|
全基因组关联分析(Genome-wide association study，GWAS)是以基因组中数百万计的单核苷酸多态性(single nucleotide ploymorphism，SNP)为分子遗传标记，在全基因组水平上进行对照分析或相关性分析，通过比较分析发现影响复杂性状基因变异的一种策略。随着基因组学研究以及基因芯片技术的发展，人们已通过GWAS方法发现并鉴定了大量与复杂性状相关联的遗传变异。 WAS分析方法的原理 借助于SNP分子遗传标记，进行总体关联分析，在全基因组范围内选择遗传变异进行基因分型，比较异常和对照组之间每个遗传变异及其频率的差异，统计分析每个变异与目标性状之间的关联性大小，选出最相关的遗传变异进行验证，并根据验证结果最终确认其与目标性状之间的相关性。 GWAS应用领域 1/大规模遗传变异检测 2/目标性状遗传连锁图谱构建 3/动植物重要性状主效基因的筛查和鉴定 4/基因组单倍型预测与GWAS分析 5/目标性状性状相关功能基因挖掘 6/人类复杂性疾病关联变异位点鉴定（基于无关个体、家系、无关群体） 基于自然群体的GWAS研究路线 1、样本选择：无明显的亚群分化的自然群体；样本的多态性分布范围够广；目标表型性状不宜选择过多等。 2、基因型鉴定：大样本低深度重测序（≥5X)；大样本简化基因测序（≥3X)；全基因组芯片分型。 3、群体多样性分析：群体结构分析；群体进化分析；群体主成分分析。 4、GWAS分析：连锁不平衡分析；功能基因定位分析；目标性状关联分析。 5、目标基因筛选：获得与性状相关的候选基因，对结果进行验证。 6、定制化分析：结合客户的实际需求或者已发表文章的分析策略进行分析。 选择源宜基因的理由 技术全面：基因组重测序、简化基因组测序以及全基因组芯片分型技术均可选择 分析精准：结果定位准确，多种统计模型联合应用，结果相互验证 价格合理：根据实际的实验样本及数据分析要求进行评估定价 相关案例：猪繁殖性状GWAS和功能通路分析发现新的候选基因 研究背景： 猪的繁殖性状包括乳头数量（number of teats，NT）和死胎数量（number of stillborn piglets，SB）等，前人对这两个性状的GWAS研究多在假定符合正态分布的前提下，且目前对与此性状相关的候选基因和生物学意义研究的较少。NT、SB这两个性状是离散变量，因此有必要建立一个合适的离散分布模型对这个进行研究。本研究拟用泊松分布模型对猪的这两个性状进行研究，并探究性状相关基因及其生物学作用。 材料与方法： 大白猪，其中用于SB性状统计的白猪1390头，SB均值1.2，范围0-16个，用于NT性状统计的白猪1795头，NT均值15.3，范围14-20个； Illumina 60 K SNP芯片基因分型，GWAS分析。 研究结果： SB性状用泊松分布模型更为合适，而NT性状用正态分布模型更为合适；GWAS分析得出，找到SB性状的18个关键SNP位点，1个QTL区域的18个相关基因，找到NT性状的65个关键SNP位点，9个QTL区域的57个相关基因； 找到的多个候选基因（比如 SB性状的PTP4A2、NPHP1，NT性状的YLPM1、SYNDIG1L）以及转录因子（比如 SB性状的NF-κB、KLF4，NT性状的SOX9、ELF5）与已知的新生儿存活率和乳腺生长发育相关基因一致。
参考文献： Verardo L L, Silva F F, Lopes M S, et al. Revealing new candidate genes for reproductive traits in pigs: combining Bayesian GWAS and functional pathways[J]. Genetics Selection Evolution, 2016, 48(1): 1. 文案：季红春 编辑：王 倩 |
|
|
