Le Catalogue GWAS est la liste publique et curée des résultats d'études d'association pangénomique, tenue par le NHGRI et l'EMBL-EBI, et chaque ligne d'un rapport de santé Full Human en provient. Voici ce qu'est le Catalogue, quelles études il accepte, comment nous ramenons 1,2 million d'associations à 12 110 lignes, à quoi correspond une ligne de votre PDF, et pourquoi deux outils lisent un même fichier différemment.
Ce qu'est une GWAS, en un paragraphe
Une étude d'association pangénomique (GWAS, pour genome-wide association study) génotype un grand groupe de personnes à des centaines de milliers, voire des millions de positions, et demande, position par position, si un allèle est plus fréquent chez les personnes présentant un trait (une maladie, une mesure sanguine, une habitude) que chez celles qui ne le présentent pas. Pour chaque variant, elle rapporte une valeur p, qui dit à quel point la différence est surprenante, et une taille d'effet : un odds ratio pour les conditions oui/non, un bêta pour les quantités mesurées. Comme une GWAS teste environ un million d'hypothèses à la fois, le domaine a adopté un seuil strict pour un résultat « significatif à l'échelle du génome », p < 5 × 10⁻⁸, proposé en 2008 par Pe'er et ses collègues [6]. Une GWAS trouve des signaux statistiques à proximité d'un trait ; elle ne dit pas quel variant fait le travail, ni pourquoi.
Ce qu'est le Catalogue GWAS
Le Catalogue GWAS NHGRI-EBI est l'endroit où ces résultats sont rassemblés. Le National Human Genome Research Institute américain l'a fondé en 2008 ; depuis 2010, c'est un projet commun avec l'EMBL-EBI, qui l'héberge depuis 2015 (page « About » et actualité EMBL du 7 avril 2015, toutes deux consultées le 14 octobre 2026). Les curateurs lisent chaque article éligible et en extraient, par association, le variant (rsID), l'allèle à risque, la valeur p, l'odds ratio ou le bêta avec son intervalle de confiance, les tailles d'échantillon et les ascendances, ainsi que le trait, rattaché à l'Experimental Factor Ontology (EFO) pour que « T2D », « type 2 diabetes » et « NIDDM », issus de trois articles, atterrissent sur un seul terme.
Sa taille à la version du 3 octobre 2026 (vérifiée le 14 octobre 2026 sur le point d'accès statistiques du Catalogue et ses métadonnées REST) :
- 1 198 394 associations curées issues de 7 845 publications, plus 203 002 jeux complets de statistiques sommaires ; le cap du million a été franchi fin 2025 (note de version du 10 novembre 2025).
- Variants sur l'assemblage GRCh38.p14 et dbSNP build 156 ; traits sur EFO v3.94.0.
- De nouvelles données curées environ toutes les deux semaines (FAQ, A7).
Son article de 2025 décrivant la base [5] comptait 625 113 associations en juillet 2024 ; le Catalogue a presque doublé depuis.
Ce qui y entre, et ce que cela signifie pour vous
Les critères d'éligibilité du Catalogue (consultés le 14 octobre 2026) exigent qu'une étude :
- soit publiée dans une revue à comité de lecture, en anglais, sur des humains (les statistiques sommaires issues de prépublications sont acceptées, mais signalées comme non relues par les curateurs tant que l'article n'est pas publié) ;
- teste au moins 100 000 variants avant contrôle qualité, sur puce ou par séquençage, avec une couverture pangénomique ;
- ne soit pas une étude de gènes candidats. Un article qui ne regarde que MTHFR, COMT ou une poignée de gènes favoris est exclu, aussi souvent qu'il soit cité en ligne.
Au sein d'une étude éligible, seules les « associations principales » sont extraites : le variant le plus fort par locus (dans un gène ou une fenêtre de 100 kb, sauf si les auteurs démontrent des signaux indépendants), et seulement si p < 1 × 10⁻⁵. Les articles sont repérés par une recherche PubMed hebdomadaire, triée avec l'outil d'apprentissage automatique LitSuggest.
