转录组广泛关联研究的最佳实践不断发展,加速了基因-表型链接的发现
J Vladimir Torres-Rodríguez1, Delin Li2, James C Schnable1
1Quantitative Life Sciences Initiative, University of Nebraska-Lincoln, Lincoln, NE, 68588, USA; Center for Plant Science Innovation, University of Nebraska-Lincoln, Lincoln, NE, 68588, USA; Department of Agronomy and Horticulture, University of Nebraska-Lincoln, Lincoln, NE, 68588, USA.
Current opinion in plant biology
|December 3, 2024
概括
全转录组关联研究 (TWAS) 通过使用基因表达数据将基因与特征联系起来,增强全基因组关联研究 (GWAS). 大量的样本和同步的数据收集是强大的植物基因表型发现的关键.
科学领域:
- 植物遗传学 植物遗传学
- 生物信息学是一种生物信息学.
- 基因组学就是基因组学.
背景情况:
- 全基因组关联研究 (GWAS) 识别与特征相关的遗传变异.
- 全转录组关联研究 (TWAS) 将基因表达数据与GWAS集成,以精确确定影响表型的特定基因.
- 了解影响TWAS功率的方法因素对于植物研究至关重要.
研究的目的:
- 审查现有的植物TWAS研究,并评估方法选择对研究结果的影响.
- 评估在多种植物TWAS中重复使用大型基因表达数据集的可行性.
- 确定工厂TWAS的统计和计算方法需要改进的领域.
主要方法:
- 对8种植物37项TWAS研究进行系统审查.
- 分析玉米和大豆数据集以评估方法影响.
- 基于样本大小,数据同步和组织/阶段/环境匹配的结果比较.
主要成果:
- 较大的样本大小和同步的基因表达测量显著提高了TWAS在基因表型发现方面的能力.
- 匹配组织,发育阶段和环境条件的影响似乎不像以前所认为的那么重要.
- 现有的大型,精心收集的表达式数据集可以在多个工厂的TWAS中有效地重复使用.
结论:
- 方法选择,特别是样本大小和数据同步,对工厂TWAS的成功产生了重大影响.
- 重用现有的表达式数据集是一种可行的策略,减少了对新数据生成的需求.
- 需要进一步开发特定于工厂的统计和计算工具,并适应TWAS的GWAS方法.
