图Anc:对大陆和地区人口结构的可靠和可重复推断
Yumi Jin1, Hui Wang1, Adam C Naj2
1Department of Pathology and Laboratory Medicine, Perelman School of Medicine, University of Pennsylvania, Philadelphia, PA 19104, USA; Penn Neurodegeneration Genomics Center, Department of Pathology and Laboratory Medicine, Perelman School of Medicine, University of Pennsylvania, Philadelphia, PA 19104, USA.
GrafAnc是一个新的工具,用于在大陆和次大陆层面准确地推断遗传祖先. 它克服了现有方法的局限性,使得在各种数据集中实现可重复和可扩展的人口结构分析.
科学领域:
- 人口遗传学 人口遗传学
- 人类进化研究是人类进化的研究.
- 基因组数据分析
背景情况:
- 准确的遗传祖先推断对于人口遗传学,疾病关联研究和了解人类历史至关重要.
- 现有的工具往往受到数据集特定的限制,阻碍了可复制性和交叉研究比较.
- 目前的方法难以以精细的人口结构解决,需要复杂的,引入偏差的预处理步骤.
研究的目的:
- 介绍GrafAnc,这是一个强大的和多功能工具,用于推断遗传祖先.
- 为了在没有数据集分区或代处理的情况下,在大陆和次大陆两级实现准确的祖先推断.
- 促进人口结构分析在各种基因组研究和数据集之间无整合.
主要方法:
- GrafAnc将个人基因型与26个公开可用的参考群体的等位基因频率进行比较.
- 它扩展了GRAF-pop方法论,用于增强祖先推断.
- 该工具每个人生成18个祖先分数,将他们分为8个大陆和38个次大陆群体.
主要成果:
- GrafAnc提供了不变的祖先分数,在不同的研究数据集组合中具有稳定性.
- 该工具准确地将个人分为大陆和次大陆祖先群体,包括中东和北非人口.
- 在1000个基因组项目,英国生物库和人类基因组多样性项目数据集上的基准测试表明了GrafAnc的准确性和稳定性.
结论:
- GrafAnc在遗传祖先推断方面取得了重大进展,克服了现有工具的局限性.
- 它能够提供一致的,可复制的祖先分配,这有助于大规模的基因组学和进化研究.
- 免费可用的,C++实现的工具,支持多线程增强了可访问性和计算效率.
更多相关视频
12:27Large-scale Reconstructions and Independent, Unbiased Clustering Based on Morphological Metrics to Classify Neurons in Selective Populations
Published on: February 15, 2017
09:49Divergence of Root Microbiota in Different Habitats based on Weighted Correlation Networks
Published on: September 25, 2021
相关概念视频
What is Population Genetics?
Gene Flow
Hardy-Weinberg Principle
Genetic Drift
Evolutionary Relationships through Genome Comparisons
Genetic Variation
Genes exist in different versions called alleles,...
