今天分享一篇河南农大汤汤继华老师和张雪海老师的一篇 As 积累的一篇文章。这两年汤老师势头较猛，连续产出一些不错的文章，这篇文章就发表在 2017 的 PBJ（IF = 6.305） 上。
image.png
显著 SNP 所在 QTL 区域
不同环境检测到的SNP 统计
材料方法：
230 份玉米自交系，其中温带材料151个，热带材料79份，使用随机完全区组实验，种植在新县以及长葛两地。
使用 AIM500 消化系统消煮，AFS-3000 原子荧光光谱法对 玉米籽粒，穗轴，茎干，苞叶以及叶片进行 As 元素含量测定。
每个样本测量三次。
数据分析：
表型数据使用 IBM SPSS 软件进行双向方差分析，计算其可重复性。使用 R 软件 lme4 包 MLM 模型计算 BLUP 值并用于后续分析。使用 SPSS Pearson 计算重复间相关系数。
基因型数据使用之前发表的数据，整合了 Illumina Maize SNP50 分型平台，RNAseq 以及 Affymetrix 公司的 600K 芯片的整合数据。共获得 1.25M 的 SNP 标记。
GWAS 分析使用 Tassel 3 软件中的 K 、Q + K 、Q 模型进行了分析。使用 GEC 软件计算独立标记的有效数量。以阈值 P = 2.04E-6（1/ 有效标记数）控制全基因组关联分析 I 型错误。
候选基因的筛选使用 R^2 = 0.1 的 LD 值（30K）为 LD 距离。将显著 SNP 上下游 30 Kb 的区段定义为一个 QTL ，并检测 QTL 是否冗余重叠。并对 QTL 区段内的基因进行注释，获得最终候选基因。
讨论：
-
模型的选择对结果影响显著。
-
不同组织中，As 积累可能受不同遗传机制调控。
本篇文章的亮点在于： 1. 与前人的结果有较好的重合。2. As 表型侧性较准确，且表型比较理想。这就可以使得结果更加准确。
本文缺陷：1. 最终使用 Q 模型，却没有拿数据说明 Q + K的假阴性到底如何，也没有说 K 模型为何不行。2. 分析内容较少。
网友评论