills 目录 |
2. 功能介绍与亮点
- 覆盖 GWAS / TWAS / PWAS / QTL 关联分析结果的四类标准可视化：Manhattan 图（全基因组 -log10(p) 散点）、QQ 图（含基因组膨胀因子 λGC）、Miami 图（双性状镜像对比）、locuszoom 风格区域图（LD 着色 + 重组率 + 基因轨道叠加）
- 核心亮点是明确指出“显著性阈值不是一成不变的常数”——5e-8 只标定于欧洲人群常见变异 GWAS（Pe’er 2008），并给出全基因组测序、非欧洲人群、TWAS/PWAS、跨人群 meta 分析等场景各自对应的正确阈值对照表，避免用错阈值导致误判
- 提供基因组膨胀因子 λGC 的诊断流程，并给出区分“混杂”与“真实多基因信号”的方法——通过 LD-score 回归的截距（混杂）与斜率（多基因性）分离两种成因，附带 λ 值判断阈值
- 给出极端峰值 Y 轴处理方案排序：优先“截断并用箭头标注”，其次拆分坐标轴或双面板呈现，并说明为何应避免无提示截断
- 系统整理 7 类具体失败模式对照表（阈值用错、膨胀误判、截断无提示、配色混乱、LD 参考人群不匹配、坐标未排序等），逐条给出触发条件、症状与修复方法
- 附完整学术参考文献（Pe’er 2008、Pulit 2017、Zhou 2018 SAIGE 等真实期刊引用），以及独立的
usage-guide.md与可运行的 R 示例脚本
3. 适用场景
所属分类：数据分析与可视化
面向执行全基因组关联分析（GWAS）及其扩展形式（TWAS、PWAS、QTL 分析）、需要产出论文级 Manhattan/QQ/locuszoom 图的群体遗传学与统计遗传学研究者。典型场景包括：常见变异 GWAS 的标准 Manhattan+QQ 图、跨人群 meta 分析的阈值校正、双性状共享位点的 Miami 图对比、围绕候选位点的 LD 着色区域图。这类图表在人类遗传学论文中几乎是标配，但阈值选型、膨胀诊断、极值截断与 LD 参考人群匹配极易出错且不易被肉眼发现——Claude Code / Codex 等 agent 结合该技能可直接根据分析类型给出正确阈值与诊断结论，无需用户自行查阅统计遗传学文献。
4. 跨 Agent 兼容性
- Claude Code：原生支持——仓库提供
install-claude.sh，标准 SKILL.md（YAML front matter + 指令正文）可直接安装 - Codex：原生支持——仓库提供
install-codex.sh，用法与 Claude Code 版本一致 - OpenClaw：原生支持——仓库提供专用
install-openclaw.sh - Hermes Agent：未验证——该技能目前未见于 Hermes 官方生物信息学技能网关（
research-bioinformatics）已索引的清单中（网关同一页面下其他 GPTomics/bioSkills 子技能如 genome-tracks、association-testing 均被按名列出，本技能未在列）；SKILL.md 遵循同一套通用格式，理论上可手动安装，但缺乏官方网关层面的确认
5. 推荐理由
GWAS 结果可视化看似只是“画个散点图”，实际暗藏多个隐蔽性错误：阈值套用错误、膨胀因子被误判为多基因信号、极端峰值无提示截断、LD 参考人群张冠李戴——这些错误图面上通常看不出异常，只有结论是错的。该技能把统计遗传学界公认的正确做法与常见失败模式系统化整理成可执行的检查清单和代码模板，帮助 agent 产出统计学意义上站得住脚的发表级图表，而不只是“能跑通”的图。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 5 | 所属合集仓库整体 1,141 stars 不代表本技能自身热度；本技能未见于 Hermes 官方网关索引，也未检索到针对该子技能的具名第三方评价或独立采用数据 |
| 可用性 | 9 | SKILL.md（17.4KB）+ 独立 usage-guide.md + 可运行 R 示例脚本，内容详尽且含版本核验方法；依赖均为一条命令可装好的开源包（qqman/CMplot/locuszoomr/matplotlib 等），仅可选的 LocusZoom 示例用到免费的 LDlink 公共参考数据库（用户自行申请 token）；所属仓库最近一次推送为 2026-07-25 |
| 安全性 | 9 | 纯提示词模板 + 本地 R/Python 绘图代码，无内嵌 shell 命令执行；示例中唯一的网络调用是可选的 LDlink 公共 LD 参考数据库查询（用户自备免费 token，用途透明）；MIT 许可证明确；通读全文与示例脚本未见混淆逻辑或可疑指令 |
