QTL-seq 分析原理及流程

1 原理

詳細(xì)信息參見2013年的QTL-seq 文獻(xiàn)具篇,這里只做簡單介紹。

1.1 群體構(gòu)建

QTL-seq 將 BSA(bulked-segregant analysis)及全基因組測序進(jìn)行結(jié)合,識別與目標(biāo)性狀相關(guān)聯(lián)的 QTLs。要達(dá)到這一目的颅悉,我們首先需要構(gòu)建一個包含極端目標(biāo)表型的定位群體帆调。根據(jù)性狀的不同奠骄,可以采取不同的群體構(gòu)建方法:

重組自交系(recombinant inbred lines, RILs)和同質(zhì)雙單倍體(doubled haploids, DH)具有較高的純合性,每個 line 中的個體都具有表型的可重復(fù)性番刊,可用于檢測具有較小效應(yīng)的 QTLs含鳞。

兩個品系 A 和 B 雜交后自交所得的F2群體也可以用于進(jìn)行 QTL-seq 分析,優(yōu)點是獲得群體所需時間短撵枢,但是由于基因型的不可重復(fù)性民晒,因此適合于檢測效應(yīng)較大的 QTLs。

QTL-seq 簡化流程圖

1.2 測序分析

如圖a所示锄禽,我們擬分析與水稻株高相關(guān)的 QTL潜必。如果有多個 QTL 影響株高,不同株高的頻數(shù)分布圖將近似于正態(tài)分布沃但。將具有極端表型的個體組成兩個極端群(highest bulk及l(fā)owest bulk)磁滚,每個極端群中的個體均取等量 DNA 組成混池 DNA,對混池的 DNA 樣品進(jìn)行全基因組重測序宵晚,以識別在其中起主要作用的 QTL垂攘。與此同時,我們還需對其中一個親本群體進(jìn)行測序淤刃,以獲得參考親本基因組的信息晒他。

由于兩個極端群體只在“株高”這一個表型上有差異,理論上逸贾,我們可以認(rèn)為基因組上的絕大區(qū)域陨仅,在兩個群體之間并沒有區(qū)別,均等量來源于兩個親本基因組铝侵。而只有與“株高”相關(guān)的 QTL 所在區(qū)域在兩個極端群中存在區(qū)別灼伤。我們的任務(wù),就是把這些區(qū)域找出來咪鲜。

1.3 SNP-index

在這里狐赡,引入一個指標(biāo) SNP-index 來表示子代群體與親本之間的序列差異程度。SNP-index 指的是在特定位點上疟丙,攜帶有不同于參考親本的 SNP 的 reads 數(shù)占比對到同一位點的所有 reads 總數(shù)的比值(圖b)颖侄。

SNP-index 為0,說明比對到這一位點的所有 reads 都來源于參考親本隆敢;SNP-index 為1发皿,說明這些 reads 都來源于非參考親本;而 SNP-index 為0.5說明這一位點的信息等量來源于兩個親本拂蝎。如果某一 SNP 在兩個極端群中的 SNP-index 均小于0.3,可認(rèn)為這樣的SNPs是由于測序或比對錯誤所致惶室,建議舍棄温自。

1.4 Delta(SNP-index)

將兩個極端群的 SNP-index 相減玄货,所得的 Delta(SNP-index) 可以更直觀地顯示兩個極端群在基因組上的差異情況。Delta(SNP-index) 為1或-1說明相對應(yīng)的 SNP 來源于其中一個親本悼泌,這一位點及其周邊很有可能是參與株高性狀形成的區(qū)域松捉。

2 QTL-seq 分析流程

操作系統(tǒng):Red Hat Enterprise Linux 7

QTL-seq 的分析流程可以從開發(fā)者的網(wǎng)站直接下載,參照其中的說明文檔進(jìn)行操作馆里。

作者的說明文檔講述比較清晰隘世,這里只補(bǔ)充幾點需要特別注意的點:

