如何進行基因組選擇常見問題FAQ的解答

基因組選擇常見問題FAQ

下面介紹GS常見的問題, 翻譯并學習.

1, 我聽說如果有1000個動物的基因型和表型值, 就可以進行全基因組選擇, 并且準確性可以保持很多代, 這是真的么?

假的! 隨著選擇世代的增加, 準確性會下降, 因此需要不斷的更新測序群體. 需要不斷更新參考群, 可以將上代測序后有表型的個體加進去.

2, 我需要測序多少個體, 才能夠達到評估準確性顯著的提高?

在奶牛中, 每個公牛有很多后代, 每個組比較大, 測序個體大約是2000. 對于后代比較少, 遺傳力比較低的物種, 需要加大群體數. 一般來說, 參考群個數至少要達到600, 才能達到準確性顯著的提高.

3, rrBLUP 和GBLUP哪個好, 是使用兩步法(先估算SNP效應值, 再計算育種值), 還是使用一步法(直接估計育種值)?

rrBLUP和GBLUP兩種方法是等價的, 使用rrBLUP估計方差組分比較容易, GBLUP計算比較容易. 當權重(weights)是已知時, 兩者是等價的.

4, SNP的權重重要么?

最初的研究表明, SNP的權重很重要, 但隨著SNP密度的增加, 將每個SNP的權重設置為一樣, 對于大部分性狀都是合適的.(即假定SNP都有相同的方差分布, 效應值已知,都是微效多基因控制). 對于只有少數主效基因(QTL)控制的性狀, 效果可能不太好.

5, 可以使用一個群體作為參考群, 去預測另一個群體的GEBV么?

這需要看兩個群體的親緣關系. 如果一個群體中有很多都是另一個群體的親本或者祖先, 那么評估的準確性就比較高, 如果親本或者祖先較少, 那么評估的準確性就比較低. 極端情況下, 兩個群體沒有關系, 評估的準確性甚至會低于傳統(tǒng)的EBV(pedigree-blup)

6, 一個群體的參考群, 得到的SNP效應值, 可以用于其它群體的評估么?

不可以, SNP的效應值只能在相似的群體中才能利用, 我們通過SNP得到的是精確度更好的加性方差組分. SNP的效應值, 不能應用于其它不相關的群體中.

7, 加性效應中有多少可以用基因或連鎖的SNP解釋?

一般情況下, 多基因控制的性狀中, 一般是5%~20%, 不過最新的研究表明, 比例可以達到50%. 不過, 這些研究可以在一些相關性比較少的個體中, 找到一些G關系矩陣.

8, 如果是候選群來源很多群體(家系)?

那這個候選群可以預測其它很多家系(因為候選群血緣比較復雜)以及他們之間簡單的雜交. 但是G矩陣需要矯正和標準化, 以防止估計的偏差. 估算家系時, 準確性相對會降低.

9, 如果我們對多個世代都進行測序, 對于準確性的提高是否有幫助?

可能會, 也可能不會. 隨著選擇的進行, G矩陣的準確度會降低, 因為之前的候選群由于選擇, 其背景發(fā)生了變化.

10, G矩陣和A矩陣有何區(qū)別?

如果系譜比較完整, 代數比較多, 結構比較單一, 那么A矩陣和G矩陣基本一致, 差異的標準差可以小于0.04

11, 構建G矩陣的方法有很多種, 他們之間的區(qū)別大么?

對于后代很多的物種(比如奶牛), 幾乎所有的G矩陣構建結果得到的GEBV基本是一樣的. 當群體較少, 或者系譜和基因組合并(一步法)時, 如果兩者(A和G)沒有矯正和標準化, GEBV可能是有偏的, 準確性也會降低.

12, 傳統(tǒng)的動物模型, 有很多功能, 比如矯正, 母體效應, 群體分組(unknown parent groups), 雜交組等. 基因組選擇可以實現這些功能么?

這些都可以使用基因組選擇實現, 試想一下, GBLUP相對于ABLUP, 只是將A矩陣代替為G矩陣. 可以進行重復力分析, 母體效應等傳統(tǒng)動物模型可以做的功能. 群體分組這一塊, GBLUP研究的較少.

13, GBLUP估算的方差組分會比ABLUP估算的方差組分高么?

如果系譜是正確的話, 而G矩陣也進行了矯正, 那么他們應該是類似的. G矩陣估算的方差組分的誤差可能會更小, 如果擁有了基因組信息, 可以不用使用系譜, 直接使用基因組信息進行方差組分的估算.

14, 如果使用高密度的SNP芯片, 會提高估算的準確性么?

目前還不清楚, 使用50K的芯片估算的準確性相當好了, 所以繼續(xù)提高SNP密度效果不限. 如果群體比較小, 而芯片密度比較高, 會造成虛假的提高.

15, 腦洞大一點, 如果有了完整的基因組數據, 鑒別出了所有的易感SNP位點(關聯的SNP), 在一個群體中或者混合群體中估算了這些SNP的效應值, 那么我們是不是可以準確預測任何個體的育種值?

這個問題好, 基因之間有復雜的網絡關系, 而且易感基因和性狀之間的關系通常也是非線性的, 換句話說, 你有一些易感的SNP, 想要得到表型值, 還要考慮環(huán)境, 互作等. 當然, 對于遺傳力高的或者主效基因(QTL)控制的性狀, 也是有一定參考意義的.

16, 如果上一個問題的結果是這樣, 那么為什么動物模型可以工作的很好?

在短期的評估, 效果比較好, 而且動物模型評估時往往是針對下一個世代, 環(huán)境變化表較小.

17, 基因組的信息很多, 如果我們取得了足夠的數據, 是不是可以取得突破性進展?

考慮到所有的胎次, 一對父母的后代數一般不超過100, 這些后代還會有突變.

18, 動物育種, 基因組選擇的下一個技術會是什么?

沒人知道, 目前, 基因組選擇大大提高了準確性, 但還有進一步的利用空間, 比如雜交或者基因與環(huán)境互作等.

19, 基因組選擇中, 什么是最重要的?

注意表型和基因型數據的準確性, 研究表明, 如果基因型數據質量較差, 會大大影響分析結果.