基于奇異值分解和SCAD估計(jì)的多位點(diǎn)全基因組關(guān)聯(lián)分析方法.pdf

1、絕大多數(shù)動(dòng)植物重要性狀是由少數(shù)較大效應(yīng)的基因和較多效應(yīng)較小的基因控制，并受環(huán)境修飾的數(shù)量性狀。為在動(dòng)植物育種中更好地利用和改良這些性狀，需要深入解析這些性狀的遺傳基礎(chǔ)。目前，關(guān)聯(lián)分析是解析數(shù)量性狀遺傳基礎(chǔ)的主要途徑。
　　隨著測(cè)序技術(shù)的飛速發(fā)展，標(biāo)記數(shù)p遠(yuǎn)大于樣本容量n的超高維標(biāo)記小樣本數(shù)據(jù)已成常態(tài)。這無(wú)疑加重了關(guān)聯(lián)分析的計(jì)算壓力。如何在有限的樣本容量下快速準(zhǔn)確地從海量標(biāo)記中篩選出與數(shù)量性狀顯著關(guān)聯(lián)的位點(diǎn)成為一項(xiàng)重大挑戰(zhàn)。當(dāng)前廣泛

2、應(yīng)用的關(guān)聯(lián)分析方法是基于多基因背景和群體結(jié)構(gòu)控制的單位點(diǎn)全基因組掃描。這些方法不能同時(shí)估計(jì)所有標(biāo)記效應(yīng)，只能在群體結(jié)構(gòu)與多基因背景控制下單獨(dú)估計(jì)每個(gè)標(biāo)記效應(yīng)。這些估計(jì)值可能是有偏的。為解決這一問題，本研究利用奇異值分解、SCAD和經(jīng)驗(yàn)Bayes估計(jì)、多位點(diǎn)遺傳模型和似然比檢驗(yàn)，提出了一種多位點(diǎn)全基因組關(guān)聯(lián)分析新方法，通過三個(gè)Monte Carlo模擬試驗(yàn)和擬南芥開花時(shí)間相關(guān)性狀分析，來(lái)證實(shí)新方法的有效性。主要結(jié)果如下:
　　1、新

3、方法分為兩步:1）潛在關(guān)聯(lián)標(biāo)記的選擇。通過奇異值分解獲得所有標(biāo)記的效應(yīng)值，效應(yīng)值較大的標(biāo)記為可能潛在關(guān)聯(lián)標(biāo)記，進(jìn)一步用SCAD壓縮估計(jì)選擇出潛在關(guān)聯(lián)標(biāo)記;2）顯著QTN(quantitative trait nucleotide)的鑒定。將潛在關(guān)聯(lián)標(biāo)記放入多位點(diǎn)模型中，用經(jīng)驗(yàn)Bayes估計(jì)這些潛在關(guān)聯(lián)標(biāo)記效應(yīng)，當(dāng)效應(yīng)絕對(duì)值大于10-5時(shí)用似然比檢驗(yàn)鑒定其與性狀的顯著關(guān)聯(lián)性。這種方法稱為基于奇異值分解和SCAD估計(jì)(Singular va

4、lue decomposition-SCAD screening plus empirical Bayes,S3-EB)的多位點(diǎn)關(guān)聯(lián)分析方法。
　　2、通過三個(gè)Monte Carlo計(jì)算機(jī)模擬試驗(yàn)來(lái)驗(yàn)證S3-EB的有效性。在第一個(gè)模擬試驗(yàn)中，從199個(gè)擬南芥品系216130個(gè)SNP的實(shí)際關(guān)聯(lián)群體中隨機(jī)抽取10000個(gè)SNP作為模擬關(guān)聯(lián)群體的基因型。在稀有等位基因頻率等于0.3的6個(gè)SNP上設(shè)置了6個(gè)模擬QTNs，其遺傳率分別設(shè)為0

