基于通路的全基因組關(guān)聯(lián)分析策略應(yīng)用于西門(mén)塔爾牛的初步研究.pdf

1、隨著人類(lèi)全基因組計(jì)劃的完成及高通量基因分型技術(shù)的快速發(fā)展，全基因組關(guān)聯(lián)分析(GWAS)已經(jīng)成為挖掘人類(lèi)疾病易感基因及與家畜動(dòng)物重要經(jīng)濟(jì)性狀相關(guān)QTL的有力工具。大量以單核苷酸多態(tài)性片段(SNP)為主遺傳標(biāo)記已經(jīng)被發(fā)現(xiàn)與人類(lèi)疾病和家畜重要經(jīng)濟(jì)性狀顯著相關(guān)。然而，隨著研究的深入，人們逐漸發(fā)現(xiàn)GWAS檢測(cè)到的顯著性SNP位點(diǎn)只能解釋小部分與表型相關(guān)的變異，大量的剩余遺傳信息還沒(méi)有被挖掘。此外，大多數(shù)復(fù)雜的數(shù)量遺傳性狀往往由微效多基因決定的，單

2、個(gè)SNP無(wú)法解釋所有的表型變異。因此，需要提出新的統(tǒng)計(jì)策略來(lái)解決這種缺陷。在已有的眾多策略中，基于通路的全基因組關(guān)聯(lián)分析方法評(píng)估處于同一生物學(xué)通路中多個(gè)SNP的共同作用，而不僅僅單獨(dú)的分析單個(gè)SNP的效應(yīng)而廣泛受到人們的關(guān)注。一些基于通路的關(guān)聯(lián)分析算法也相繼被提出，然而傳統(tǒng)的基于通路的全基因組分析方法僅僅簡(jiǎn)單的使用顯著的SNP構(gòu)建基因統(tǒng)計(jì)量，忽視了小效應(yīng)SNP的作用，這種策略有很大的局限性。
　　為了解決傳統(tǒng)的基于通路分析的算法缺

3、陷，本研究提出了一種新的算法。這種算法包括兩個(gè)步驟:1）使用主成分分析的思想構(gòu)建每個(gè)基因的主成分矩陣，然后根據(jù)主成分與表型的關(guān)聯(lián)程度對(duì)其進(jìn)行排序。2）使用最大均值法(Maxmean)構(gòu)建每個(gè)基因的統(tǒng)計(jì)量，然后使用柯?tīng)柲缌_夫-斯米爾諾夫(Kolmogorov-Smimov)檢驗(yàn)通路的顯著性。基于來(lái)自內(nèi)蒙古烏拉蓋地區(qū)807頭西門(mén)塔爾牛所包含的77，000，000 SNPs的數(shù)據(jù)，本研究使用新的算法對(duì)宰前活重、眼肌面積兩個(gè)重要的經(jīng)濟(jì)性狀進(jìn)行

4、了分析。結(jié)果表明，在對(duì)來(lái)自于KEGG數(shù)據(jù)庫(kù)的263條通路的分析研究中，伽馬氨基丁酸通路(p=0.000876)和非酒精性脂肪性肝病疾病(NAFLD)通路(p=0.000058)分別與宰前活重和眼肌面積兩個(gè)性狀顯著相關(guān)。對(duì)兩條顯著性通路的生物信息學(xué)分析發(fā)現(xiàn)，伽馬氨基丁酸通路已經(jīng)被證實(shí)與動(dòng)物的采食量及體重增加過(guò)程相關(guān)。
　　本研究提出的基于通路的新算法首次剔除基因內(nèi)部SNP之間的連鎖作用，豐富了現(xiàn)有基于通路的全基因關(guān)聯(lián)分析的算法。更重