Deux conséquences pour le lecteur d'un rapport de santé grand public. Le seuil du Catalogue, 1 × 10⁻⁵, est plus lâche que la significativité pangénomique, donc un outil bâti dessus doit appliquer son propre seuil. Et les affirmations « méthylation » et « détox » populaires reposent sur des études de gènes candidats, que le Catalogue exclut : rs1801131, COMT rs4680 et CYP1A2 rs762551 ne sont dans aucun de nos deux catalogues. MTHFR rs1801133 n'est comptabilisé dans aucun rapport : le rapport nutrition le garde hors de ses tableaux et ne montre C677T que dans une fiche gène, avec son contexte folate et homocystéine. C'est une propriété des preuves, pas un oubli.
De 1,2 million de lignes à 12 110 : comment Full Human filtre le Catalogue
Full Human lit le téléchargement « all associations, ontology-annotated » du Catalogue et en reconstruit deux catalogues avec un petit programme Rust. Le catalogue santé ne garde une ligne que si toutes ces règles sont respectées :
- Significativité pangénomique. La valeur p rapportée est inférieure à 5 × 10⁻⁸.
- Une taille d'effet typée. Pour le catalogue santé, c'est un odds ratio avec son intervalle : le champ « OR or BETA » est rempli, et l'intervalle n'est ni marqué « NR », ni donné sous forme de z-score, ni exprimé en unités de mesure. Les bêtas avec unités sont écartés par cette règle.
- Un intervalle de confiance plausible. La borne haute est inférieure à trois fois la borne basse. Cela élimine les petites études aux marges d'erreur très larges.
- Un allèle à risque d'une seule base. A, C, G ou T, ou une insertion ou une délétion notée I ou D. Les lignes marquées « ? » ou dont l'allèle compte plusieurs bases sont écartées dès la construction du catalogue, car le générateur compare cette lettre à votre génotype.
- Un trait rattaché à une maladie. Le terme EFO doit être un terme de maladie MONDO, ou y correspondre via le fichier de correspondance EFO-MONDO de l'Ontology Lookup Service de l'EBI. MONDO est l'ontologie des maladies de la Monarch Initiative, qui « vise à harmoniser les définitions des maladies à travers le monde » (mondo.monarchinitiative.org, consulté le 14 octobre 2026). « Taille » échoue à cette règle ; « diabète sucré de type 2 » la passe.
- Un variant principal par région. Pour chaque trait, un variant situé à moins de 250 000 bases d'un variant conservé plus fortement associé est écarté comme le même signal, afin que des variants voisins ne soient pas comptés deux fois.
À partir de la version 2026-06-01, cela donne 12 110 associations principales, 409 traits du catalogue, 1 020 études et 8 291 variants distincts ; pour chaque ligne, le catalogue écrit garde aussi la position, la force de l'association, la fréquence de l'allèle à risque et les allèles que le catalogue entier nomme pour le variant. Les plus gros blocs par trait rattaché sont le carcinome de la prostate (846 lignes), le diabète de type 2 (639), la schizophrénie (507), la fibrillation atriale (468) et la goutte (461). Le rapport dispose de 263 textes de conditions par langue, regroupés en 17 catégories via l'ontologie ; le rapport de santé complet a une section pour chaque catégorie qui compte au moins une condition pour le sexe du fichier (la catégorie Génétique et métabolique n'en compte aucune pour l'instant), et les catégories ne sont pas vendues comme rapports séparés. Une condition n'est imprimée que si elle a un texte et que le catalogue a des lignes pour elle (la schizophrénie et la maladie d'Alzheimer, sans texte, ne s'impriment pas), si bien qu'un rapport complet en imprime jusqu'à environ 190, en 14 à 16 sections : 14 pour un fichier dont le sexe est indéterminé ou masculin, 16 pour un fichier féminin, qui ajoute Obstétrique et gynécologie et Reproductif.
Le catalogue nutrition est construit différemment, car la règle 5 rejetterait toute mesure de vitamine ou de minéral. Il garde à la place les lignes d'une liste fixe d'éléments de nutrition (taux de vitamines et de minéraux, acides gras, homocystéine, habitudes alimentaires déclarées), reconnus par les identifiants de trait du Catalogue, avec les mêmes règles de valeur p et d'allèle. Il retire ensuite les variants rares chez les personnes d'ascendance européenne ou au brin ambigu (A/T, C/G) et ceux connus surtout pour des maladies héréditaires, puis garde jusqu'à 20 résultats indépendants par élément. Le rapport nutrition couvre 27 de ces éléments en quatre sections, plus 24 fiches gènes lues selon des règles fixes tirées de leurs propres études (dont la persistance de la lactase, les types HLA liés à la maladie cœliaque et le goût) ; les vitamines B1, B2, B3, B5, B7 et K, le sodium, le potassium, le chlorure, l'iode, le manganèse et le soufre n'ont aucune étude génétique exploitable et sont décrits en annexe sans résultat.
