JMP Genomics와 유전적 연관성, 4부: 기본 연관 매핑기본 연결 매핑 작업 흐름 JMP 유전체학 유전자 마커 데이터를 사용하여 연관 지도를 만듭니다. 워크플로우에는 다음의 출력이 포함됩니다. 재조합 및 연결 그룹, 연결 맵 순서, 그리고 연계 맵 뷰어 . 여기에는 재조합 빈도 계산, 분리 왜곡 테스트, 마커 세트에 연결 그룹 할당, 시각화된 연결 맵 생성, QTL 분석을 위한 연결 맵에 따라 데이터 재정렬이 포함됩니다. 이 예에서는 90개의 재조합 근친 교배 귀리 계통에서 얻은 약 450개의 유전자 마커가 포함된 귀리 데이터를 사용합니다.
- 로부터 유전체학 스타터 창, 선택 워크플로우 > 기본 > 기본 연결 매핑 워크플로우 대화 상자를 열려면
- 에서 일반적인 탭, 선택 po_ingenotypes. sas7bdat 으로 입력 유전자형 SAS 데이터 세트 .
- 입력란에 "GMI:"를 입력합니다. 마커 변수의 목록 스타일 사양 "GMI"로 시작하는 모든 변수를 마커 변수로 지정하는 필드입니다.
- 선택 출력 폴더 .
- 에서 옵션 탭, 선택 숫자형 유전자형 으로 마커 변수의 형식 .
- 그만큼 주석 이 예에서는 tab에 입력이 필요하지 않으며 항상 선택 사항입니다. 별도의 주석 데이터 세트가 있는 데이터의 경우 여기에 입력할 수 있습니다.
- 그만큼 프레임워크 맵 탭도 선택 사항입니다. 이 탭은 마커 세트에 대해 사전 정의된 연결 그룹이 있는 경우 사용됩니다. 이 경우 다음을 입력하십시오. 귀리_프레임워크. sas7bdat 으로 프레임워크 맵 데이터 세트 .
- 데이터 세트를 열고 172개의 마커가 이미 22개의 알려진 프레임워크 그룹으로 정렬되어 있음을 확인합니다. 각 마커는 해당 프레임워크 그룹 내에서 정렬됩니다.
- 선택하다 채점자 으로 프레임워크 마커 이름 변수 , Framework_Groups 으로 프레임워크 연결 그룹 변수 , 그리고 프레임워크_주문 으로 프레임워크 순서 변수 .
- 에서 연계 그룹 탭, 선택 아이릴셀프 으로 크로스타입 .
- 이 실험 집단은 상호교배된 재조합 근교 계통입니다. 크로스 유형 목록과 해당 설명은 아래 표에 나와 있습니다.
- 수에 대해 근친교배 이전의 무작위 교배 세대 , 입력하다 2 . 이것은 초기 교배와 근친 교배 시작 사이에 발생한 무작위 교배 세대 수입니다.
- 실험 교배에 고유한 예상 분리 비율이 있는 경우 해당 비율을 다음에서 지정할 수 있습니다. 예상 분리 비율 이 모집단의 것과 같은 RIL 자체 교배에 대한 예상 비율은 0.5 : 0 : 0.5입니다. 이는 다른 값을 입력하지 않은 경우 기본값입니다.
- 선택하다 루즈벨트 으로 분리 테스트를 위한 다중 테스트 방법 . 이는 허위 발견 비율을 최소화합니다.
- 설정 그룹화 재조합 분수 임계값 에게 25 . 이는 연결 그룹에 마커를 할당하기 위한 최대 재조합 분율이 됩니다. 이 숫자가 낮을수록 마커를 동일한 그룹 내에 배치하기 위해 발생해야 하는 연결의 양이 더 많아집니다.
- 에 연결 맵 순서 탭, 선택 할데인 으로 지도 기능 . 이는 재조합 비율을 센티미터(cM) 단위의 거리로 변환하는 다양한 방법입니다.
- 확인란을 선택하여 정렬된 거리가 큰 마커 간의 연결 그룹 끊기 . 그룹을 다음과 같이 나눕니다. 유전적 거리 그리고 그걸 설정해 유전적 거리 차이 값 에게 40 . 이는 연결 그룹의 두 마커 사이의 거리가 40을 초과하는 경우 해당 그룹이 둘 이상의 연결 그룹으로 분할됨을 의미합니다.
- 옆에 있는 상자를 선택 취소하세요. 마커 유전자형 세포 색상 도표 표시 . 이렇게 하면 모든 마커에 대해 각 유전자형이 표시되는 셀 플롯이 생성됩니다. 여기서는 필요하지 않으며 컴퓨팅 시간이 늘어납니다.
- 옆의 확인란을 선택하세요. QTL 분석을 위한 마커 데이터를 주문하려면 하위 집합 및 유전자 데이터 재정렬 프로세스를 실행하세요. 연결 그룹에 따라 데이터를 재정렬합니다.
- 결과 데이터 세트는 나중에 수행할 때 유용합니다. QTL 분석 .
- 그만큼 연계 맵 뷰어 탭을 사용하면 3D 염색체 연결 맵의 색 구성표 및 출력 레이아웃을 변경할 수 있습니다. 여기서는 기본 옵션을 그대로 둡니다.
- 선택하다 달리다 분석을 시작합니다. 분석 실행이 완료되면 다음이 수행됩니다. JMP 저널 나타날거야.
