群體研究是遺傳學的一個令人著迷的子領域，重點是了解群體內部和群體之間的遺傳差異，以揭示群體的遺傳進化。我在本部落格中關注的關鍵概念之一是檢查人口結構，換句話說，分析來自世界不同地區的個體的遺傳信息，看看 JMP 是否可以將他們分類為不同的大陸和種族群體。為此使用了不同的技術，包括多變量嵌入、標記相關性和標記統計中使用的連鎖不平衡。
GSE10331是一個揭示全球人群遺傳變異的資料集。這項研究旨在透過分析個體的全基因組變異模式來揭示人類物種的遷移、範圍擴張和適應。
在這項研究中，研究人員分析並公開發布了全球樣本中超過50 萬個單核苷酸多態性(SNP) 的高品質基因型，樣本涵蓋22 個國家和7 個地區的28 個民族（人群），總共441 個人。下載資料並準備在 JMP Pro 中進行分析。
這是跨地區、國家和人口的個體分佈及其地理圖。
Counts of individual grouped by region, country, and population (ethnicity)按地區、國家和人口（種族）分組的個人計數
Geographic mapping of the different countries analyzed in the study研究中分析的不同國家的地理地圖
使用遺傳 SNP 資料進行多變量嵌入分析
多變量嵌入被用作首次嘗試，看看是否可以將不同個體的起源映射並分類為組或簇。多元嵌入允許將非常高維的資料集映射到低維空間，這意味著在高維空間中彼此靠近的點在所得的低維空間中也彼此靠近。在本例中，使用 t-SNE 方法包含所有 500K SNP，這示範了資料如何聚集。
t-SNE component 1 versus t-SNE component 2t-SNE 組件 1 與 t-SNE 組件 2
該分析使用了包含所有染色體的整個數據。每個人都由一個特定的點來代表。顏色反映了七個區域。產生的圖像清楚地將個體的起源區域分開，其中非洲起源的集群最遠（紅色）。其他產地很容易區分：美洲為綠色，東亞為橘色，大洋洲為黃色，歐洲為青綠色，中南亞為藍色，中東為紫色。一些有趣的模式表明，歐洲人與中東和中南亞的人群更接近。東亞、美洲和大洋洲集群彼此相距甚遠，這是有道理的，因為人類遷徙受到各種因素的影響（或更準確地說，受到抑制），包括山脈和海洋等地理障礙。
t-SNE component 1 versus t-SNE component 2 with label帶標籤的 t-SNE 組件 1 與 t-SNE 組件 2
另外兩個有趣的模式引起了我的注意。其中一個是藍色的中南亞小集群，橙色的靠近東亞。更仔細地觀察這個南亞中部群體的個人種族，發現他們有「維吾爾」血統，這是一個起源於中亞和東亞地區並在文化上附屬於中亞和東亞地區的突厥族群。他們是中國官方承認的 55 個少數民族之一。其他紫色屬於中東的異常值是來自阿爾及利亞的莫札比特族，因此位於非洲。有趣的是，當 t-SNE 分析分解為特定染色體並在氣泡圖中動畫化 t-SNE 分數時，我們可以看到一個莫札比特阿爾及利亞個體（標記為 GSM264380）屬於非洲或中東集群。
t-SNE decomposed by chromosome, animated in a bubble plot由染色體分解的 t-SNE，以氣泡圖動畫
查看每個染色體中的 t-SNE 分數，我們可以更清楚地看到這種模式。在所有染色體中（除了5、10、13、14、16和18號染色體），這個個體屬於非洲簇（紅色）；在其他情況下，它位於中東集群（紫色）。
t-SNE analysis decomposed by chromosome按染色體分解的 t-SNE 分析
標記相關性
該報告是根據遺傳標記評估個體之間遺傳相關性的不同衡量標準的另一種方法。輸出是主成分，基於不同類型的身份測量的層次聚類用於評估個體之間的關係。本例使用了國家認同 (IBS)，它檢查標記身分對個體相關性的影響。
