クラスター分析を用いたメタファウンダーの特定方法

科学分野:

• 家畜育種学と遺伝学
• 量的遺伝学
• ゲノム評価

背景:

• メタファウンダーアプローチは、関係行列（Γ）を使用して、ペディグリーファウンダーの関係を the numerator relationship matrix（A）に統合し、AΓを作成する。
• 従来のメタファウンダー定義（例：国、性別、品種別）は、集団構造を正確に表現する能力を制限する可能性があり、ペディグリー（A）とゲノム（G）の関係行列をHに組み合わせる際のシングルステップモデルにおける不整合を引き起こす可能性がある。
• 遺伝子型は、真の集団構造に関する信頼できる情報を提供する。

研究 の 目的:

• メタファウンダーを用いて、遺伝子型を持つ動物から遺伝子型を持たない祖先へ集団構造情報を転移させるアプローチを調査すること。
• インブリード傾向をGとAΓで調和させ、Γを監視することによって最適なメタファウンダー数（nMF）を決定すること。
• 異なる遺伝的傾向シナリオ下でのシングルステップゲノム評価における遺伝子型情報に基づいたメタファウンダーの影響を評価すること。

主な方法:

• ペディグリーファウンダーをメタファウンダーに割り当てるために、教師なしクラスタリングアプローチを使用した。
• 様々な数のメタファウンダー（nMF）でシングルステップゲノム評価を実行した。
• 遺伝的傾向のある形質とない形質の両方で予測品質を評価するために、Fleckvieh遺伝子型に基づいた半確率的シミュレーションを使用した。

主要な成果:

• 集団構造によって定義されたメタファウンダーのモデリングは、遺伝的傾向のない形質の予測品質をわずかに低下させたが、最適なnMFの周りで安定していた。
• 強い遺伝的傾向を持つ形質では、標準的なシングルステップモデルと比較して予測品質が向上した。
• 予測品質の最大の改善は、提案された最適なnMFの範囲内で観察された。

結論:

• 遺伝子型から誘導された集団構造を使用してメタファウンダーを定義することにより、特に強い遺伝的傾向を持つ形質において、ゲノム評価の精度を向上させることができる。
• 最適なメタファウンダー数を決定するための提案された方法は、予測品質を向上させるための安定した効果的な範囲を提供する。
• この遺伝子型情報に基づいたメタファウンダーアプローチは、シング​​ルステップゲノム評価を改善するための貴重な改良であり、根本的な集団構造をより良く捉えることができる。