La estructura de la población es la similitud genética entre grandes grupos de individuos o líneas. En preparación para el mapeo de asociaciones, se debe evaluar la estructura de la población. Al igual que la relación familiar, la estructura de la población se puede incorporar en un análisis de mapeo de asociaciones. En el análisis de asociación QK, la estructura de la población se modela con una matriz Q y la relación familiar se modela con una matriz K (ver Parte 3a: Matriz de relación basada en marcadores ). Hay dos formas de construir una matriz Q en Genómica JMP : Análisis de Componentes Principales (PCA) y Escalamiento Multidimensional (MDS).
Tanto PCA como MDS son técnicas similares para la reducción de datos pero tienen algunas diferencias importantes. Mientras que MDS intenta reducir los datos de tal manera que se preserven las relaciones entre las observaciones o las líneas, PCA pretende describir las mayores fuentes de variación en los datos. Como resultado, PCA puede ser sensible a patrones más pequeños que se encuentran en un solo fabricante o en un puñado de marcadores, patrones que no serían evidentes en MDS.
PCA se puede utilizar para controlar la estratificación de la población en pruebas de asociación de dos maneras en JMP Genomics. El método cubierto en esta publicación, conocido como el Eigenstrat método, se encuentra en el PCA para la estratificación de la población herramienta. Esta herramienta realiza primero el análisis de PCA, guarda el resultado y luego, opcionalmente, realiza el análisis de asociación de Eigenstrat, si se especifican una o más variables de rasgos.
- Desde el Iniciador de genómica menú, elige Genética > Pruebas GWAS > PCA para estratificación de población .
- Se necesitan genotipos numéricos para este análisis. Haga referencia a la Recodificar genotipos procedimiento descrito en la publicación de blog anterior , Asociación genética con JMP Genomics, Parte 1: Importación y limpieza de datos .
- Sobre el General pestaña, elige arroz_genos_recgeno. sas7bdat , como el Conjunto de datos SAS de entrada .
- Asignar el GW como el Variable de rasgo . Asignar G.I.D. como el Variable de etiqueta . Los rasgos medidos son los siguientes:
- FL: días a la floración
- PH: altura de la planta
- PW: peso de la panícula
- GW: rendimiento de grano
- Designe las otras tres variables de rasgo ( FL, PH, OP ) como Variables para mantener en el conjunto de datos de PCA . Tenga en cuenta que este análisis puede manejar varios rasgos a la vez, pero para este ejemplo, construiremos un modelo mixto QK solo para el rendimiento de grano.
- Tipo recgeno : en el cuadro etiquetado Especificación de estilo de lista de variables de marcador .
- Elegir un Carpeta de salida .
- Sobre el Anotación pestaña, seleccione arroz_año_recgeno. sas7bdat como el Conjunto de datos SAS de anotación .
- Rellena el Anotación pestaña con RS_RG como el Variable de etiqueta de anotación , cromo como el Variable de grupo de anotación y posición como el Variable de ubicación de anotación.
- Bajo la Opciones pestaña, marque la casilla junto a Cree un conjunto de datos de salida PCA fusionados. Esto crea el archivo que se utilizará para el análisis QK.
- Aquí un Conjunto de datos PCA se puede especificar que se crea a partir de una iteración anterior de este proceso. También el Número de componentes principales y/o el Proporción acumulada de variación a explicar con PCA se puede especificar. Aquí, JMP explicará esa proporción usando el número mínimo de componentes o explicará tanta variación como sea posible usando el número máximo de componentes especificado. Para elegir el número exacto de componentes utilizados, introduzca 5 como el Proporción de variación a explicar .
- En este ejemplo, configure el Número máximo de PC a 5 y el Proporción acumulada de variación a explicar a 5 .
- Marque la casilla para Realizar EigenCorr para seleccionar PC . Esto determinará qué componentes principales incluir en la regresión al crear un valor p para la correlación entre cada PC y la variable de rasgo, e incluir los PC con valores p significativos basados en el Método de prueba múltiple y Alfa valor especificado. Aquí, seleccione FDR y 1 respectivamente.
- Seleccionar Continuo desde el Tipo de rasgo Menú desplegable.
