在完成GWAS后，除了得到QQ-plot和曼哈顿图之外，还需要确定以下几个核心要素来对不同模型的结果进行评估，选择出最适模型：
① LDSC Intercept（LD Score regression Intercept）
功能：主要用于区分“真实遗传信号”与“群体分层偏差”。
原理：LDSC 利用了“连锁不平衡（LD）越强的位点，其关联信号倾向于越强”的原理。
② 曼哈顿图的“塔尖”形态
经验判定：最佳模型生成的曼哈顿图中，显著位点（塔尖）应该是清晰、聚拢且连续的（由 LD 导致）。
异常判定：如果图中到处都是零星散落的高点，或者整条染色体都莫名抬升，说明模型未能很好地处理背景噪音。
③ 显著位点的重合度与效应量（Effect Size）稳定性
模型比对：在不同模型下跑出的 Top SNPs。
经验选择：如果某个模型让已知的阳性对照基因（Positive Controls）变得更显著，且 λGC 维持在合理范围，通常认为该模型更优。