1淹父、GWAS 流程
image.png
數(shù)據(jù)質(zhì)控
? 1）按分型百分比條件過(guò)濾，多數(shù)文章剔除缺失率在20%以上的位點(diǎn)，樣本量較大的群體中步脓，可以將缺失率小于50%的位點(diǎn)都保留罗捎；
? 2）按等位基因頻率過(guò)濾观谦，通常去除第二等位基因頻率小于5%的位點(diǎn)，樣本量較大的群體中桨菜，可以降低到1%坎匿；
? 3）多等位位點(diǎn)的過(guò)濾（適應(yīng)軟件）；
? 4）哈迪溫伯格平衡過(guò)濾雷激，一般無(wú)法使用較為復(fù)雜的統(tǒng)計(jì)模型的情況使用替蔬，如人類(lèi)的 Case/Control GWAS 中一般將不符合哈迪溫伯格平衡的位點(diǎn)過(guò)濾掉，植物GWAS中一般不過(guò)濾屎暇；
? 5）極端表型的去除承桥。
LD 衰減分析
? 確定使用的群體的LD衰減距離，判斷使用的標(biāo)記代表性
? 最低飽和標(biāo)記量 = 基因組大小/LD衰減距離
? 越密越好：檢測(cè)到功能位點(diǎn)的概率增大根悼；處于同一個(gè)Block的位點(diǎn)相互驗(yàn)證
（Manhattan plot 柱狀峰值）
image.png
群體結(jié)構(gòu)與親緣關(guān)系的評(píng)估
? 群體結(jié)構(gòu)和親緣關(guān)系是導(dǎo)致關(guān)聯(lián)結(jié)果出現(xiàn)假陽(yáng)性的兩個(gè)主要因素
? 對(duì)群體結(jié)構(gòu)和親緣關(guān)系進(jìn)行評(píng)估以確定使用的統(tǒng)計(jì)模型和獲得相應(yīng)的矩陣
image.png
群體結(jié)構(gòu)對(duì)GWAS結(jié)果的影響
image.png
基因型與群體結(jié)構(gòu)關(guān)聯(lián)
image.png
群體結(jié)構(gòu)評(píng)估的內(nèi)容
image.png
親緣關(guān)系的評(píng)估內(nèi)容
image.png
樣本清除
? 根據(jù)群體結(jié)構(gòu)和親緣關(guān)系的評(píng)估結(jié)果對(duì)可能影響結(jié)果的樣本進(jìn)行去除
? 1）遺傳上與絕大多少樣品差異極大樣品應(yīng)當(dāng)剔除凶异；
? 2）親緣關(guān)系非常近的兩個(gè)材料可以只保留一個(gè)。
關(guān)聯(lián)分析
? 選擇正確的統(tǒng)計(jì)方法進(jìn)行關(guān)聯(lián)分析
? 1）小標(biāo)記量候選基因關(guān)聯(lián)分析：可以選擇比較簡(jiǎn)單的t-test或者ANOVA挤巡；
? 2）Case/Control-質(zhì)量性狀：卡平方檢驗(yàn)剩彬，OR檢驗(yàn)，邏輯回歸矿卑，也可以視為數(shù)
量性狀使用較為復(fù)雜的線性模型喉恋；
? 3）數(shù)量性狀：根據(jù)群體結(jié)構(gòu)評(píng)估的情況，選用相應(yīng)的模型母廷，但在實(shí)際操作中一
般使用多種模型（GLM/MLM/EMMAX/FaST-LMM）同時(shí)分析轻黑，根據(jù)結(jié)果進(jìn)
行取舍
GLM
image.png
MLM
image.png
關(guān)聯(lián)分析模型與軟件
image.png
選擇： GLM/MLM/CMLM為基礎(chǔ)（ TASSEL/GAPIT） ， 與EMMAx琴昆、 Fast-LMM相互比較氓鄙， 其他作為補(bǔ)充，當(dāng)性狀與群體結(jié)構(gòu)相關(guān)時(shí)业舍， 可以考慮使用FarmCPU
顯著性閾值確定
image.png
2抖拦、結(jié)果解讀
曼哈頓圖（Manhattan plot）
分位點(diǎn)-分位點(diǎn)圖（Quantile-Quantile plot）
image.png
可喜的結(jié)果
image.png
遺憾的結(jié)果
image.png
可能原因：性狀考察不準(zhǔn)確升酣；性狀受環(huán)境影響大；該性狀由多個(gè)小效應(yīng)位點(diǎn)控制态罪，可增加樣本量提高檢測(cè)效力（Power）噩茄；模型的檢測(cè)效力問(wèn)題；標(biāo)記密度不夠向臀；性狀的變異是由表觀修飾引起的巢墅，與基因型無(wú)關(guān)
挽救方法：提供準(zhǔn)確的表型數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析；多年多點(diǎn)重復(fù)券膀；增加樣本量君纫；增加標(biāo)記量；更換模型芹彬；忽略閾值蓄髓，選擇有明顯的峰值區(qū)域進(jìn)行驗(yàn)證
問(wèn)題結(jié)果
image.png
后續(xù)的生物信息學(xué)分析
? 獲得顯著位點(diǎn)后，從生物信息學(xué)的角度還可以進(jìn)行如下分析：
? 1）對(duì)顯著位點(diǎn)附近進(jìn)行LD Block分析舒帮，確定候選區(qū)間的范圍会喝；
? 2）對(duì)候選區(qū)間內(nèi)的基因進(jìn)功能注釋（包括nr，GO玩郊，KEGG等）肢执；
? 3）顯著位點(diǎn)是否位于編碼區(qū)，是否引起編碼氨基酸的改變译红；
? 4）同源分析预茄，結(jié)合其他物種對(duì)應(yīng)的同源基因的功能猜測(cè)候選基因的功能
后續(xù)實(shí)驗(yàn)驗(yàn)證
材料：舉例-381份粳稻品種（熱帶和溫帶品種）
1、關(guān)于水稻谷粒大小的性狀侦厚，GWAS定位到7號(hào)染色體耻陕，SNP峰值所在地方注釋到11個(gè)基因；
2刨沦、對(duì)11個(gè)基因分別在稻穗诗宣、葉片和根系中做RT-PCR，只有第9個(gè)基因OsSPL13在稻穗中表達(dá)有差異想诅；
3召庞、OsSPL13基因蛋白表達(dá)的進(jìn)一步驗(yàn)證；
4侧蘸、分析OsSPL13基因在水稻大粒和小粒之間的序列差異裁眯，包括SNP位點(diǎn)和小的indel；
5讳癌、通過(guò)轉(zhuǎn)基因找到影響OsSPL13基因表達(dá)相關(guān)的相關(guān)區(qū)域（5’UTR中的一個(gè)串聯(lián)重復(fù)序列）；
6存皂、通過(guò)RNA干擾的方法將大粒品種GP579和小粒品種Dongjing中OsSPL13的表達(dá)量下調(diào)后會(huì)使水稻籽粒的長(zhǎng)度和粒重都顯著降低晌坤；
7逢艘、篩選到1個(gè)Dongjing來(lái)源的glw7突變體，粒長(zhǎng)和粒重比野生型均明顯降低骤菠；
8它改、通過(guò)chip-seq進(jìn)行OsSPL13調(diào)節(jié)下游基因的驗(yàn)證（結(jié)果未示）SRS5和DEP1。
