群體進化-gwas分析

在這里插入圖片描述

群體進化基礎(chǔ)分析

PCA

• 分析原理
  • PCA(Principal Component Analysis)宽堆，即主成分分析方法，是一種使用最廣泛的數(shù)據(jù)降維算法弹渔。PCA的主要思想是將n維特征映射到k維上，這k維是全新的正交特征也被稱為主成分，是在原有n維特征的基礎(chǔ)上重新構(gòu)造出來的k維特征。PCA的工作就是從原始的空間中順序地找一組相互正交的坐標(biāo)軸蝎土，新的坐標(biāo)軸的選擇與數(shù)據(jù)本身是密切相關(guān)的。其中绣否，第一個新坐標(biāo)軸選擇是原始數(shù)據(jù)中方差最大的方向誊涯，第二個新坐標(biāo)軸選取是與第一個坐標(biāo)軸正交的平面中使得方差最大的，第三個軸是與第1,2個軸正交的平面中方差最大的蒜撮。依次類推暴构，可以得到n個這樣的坐標(biāo)軸。通過這種方式獲得的新的坐標(biāo)軸段磨，我們發(fā)現(xiàn)取逾，大部分方差都包含在前面k個坐標(biāo)軸中，后面的坐標(biāo)軸所含的方差幾乎為0苹支。于是砾隅，我們可以忽略余下的坐標(biāo)軸，只保留前面k個含有絕大部分方差的坐標(biāo)軸债蜜。事實上晴埂，這相當(dāng)于只保留包含絕大部分方差的維度特征，而忽略包含方差幾乎為0的特征維度寻定，實現(xiàn)對數(shù)據(jù)特征的降維處理儒洛。
  • 簡潔點來講現(xiàn)在有這樣的數(shù)據(jù)，100個樣品狼速，2M標(biāo)記琅锻，即是2000000X100的矩陣，那么就通過數(shù)學(xué)降維的方法簡化到100X3甚至100X2乘（即PC1向胡，PC2）
• 分析軟件
  • GCTA
  • tassel
• EIGENSTRAT
• 結(jié)果展示
  • PCA結(jié)果矩陣（特征向量）

GWAS_1  0.0295707   0.0174155   -0.0245656
GWAS_10 0.0212291   -0.0552983  -0.0280335
GWAS_100    -0.0645872  0.00456635  0.00588907
GWAS_101    -0.0779853  -0.0317529  0.0138288
GWAS_102    -0.0790227  -0.0295285  0.0147819
GWAS_105    -0.0845384  0.000685319 0.0108059
GWAS_108    -0.0779536  -0.00380985 0.0101755
GWAS_109    -0.0789908  -0.00534946 0.012742
GWAS_11 0.0152839   0.0185823   -0.0305629
GWAS_110    -0.080786   -0.00255263 0.0131448

    *   第一列樣品名稱浅浮，第二列PC1的值，第三列PC2的值捷枯，第四列PC3的值（也就是平時看到的結(jié)果圖的橫縱坐標(biāo)來源）
*   PCA解釋數(shù)據(jù)結(jié)果（特征值）

54.402
32.2402
25.6809
18.0063
13.7968
9.6096
9.46086
9.00158
8.16587
7.60115

    *   這個結(jié)果每一個值對應(yīng)的維度的解釋情況滚秩，行數(shù)與樣品數(shù)量一致，第一行代表第一維淮捆，依次類推郁油；每一行除以所有行數(shù)的和即是其第幾維解釋的比例

• PCA結(jié)果圖
• 在這里插入圖片描述
  
  
  在這里插入圖片描述
  
  
  在這里插入圖片描述
  
  
  在這里插入圖片描述

• 結(jié)果要點
  • 結(jié)果圖中相對分群結(jié)果合理本股，大部分跟生產(chǎn)經(jīng)驗相一致
  • 解釋度可接受，這個方面想了解的話桐腌，可以看看文獻的拄显，不是硬標(biāo)準(zhǔn)

TREE

• 分析原理

  • 系統(tǒng)發(fā)育分析中，最重要和最常見的內(nèi)容為構(gòu)建系統(tǒng)發(fā)育樹案站。系統(tǒng)發(fā)育樹也稱為系統(tǒng)發(fā)生樹（phylogenetic tree）躬审、聚類樹或者進化樹（evolutionary tree）。以樹狀結(jié)構(gòu)表示各個節(jié)點的進化關(guān)系蟆盐，枝點可以是物種承边、同一物種的樣本、基因等單元石挂。
  • 根據(jù)SNP或者Indel 構(gòu)建其系統(tǒng)進化樹博助，可以展示群體中不同個體的相互關(guān)系，基因變異相似的往往會在同一個樹的cluster中痹愚，一顆好的樹可以給你一個群體大概的分類(你這個群體中有多少個cluster富岳，一般同一個亞種或者有親緣關(guān)系的個體會形成一個cluster），這是群體遺傳中重要的一部分拯腮。其構(gòu)建的核心原理就是把每個位點SNPs的信息提取窖式，然后計算每個變異位點的差異得到算法中的“距離”。

