集団研究は、集団内および集団間の遺伝的差異を理解して集団の遺伝的進化を明らかにすることに焦点を当てた、遺伝学の魅力的なサブフィールドです。このブログで私が焦点を当てている重要な概念の 1 つは、集団構造を調べることです。つまり、世界のさまざまな地域に起源を持つ個人の遺伝情報を分析して、JMP でそれらをさまざまな大陸および民族グループに分類できるかどうかを確認することです。この目的には、多変量埋め込み、マーカー関連性、マーカー統計から使用される連鎖不平衡など、さまざまな手法が使用されます。
GSE10331は、世界中の人類集団における遺伝的変異を明らかにするデータセットです。この研究は、個体間のゲノム全体の変異パターンを分析することで、人類の移動、生息範囲の拡大、適応を明らかにすることを目的としています。
この研究では、研究者らは、22 か国と 7 つの地域にまたがる 28 の民族 (人口) からなる世界規模のサンプル、合計 441 人の 50 万を超える一塩基多型 (SNP) の高品質な遺伝子型を分析し、公開しました。データは JMP Pro にダウンロードされ、分析用に準備されました。
以下は、地域、国、人口にわたる個人の分布とその地理的マッピングです。
Counts of individual grouped by region, country, and population (ethnicity)地域、国、人口（民族）別にグループ化された個人の数
Geographic mapping of the different countries analyzed in the study研究で分析されたさまざまな国の地図
遺伝子SNPデータを用いた多変量埋め込み解析
多変量埋め込みは、さまざまな個人の起源をマッピングしてグループまたはクラスターに分類できるかどうかを確認するための最初の試みとして使用されました。多変量埋め込みを使用すると、非常に高次元のデータ セットを低次元空間にマッピングできます。つまり、高次元空間で互いに近いポイントは、結果として得られる低次元空間でも互いに近くなります。この場合、500K SNP のすべてが t-SNE 法を使用して含まれており、データがどのようにクラスター化されるかを示しています。
t-SNE component 1 versus t-SNE component 2t-SNE コンポーネント 1 と t-SNE コンポーネント 2
この分析では、すべての染色体を含むデータ全体を使用しました。各個人は 1 つの特定のドットで表されます。色は 7 つの地域を反映しています。結果の画像では、個人が出身地域ごとに明確に区別されており、アフリカ出身のクラスターは最も離れています (赤)。他の出身地は簡単に区別できます。アメリカは緑、東アジアはオレンジ、オセアニアは黄色、ヨーロッパはターコイズ、中央南アジアは青、中東は紫です。興味深いパターンから、ヨーロッパの個人は中東や中央南アジアの集団に近いことがわかります。東アジア、アメリカ、オセアニアのクラスターは他のクラスターから大きく離れていますが、これは、山や海などの地理的障壁を含むさまざまな要因によって人間の移動が影響を受ける (より正確には、抑制される) ため、当然のことです。
t-SNE component 1 versus t-SNE component 2 with labelt-SNE コンポーネント 1 とラベル付き t-SNE コンポーネント 2
他に 2 つの興味深いパターンが私の注意を引きました。1 つは、オレンジ色の東アジアに近い、青色の中央南アジアの小さなクラスターです。この中央南アジア クラスターの個人の民族性を詳しく調べたところ、彼らは「ウイグル」の起源を持つことが明らかになりました。ウイグルは、中央アジアと東アジア地域に起源を持ち、文化的にもこの地域と関連しているトルコ系民族です。彼らは、中国が公式に認めた 55 の少数民族の 1 つです。紫色の中東に属するその他の外れ値は、アルジェリア起源のモザバイト民族であり、したがってアフリカです。興味深いことに、t-SNE 分析を特定の染色体に分解し、バブル プロットで t-SNE スコアをアニメーション化すると、モザバイト アルジェリア人 1 人 (GSM264380 とラベル付け) がアフリカまたは中東クラスターのいずれかに分類されることがわかります。
t-SNE decomposed by chromosome, animated in a bubble plot染色体ごとに分解された t-SNE をバブルプロットでアニメーション表示
各染色体の t-SNE スコアを見ると、このパターンがさらにはっきりとわかります。すべての染色体 (5、10、13、14、16、18 番染色体を除く) において、この個体はアフリカ クラスター (赤) に属し、その他の染色体では中東クラスター (紫) に属します。
t-SNE analysis decomposed by chromosome染色体ごとに分解したt-SNE解析
マーカーの関連性
