Gli studi sulla popolazione sono un affascinante sottocampo della genetica che si concentra sulla comprensione delle differenze genetiche all'interno e tra le popolazioni per rivelare l'evoluzione genetica di una popolazione. Uno dei concetti chiave su cui mi concentro in questo blog è l'esame della struttura della popolazione, in altre parole, l'analisi delle informazioni genetiche di individui originari di diverse parti del mondo per vedere se JMP può classificarli in diversi gruppi continentali ed etnici. A questo scopo vengono utilizzate diverse tecniche, tra cui l'inclusione multivariata, la correlazione dei marcatori e il disequilibrio del collegamento utilizzato dalle statistiche dei marcatori.
GSE10331 è un set di dati che fa luce sulla variazione genetica all’interno della popolazione umana mondiale. Questo studio mirava a scoprire la migrazione, l'espansione dell'areale e l'adattamento della specie umana analizzando i modelli di variazione dell'intero genoma tra gli individui.
In questo studio, i ricercatori hanno analizzato e pubblicato pubblicamente genotipi di alta qualità di oltre 500.000 polimorfismi a singolo nucleotide (SNP) in un campione mondiale di 28 origini etniche (popolazione), che abbracciano 22 paesi e sette regioni, per un totale di 441 individui. I dati sono stati scaricati e preparati per l'analisi in JMP Pro.
Ecco la distribuzione degli individui tra regioni, paesi e popolazioni e la sua mappatura geografica.
Counts of individual grouped by region, country, and population (ethnicity)Conteggi degli individui raggruppati per regione, paese e popolazione (etnia)
Geographic mapping of the different countries analyzed in the studyMappatura geografica dei diversi paesi analizzati nello studio
Analisi di incorporamento multivariata utilizzando dati genetici SNP
L'incorporamento multivariato è stato utilizzato come primo tentativo per vedere se le origini dei diversi individui possono essere mappate e classificate in gruppi o cluster. L'incorporamento multivariato consente di mappare un insieme di dati ad altissima dimensionalità in uno spazio a bassa dimensionalità, il che significa che i punti che sono vicini tra loro nello spazio ad alta dimensionalità sono anche vicini l'uno all'altro nello spazio a bassa dimensionalità risultante. In questo caso, tutti i 500.000 SNP vengono inclusi utilizzando il metodo t-SNE, che dimostra come vengono raggruppati i dati.
t-SNE component 1 versus t-SNE component 2Componente t-SNE 1 rispetto al componente t-SNE 2
Questa analisi ha utilizzato tutti i dati, contenenti tutti i cromosomi. Ogni individuo è rappresentato da un punto specifico. I colori riflettono le sette regioni. L'immagine risultante separa chiaramente gli individui tra le loro regioni di origine, con le origini africane che hanno il gruppo più distante (in rosso). Le altre origini sono facili da distinguere: America in verde, Asia orientale in arancione, Oceania in giallo, Europa in turchese, Asia centro-meridionale in blu e Medio Oriente in viola. Alcuni modelli interessanti mostrano che gli individui europei sono più vicini alle popolazioni del Medio Oriente e dell’Asia centro-meridionale. I cluster dell’Asia orientale, dell’America e dell’Oceania sono molto distanti dagli altri, il che è logico poiché la migrazione umana è influenzata (o più precisamente, repressa) da vari fattori, comprese le barriere geografiche come montagne e oceani.
t-SNE component 1 versus t-SNE component 2 with labelComponente t-SNE 1 rispetto al componente t-SNE 2 con etichetta
Altri due modelli interessanti hanno attirato la mia attenzione. Uno era il piccolo ammasso dell’Asia centro-meridionale in blu, vicino all’Asia orientale in arancione. Osservando più da vicino l'etnia degli individui di questo gruppo dell'Asia centrale e meridionale, è stato rivelato che avevano origini "Uygur", un gruppo etnico turco originario e culturalmente affiliato alla regione dell'Asia centrale e orientale. Sono una delle 55 minoranze etniche ufficialmente riconosciute in Cina. Gli altri valori anomali, che appartengono al Medio Oriente in viola, hanno un’etnia mozabita di origini algerine, quindi africane. È interessante notare che, scomponendo l'analisi t-SNE in cromosomi specifici e animando i punteggi t-SNE nel grafico a bolle, possiamo vedere un individuo algerino mozabita (etichettato GSM264380) che rientra nel cluster africano o mediorientale.
t-SNE decomposed by chromosome, animated in a bubble plott-SNE scomposto per cromosoma, animato in un grafico a bolle
Osservando i punteggi t-SNE in ogni singolo cromosoma, possiamo vedere questo schema ancora più chiaramente. In tutti i cromosomi (ad eccezione dei cromosomi 5, 10, 13, 14, 16 e 18), questo individuo rientra nel gruppo Africa (rosso); negli altri casi è nel cluster del Medio Oriente (viola).
t-SNE analysis decomposed by chromosomeAnalisi t-SNE scomposta per cromosoma
Correlazione dei marcatori
Questo rapporto è un altro modo per valutare diverse misure di parentela genetica tra coppie di individui in base ai loro marcatori genetici. Gli output sono componenti principali e il clustering gerarchico basato su diversi tipi di misurazioni dell'identità viene utilizzato per valutare la relazione tra gli individui. Per questo esempio viene utilizzata l'Identità per Stati (IBS), che esamina gli effetti dell'identità dei marcatori sulla parentela degli individui.