Le pipeline est documenté sur la page méthodologie, qui affiche la version utilisée. Le générateur tourne actuellement sur la version 2026-06-01 ; la plus récente de l'EBI est celle du 2026-10-03, et un workflow planifié intègre chaque nouvelle version après relecture.
À quoi correspond une ligne de votre PDF
Ouvrez le rapport d'exemple à une affection qui a un tableau, par exemple la pneumopathie interstitielle, et vous voyez ses sept colonnes, chacune étant un champ du Catalogue ou dérivée de l'un d'eux :
| Dans votre PDF | Dans le Catalogue GWAS | Notes |
|---|---|---|
| SNP | SNP_ID_CURRENT | Le rsID dbSNP actuel |
| Génotype | votre fichier brut | Vos deux allèles à cette position |
| Allèle à risque | STRONGEST SNP-RISK ALLELE | La lettre après le tiret dans « rs429358-C », selon l'étude la plus précise de l'affection parmi celles qui donnent la fréquence de l'allèle |
| Copies | votre fichier brut | Le nombre de copies de cet allèle que vous portez, 1 ou 2 ; les variants sans aucune copie comptent dans la tendance mais ne sont pas listés |
| Fréquence | RISK ALLELE FREQUENCY | La fréquence de l'allèle dans la population étudiée ; la personne moyenne porte deux fois ce nombre de copies |
| Effet par copie | OR or BETA de cette seule étude | Aucune moyenne : parmi les études de l'affection qui donnent la fréquence, celle à l'intervalle de confiance le plus étroit |
| Études (PubMed IDs) | PUBMEDID | Un lien vers chaque étude de l'affection derrière la ligne |
Prenez rs429358, l'un des deux variants qui définissent les allèles APOE ε2/ε3/ε4 ; il apparaît dans 41 lignes du catalogue santé, dont 22 sous la maladie d'Alzheimer. L'une d'elles, issue de l'étude PubMed 34122051, se lit : allèle à risque C, odds ratio 3,245, intervalle [2,941–3,579], fréquence de l'allèle à risque 0,226, trait rattaché « Alzheimer disease » (MONDO:0004975). Parmi les études Alzheimer qui donnent cette fréquence, la plus précise est PubMed 39129223 (allèle C, odds ratio 1,80 [1,78–1,81], fréquence 0,16). Ces lignes restent dans le catalogue, mais le rapport n'a pas de texte pour la maladie d'Alzheimer, donc elles ne s'impriment pas. Dans un rapport, rs429358 s'imprime sous l'anévrisme de l'aorte abdominale (C, odds ratio 1,17, fréquence 0,14, PubMed 32981348), l'infarctus du myocarde (C, odds ratio 1,11, fréquence 0,14, PubMed 33532862) et la maladie hépatique stéatosique associée à un dysfonctionnement métabolique (C, odds ratio 0,88, fréquence 0,16, PubMed 34535985 et d'autres). Suivons l'infarctus du myocarde. Quoi que votre fichier indique à rs429358, le variant compte : une personne ε4/ε4 (CC) porte deux copies de C, une personne ε3/ε4 (CT) une, un fichier TT aucune, et la ligne ne s'imprime qu'avec une ou deux copies. Le rapport compare vos copies à deux fois la fréquence donnée par l'étude qu'il retient pour le variant : parmi les études de l'affection qui donnent cette fréquence, celle à l'intervalle le plus étroit, ici PubMed 33532862 (fréquence 0,14, soit 0,28 copie chez la personne moyenne). Les copies au-dessus ou en dessous de la moyenne, multipliées par le logarithme du rapport de cotes de chaque variant, s'additionnent sur les variants de l'infarctus du myocarde que votre fichier mesure et qui peuvent être comparés (dans le rapport nutrition, chaque copie compte plutôt plus ou moins un selon le sens de son effet, et le total donne une tendance quand il s'écarte de la moyenne d'au moins un écart-type) ; la somme, ramenée à un rapport de cotes, donne les cotes par rapport à la personne moyenne et fixe la tendance : 1,20 ou plus s'imprime cotes plus élevées, 0,83 ou moins cotes plus faibles, entre les deux aucune différence notable. Quand moins d'un tiers des variants connus de l'affection sont mesurés, elle est non évaluable ; quand moins d'un tiers des variants connus peuvent être comparés, non comparable. Le guide pour lire le rapport de santé déroule cela sur une vraie page.