5、.1、0.05、0.05、0.15、0.05和0.05。群體平均數(shù)和誤差方差均設(shè)置為10。通過模擬QTN基因型值和隨機(jī)誤差獲得199個(gè)品系的模擬表型觀察值，并重復(fù)1000次。用S3-EB、mrMLM、EMMA和FarmCPU四種方法分別分析每個(gè)模擬樣本數(shù)據(jù)，結(jié)果表明:1）用上述四種方法檢測(cè)6個(gè)模擬QTNs的平均功效分別為74.8、67.03、46.0和41.87(％)，成對(duì)t檢驗(yàn)表明:S3-EB的統(tǒng)計(jì)功效顯著高于另外三種方法（P-值介于

6、0.0036與0.0063之間）;2）6個(gè)模擬QTNs的平均均方誤差(mean squared error，MSE)分別為0.1064、0.0934、0.5432和0.2824，成對(duì)t檢驗(yàn)表明:S3-EB的MSE顯著低于EMMA(P-值等于0.015)，但與mrMLM和FarmCPU無(wú)顯著差異(P-值分別等于0.3199和0.1549);3）上述四種方法的計(jì)算時(shí)間分別為0.79、4.01、68.77和5.12小時(shí);4）四種方法的假陽(yáng)性率

7、分別為0.0489、0.0167、0.0325和0.0178(％)，處于同一數(shù)量級(jí)。
　　若在第一個(gè)模擬試驗(yàn)中分別添加多基因背景和上位性背景，以研究這些背景干擾對(duì)S3-EB的QTN檢測(cè)功效和參數(shù)估計(jì)精度的影響。結(jié)果表明:這些結(jié)果與第一個(gè)模擬試驗(yàn)結(jié)果趨勢(shì)一致。
　　綜上所述，新方法通過奇異值分解，將運(yùn)算維度由計(jì)算數(shù)十萬(wàn)計(jì)SNP標(biāo)記效應(yīng)個(gè)數(shù)降低為計(jì)算數(shù)干計(jì)樣本容量效應(yīng)數(shù)，快速獲得同一模型下全部標(biāo)記效應(yīng)值，有利于潛在關(guān)聯(lián)變量選擇，

8、提高了統(tǒng)計(jì)功效和參數(shù)估計(jì)精度，縮短了計(jì)算時(shí)間，使假陽(yáng)性率與Bonferroni矯正方法處于同一量級(jí)，驗(yàn)證了新方法的有效性。
　　3、用上述四種方法分析了下載的199個(gè)擬南芥品系216130個(gè)SNP的開花時(shí)間相關(guān)性狀FLC、FRI、FT-GH和FT-Field。結(jié)果表明:1）上述四種方法檢測(cè)到與FLC顯著關(guān)聯(lián)標(biāo)記數(shù)分別為15、21、0和6，計(jì)算時(shí)間分別為0.0083、0.0684、1.0767和0.0838小時(shí);與FRI顯著關(guān)聯(lián)的標(biāo)

9、記數(shù)分別為6、8、33和5;與FT-GH顯著關(guān)聯(lián)的標(biāo)記數(shù)分別為17、4、0和7;與FT-Field顯著關(guān)聯(lián)的標(biāo)記數(shù)分別為17、24、0和9;2)建立數(shù)量性狀表型與顯著關(guān)聯(lián)標(biāo)記間的多元線性回歸模型，F(xiàn)LC性狀四種方法的BIC值分別為336、328.2、596.5和521.3;FRI的BIC值分別為163.5、156.7、322.3和211.6;FT-GH性狀的BIC值分別為-321.2、-296.1、314.6和-465.0;FT-Fie

10、ld性狀的BIC值分別為30.4、318.9、306.9和156.6。新方法BIC值處于最小或者次小，說(shuō)明新方法是相對(duì)較優(yōu)的;3）在上述關(guān)聯(lián)標(biāo)記±50kb范圍內(nèi)，上述四種方法分別檢測(cè)到59、9、3和8個(gè)已報(bào)道的性狀相關(guān)基因，其中39個(gè)僅被S3-EB方法檢測(cè)到。這些結(jié)果也證實(shí)新方法的有效性。
　　為了便于推廣應(yīng)用該方法，在R環(huán)境下，基于附加包shiny，研制了S3-EB方法的應(yīng)用程序，嵌入多位點(diǎn)關(guān)聯(lián)分析軟件包mrMLM，可在Wind