Le regioni sono state utilizzate per valutare le relazioni. La prima analisi è stata la correlazione dei marcatori con tutti i marcatori (500K). Ogni regione è stata confrontata con tutte le altre regioni. Dai dati di output della correlazione dei marcatori, ho utilizzato una mappa termica nel Costruttore di grafici per visualizzare i punteggi IBS per ciascuna coppia comparativa di regione. Punteggi IBS elevati (in rosso) indicano una relazione elevata; punteggi IBS bassi (in giallo) indicano una relazione bassa. Dalla prima mappa termica qui sotto, possiamo vedere che l’Africa è la meno simile a tutte le altre regioni (vedi quadrato evidenziato in rosso e punteggio IBS basso in giallo chiaro). L'America e l'Oceania hanno le maggiori somiglianze con se stesse (quadrati delineati in blu).
Whole genome-based IBS scores represented in a heat mapPunteggi IBS basati sull'intero genoma rappresentati in una mappa termica
La seconda analisi di correlazione dei marcatori è stata eseguita esclusivamente sul cromosoma del DNA mitocondriale. Perché? Negli ultimi tre decenni, il DNA mitocondriale (mtDNA) è stato il marcatore più popolare di diversità molecolare (DNA mitocondriale come marcatore di diversità molecolare: una riappraisal, N.Galtier et al., 2009). Il mtDNA è ereditato per via materna, trasmesso dalla madre alla prole. A differenza del DNA nucleare, il mtDNA è privo di ricombinazione, portando a un modello di eredità clonale. Il mtDNA accumula mutazioni nel tempo a causa del suo alto tasso di mutazione. Queste mutazioni creano aplotipi distinti, consentendo ai ricercatori di studiare la storia e la migrazione della popolazione.
Sebbene i punteggi IBS siano aumentati in modo significativo (vedi mappa termica di seguito), possiamo vedere lo stesso tipo di modello: la regione africana ha punteggi IBS più bassi rispetto a tutte le altre regioni.
mtDNA-based IBS scores represented in a heat mapPunteggi IBS basati sul mtDNA rappresentati in una mappa termica
Disequilibrio di collegamento nel DNA mitocondriale
Il linkage disequilibrium (LD) è la quantità di associazione statistica tra coppie di alleli in loci diversi all'interno di un genoma. L'LD calcola un cosiddetto coefficiente di correlazione del disequilibrio del collegamento, che è una misura di un'associazione non casuale tra marcatori in diverse posizioni sul cromosoma (loci) all'interno di una data popolazione. In altre parole, rileva la frequenza con cui due marcatori vengono rilevati insieme negli stessi loci rispetto a quanto ci si aspetterebbe se i loci fossero indipendenti e associati in modo casuale.
Nel contesto del mtDNA, l'LD è stato un argomento di interesse per comprendere la storia evolutiva e la genetica delle popolazioni. Come accennato in precedenza, nei mammiferi i mitocondri vengono ereditati esclusivamente dalla madre e sono considerati clonali, nel senso che non subiscono ricombinazione. Di conseguenza, le sequenze del mtDNA possono servire come registrazione degli eventi storici di mutazione nelle linee materne. Per analizzare e visualizzare l'associazione tra coppie di alleli, è stata utilizzata la piattaforma Marker Statistics in JMP Pro. Qui, un grafico mostra il coefficiente di correlazione LD per coppie di alleli raggruppati per regioni. Valori rossi e positivi indicano che due marcatori si presentano insieme sugli stessi loci più spesso del previsto; i valori blu e negativi indicano che due marcatori si verificano insieme sullo stesso loci meno spesso del previsto.
Linkage disequilibrium correlation coefficient in mtDNA per regionCoefficiente di correlazione del disequilibrio del collegamento nel mtDNA per regione
Poiché ci sono molti marcatori del mtDNA da analizzare, ha senso utilizzare un filtro per aumentare le differenze di distanza tra le coppie di marcatori. Qui, esaminiamo LD per coppie di marcatori con una differenza di distanza maggiore di 100 nucleotidi. È stato estremamente interessante vedere che le stesse coppie di marcatori erano similmente associate nelle diverse regioni, indicando una relazione.
Linkage disequilibrium correlation coefficient in mtDNA per region zoomedCoefficiente di correlazione del disequilibrio del collegamento nel mtDNA per regione ingrandita
Di seguito è riportato un esempio di tale somiglianza, ottenuto filtrando su specifici marcatori collegati. È interessante notare che l’Africa è esclusa da questo modello di somiglianza, indicando ancora una volta che la regione africana è in qualche modo geneticamente diversa da tutte le altre regioni.
Linkage disequilibrium correlation coefficient in mtDNA per region for individual markerCoefficiente di correlazione del disequilibrio del collegamento nel mtDNA per regione per il singolo marcatore
In conclusione, utilizzando diverse tecniche in JMP Pro, come l'inclusione multivariata, la correlazione dei marcatori e il disequilibrio del collegamento, l'analisi è stata in grado di dimostrare la struttura della popolazione genetica di individui di origini diverse.