• 分析軟件

  • treebest
  • mega
  • taseel
  • snphylo
  • phylip

• 算法

  • nj 臨近算法
  • ml 最大似然值

• 結(jié)果展示

  
  
  在這里插入圖片描述
  
  
  在這里插入圖片描述

• 結(jié)果要點
  • 分群清晰,大部分樣品與已知生產(chǎn)經(jīng)驗一致

STructure

• 分析原理

  • 先預(yù)設(shè)群體由若干亞群（k=x）構(gòu)成动壤，通過模擬算法找出在k=x的情況下萝喘，最合理的樣本分類方法。最后再根據(jù)每次模擬的最大似然值狼电，找出最適用這群體的K值。

• 分析軟件

  • STRUCTURE
  • ADMIXTURE
  • FRAPPE
  • fast-STRUCTURE

• 算法

  • 亞群內(nèi)符合哈溫平衡
    • 那么弦蹂，軟件在如何確定樣本的最優(yōu)分類方法呢肩碟？其實基于一個假設(shè)：在各個亞群內(nèi)部個體應(yīng)該符合哈代-溫伯格平衡（哈溫平衡的概念可以在百度查詢），那么這個亞群內(nèi)的基因頻率分布應(yīng)該可通過哈溫平衡檢驗凸椿。例如削祈，現(xiàn)在有40個個體的1個SNP位點的基因型，我預(yù)設(shè)亞群數(shù)k=2脑漫。我先隨機將40個個體分成兩份髓抑，然后檢驗是否符合哈溫平衡。如果不符合优幸，我繼續(xù)調(diào)整分類策略吨拍，直到找到一種最優(yōu)的分類方法：40個個體被分為了兩份，每個亞群都由若干個體構(gòu)成网杆，每個亞群內(nèi)部都最大程度地符合哈溫平衡羹饰。
  • 每個位點是獨立的
    • 同一個體基因組上的不同SNP可能來源不同亞群體,軟件是對每個位點單獨進行分群的,然后統(tǒng)計比例,所以要求進行分析的每個位點是獨立,不然會造成比例的不準(zhǔn)確
  • 每個樣本的血統(tǒng)構(gòu)成
    • 以k=2為例伊滋，解釋一下structure是如何找到樣本的最優(yōu)分類。其實簡單說來队秩，就是利用了計算機超強的運行能力笑旺，一開始計算機只是隨機將樣本分為兩份，然后在每個亞群內(nèi)進行哈溫平衡檢驗馍资。如果不符合哈溫平衡（拍腦袋的分類筒主，一開始當(dāng)然是慘不忍睹），計算機繼續(xù)調(diào)整分類鸟蟹，然后繼續(xù)檢驗乌妙。
    • 如此這般，在計算n次后戏锹，計算機再從這一堆結(jié)果中找到最佳的分類冠胯。這個過程稱為“隱馬科夫-蒙特卡羅鏈”的過程，計算次數(shù)n就是這個鏈的長度锦针，這是structure一個重要的參數(shù)“Number of MCMC Reps”荠察，需要預(yù)先設(shè)定。
    • 但因為這個計算的過程是從隨機模擬開始的奈搜。如果一開始拍腦袋拍的不好（隨機分類與真實分類差距太大）悉盆，計算機一黑到底，最后把n次用完了馋吗，都沒有找到一個合理的分類焕盟。所以，分析軟件往往有個預(yù)實驗的過程宏粤。
    • 就是在正式進行大規(guī)模運算前脚翘，計算機先嘗試各種各樣的隨機分類，運行非常短的次數(shù)绍哎，然后評估哪種隨機分類是最合理的来农。之后，在根據(jù)最優(yōu)的隨機分類崇堰，進行后續(xù)的大規(guī)模運算沃于。這個過程就稱為burn-in period，預(yù)實驗的次數(shù)就稱為burin-in的次數(shù)海诲。這也是structure分析另外一個重要的參數(shù)“l(fā)ength of burn-in period”繁莹。
  • 選擇使用那種模型
    • 主要涉及兩種模型 no admixture model和admixture model。前者假設(shè)亞群間不存在雜交特幔，后者則假設(shè)亞群間存在雜交咨演。在絕大部分情況下，當(dāng)然是選擇admixture 模型更合理了蚯斯。

