快三平台网址

GWAS介紹

全基因組關聯分析是對多個個體(ti)在全基因組範圍的(de)遺傳變(bian)異多態(tai)性進行(xing)檢測(ce),獲得基因型,進而將基因型與可觀測(ce)的(de)性狀,即表型,進行(xing)群體(ti)水平的(de)統計學(xue)分析,根據統計量(liang)或P值篩選出最有可能影(ying)響該性狀的(de)遺傳變(bian)異。

材(cai)料(liao)選擇

不同(tong)品種、亞種、地(di)方種/種質庫/混合(he)家系/野生資源

9

不同(tong)品種、亞種、地(di)方種

8

半同(tong)胞家系/全同(tong)胞家系/野生資源

7

分析流程

6

公司優(you)勢(shi)

多種關聯分析模型,自(zi)由(you)選擇!

1

GWAS雲(yun)平jiao)ㄗzi)主操作

4

LD-Block分析針對性強

5

重測(ce)序-GWAS

通過(guo)全基因組大樣(yang)本重測(ce)序對動(dong)植物重要種質資源進行(xing)全基因組的(de)mu)蛐圖(tu)ding),並與關注(zhu)的(de)表型數據進行(xing)全基因組關聯分析(GWAS),進而找到jie)牘刈zhu)表型相關的(de)SNP位點,定(ding)位與性狀相關基因,為後續動(dong)植物的(de)育種提供科(ke)學(xue)理論依據。

分析內容

44

全基因組關聯分析

2

SLAF-GWAS

SLAF-GWAS是應用簡化測(ce)序的(de)方式,以基因組中檢測(ce)到的(de)單核 酸多態(tai)性(single?nucleotide?ploymorphism,SNP)為分子遺傳標(biao)記(ji),進行(xing)全基因組水平上的(de)對照分析或相關性分析,統計分析每個變(bian)異與目(mu)標(biao)性狀之間的(de)關聯性大小,通過(guo)比較發現影(ying)響復雜性狀的(de)mu)蟣bian)異的(de)一種策(ce)略。

分析內容

55

LD-Block分析

3

轉(zhuan)錄jia)GWAS

轉(zhuan)錄jia)WAS分析能夠在全基因組範圍內尋(xun)找與重要性狀相關聯的(de)遺傳變(bian)異,通過(guo)序列和表達量(liang)水平雙重視(shi)角(jiao)關聯分析解析復雜調控網(wang)絡的(de)的(de)解決方案。

分析內容

66

項目(mu)經驗(yan)豐(feng)富,碩果(guo)累累!

百邁客自(zi)2009年成(cheng)立以來(lai),經過(guo)8年的(de)厚積薄發,在群體(ti)研究方面(mian)已完成(cheng)上百個物種的(de)項目(mu),共發表文章160+篇,累計影(ying)響因子達480+,其中包含多篇Nature Genetics、 Nature Communications及PNAS等國際等級期刊。

豐(feng)富的(de)項目(mu)案例

優(you)秀的(de)分析人員

火(huo)箭般的(de)進展速度

精(jing)確(que)的(de)數據深度挖掘

連(lian)鎖不平衡(heng)衰(shuai)減(LD?decay)分析

在某一群體(ti)中,不同(tong)座位上某兩個基因同(tong)時(shi)遺傳的(de)頻率明顯高于預(yu)期的(de)隨機頻率的(de)現象,稱(chen)連(lian)鎖不平衡(heng)?(linkage?disequilibrium)?。自(zi)然群體(ti)中連(lian)鎖強度以D’或r2表示,D’或r2越接(jie)近于1,代(dai)表連(lian)鎖關系越jiao)俊R話(hua)閿2大于0.1的(de)數據作為連(lian)鎖不平衡(heng)的(de)衰(shuai)減(LD?decay)的(de)數值,LD-decay越長(chang),代(dai)表物種的(de)SNP間發生重組的(de)概率越小,LD-decay越短(duan),代(dai)表物種的(de)SNP間發生重組的(de)概率越大。

1
.png

全基因組關聯分析

基于SNP,利用TASSEL軟件的(de)mu)旌he)線性模型(compressed?MLM)得到關聯值,公式計算為︰y=?Xα+Qβ+K?+e。其中,通過(guo)admixture軟件計算樣(yang)品群體(ti)結構Q,通過(guo)SPAGeDi軟件計算樣(yang)品間親(qin)zi)倒叵em>KX為基因型,y為表型,最終每個SNP位點都能得到一個關聯值。最終zhan) 宰垂亓 交蜃X號染色體(ti)上。

LD-Block分析

基于SNP,利用Haploview單體(ti)型預(yu)測(ce)軟件,預(yu)測(ce)得到單體(ti)型塊(趨(qu)向于整體(ti)遺傳的(de)mu)蛐蛄校lock)。Block大小分布體(ti)現了(liao)在整個基因組範圍內趨(qu)向于整體(ti)往下(xia)遺傳的(de)mu)蛐蛄械de)長(chang)度,block越小,說明基因組重組越多。

block
ld-block

LD-Block的(de)實際shi)τ/strong>

一hua)闈榭魷xia),全基因組關聯分析的(de)曼哈頓圖(tu)常常與染色體(ti)位置、LD-Block圖(tu)進行(xing)聯合(he)分析,根據顯著(zhu)關聯的(de)SNP位點確(que)定(ding)注(zhu)釋的(de)染色體(ti)區(qu)域(yu),同(tong)時(shi)在該men)qu)域(yu)進行(xing)LD-Block分析,找到jie) 夢壞懍lian)鎖較強的(de)其他SNP位點,並對yun)淥詰de)mu)蚪xing)功能注(zhu)釋。

GWAS分析選材(cai)原則
  • 保證(zheng)選取的(de)樣(yang)本具有足夠的(de)代(dai)表性;
  • 樣(yang)本中不能有明顯yuan)de)亞群分化(例如生殖隔離(li)等),因為明顯分化的(de)群體(ti)會使得遺傳背景(jing)的(de)噪音較大;
  • 建議選擇幾個比較重要且遺傳力較高的(de)表型性狀作為研究的(de)重點;
  • 質量(liang)性狀盡(jin)量(liang)ke)、1二(er)值性狀,並且兩類性狀的(de)樣(yang)本數應當盡(jin)量(liang)相近;
  • 數量(liang)性狀盡(jin)量(liang)精(jing)確(que)量(liang)化記(ji)錄(如抗病性可以量(liang)化為發病率、死(si)亡(wang)率、存活率、病斑數、病斑面(mian)積等,而不是簡單的(de)多級衡(heng)量(liang)),並使表型總體(ti)呈近似正態(tai)分布;
  • 栽培(pei)植物可以進行(xing)多年多點多重復記(ji)錄,多年多點的(de)觀測(ce)結果(guo)可以分別進行(xing)關聯分析,多重復可以取平均(jun)值進行(xing)關聯分析;
  • 表型變(bian)異豐(feng)富、性狀有明顯yuan)de)主效(xiao)位點控制時(shi)樣(yang)本量(liang)可以適當減小,推薦(jian)200個以上;表型差異較小,多基因控制時(shi)樣(yang)本量(liang)應當增大,推薦(jian)500個以上。
自(zi)然群體(ti)GWAS的(de)研究對象

非嚴格遺傳群體(ti)︰

1、種質資源
2、半同(tong)胞家系,混合(he)家系
3、MAGIC/NAM家系
4、多個F2/RIL/全同(tong)胞家系
5、高雜合(he)類物種︰F1群體(ti)

案例文章

快三平台网址 | 下一页