GWABLUP:全基因组协会协助最好的线性无偏预测遗传值
Theo Meuwissen1, Leiv Sigbjorn Eikje2, Arne B Gjuvsland2
1Faculty of Life Sciences, Norwegian University of Life Sciences, 1432, Ås, Norway. theo.meuwissen@nmbu.no.
GWABLUP通过使用全基因组关联研究 (GWAS) 结果对SNP进行加权来改善基因组预测. 这种方法为奶牛的各种特征提供了比传统SNP-BLUP (单核酸多态最佳线性无偏预测) 更可靠的预测.
科学领域:
- 动物基因组学 动物基因组学
- 量化遗传学 量化遗传学
- 统计遗传学 统计遗传学
背景情况:
- 传统的基因组选择方法,如SNP-BLUP (单核酸多态最佳线性无偏预测) 将所有SNP赋予同等重要性.
- 许多SNP具有最小的影响,导致预测准确性降低,因为它们不接近因果变异.
- 整合全基因组关联研究 (GWAS) 结果以优先考虑信息性SNP是改善基因组预测的关键领域.
研究的目的:
- 开发和评估一种新的全基因组方法,GWABLUP,将GWAS结果集成到基因组预测中.
- 通过根据GWAS证据对SNP进行差异加权来提高基因组预测的准确性.
- 将GWABLUP的性能与GBLUP,GBLUP (topSNPs) 和BayesGC等现有方法进行比较.
主要方法:
- GWABLUP涉及执行GWAS,平滑概率比,计算SNP后面概率,并构建一个加权的基因组关系矩阵.
- 然后使用这个加权矩阵进行基因组预测.
- 这项研究使用了乳牛的高密度基因型和表型,用于牛奶,脂肪,蛋白质产量和体细胞计数.
主要成果:
- 与GBLUP相比,GWABLUP显示出更高的预测可靠性,单个特征的改进高达10%.
- 该方法在大多数分析的特征中表现优于GBLUP (topSNPs) 和BayesGC.
- 虽然在某些情况下观察到轻微的通货膨胀偏差,但它在统计上并不显著;多特征分析显示高准确性,但对非相关特征 (如体细胞计数) 的可靠性降低.
结论:
- GWABLUP有效地整合了GWAS的结果,通过对SNP分配差异权重来提高基因组预测的准确性.
- 该方法在单一和多合同分析中在预测可靠性方面提供了显著的收益.
- GWABLUP可以很容易地扩展到单步基因组预测分析.
更多相关视频
11:35Screening for Functional Non-coding Genetic Variants Using Electrophoretic Mobility Shift Assay EMSA and DNA-affinity Precipitation Assay DAPA
Published on: August 21, 2016
05:53Candidate Gene Testing in Clinical Cohort Studies with Multiplexed Genotyping and Mass Spectrometry
Published on: June 21, 2018
相关概念视频
Genome-wide Association Studies-GWAS
GWAS does not require the identification of the target gene involved in...
Heritability
Polygenic Traits
Evolutionary Relationships through Genome Comparisons
Behavioral Genetics and Its Designs
The primary methodologies used in behavior genetics include family studies, twin studies, and adoption studies, each providing unique...
Multiple Allele Traits