- Tipo " PCA_salida " en el Prefijo del archivo de salida .
- Sobre el Gráficas de valor P pestaña, seleccione -log10 Para el Conversión para valores p . Tenga en cuenta que estas opciones afectan las parcelas incluidas en la salida de la asociación SNP-Trait y no la selección real de PC.
- Deja el Alfa valor como 0.05 y haga clic Correr para iniciar el análisis.
Resultados
- Cuando aparece el panel de resultados, tanto el ACP 2D & Puntuaciones de fila 3D Las pestañas muestran las relaciones entre los componentes principales. Se consideraría que los individuos que se agrupan en estas parcelas comparten ascendencia. El gráfico 2D muestra la correlación de cada una de las cinco PC entre sí. En el gráfico 3D, la relación entre tres PC cualesquiera (seleccionadas debajo del gráfico) se puede mostrar en un espacio tridimensional.
- Explorar el Gráfico de sedimentación . Cada punto en esta gráfica representa un componente principal y la cantidad de variación que representa ese componente.
- Clickea en el Cuadro resumen pestaña para ver los resultados del análisis de asociación Eigenstrat. El gráfico de barras muestra el número de marcadores significativos en cada cromosoma.
- Para inspeccionar un solo cromosoma, busque el botón de ese cromosoma en el Pestañas sección y elige Pestaña Ver .
- El Parcela manhattan La pestaña muestra marcadores significativos para el rendimiento de grano coloreados por cromosoma. Los puntos del gráfico por encima de la línea roja se consideran marcadores significativos.
- Finalmente, el Parcela Volcán La pestaña muestra un diagrama de volcán de cada marcador coloreado por cromosoma con efecto de genotipo de alelo menor en el eje x y el valor p transformado logarítmicamente en el eje y. Los puntos por encima de la línea roja se consideran significativos.
- El archivo pca_salida_pcm. sas7bdat ahora se encuentra en el Carpeta de salida designado anteriormente y tiene los valores de PCA que se pueden utilizar en Análisis de asociación QK .
*Vea los resultados interactivos de este análisis en JMP Público .
Procesos de Seguimiento
Esta guía cubrió la parte de la matriz Q del análisis QK. La matriz Q contiene información sobre la estructura de la población, que puede provenir de Escalamiento Multidimensional, Análisis de Componentes Principales , o incluso asignación manual de las líneas o individuos en grupos seleccionados por el usuario. El conjunto de datos de salida, pca_output_pcm.sas7bdat , a partir de este análisis se puede utilizar en Análisis de asociación QK . Para el siguiente paso en el Análisis de asociación QK camino, ver la entrada del blog Parte 3c: Modelo mixto QK .
La estructura de la población es la similitud genética entre grandes grupos de individuos o líneas. En preparación para el mapeo de asociaciones, se debe evaluar la estructura de la población. Al igual que la relación familiar, la estructura de la población se puede incorporar en un análisis de mapeo de asociaciones. En el análisis de asociación QK, la estructura de la población se modela con una matriz Q y la relación familiar se modela con una matriz K (ver Parte 3: Matriz de relación basada en marcadores ). Hay dos formas de construir una matriz Q en JMP Genomics: análisis de componentes principales (PCA) y escalamiento multidimensional (MDS).
Tanto PCA como MDS son técnicas similares para la reducción de datos pero tienen algunas diferencias importantes. Mientras que MDS intenta reducir los datos de tal manera que se preserven las relaciones entre las observaciones o las líneas, PCA pretende describir las mayores fuentes de variación en los datos. Como resultado, PCA puede ser sensible a patrones más pequeños que se encuentran en un solo fabricante o en un puñado de marcadores, patrones que no serían evidentes en MDS.
PCA se puede utilizar para controlar la estratificación de la población en pruebas de asociación de dos maneras en JMP Genomics. El método cubierto en esta publicación, conocido como el Eigenstrat método, se encuentra en el PCA para la estratificación de la población herramienta. Esta herramienta realiza primero el análisis de PCA, guarda el resultado y luego, opcionalmente, realiza el análisis de asociación de Eigenstrat, si se especifican una o más variables de rasgos.
