肠菌力引入

Yang 等利用线性混合模型中的 REML 法估计随机人群 SNP 数据集所能解释的体重变异程度，并将SNP 决定的表型方差比例称为 SNP 遗传力(SNP-basedheritability, 2SNP h )。

2010年美国内布拉斯加大学Beason等[5]提出将肠道微生物作为宿主的复杂数量性状进行研究。此后，诸多学者将肠道菌群丰度、α和β多样性以及微生物基因功能丰度等视为数量性状(稀有的分类群视为二分类性状)，估计它们的遗传力，辨别受宿主遗传因素调控的微生物群落，并进一步通过微生物全基因组关联分析(microbial genome-wide asso-ciation study, mGWAS)挖掘导致肠道菌群可遗传性的宿主遗传变异。

将肠道菌群的遗传力理解为肠道微生物组成和相对丰度能够稳定遗传下去的能力是一种误解，更为合适的解释是其反映了宿主遗传因素对肠道微生物的影响程度，或亲缘个体间肠道菌群的相似性

image.png

2016年，丹麦奥胡斯大学Difford等在第67届欧洲畜牧学会年会上提出将表型方差剖分为遗传方差2(σ)g、肠道微生物方差2m(σ)和残差2e(σ)，并定义微生物方差占据表型方差的比例为：

image.png

作者翻译为肠菌力，反映宿主表型受肠道菌群的作用大小。

基于肠菌力的估计值，可以更好的区分各肠段微生物与目标性状的关联程度，进而有针对性的选择特定肠段开展后续研究，尤其是对于可以活体和屠宰取样的畜禽动物

肠菌力的估计方法

方差组分

估计肠菌力最早的研究可追溯至2013年，澳大利亚的研究者[7]借鉴宿主SNP遗传力的估计方法，利用宏基因组测序得到的重叠群计数(contig count)数据构建微生物组关系矩阵(metagenomic relation-ship matrix，也有研究使用microbial relationship matrix和bacterial kinship matrix，后文统称M阵，表4)，接着采用线性混合模型评估奶牛瘤胃微生物组对甲烷排放以及人类粪便微生物组对BMI和IBD的贡献大小。

回归法

该方法不涉及M阵的构建，先估计每种OTU效应的大小，再计算个体OTU累加的总效应，最后以OTU总效应与表型值相关系数的平方作为肠菌力。该方法为评估每类OTU效应，以及每个个体肠道微生物效应值提供了重要参考，但尚无实际数据分析回归法与方差组分法的估计效果，其实际应用还需要更深入探索和评估。

宏基因组法

image.png

#############
传统的GWAS和肠道微生物的的GWAS：

image.png

联合GWAS：

image.png

两个矩阵（G与M矩阵）：

image.png

宿主：全基因组重测序
盲肠，十二指肠值得研究： 16s rRNA测序，微生物（OTU）
菌的分类，一个数量性状：查看峰度，3%的菌具遗传力
得到了12个菌，

image.png

所以选择前两种，查看菌的在肠断的分布。

结论：

image.png

还需要深度阅读：
Wen, C., Yan, W., Sun, C. et al. The gut microbiota is largely independent of host genetics in regulating fat deposition in chickens. ISME J 13, 1422–1436 (2019). https://doi.org/10.1038/s41396-019-0367-2