47- 基因组预测的基础(1)

此部分所有内容来自法国INRA的A. Legarra授课。

GP的发展历史

image.png

marker

raw files(不喜欢的格式，需要转换):

image.png

可以转为每个动物占1行：

image.png image.png

另一种（A与B格式）：

image.png

map 文件：

image.png

A/C的从编码（数字）

image.png

也可以是A为参考：

image.png
image.png

BLUPF90格式：

image.png

怎么操作SNP文件：

image.png
image.png

如果想要合并多个SNP文件，需要知道SNP名字和每个位点参考的值

image.png

质控

• call rate:

  
  image.png

• 等位基因频率

  
  image.png

image.png

• 最小等位基因频率MAF

  
  image.png
  

  为啥MAF这么重要？

  
  image.png

• 哈代温伯格平衡HWE

  
  image.png

杂交后代不会有HWE
通常因为XY不对称，不会使用性染色体
在GP中使用性染色体更加复杂（美国的奶牛使用），需要查看：

image.png

• 孟德尔冲突
  image.png
  如果一个SNP有太多的孟德尔冲突，则可能检测错误，需要删去这个SNP
  如果一个个体有太多的孟德尔冲突，则动物的ID出错或者在系谱出现错误
  可以使用Seekparent.f90软件查找其父母
• 重复基因型
  如果不是克隆，这应该是标记错误造成的
• 连锁不平衡LD：两个位点的非随机组合
  image.png
  跨品种预测很难实现，因为LD的差别会大一些。
  测量LD：r²
  image.png

基因内容（GC）的特性

image.png

均值和方差：

image.png

数据质控前后的不同

image.png

preGSf90处理小于5000个个体数据（基因型）； qcf90处理更大的数据

填充缺失的SNP

为啥呢？

1. 有的软件不能使用缺失值
2. 使用廉价的芯片（可以往高密度进行填充）

填充策略

1. 基于家庭：我们比较从父母传给后代的染色体块并填补空缺

例子：

image.png
image.png

2. 基于群体：我们（大致）制作了一个现有单倍型库（haplotypes），并与我们不完整的单倍型进行比较

   
   image.png

3. 基于临近SNP填充

填充的典型输出衡量

准确度 = 真实基因型和推算基因型的相关性
一致性 = 正确调用的基因型的百分比 (%)（不好）

填充的典型输出衡量

image.png

对没有基因型的动物填充

使用linear法填充(方法不理想)
Gengler et al. (2007)构想了一种代数方法来获得基于回归的基因型点估计。

后代的基因型 = 父母的一半 + 孟德尔抽样

image.png
image.png
image.png

为啥线性填充不好？

image.png
但它为 SSGBLUP 奠定了基础

基于Marker模型的基因组选择（GS）

1. 单QTL
   假设我们知道具体大效应的QTL（1个主要基因），如：

   
   image.png

image.png
image.png
image.png

但是大多数性状的因果基因还不知道

2. 整个基因组（多个marker）的基因组选择
   Meuwissen et al. 2001提出直接使用marker。

   
   image.png
   image.png

基因组预测GP

image.png

基于系谱的预测：

image.png

基于基因组的预测

image.png

例子：

image.png

从marker(SNP)效应到育种值

image.png

一个详细例子：

image.png

怎么估计marker效应呢？

如果通过LS（最小二乘法）估计：

image.png

但是LS估计时，会有很多缺点：

image.png

使用最佳预测或者贝叶斯回归

贝叶斯回归：

image.png

这几种贝叶斯算法得到结果类似，所以算法不是很重要

缺点：

image.png

经过10年的试验，marker的正态分布是一个较好的分布假设

image.png

GBLUP和SNP-BLUP是等同的

SNP-BLUP的MME

image.png

SNP-BLUP具有很强的灵活性：

image.png

Marker的编码

image.png
image.png

假设我们使用SNP-BLUP：

image.png
image.png

但是注意新的动物，必须采用相同的参考等位基因编码，否则就会出错

image.png

编码的中心化：

image.png

对新动物的GEBV 预测时，必须使用旧数据的中心化编码（旧频率）

image.png

育种者应该怎么操作呢？注意IP

image.png

BLUPF90的应用（p^*, 和 SNP效应存在SNP_pred文件中，用于IP）

注意SNP编码过程中，对于参考等位基因需要自己保持一致

image.png

SNP-BLUP中个体的理论可靠性

image.png

注意个体可靠性受到SNP编码的影响

image.png

归一化（scaling）——不推荐使用

image.png
image.png

计算SNP的方差：

image.png
另外方法：
image.png

假设成功：

image.png
但是假设不成立（这就涉及到遗传力缺失）：
image.png

新的求解

image.png
image.png