复杂特征的精细映射方法:关联个体样本的必要调整
Junjian Wang1, Francesco Tiezzi1,2, Yijian Huang3
1Department of Animal Science, North Carolina State University, 120 W Broughton Drive, Raleigh, NC 27607, United States.
我们开发了新的贝叶斯方法,以准确地确定相关种群中的因果遗传变异,改善全基因组关联研究 (GWAS) 的精细映射精度和候选基因发现,特别是在多品种牲畜中.
科学领域:
- 遗传学 是一个遗传学.
- 生物信息学是一种生物信息学.
- 统计基因组学 统计基因组学
背景情况:
- 从全基因组关联研究 (GWAS) 中精细绘制因果变异在相关人群中具有挑战性,因为违反了标准方法的假设.
- 现有的工具在牲畜和其他相关种群中经常表现出不良准确性,阻碍了遗传改进.
研究的目的:
- 引入一个全面的贝叶斯框架,以精确地精确地绘制具有复杂相关性的群体.
- 开发可适应GWAS个人级数据和总结统计数据的新方法.
主要方法:
- 开发了BFMAP-Shotgun随机搜索,使用线性混合模型 (LMM) 和模拟单个数据的回火.
- 引入了FINEMAP-adj和SuSiE-adj用于总结统计,使用LMM衍生的输入和相关性调整的链接不平衡.
- 拟议的基因水平后部包含概率 (PIPgene) 聚合变异信号并增强检测能力.
主要成果:
- 模拟显示,与现有工具 (FINEMAP,SuSiE,GCTA-COJO) 相比,在相关个体中,新方法的表现明显优于现有方法.
- 多品种种群显著提高了精细绘制准确度,而不是单品种种群.
- 皮普基因显著改善了候选基因识别,通过Duroc猪的功能丰富分析验证了这一点.
结论:
- 开发的贝叶斯框架和相关软件提供了强大且经过验证的方法,可以在具有复杂相关性的群体中准确地进行精细映射.
- 这些方法显著提高了生物相关变体和候选基因的识别,在畜牧养殖中具有实际实用性.
更多相关视频
10:08Genetic Mapping of Thermotolerance Differences Between Species of Saccharomyces Yeast via Genome-Wide Reciprocal Hemizygosity Analysis
Published on: August 12, 2019
04:41Mapping Alzheimer's Disease Variants to Their Target Genes Using Computational Analysis of Chromatin Configuration
Published on: January 9, 2020
相关概念视频
Multiple Allele Traits
Evolutionary Relationships through Genome Comparisons
Genome-wide Association Studies-GWAS
GWAS does not require the identification of the target gene involved in...
Behavioral Genetics and Its Designs
The primary methodologies used in behavior genetics include family studies, twin studies, and adoption studies, each providing unique...
Natural Selection and Adaptation
Beyond physical adaptations,...
Polygenic Traits