• 結(jié)果展示

  
  
  在這里插入圖片描述

• 結(jié)果要點
  • 最終k值選取的結(jié)果跟實際生產(chǎn)相符性
  • 一般會以該結(jié)果的0.8或者0.6以上血緣比例的作為標(biāo)準(zhǔn)(血緣復(fù)雜的根據(jù)情況有些可以追溯原因)

LD

• 分析原理
  • 只要兩個基因不是完全獨立遺傳雪标，就會表現(xiàn)出某種程度的連鎖零院，這種情況就叫連鎖不平衡。
  • 由于HLA不同基因座某些基因經(jīng)常連鎖在一起遺傳村刨，而連鎖的基因并非完全的隨機的組成單體型告抄，有些基因總是較多的在一起出現(xiàn)，致使某些單體型在群體中呈現(xiàn)較高的頻率嵌牺，從而引起連鎖不平衡打洼。
  • 假如位于同一染色體的兩個等位基因（AB）同時存在的概率大于人群中因隨機分布而同時出現(xiàn)的概率，稱這兩點處于LD狀態(tài)逆粹。
  • LD的基本單位是D募疮，但是度量觀察到的單倍型頻率與平衡狀態(tài)下期望頻率的偏差。
  • 雖然D能夠很好的表達LD的基本含義僻弹，但是由于其嚴格依賴于等位基因頻率（allele frequency）阿浓，故不適合應(yīng)用于表述實際的LD強度。
  • 所以一般在LD的度量中最常見的是D'和r2蹋绽。二者各有各的特點和用途芭毙，但都是基于D的。
    • 當(dāng)D'=0卸耘，r2=0時退敦，處于完全連鎖平衡狀態(tài)
    • 當(dāng)D'=1，r2=1時蚣抗，處于完全連鎖不平衡狀態(tài)侈百。
    • 其中，從0—1之間的度量越高翰铡，LD越高钝域，如果兩個位點連鎖，連鎖程度也越高锭魔。
• 分析軟件
  • plink
  • haploview
• 算法
  • 1例证、設(shè)有兩個位點（A、B）赂毯，等位基因分別是A战虏、a拣宰、B党涕、b，在群體中對應(yīng)頻率f(A)巡社、f(a)膛堤、f(B)和f(b)
  • 2、兩個位點共有四種單倍型AB晌该、Ab肥荔、aB绿渣、ab，對應(yīng)頻率f(AB)燕耿、f(Ab)中符、f(aB)和f(ab)
  • 3、計算：Dab=f(AB)-f(A)*f(B)
    • 當(dāng)Dab=0時誉帅，處于連鎖平衡狀態(tài)淀散；
    • 當(dāng)Dab≠0時，處于連鎖不平衡狀態(tài)蚜锨。
  • LD度量：
    • 當(dāng)Dab>0档插，|D'|=(Dab)2/min(f(AB), f(ab))；
    • 當(dāng)Dab<0亚再，|D'|=(Dab)2/min(f(Ab), f(aB))郭膛；
    • r2=(Dab)2/(f(A)f(a)f(B)*f(b))；

• 結(jié)果展示

  
  
  在這里插入圖片描述
  
  
  在這里插入圖片描述
  
  
  在這里插入圖片描述

• 結(jié)果要點
  • 一般如果是GWAS項目,沒有明顯的分群的話,會做這個作為一個平均連鎖距離的依據(jù)(文章中大多采用兩種策略:1.LD的R2降到最高點的一半時的距離作為平均連鎖距離;2.LD的R2降到0.2時的距離作為平均連鎖距離)
  • 如果是群體進化項目,會有非常明確的群體劃分,各自群體分別進行LD分析,能夠從一定程度上討論進化快慢等信息
  • 倒三角的具體區(qū)段的連鎖圖一般結(jié)合具體的GWAS等的位點一塊展示氛悬，這個是不可能全基因組繪制的

