Q-Q 图
Q-Q 图把你样本的分位数放在理论分布的分位数对面。点落在参考线上,就说明样本符合那个分布;而每一种偏离都带着 信息 —— 偏离的形状会告诉你问题出在偏度、厚尾,还是整体平移。
有两种模式:
mode | x 轴 | y 轴 | 用途 |
|---|---|---|---|
"normal"(默认) | 理论标准正态分位数 | 样本分位数 | 正态性检查、尾部形状 |
"genomic" | 期望 −log₁₀(p) | 观测 −log₁₀(p) | GWAS p 值标定、λ 膨胀 |
SELECT kuva_render(to_json({
'title': 'Normal Q-Q',
'x_axis': {'name': 'theoretical quantiles'},
'y_axis': {'name': 'sample quantiles'},
'series': [{
'type': 'qq',
'groups': [{'label': 'Control', 'values': vals}],
'color': 'steelblue',
'reference_line': true
}]
})) AS chart
FROM (
SELECT list(expression) AS vals
FROM read_csv_auto('{{DFK_BASE_URL}}data/samples.tsv')
WHERE "group" = 'Control'
);
怎么读偏离:
| 形状 | 含义 |
|---|---|
| S 形 | 偏态(左偏或右偏) |
| 两端同时上翘 | 厚尾 |
| 两端同时下弯 | 薄尾 |
| 整体平移 | 形状相同,位置不同 |
多组正态 Q-Q
把几个分组叠起来比形状。每个分组有自己的参考线,稳健地锚在它自己的四分位数上 —— 这样仅仅是整体平移的 分组,不会看起来像形状不对。
SELECT kuva_render(to_json({
'title': 'Normal Q-Q by group',
'x_axis': {'name': 'theoretical quantiles'},
'y_axis': {'name': 'sample quantiles'},
'legend': {'position': 'outside_right_top'},
'series': [{
'type': 'qq',
'groups': groups
}]
})) AS chart
FROM (
SELECT list({'label': g, 'values': vals} ORDER BY g) AS groups
FROM (
SELECT "group" AS g, list(expression) AS vals
FROM read_csv_auto('{{DFK_BASE_URL}}data/samples.tsv')
GROUP BY "group"
)
);
基因组 Q-Q
mode: "genomic" 收的是 0–1 的原始 p 值(不是观测值),画出零假设下观测与期望的 −log₁₀(p)。点落在对角线
上说明检验统计量标定良好;在右上角离开对角线的那一段,就是真正的信号。
SELECT kuva_render(to_json({
'title': 'GWAS Q-Q',
'x_axis': {'name': 'expected −log10(p)'},
'y_axis': {'name': 'observed −log10(p)'},
'series': [{
'type': 'qq',
'mode': 'genomic',
'groups': [{'label': 'GWAS', 'values': pvals}],
'reference_line': true
}]
})) AS chart
FROM (
SELECT list(pvalue) AS pvals
FROM read_csv_auto('{{DFK_BASE_URL}}data/gene_stats.tsv')
);
0–1 之外的值会被静默丢掉 —— 所以一列已经转成 −log10(p) 的 p 值,画出来是一张空图,而不是报错。
置信带与 λ
ci_band 在对角线周围铺一条 95 % 逐点置信带。带子外面的点,偏离零假设的程度超出随机;ci_alpha 是它的
透明度。
lambda 标出基因组膨胀因子:
λ = median(χ²₁ 观测) / 0.4549
λ ≈ 1 说明标定良好。λ > 1 是膨胀 —— 通常是群体分层、隐性亲缘,或者批次效应。
SELECT kuva_render(to_json({
'title': 'GWAS Q-Q — CI band and λ',
'x_axis': {'name': 'expected −log10(p)'},
'y_axis': {'name': 'observed −log10(p)'},
'series': [{
'type': 'qq',
'mode': 'genomic',
'groups': [{'label': 'GWAS', 'values': pvals}],
'ci_band': true,
'ci_alpha': 0.15,
'lambda': true
}]
})) AS chart
FROM (
SELECT list(pvalue) AS pvals
FROM read_csv_auto('{{DFK_BASE_URL}}data/gene_stats.tsv')
);
多批次基因组 Q-Q
把几个队列叠在一起,是分辨真实信号与研究特有的人工痕迹的办法:所有曲线都离开了带子,还是只有一条。这里两个分组 是两条染色体。
SELECT kuva_render(to_json({
'title': 'GWAS Q-Q by chromosome',
'x_axis': {'name': 'expected −log10(p)'},
'y_axis': {'name': 'observed −log10(p)'},
'legend': {'position': 'outside_right_top'},
'series': [{
'type': 'qq',
'mode': 'genomic',
'groups': groups,
'ci_band': true,
'lambda': true
}]
})) AS chart
FROM (
SELECT list({'label': chr, 'values': pvals} ORDER BY chr) AS groups
FROM (
SELECT chr, list(pvalue) AS pvals
FROM read_csv_auto('{{DFK_BASE_URL}}data/gene_stats.tsv')
WHERE chr IN ('chr1', 'chr2')
GROUP BY chr
)
);
字段
| 字段 | 类型 | 设置什么 |
|---|---|---|
groups | group[] | 必填。 每个分组一串点,每项是 {label, values, color?}。 |
mode | string | "normal"(默认)对比正态分布;"genomic" 画 −log10(p) 的 Q-Q。 |
reference_line | boolean | 画期望的那条直线(false 去掉)。 |
ci_band | boolean | 在对角线周围画 95 % 置信带。 |
ci_alpha | number | 置信带的透明度(默认 0.15)。 |
lambda | boolean | 标出基因组膨胀因子 λ(false 去掉;仅基因组模式)。 |
marker_size | number | 点半径(默认 3)。 |
stroke_width | number | 参考线宽度(默认 1.5)。 |
fill_opacity | number | 点的填充不透明度(不给就是不填充)。 |
color 与 legend 见 series 与通用字段;分组自己的 color 会覆盖它。
说明
mode: "genomic"要的是 0–1 的 p 值。 区间外的值会被静默丢掉。mode: "normal"(默认)时values就是普通观测值 —— 和喂给 ECDF 的是同一列。- 每个分组的参考线是按该组自己的四分位数拟合的,所以叠起来并不是拿同一个参照去衡量它们。
lambda在基因组模式之外不起作用。
另见
- kuva — Q-Q 图 —— 绘图库自己的图型参考。
- ECDF 图 —— 累积分布本身。
- 曼哈顿图是同一批 p 值的全基因组视图。