결과
- 첫 번째 결과 버튼을 클릭하고, 재조합 및 연결 그룹 .
- 첫 번째 출력은 히트맵입니다. 연계그룹 결과 . 히트맵의 빨간색 블록은 매우 낮은 재조합 빈도와 그에 따른 고도로 연결된 마커를 나타냅니다. 각 연결 그룹(27)은 아래 창 오른쪽에 나열됩니다. L그룹 각 그룹의 마커 수는 괄호 안에 표시됩니다. 이 목록의 연결 그룹 중 하나를 클릭하면 해당 그룹에 대한 히트맵이 표시됩니다.
- 히트맵 왼쪽의 점도표는 유전자형 빈도를 나타냅니다. 점들이 서로 더 가까울수록 동형접합성 주요 유전자형이 더 빈번하고, 점들이 멀리 떨어져 있으면 동형접합성 소수 유전자형이 더 자주 발생합니다.
- 그만큼 분리 및 연계 그룹 탭에는 각 연결 그룹(재결합 빈도를 사용하여 생성됨) 및 프레임워크 그룹(프레임워크 맵 데이터 세트에 지정됨)에 대한 분리 비율의 플롯이 표시됩니다. 연결 그룹은 플롯에서 점으로 표시되고 프레임워크 그룹은 별표로 표시됩니다. 이들 그룹 중 다수는 서로 일치합니다. 빨간색 점선은 그 위에 있는 점에 대한 통계적 유의성을 나타냅니다. 프레임워크 또는 연결 그룹 중 하나를 클릭하여 플롯에서 강조 표시합니다.
- 다음으로 돌아갑니다. JMP 저널 그리고 선택 연결 맵 순서 . 결과 출력은 각 연결 그룹에 있는 마커의 유전적 거리(cM)를 플롯한 것입니다. 마커는 원래 프레임워크 그룹에 따라 색상이 지정되고 x축에는 각 연결 그룹이 있습니다. 원래 프레임워크 맵과 달리 이제 37개의 연결 그룹이 있습니다. 이는 40cM보다 큰 마커를 가진 그룹이 분할되기 때문입니다.
- 에서 드릴다운 출력 창 왼쪽의 메뉴에서 각 개별 연결 그룹을 선택하여 추가 검사를 수행할 수 있습니다. 선택하다 연계 그룹 17 . 해당 연결 그룹에 있는 각 마커의 히트맵과 재조합 빈도는 물론 그룹에 있는 각 마커 사이의 재조합 빈도가 있는 데이터 세트를 표시하는 새 창이 열립니다. 연결 그룹의 각 마커 위치는 히트맵 위의 수평 연결 맵에서 볼 수 있습니다.
- 다음으로 돌아가서 JMP 저널 그리고 연계 맵 뷰어 . 그만큼 3D 연계 지도 출력이 새 창에 나타납니다. 이 출력은 각 연결 그룹의 시각화를 제공하며 왼쪽에는 위치가 주석으로 표시되고 오른쪽에는 마커 이름이 표시됩니다. 창 상단의 슬라이더는 지도의 미학을 조정합니다. 아래는 연결 그룹 2의 지도입니다.
- 마지막 출력은 JMP 저널 은 유전자 데이터의 하위 집합 및 재정렬, 둘 다 유전자형입니다( po_ingenotypes. sas7bdat ) 및 주석( po_ingenotypes_lmo_sr.sas7bdat ) QTL 분석에 사용할 수 있는 데이터 세트입니다. 이러한 데이터 세트는 다음 위치에 저장됩니다. 출력 폴더 에 지정된 일반적인 탭. 아래는 453개의 마커와 각각에 대한 연결 데이터가 포함된 주석 세트입니다.
*이 워크플로에서 생성된 대화형 보고서는 다음에서 볼 수 있습니다. JMP 공개 .
요약
기본 연결 매핑 작업 흐름은 재조합 빈도를 사용하여 마커를 연결 그룹에 배치하고 분리 비율을 계산하며 연결 맵을 표시하는 몇 가지 유용한 분석을 수행합니다. 이 예에서는 특정 마커를 미리 결정된 프레임워크 그룹에 할당하는 마커 데이터와 프레임워크 맵으로 시작했습니다. 연결 매핑 워크플로를 실행하는 데 프레임워크 맵과 주석 데이터가 필요하지 않습니다. 이제 각 마커가 연관 그룹에 배치되고 각 마커 간의 거리가 추정되었으므로 QTL 분석을 수행할 수 있습니다. 해당 프로세스에 대한 자세한 내용은 제목이 붙은 게시물을 참조하세요. JMP Genomics와의 유전적 연관성, 5부: QTL 단일 마커 분석 .
기본 연결 매핑 작업 흐름 JMP 유전체학 유전자 마커 데이터를 사용하여 연관 지도를 만듭니다. 워크플로우에는 다음의 출력이 포함됩니다. 재조합 및 연결 그룹, 연결 맵 순서, 그리고 연계 맵 뷰어 . 여기에는 재조합 빈도 계산, 분리 왜곡 테스트, 마커 세트에 연결 그룹 할당, 시각화된 연결 맵 생성, QTL 분석을 위한 연결 맵에 따라 데이터 재정렬이 포함됩니다. 이 예에서는 90개의 재조합 근교 귀리 계통에서 얻은 약 450개의 유전자 마커가 포함된 귀리 데이터를 사용합니다.
