JMP ゲノミクスとの遺伝的関連、パート 3b: 人口構造マトリックス集団構造は、個体または系統の大規模なグループ全体にわたる遺伝的類似性です。 関連マッピングの準備として、集団構造を評価する必要があります。 家族関係と同様に、人口構造も関連マッピング分析に組み込むことができます。 QK 関連分析では、人口構造は Q マトリックスでモデル化され、家族関係は K マトリックスでモデル化されます (参照パート 3a: マーカーベースの関係マトリックス）。 Q 行列を構築するには 2 つの方法があります。 JMPゲノミクス: 主成分分析 (PCA) と多次元尺度法 (MDS)。
PCA と MDS はどちらも同様のデータ削減手法ですが、いくつかの重要な違いがあります。 MDS は観測値またはライン間の関係を維持するような方法でデータを削減しようとしますが、PCA はデータ内の最大の分散の原因を説明することを目的としています。 その結果、PCA は、単一のメーカーまたは少数のマーカーに見られる小さなパターン、つまり MDS からは明らかではないパターンに敏感になる可能性があります。
PCA は、JMP Genomics の 2 つの方法で関連性テストにおける集団層別化を制御するために使用できます。 この投稿で説明されている方法は、アイゲンストラットメソッドは、人口階層化のための PCA道具。 このツールは、最初に PCA 分析を実行して出力を保存し、次に 1 つ以上の特性変数が指定されている場合はオプションで固有ストラット相関分析を実行します。
- からゲノミクススターターメニュー、選択遺伝学 > GWAS 検査 > 集団階層化のための PCA 。
- この分析には数値遺伝子型が必要です。 を参照してください。遺伝子型を再コードする以前のブログ投稿で概説した手順、 JMP Genomics との遺伝的関連、パート 1: データのインポートとクリーニング。
- で全般的タブ、選択米_genos_recgeno。 sas7bdatとして、入力 SAS データセット。
- を割り当てるGWとして特性変数。 割当性同一性障害としてラベル変数。 測定された特性は次のとおりです。
- フロリダ州：開花までの日数
- PH: 草丈
- PW:穂重
- GW: 穀物収量
- 他の 3 つの特性変数を指定します (フロリダ州、PH州、PW州） としてPCA データセットに保持する変数。 この分析では一度に複数の形質を処理できますが、この例では穀物収量のみを対象とした QK 混合モデルを構築することに注意してください。
- タイプレッジェノ: というラベルの付いたボックス内マーカー変数のリスト形式の指定。
- 選ぶの出力フォルダ。
- で注釈タブで選択米_anno_recgeno。 sas7bdatとしてアノテーションSASデータセット。
- 記入してください注釈タブ付きRS_RGとして注釈ラベル変数、クロムとしてアノテーショングループ変数と位置として注釈の位置変数。
- 下オプションタブで、次のボックスにチェックを入れますマージされた PCA 出力データ セットを作成します。 これにより、QK 分析に使用されるファイルが作成されます。
- ここでPCA データセットこのプロセスの以前の反復で作成されたものを指定できます。 また、主成分の数および/または説明する変動の累積割合PCA付きも指定可能です。 ここ、 JMP最小数の成分を使用してその割合を説明するか、指定された最大数の成分を使用して可能な限り多くの分散を説明します。 使用するコンポーネントの正確な数を選択するには、次のように入力します。 5として説明する変動の割合。
- この例では、 PCの最大数に5そしてその説明する変動の累積割合に5 。
- チェックボックスをオンにすると、 EigenCorr を実行して PC を選択する。 これにより、各 PC と特性変数の間の相関関係の p 値を作成し、それに基づいて有意な p 値を持つ PC を含めることにより、回帰にどの主成分を含めるかが決定されます。複数の試験方法とアルファ指定された値。 ここで、選択しますFDRと1それぞれ。
- 選択する継続的から特性の種類ドロップダウンメニュー。
- タイプ " PCA_出力" の中に出力ファイルのプレフィックス。
- でP 値プロットタブで選択-log10のためにp値の変換。 これらのオプションは、実際の PC の選択ではなく、SNP-Trait 関連出力に含まれるプロットに影響することに注意してください。
- 出てアルファとしての値0.05そしてクリックしてください走る分析を開始します。
結果
- 結果ダッシュボードが表示されると、両方のPCA 2D & 3D 行スコアタブには、主コンポーネント間の関係が表示されます。 これらのプロット内に集まっている個体は、祖先を共有していると考えられます。 2D プロットは、5 台の PC それぞれの相互の相関関係を示します。 3D プロットでは、任意の 3 台の PC (プロットの下で選択) 間の関係を 3 次元空間に表示できます。
- を探索してくださいガレプロット。 このプロットの各点は、主成分とその成分が占める変動量を表します。
- クリックしてくださいサマリーチャートタブをクリックして、固有ストラット相関分析の結果を表示します。 棒グラフは、各染色体上の重要なマーカーの数を示します。
- 単一の染色体を検査するには、タブセクションを選択してください「表示」タブ。
- のマンハッタン・プロットタブには、染色体ごとに色分けされた穀物収量の重要なマーカーが表示されます。 プロット上の赤い線より上の点は、重要なマーカーとみなされます。
- 最後に、火山のプロットタブは、x 軸にマイナーな対立遺伝子遺伝子型効果、y 軸に対数変換された p 値を示し、染色体によって色付けされた各マーカーのボルケーノ プロットを示します。 赤い線より上の点は重要とみなされます。
- ファイルpca_output_pcm。 sas7bdat現在は、出力フォルダ前に指定されており、で使用できる PCA 値が含まれています。 QK アソシエーション分析。
*この分析のインタラクティブな結果は、次の URL でご覧いただけます。 JMPパブリック。
フォローアッププロセス
このガイドでは、QK 分析の Q マトリックス部分について説明しました。 Q マトリックスには、人口構造に関する情報が含まれています。多次元尺度法、主成分分析、またはユーザーが厳選したグループにラインや個人を手動で割り当てることもできます。 出力データセット、 pca_output_pcm.sas7bdat 、この分析から、 QKアソシエーション分析。 次のステップに向けて、 QK アソシエーション分析経路、ブログ投稿を表示パート 3c: QK混合モデル。
集団構造は、個体または系統の大規模なグループ全体にわたる遺伝的類似性です。 関連マッピングの準備として、集団構造を評価する必要があります。 家族関係と同様に、人口構造も関連マッピング分析に組み込むことができます。 QK 関連分析では、人口構造は Q マトリックスでモデル化され、家族関係は K マトリックスでモデル化されます (参照パート 3: マーカーベースの関係マトリックス）。 JMP Genomics で Q 行列を構築するには、主成分分析 (PCA) と多次元尺度分析 (MDS) の 2 つの方法があります。
PCA と MDS はどちらも同様のデータ削減手法ですが、いくつかの重要な違いがあります。 MDS は観測値またはライン間の関係を維持するような方法でデータを削減しようとしますが、PCA はデータ内の最大の分散の原因を説明することを目的としています。 その結果、PCA は、単一のメーカーまたは少数のマーカーに見られる小さなパターン、つまり MDS からは明らかではないパターンに敏感になる可能性があります。
PCA は、JMP Genomics の 2 つの方法で関連性テストにおける集団層別化を制御するために使用できます。 この投稿で説明されている方法は、アイゲンストラットメソッドは、人口階層化のための PCA道具。 このツールは、最初に PCA 分析を実行して出力を保存し、次に 1 つ以上の特性変数が指定されている場合はオプションで固有ストラット相関分析を実行します。
