1. 筛选与表型显著关联的 SNP
标准阈值小于5e-8显著位点（比如SNP位点数大于20个），可以直接进行后续的筛选
如果阈值小于5e-8显著位点只有个位数，甚至为0，那么可以尝试1e-7、1e-6、1e-5作为阈值筛选条件
注：1e-5阈值需要后续敏感性分析和异质性性检验结果增加解释依据。
2. 去除连锁不平衡
设置r2=0.001和kb=10000
表示去掉在10000kb范围内与最显著SNP的r2大于0.001的SNP
设置成r2=0.3和kb=1000
表示的就是去掉在1000kb范围内与最显著SNP的r2大于0.3的SNP
参数设置r2=0.01, kb=5000即可，如在上一步基础上SNP过滤较多，也可调整参数（r2=0.1, kb=5000）
3. 检查次要等位基因频率
MAF肯定是＜0.5的，因为如果＞0.5，那就不是第二多。在GWAS的summary文件里经常没有MAF这一列，但是有EAF这一列，他们之间的关系就是：如果EAF＞0.5，那么MAF=1-EAF；如果EAF＜0.5，那么MAF=EAF。
4. 用 F 统计量排除弱工具变量
F检验值>10（一般F统计量大于10是比较好的，当然能大于100是更好的）
计算方法
- 方法一
其中N表示GWAS分析中的样本量； k 表示工具变量的个数； R^ {2} 表示工具变量解释暴露因素的程度。
- 方法二
β2/SE2
注：如果方法一F值皆小于10，可尝试方法二计算
5. 排查混杂与水平多效性
利用PhenoScanner
网站链接：http://www.phenoscanner.medschl.cam.ac.uk/
首先打开网站
根据筛选到的SNP进行检索排除
在此处输入要查找SNP的名字
下滑界面可浏览检索到相应性状结果
例如暴露因素是失眠
结局因素是心脏病
检索结果发现此SNP与心血管疾病有关，那么这个SNP可能是通过心血管疾病影响的心脏病，因此需要查阅文献排除是否此SNP与心血管疾病有关，如有建议剔除此SNP。
如果SNP数据量较多可以上传文本文件批量查询
注：SNP数目不要超过100个
最后提醒一下，SNP数目多的时候统计效力足，但是异质性和多效性可能会比较大，如果去除部分SNP后，可以消除异质性和多效性，但是会导致统计效力低，使结果变成阴性。因此，大家需要好好斟酌一下自己的筛选阈值条件。上述选取原则具有一定普适性，希望大家记住，感兴趣的可以深入理解一下为什么遵循这些原则。