這些區域用於評估關係。第一個分析是與所有標記 (500K) 的標記相關性。每個地區都與所有其他地區進行了比較。根據標記相關性的輸出數據，我使用 Graph Builder 中的熱圖來視覺化每個比較區域對的 IBS 分數。高 IBS 分數（紅色）表示高度相關；低 IBS 分數（黃色）表示關係低。從下面的第一張熱圖中，我們可以看到非洲與所有其他地區最不相似（請參閱紅色突出顯示的方塊和淺黃色的低 IBS 分數）。美洲和大洋洲與其自身最相似（藍色方框）。
Whole genome-based IBS scores represented in a heat map以熱圖表示的基於全基因組的 IBS 評分
第二個標記相關性分析僅在粒線體 DNA 染色體上進行。為什麼？在過去的三十年中，粒線體 DNA (mtDNA) 一直是最受歡迎的分子多樣性標記（Mitochondrial DNA as a mark of molecular Difference: a reappraisal, N.Galtier et al., 2009）。粒線體DNA是母系遺傳的，從母親傳給後代。與核DNA不同，粒線體DNA缺乏重組，導致克隆遺傳模式。由於 mtDNA 的高突變率，它會隨著時間的推移而累積突變。這些突變創造了獨特的單倍型，使研究人員能夠研究人口歷史和遷移。
儘管 IBS 分數顯著增加（見下面的熱圖），但我們可以看到相同的模式：與所有其他地區相比，非洲地區的 IBS 分數較低。
mtDNA-based IBS scores represented in a heat map以熱圖表示的基於 mtDNA 的 IBS 評分
粒線體DNA連鎖不平衡
連鎖不平衡 (LD) 是基因組內不同基因座的等位基因對之間的統計關聯量。 LD 計算所謂的連鎖不平衡相關係數，它是給定群體內染色體（基因座）上不同位置的標記之間非隨機關聯的測量。換句話說，它檢測兩個標記在同一基因座同時檢測到的頻率，與基因座獨立且隨機關聯時的預期結果相比。
在 mtDNA 的背景下，LD 一直是理解演化歷史和群體遺傳學的一個有趣的主題。如前所述，粒線體僅從哺乳動物的母親遺傳而來，被認為是克隆的，這意味著它不會發生重組。因此，粒線體DNA序列可以作為母系歷史突變事件的記錄。為了分析和查看等位基因對之間的關聯，使用了 JMP Pro 中的標記統計平台。此處的圖顯示了按區域分組的等位基因對的 LD 相關係數。紅色和正值意味著兩個標記在同一位點上同時出現的頻率比預期高；藍色和負值意味著兩個標記在同一位點上同時出現的頻率低於預期。
Linkage disequilibrium correlation coefficient in mtDNA per region每個區域 mtDNA 連鎖不平衡相關係數
由於有許多 mtDNA 標記需要分析，因此使用過濾器來增加標記對之間的距離差異是有意義的。在這裡，我們查看距離差異大於 100 個核苷酸的標記對的 LD。非常有趣的是，相同的標記對在不同區域中具有相似的關聯性，表明存在關係。
Linkage disequilibrium correlation coefficient in mtDNA per region zoomed每個區域 mtDNA 連鎖不平衡相關係數放大
下面是透過過濾特定連結標記所獲得的此類相似性的範例。有趣的是，非洲被排除在這種相似模式之外，再次表明非洲地區在基因上與所有其他地區有所不同。
Linkage disequilibrium correlation coefficient in mtDNA per region for individual marker單一標記每個區域 mtDNA 連鎖不平衡相關係數
總之，透過使用JMP Pro中的不同技術，例如多變量嵌入、標記相關性和連鎖不平衡，分析能夠證明來自不同起源的個體的遺傳群體結構。