このレポートは、遺伝子マーカーに基づいて、個人ペア間の遺伝的関連性のさまざまな尺度を評価する別の方法です。出力は主成分であり、さまざまな種類のアイデンティティ測定に基づく階層的クラスタリングを使用して、個人間の関係を評価します。この例では、マーカー アイデンティティが個人の関連性に与える影響を調べる Identity by States (IBS) を使用します。
地域は関係性を評価するために使用されました。最初の分析は、すべてのマーカー (500K) とのマーカーの関連性でした。各地域は他のすべての地域と比較されました。マーカーの関連性の出力データから、Graph Builder のヒート マップを使用して、各比較地域のペアの IBS スコアを視覚化しました。高い IBS スコア (赤) は高い関連性を示し、低い IBS スコア (黄色) は低い関連性を示します。下の最初のヒート マップから、アフリカが他のすべての地域と最も類似性が低いことがわかります (赤で強調表示された四角と薄い黄色の低い IBS スコアを参照)。アメリカとオセアニアは、それ自体との類似性が最も高くなっています (青で囲まれた四角)。
Whole genome-based IBS scores represented in a heat map全ゲノムベースのIBSスコアをヒートマップで表示
2 番目のマーカー関連性分析は、ミトコンドリア DNA 染色体のみで行われました。その理由は、過去 30 年間、ミトコンドリア DNA (mtDNA) が分子多様性の最も一般的なマーカーであったためです (分子多様性のマーカーとしてのミトコンドリア DNA: 再評価、N.Galtier 他、2009 年)。mtDNA は母系遺伝で、母親から子孫に受け継がれます。核 DNA とは異なり、mtDNA は組み換えがないため、クローン遺伝パターンになります。mtDNA は変異率が高いため、時間の経過とともに変異が蓄積されます。これらの変異によって異なるハプロタイプが作成され、研究者は集団の歴史と移動を研究できます。
IBS スコアは大幅に増加しましたが (下のヒート マップを参照)、同様のパターンが見られます。つまり、アフリカ地域では他のすべての地域と比較して IBS スコアが低くなっています。
mtDNA-based IBS scores represented in a heat mapmtDNA ベースの IBS スコアをヒートマップで表示
ミトコンドリアDNAの連鎖不平衡
連鎖不平衡 (LD) は、ゲノム内の異なる遺伝子座にある対立遺伝子のペア間の統計的関連性の量です。LD は、いわゆる連鎖不平衡相関係数を計算します。これは、特定の集団内の染色体 (遺伝子座) 上の異なる位置にあるマーカー間の非ランダムな関連性の尺度です。言い換えると、遺伝子座が独立していてランダムに関連付けられている場合に予想される頻度と比較して、同じ遺伝子座で 2 つのマーカーが一緒に検出される頻度を検出します。
mtDNA の文脈では、LD は進化の歴史と集団遺伝学を理解するための興味深いトピックです。前述のように、哺乳類のミトコンドリアは母親からのみ受け継がれ、クローン性であると考えられています。つまり、組み換えは行われません。その結果、mtDNA 配列は母系における過去の突然変異イベントの記録として役立ちます。対立遺伝子のペア間の関連性を分析して確認するために、JMP Pro のマーカー統計プラットフォームが使用されました。ここでは、領域ごとにグループ化された対立遺伝子のペアの LD 相関係数がプロットで示されています。赤と正の値は、2 つのマーカーが同じ遺伝子座に予想よりも頻繁に一緒に出現することを意味し、青と負の値は、2 つのマーカーが同じ遺伝子座に予想よりも少ない頻度で一緒に出現することを意味します。
Linkage disequilibrium correlation coefficient in mtDNA per region領域ごとのmtDNAの連鎖不平衡相関係数
分析する mtDNA マーカーは多数あるため、フィルターを使用してマーカー ペア間の距離差を増やすことは理にかなっています。ここでは、距離差が 100 ヌクレオチドを超えるマーカー ペアの LD を調べます。同じマーカー ペアが異なる領域で同様に関連していることがわかり、関係性があることが示されたのは非常に興味深いことです。
Linkage disequilibrium correlation coefficient in mtDNA per region zoomed領域ごとのmtDNAの連鎖不平衡相関係数（拡大表示）
以下は、特定のリンクされたマーカーでフィルタリングすることによって得られた類似性の例です。興味深いことに、この類似性パターンからアフリカが除外されており、これもアフリカ地域が他のすべての地域とは遺伝的に何らかの形で異なることを示しています。
Linkage disequilibrium correlation coefficient in mtDNA per region for individual marker個々のマーカーの領域ごとのmtDNAの連鎖不平衡相関係数
結論として、多変量埋め込み、マーカー関連性、連鎖不平衡など、JMP Pro のさまざまな手法を使用することで、分析によって異なる起源の個体の遺伝的集団構造を示すことができました。