Trois détails découlent des conventions du Catalogue. Depuis 2021, le Catalogue n'inverse plus les odds ratios inférieurs à 1 (en-têtes de fichier, consultés le 14 octobre 2026), si bien que 2 082 de nos lignes décrivent un allèle qui abaisse les odds. Quand l'article n'a pas nommé l'allèle à risque, le Catalogue stocke « ? » ; le générateur, qui compare cette lettre à votre génotype, ne pourrait rien en faire, et ces lignes sont écartées dès la construction du catalogue. Enfin, chaque condition imprimée indique sa couverture, que votre fichier en mesure les rsID ou non : une puce grand public lit quelques centaines de milliers de positions, donc un fichier typique contient à peu près un quart des variants principaux du catalogue, et la plupart des conditions à nombreux variants s'impriment comme non évaluables.
Pourquoi deux outils lisent le même fichier différemment
Donnez le même fichier 23andMe à deux services et vous obtenez deux listes différentes. Les raisons sont des choix, pas des erreurs.
- La source. Promethease lit SNPedia, un wiki qui résume des articles de toutes conceptions, études de gènes candidats comprises, et qui n'est plus activement maintenu depuis plusieurs années selon des avis tiers. Un rapport fondé sur le Catalogue hérite à la place des règles d'éligibilité du Catalogue ; chaque source a des entrées que l'autre n'a pas. Notre avis sur Promethease détaille ce compromis.
- Les seuils. Un outil garde toutes les lignes du Catalogue jusqu'à 1 × 10⁻⁵, un autre coupe à 5 × 10⁻⁸, un troisième exige un intervalle de confiance.
- La couverture de la puce. 23andMe, AncestryDNA et MyHeritage utilisent des puces et des versions de puces différentes ; un variant connu du Catalogue peut ne pas figurer du tout sur la vôtre.
- Brin et assemblage. Le Catalogue reprend les allèles à risque « exactement tels que rapportés dans la publication d'origine » et « ne peut pas corriger systématiquement » les inversions de brin entre assemblages du génome (FAQ, E7, consultée le 14 octobre 2026). Les fichiers grand public rapportent en général le brin direct, donc pour un variant A/T ou C/G, un article sur l'autre brin peut faire passer « allèle à risque A » pour votre « T ». Tout outil qui compare des lettres, le nôtre compris, peut mal lire une telle ligne.
- L'agrégation. Un produit d'odds ratios, une somme de log-odds pondérée par le nombre d'allèles, un score polygénique avec ajustement pour le LD : trois méthodes défendables, trois totaux différents à partir des mêmes lignes.
Limites
- Ascendance. À la mi-2021, 86,3 % des échantillons GWAS du Catalogue provenaient de personnes d'ascendance européenne [8]. Les effets se transposent imparfaitement à d'autres populations ; un rapport pour une personne d'ascendance est-asiatique, africaine ou sud-asiatique repose sur des preuves plus minces.
- Les associations ne sont pas des causes. Un variant principal marque une région. Le variant causal est souvent un voisin en déséquilibre de liaison (LD) avec lui, et ni le Catalogue ni un rapport grand public ne disent quel gène compte, ni pourquoi.
- LD et double comptage. Des études différentes choisissent des SNP principaux différents pour le même signal. Additionner leurs effets compterait un signal plusieurs fois ; nous gardons un variant principal par région de 250 000 bases et par trait, mais ne modélisons pas plus finement la liaison entre variants.
- Malédiction du vainqueur. La première étude à rapporter un variant tend à surestimer son effet, surtout quand elle manque de puissance [7]. Nous ne faisons pas de moyenne entre études : nous retenons par variant, parmi les études de l'affection qui donnent la fréquence de l'allèle, celle dont l'intervalle de confiance est le plus étroit, ce qui ne supprime pas ce biais.
- Pas de risque de base. Un odds ratio de 1,3 ne dit rien de la fréquence d'une condition. « Cotes plus élevées » s'entend par rapport à la personne moyenne de la population étudiée, pas comme une probabilité absolue.