GWAS

• 分析原理
  • 基本思想：應(yīng)用于復(fù)雜性狀则剃，采用CASE-CONTROL試驗設(shè)計，比較全基因組范圍內(nèi)所有SNP位點的等位基因或者基因型頻率在case與control組中的差異,如果某個snp位點等位基因或者等位基因型case組中的頻率明顯高于或者低于caontrol組,則認為該位點與該疾病間存在關(guān)聯(lián)
• 分析軟件
  • MVP
  • GEmma
  • plink
  • taseel
  • GAPIT
  • FarmCpu
• 算法
  • LM
  • MLM
  • FarmCpu
• 方案設(shè)計要點
  • 群體大小 >300
  • 群體分層不明顯(具有一致的遺傳背景或者資源的群體)
  • 覆蓋全基因組的高密度的標(biāo)記(至少保證平均一個block內(nèi)有一個標(biāo)記,中玉金標(biāo)記公司內(nèi)現(xiàn)有芯片只有660k符合)
  • 表型數(shù)據(jù)記錄準(zhǔn)確性
  • 植物數(shù)據(jù)盡量是多年多點的數(shù)據(jù)
  • 表型分布比較廣泛(大體成正太分布)

• 結(jié)果展示

  
  
  在這里插入圖片描述
  
  
  在這里插入圖片描述
  
  
  在這里插入圖片描述
  
  
  在這里插入圖片描述
  
  
  在這里插入圖片描述

• 結(jié)果要點

群體進化高級分析-群體選擇消除分析

pi

• 分析原理

  • π用來分析堿基多態(tài)性圆雁，多態(tài)性越低忍级，受選擇程度越高。

• 分析軟件

  • vcftools

• 算法

• 結(jié)果展示

• 結(jié)果要點

fst

• 分析原理
  • 群體的固定系數(shù)F反映了群體等位基因雜合性水平伪朽。固定系數(shù)F是F統(tǒng)計量（Fst）的一個特例轴咱。Fst分析表示群體的分化程度，值越大烈涮，群體分化程度越高朴肺，受選擇程度越高。
• 分析軟件
  • vcftools
• 算法
• 結(jié)果展示

在這里插入圖片描述

• 結(jié)果要點

XP-LXR

• 分析原理
• 分析軟件
• 算法
• 結(jié)果展示
• 結(jié)果要點

D

w

ROH

群體進化高級分析-種群動態(tài)等

PSMC

• 分析原理
• 分析軟件
• 算法

• 結(jié)果展示

  
  
  在這里插入圖片描述

• 結(jié)果要點

Treemix

• 分析原理
• 分析軟件
• 算法

• 結(jié)果展示

  
  
  在這里插入圖片描述

• 結(jié)果要點

案例解讀

群體進化

案例一:NG-熊貓群體進化-2012

• 文章:Whole-genome sequencing of giant pandas provides insights into demographic history and local adaptation
• 基礎(chǔ)數(shù)據(jù):34只熊貓,4.7x覆蓋深度
• 分析結(jié)果:

  • 群體結(jié)構(gòu)分析

    
    
    在這里插入圖片描述

* 種群歷史動態(tài)分析

在這里插入圖片描述

* 選擇消除分析結(jié)果注釋情況
    * 該項目使用fst進行選擇消除分析,分析后受選擇的基因進行KEGG富集分析

在這里插入圖片描述

案例二:NC-牦牛群體進化-2015

• 文章:Yak whole-genome resequencing reveals domestication signatures and prehistoric population expansions

• 基礎(chǔ)數(shù)據(jù):13野生牦牛和59馴化品種,6.7X測序深度,14.56M高質(zhì)量SNP

• 分析結(jié)果

  • 群體結(jié)構(gòu)分析

    
    
    在這里插入圖片描述

* 選擇消除分析

在這里插入圖片描述

* 種群歷史動態(tài)分析 && 統(tǒng)計分析
    * 

在這里插入圖片描述

gwas

案例一:NG-韓斌2010年經(jīng)典水稻14農(nóng)藝性狀GWAS文章

• 文章:Genome-wide association studies of 14 agronomic traits in rice landraces
• 基礎(chǔ)數(shù)據(jù):517水稻樣品,3.6M SNP,水稻indica,japonica

• 看下文章的作者

  
  
  在這里插入圖片描述

• 分析結(jié)果

  • tree && LD && maf

    
    
    在這里插入圖片描述

* tree && PCA

在這里插入圖片描述

* imputation 準(zhǔn)確性評估(2010年測序成本還很高,所以進行的地深度測序,進行缺失推斷)
    * 這里評估了LD,測序錯誤,測序覆蓋情況,樣品數(shù)量對推斷結(jié)果的影響

在這里插入圖片描述

* GWAS結(jié)果曼哈頓圖和QQ圖展示
    * 使用了兩種算法,一般線性模型和混合線性模型

在這里插入圖片描述

* gwas關(guān)聯(lián)定位情況統(tǒng)計表格
    * 展示基本的性狀,定位染色體,位點,兩種基因型,最小等位基因頻率,p值以及前期研究的積累的情況

