グレープワインの遺伝子組成物のトポロジカルマップ - 混合物はSOMmelierの機械学習を満たします

科学分野:

• 人口遺伝学 人口遺伝学
• コンピュータ生物学 コンピュータ生物学
• 機械学習 アプリケーション

背景:

• 亜集団の遺伝子構造の推論は,人口史と遺伝子多様性の理解に不可欠です.
• 添加物と構造モデリングは,集団遺伝学を分析するための標準的,解釈可能な方法です.
• 伝統的な混合モデルと機械学習のクラスタリングの関係については,明らかにする必要がある.

研究 の 目的:

• 伝統的な添加物ベースの遺伝子分解を,SOM (セルフオーガナイズマップ) を使用した機械学習クラスタリングと比較する.
• トポロジー認識の景観で遺伝子構造を視覚化するためのカスタムツールであるSOMmelierを紹介します.
• AdmixtureとSOMmelierの両方を用いてヨーロッパのブドウの木の集団遺伝学を調査する.

主な方法:

• SOMmelierを開発し,SOMベースのツールで,共変異SNPモジュールを識別し,2D遺伝子ランドスケープに配置しました.
• 伝統的な Admixture ソフトウェアと新しい SOMmelier ツールを,ヨーロッパのブドウ栽培群のデータに適用しました.
• 最大6つの遺伝的要素を考慮して,遺伝的要素とその空間的関係を分析した.

主要な成果:

• SOMmelierは,統計的クラスタリングを通じて,Admixtureによって特定された遺伝的成分を回復することに成功しました.
• 生成された遺伝的景観は,地中海世界の地理的分布をよく反映しており,ブドウの栽培と拡散を反映しています.
• トポロジーを意識した風景は,人口構造,進化の歴史,および潜在的な特徴の関連性についての洞察を提供した.

結論:

• SOMmelierは,SNPの共変異トポロジーを効果的に統合して,添加物ベースの分析を補完します.
• このアプローチは,ブドウと他の種に適用できる,集団遺伝学に関する新しい視点を提供します.
• この方法は,遺伝的構造,進化の動態,および特性の関連性の理解を高めます.