安全检查清单：①无 shell 命令执行，内容为 R/Python 绘图代码与配置示例 ②运行时不主动联网外发数据，唯一网络调用为可选的 LDlink 公共参考库查询 ③无强制凭据要求，LDlink token 为用户自备的免费公共服务凭据 ④SKILL.md 与示例脚本均为公开的统计遗传学可视化方法与代码，未见可疑指令 ⑤GPTomics 为持续维护该开源生物信息学技能合集的组织账号，公开仓库活动未见刷星或误导性描述等造假迹象 ⑥MIT 许可证清晰 ⑦所属仓库最近一次推送为 2026-07-25
7. 跟同类 Skills 相比的优势
| 维度 | 本技能（manhattan-qq-locuszoom） | association-testing（同合集） | genome-tracks（同合集） |
|---|---|---|---|
| 定位 | GWAS/TWAS/PWAS/QTL 关联分析结果的可视化正确性封装 | 关联分析检验本身的引擎选型与混杂控制（PLINK/SAIGE/REGENIE） | 任意测序类型（ChIP-seq/ATAC-seq/Hi-C 等）的基因组位点多轨道叠加图 |
| 核心陷阱覆盖 | 阈值误用、λGC 误判、极值截断无提示、LD 参考人群不匹配 | 病例对照失衡下的统计检验偏差、群体结构混杂 | 内参标准化被绘图参数悄悄抵消、轨道渲染顺序混淆 |
| 典型输出 | Manhattan/QQ/Miami/locuszoom 统计图 | Summary Statistics 关联检验结果表 | 位点级多轨道叠加发表图 |
三者互补而非替代：先用 association-testing 跑出 Summary Statistics，再用本技能画出统计学意义正确的图；若需展示 ChIP-seq/ATAC-seq 等信号轨道而非 GWAS 统计量，应选 genome-tracks。底层绘图库（如 qqman、CMplot）只提供绘图函数，不含阈值选型、λGC 诊断等方法论层指导，本技能相当于在这些库之上补齐了统计遗传学正确性这一层。
8. 用户评价
该技能目前在第三方平台尚无具名用户评价；所属仓库当前公开 Issue 数为 0，未见针对本子技能的具名反馈。
9. 其他补充
SKILL.md 的「Related Skills」交叉引用同合集内的 population-genetics/association-testing（产出本技能所需的 Summary Statistics）、workflows/gwas-pipeline（端到端 GWAS 流程）、causal-genomics/fine-mapping（locuszoom 之后的位点内精细定位）、causal-genomics/colocalization-analysis（双性状共定位分析）、data-visualization/color-palettes（染色体双色交替配色）与 phasing-imputation/imputation-qc（影响 QQ 图的填补前质控），可见本技能在合集内承担“GWAS 结果可视化”这一承上启下的角色。
10. 安装使用方式
- 从 GitHub 下载或克隆仓库子目录：
data-visualization/manhattan-qq-locuszoom/ - 复制整个目录（含
SKILL.md、examples/、usage-guide.md）到所用 agent 的 skills 目录（如 Claude Code 的~/.claude/skills/或项目内.claude/skills/） - 按需安装依赖：R 侧
install.packages(c('qqman', 'CMplot', 'locuszoomr', 'LDlinkR'))及BiocManager::install('EnsDb.Hsapiens.v86')；Python 侧pip install matplotlib pandas numpy scipy - 无需重启 agent，安装后下次对话即可通过自然语言描述需求触发（如“用 qqman 画一个 GWAS 结果的 Manhattan 和 QQ 图，阈值 5e-8，报告 λGC”）
11. 注意事项
- 5e-8 显著性阈值仅适用于欧洲人群常见变异 GWAS，全基因组测序、非欧洲人群、TWAS/PWAS、跨人群 meta 分析等场景需换用对应阈值，误用会导致假阳性或假阴性误判
- λGC 升高不能直接等同于混杂，需结合 LD-score 回归的截距（混杂）与斜率（多基因性）综合判断，否则可能错误丢弃真实的多基因信号
- locuszoom 区域图的 LD 参考人群必须与 GWAS 研究人群匹配，用错参考人群会得到完全错误的 LD 着色结果，误导精细定位结论
- 仓库为社区维护的生物信息学技能合集，非任何厂商官方出品，选用前建议自行核对示例代码与当前环境中 R/Python 库版本是否匹配（SKILL.md 本身提供了版本核验方法）