在這里插入圖片描述

* GWAS結(jié)果曼哈頓圖局部展示與基因結(jié)構(gòu)展示

在這里插入圖片描述

* 定位位點及數(shù)量統(tǒng)計
    * 其實是有對比兩種算法的結(jié)果

在這里插入圖片描述

案例二:NG-韓斌2011年水稻開花期與果實性狀GWAS文章

• 文章:Genome-wide association study of flowering time and grain yield traits in a worldwide collection of rice germplasm
• 基礎(chǔ)數(shù)據(jù):950水稻樣品,來源于33個國家,4.1M snp
• 數(shù)據(jù)過濾:maf 0.05
• 為什么可以很快又發(fā)一篇NG
  • 樣品來源范圍及樣品數(shù)量擴大
  • 性狀改變

  • 重點進行了結(jié)果單體型的分析

    
    
    在這里插入圖片描述

• 分析結(jié)果
  • tree && fst

    • 相對于2010年的文章,該次進行了群體間fst分析

      
      
      在這里插入圖片描述

* 6個已定位基因的關(guān)鍵變異信息

2011-hanbin-rice-3.png

* 單體型的結(jié)果展示

在這里插入圖片描述

* 單體型的數(shù)據(jù)統(tǒng)計

在這里插入圖片描述

* GWAS結(jié)果曼哈頓圖和QQ圖
    * 這次可以看到?jīng)]有一般線性模型了,那是因為上篇比較過,沒必要再進行比較了

在這里插入圖片描述

* GWAS定位基因情況
    * 本篇中比較簡潔,性狀,染色體,物理位置,基因,基因的描述

在這里插入圖片描述

* 局部定位結(jié)果及基因結(jié)構(gòu)情況
    * 注意,這里加入了表達量的情況

在這里插入圖片描述

案例三:NG-日本2016年水稻開花相關(guān)基因性狀GWAS分析

• 文章:Genome-wide association study using whole-genome sequencing rapidly identifies new genes influencing agronomic traits in rice
• 基礎(chǔ)數(shù)據(jù):176japonica,5.8X,383g,426k snp,67k indel
• 過濾maf:0.05
• 分析結(jié)果
  • 表型數(shù)據(jù)信息,以及176樣品能夠代表413樣品(我記得該文章是從之前文章的數(shù)據(jù)中拿了176樣品進行的GWAS分析)

在這里插入圖片描述

* 表型處理后分布統(tǒng)計情況及PCA展示群體情況

在這里插入圖片描述

* 不同性狀GWAS分析結(jié)果情況
    * 文章證據(jù)充分:
    1. 做了轉(zhuǎn)基因(轉(zhuǎn)的不同的單體型)的對照實驗
    2. 單體型分析到位:包含snp和indel
    3. 對gwas定位結(jié)果的分級,為后期驗證的順序有指導(dǎo)意義

在這里插入圖片描述

在這里插入圖片描述

在這里插入圖片描述

在這里插入圖片描述

在這里插入圖片描述

在這里插入圖片描述

案例四:NG-棉花-纖維相關(guān)性狀GWAS分析

• 文章:Resequencing a core collection of upland cotton identifies genomic variation and loci influencing fiber quality and yield

• 基礎(chǔ)數(shù)據(jù):419樣品,6.55X數(shù)據(jù),3.66M snp,13個性狀

• 第一批棉花gwas項目,對A,D基因組差異進行了分析,環(huán)境有12個,有相應(yīng)的擬南芥過表達表型驗證

• 分析結(jié)果

  • 數(shù)據(jù)注釋統(tǒng)計

    
    
    在這里插入圖片描述

* 群體結(jié)構(gòu)分析

在這里插入圖片描述

* 亞群多態(tài)性和LD分析

在這里插入圖片描述

* GWAS分析結(jié)果

在這里插入圖片描述

在這里插入圖片描述

在這里插入圖片描述

在這里插入圖片描述

在這里插入圖片描述

在這里插入圖片描述

群體進化+GWAS

案例一:NBT-田志喜-大豆-2014群體gwas文章

• 文章:resequencing 302 wild and cultivated accessions identifies genes related to domestication and improvement in soybean
• 基礎(chǔ)數(shù)據(jù):302個野生,栽培,地方品種大豆,11X,
• 分析結(jié)果

  • 樣品來源與群體結(jié)構(gòu)

    
    
    在這里插入圖片描述

* LD分析

在這里插入圖片描述

* 選擇消除分析與GWAS分析結(jié)果

在這里插入圖片描述

在這里插入圖片描述

* fst統(tǒng)計分析

在這里插入圖片描述

在這里插入圖片描述