Une association est un signal statistique dans une population d'étude, pas une cause, et elle ne dit pas si vous avez ou développerez la condition. Si une ligne vous inquiète, apportez le lien PubMed à un médecin ou à un conseiller en génétique.
Références
- GWAS Catalog, « About ». EMBL-EBI. ebi.ac.uk/gwas/docs/about.
- GWAS Catalog, « Eligibility criteria ». ebi.ac.uk/gwas/docs/methods/criteria.
- GWAS Catalog, « File headers ». ebi.ac.uk/gwas/docs/fileheaders.
- GWAS Catalog, métadonnées de l'API REST, version 2026-10-03. ebi.ac.uk/gwas/rest/api/v2/metadata.
- Cerezo M. et al. « The NHGRI-EBI GWAS Catalog: standards for reusability, sustainability and diversity. » Nucleic Acids Research 53(D1): D998–D1005, 2025. doi:10.1093/nar/gkae1070.
- Pe'er I., Yelensky R., Altshuler D., Daly M. J. « Estimation of the multiple testing burden for genomewide association studies of nearly all common variants. » Genetic Epidemiology 32(4): 381–385, 2008. doi:10.1002/gepi.20303.
- Xiao R., Boehnke M. « Quantifying and correcting for the winner's curse in genetic association studies. » Genetic Epidemiology 33(5): 453–462, 2009. doi:10.1002/gepi.20398.
- Fatumo S. et al. « A roadmap to increase diversity in genomic studies. » Nature Medicine 28: 243–250, 2022. doi:10.1038/s41591-021-01672-4.
Les pages de l'EBI ont été consultées le 14 octobre 2026.
FAQ
Le Catalogue GWAS est-il gratuit ?
Oui. C'est une ressource publique financée par le NHGRI et l'EMBL-EBI, consultable sur ebi.ac.uk/gwas, avec des téléchargements complets sur le site FTP de l'EBI. Vous pouvez y chercher vous-même n'importe quel rsID de votre fichier brut, ce qui est aussi la façon de vérifier une ligne de votre rapport ; ce qu'un rapport ajoute, c'est la mise en correspondance, le filtrage et l'agrégation.
MTHFR figure-t-il dans mon rapport ?
Seulement dans le rapport nutrition, et sans être comptabilisé. Les affirmations sur la méthylation autour de MTHFR rs1801133 viennent d'études de gènes candidats, que le Catalogue exclut. Le rapport nutrition garde rs1801133 hors de ses tableaux de folate et d'homocystéine et montre C677T dans une fiche gène à côté de l'homocystéine : votre génotype, ce que de grandes études ont trouvé pour le folate et l'homocystéine, et la position de la génétique médicale sur le test MTHFR. Il n'est pas dans le catalogue santé, et rs1801131, COMT rs4680 et CYP1A2 rs762551 ne sont dans aucun de nos deux catalogues.
Full Human utilise-t-il la version la plus récente du Catalogue ?
Pas toujours la toute dernière. La page méthodologie affiche la version en cours d'utilisation. Au moment où nous écrivons, le générateur tourne sur la version 2026-06-01 alors que la plus récente de l'EBI est celle du 2026-10-03 ; un workflow planifié reconstruit nos catalogues à partir de chaque version et l'intègre après relecture, donc le décalage est normalement de quelques semaines.
Quelle est la différence entre p < 1 × 10⁻⁵ et p < 5 × 10⁻⁸ ?
Les deux sont des seuils pour la probabilité qu'un résultat soit dû au seul hasard. Le Catalogue enregistre les associations jusqu'à 1 × 10⁻⁵ pour que les résultats suggestifs restent disponibles aux chercheurs. La significativité pangénomique, 5 × 10⁻⁸, corrige pour le million environ de tests indépendants d'une GWAS. Full Human ne garde que les lignes sous la valeur la plus stricte.
Cet article est fourni à titre d'information générale et ne constitue pas un avis médical. Consultez un professionnel de santé qualifié avant de prendre des décisions de santé fondées sur des données génétiques.
Prêt à explorer votre propre ADN ?
Transformez vos données ADN brutes en un rapport de santé clair
Full Human traite les fichiers ADN compatibles de façon confidentielle dans votre navigateur et crée un PDF téléchargeable avec des liens vers la littérature scientifique.
409 traits du catalogue · 17 catégories · GWAS Catalog juin 2026
Votre fichier ADN reste sur votre appareil pendant la création du rapport.