2.1 所需軟件

開發(fā)者建議的版本 實際分析時使用的版本或說明
Perl (v5.8.8) Perl v5.26.2
Perl module Math::Random::MT::Auto 6.14 安裝失敗。后將ibrc_scripts/1./reduce_read.pl 中的 "use Math::Random::MT::Auto 'rand';" 設(shè)為注釋鸠踪,直接使用 Perl 自帶的 rand() 函數(shù)
R (version 2.15.0) R v3.4.1
BWA (version 0.5.9-r16) BWA v0.7.16a-r1181
SAMtools (0.1.8 or before) 建議使用 SAMtools v 0.1.8丙者,因為新版本中部分命令有變動,流程中的代碼修改起來比較麻煩
FASTX-Toolkit fastx_toolkit v0.0.14

2.2 主要操作流程(按照說明文檔進(jìn)行即可)

2.2.0 設(shè)置配置文件(參考說明文檔营密,根據(jù)實際情況進(jìn)行修改)

注意:如果 reads 為phred 33械媒,在config.txt 文件中進(jìn)行設(shè)置:
Key1_Score_type_for_my_cultivar="sanger"

2.2.1 全基因組測序,去除低質(zhì)量 reads
2.2.2 對其中一個親本構(gòu)建參考基因組
2.2.3 分別計算兩個極端群的 SNP-index
2.2.4 比較兩個極端群之間的 SNP-index
2.2.5 測試评汰、繪圖
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末纷捞,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子被去,更是在濱河造成了極大的恐慌主儡,老刑警劉巖,帶你破解...
    沈念sama閱讀 222,378評論 6 516
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件惨缆,死亡現(xiàn)場離奇詭異糜值,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)踪央,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 94,970評論 3 399
  • 文/潘曉璐 我一進(jìn)店門臀玄,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人畅蹂,你說我怎么就攤上這事健无。” “怎么了液斜?”我有些...
    開封第一講書人閱讀 168,983評論 0 362
  • 文/不壞的土叔 我叫張陵累贤,是天一觀的道長。 經(jīng)常有香客問我少漆,道長臼膏,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 59,938評論 1 299
  • 正文 為了忘掉前任示损,我火速辦了婚禮渗磅,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己始鱼,他們只是感情好仔掸,可當(dāng)我...
    茶點故事閱讀 68,955評論 6 398
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著医清,像睡著了一般起暮。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上会烙,一...
    開封第一講書人閱讀 52,549評論 1 312
  • 那天负懦,我揣著相機(jī)與錄音,去河邊找鬼柏腻。 笑死纸厉,一個胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的葫盼。 我是一名探鬼主播残腌,決...
    沈念sama閱讀 41,063評論 3 422
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼贫导!你這毒婦竟也來了抛猫?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 39,991評論 0 277
  • 序言:老撾萬榮一對情侶失蹤孩灯,失蹤者是張志新(化名)和其女友劉穎闺金,沒想到半個月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體峰档,經(jīng)...
    沈念sama閱讀 46,522評論 1 319
  • 正文 獨居荒郊野嶺守林人離奇死亡败匹,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 38,604評論 3 342
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了讥巡。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片掀亩。...
    茶點故事閱讀 40,742評論 1 353
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖欢顷,靈堂內(nèi)的尸體忽然破棺而出槽棍,到底是詐尸還是另有隱情,我是刑警寧澤抬驴,帶...
    沈念sama閱讀 36,413評論 5 351
  • 正文 年R本政府宣布炼七,位于F島的核電站,受9級特大地震影響布持,放射性物質(zhì)發(fā)生泄漏豌拙。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 42,094評論 3 335
  • 文/蒙蒙 一题暖、第九天 我趴在偏房一處隱蔽的房頂上張望按傅。 院中可真熱鬧捉超,春花似錦、人聲如沸逞敷。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,572評論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽推捐。三九已至,卻和暖如春侧啼,著一層夾襖步出監(jiān)牢的瞬間牛柒,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 33,671評論 1 274
  • 我被黑心中介騙來泰國打工痊乾, 沒想到剛下飛機(jī)就差點兒被人妖公主榨干…… 1. 我叫王不留皮壁,地道東北人。 一個月前我還...
    沈念sama閱讀 49,159評論 3 378
  • 正文 我出身青樓哪审,卻偏偏與公主長得像蛾魄,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子湿滓,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 45,747評論 2 361

推薦閱讀更多精彩內(nèi)容