Introduction
Une étude d'association pangénomique (GWAS) est une approche qui consiste à analyser rapidement des marqueurs génétiques (ou SNP ou polymorphisme nucléotidique unique) à travers les ensembles complets d'ADN (génomes) de nombreux sujets afin de trouver une association génétique avec un phénotype ou un trait particulier. Les chercheurs utilisent GWAS pour identifier les variantes génomiques statistiquement associées à un trait particulier.
Un GWAS est appliqué chez les animaux et les plantes. Cependant, les GWAS ont eu plus de succès chez les plantes que chez les humains ( Référence ). On espère en particulier que GWAS pourra contribuer à relever le défi de nourrir durablement une population mondiale croissante, un problème qui devient chaque année plus critique. D'ici 2050, on estime que la population de la Terre atteindra près de 10 milliards d'habitants, ce qui signifie environ 3 milliards de bouches de plus à nourrir qu'en 2010. Il est en effet nécessaire de mieux exploiter la capacité des plantes à nous fournir de la nourriture, d'où la recherche et le développement pour la sélection de meilleures plantes grâce au génie génétique. Voici quelques exemples notables d’applications GWAS pour relever ce défi :
- Améliore le rendement en huile, la tolérance à la sécheresse et la vitamine E dans le sésame.
- Identifier les gènes associés à la tolérance au stress, à la teneur en huile et à la qualité des graines des crucifères (qui comprennent le brocoli, le chou, le chou-fleur et d'autres légumes verts).
- Identification d'un gène pouvant conférer une résistance au mildiou au maïs.
Les chercheurs continuent d’explorer ces associations pour améliorer l’agriculture et comprendre les processus d’adaptation.
Le défi
L'application d'approches de cartographie d'association chez les plantes est compliquée par la structure de la population présente dans la plupart des ensembles de matériel génétique. Comme la structure de la population peut entraîner des associations parasites, elle a limité le recours aux études d'association en génétique végétale, car les variantes génétiques peuvent varier d'une population à l'autre en raison de leurs origines géographiques. Cette variation est liée à la stratification de la population. La cartographie des associations est très prometteuse si les véritables signaux d’association fonctionnelle peuvent être séparés du grand nombre de faux signaux générés par la structure de la population.
GWAS prend en compte la structure de la population
La structure de la population joue un rôle crucial dans GWAS. La structure de la population fait référence aux différences systématiques entre les fréquences alléliques entre les sous-populations. Dans une population s'accouplant au hasard, les fréquences alléliques devraient être à peu près similaires entre les groupes. Cependant, l’accouplement a tendance à être non aléatoire dans une certaine mesure, provoquant l’apparition d’une structure. Par exemple, une barrière comme une rivière peut séparer deux groupes de la même espèce et rendre difficile la traversée des partenaires potentiels. De ce fait, cette mutation n’est pas nécessairement une mutation qui sera associée à un trait particulier. Par conséquent, la structure de la population peut constituer une variable confusionnelle dans les études génétiques. La prise en compte et le contrôle de ses effets sont essentiels dans GWAS. Des associations faussement positives peuvent se produire si la structure de la population n’est pas correctement prise en compte. Pour atténuer les effets de la structure de la population, des modèles mixtes ont émergé pour corriger la structure de la population et les liens de parenté. Examinons de plus près si JMP Pro peut résoudre ce problème.
Les données
Pour cette analyse, nous utiliserons des données sur le riz contenant 343 lignes, pour un total de 8 336 marqueurs répartis dans cinq sous-populations différentes. Vous trouverez ci-dessous une description des différentes sous-populations :
Répartition actuelle des cinq principales sous-populations de riz en Asie.
Référence:https://doi.org/10.1371/journal.pgen.0030133.g001
Avec ces données, l’idée est de trouver des marqueurs associés aux caractères suivants : jours de floraison, hauteur de la plante à maturité, poids de la panicule individuelle et rendement en grains.
Répartition des quatre traits
La résolution
Sélection des réponses
Le dépistage des réponses est une plate-forme puissante qui automatise le processus de réalisation de tests sur de nombreuses réponses, ce qui en fait un scénario parfait pour les données génétiques. Avec JMP Pro 18, il est désormais possible d'ajouter des informations sur la structure de la population au modèle, telles que la matrice de relations IBS (Identity By State). Ce faisant, il est possible de réaliser des modèles mixtes, en utilisant les réponses comme effets fixes et la structure de la population comme effets aléatoires.
Boîte de dialogue du modèle d'ajustement utilisant le filtrage des réponses comme modèle
Dans mon précédent blog sur l'analyse des structures génétiques des populations chez l'homme, j'ai décrit comment utiliser la plateforme de relation avec les marqueurs. Pour résumer, le marqueur de parenté mesure le lien de parenté entre les individus en créant une matrice dite de relation basée sur l'IBS (Identity By State) qui examine les effets de l'identité du marqueur sur la similarité entre des individus non apparentés.
Le criblage des réponses a été effectué d'abord sans puis avec la structure de la population (en utilisant un modèle mixte) pour déterminer la différence en termes de niveau de signaux.
Résultats de la sélection des réponses sans et avec la matrice de relation
Le rapport montre la signification de l'association entre un seul marqueur et un seul trait dans un tableau et dans un graphique. Dans le tableau, Logworth rouge (-log 10 de la valeur p) indique une forte association entre le marqueur et le trait. Dans le tracé des effets, le point rouge et la ligne rouge horizontale reflètent respectivement les valeurs p brutes et le seuil de valeur p ; les points bleus et la ligne bleue horizontale reflètent respectivement les valeurs p transformées FDR (taux de fausses découvertes). Les tests avec des valeurs p FDR inférieures à la ligne bleue sont significatifs au niveau de 0,05 une fois ajustés en fonction du taux de fausses découvertes. Les tests avec des valeurs p ordinaires inférieures à la ligne rouge sont significatifs au niveau de 0,05 sans ajustement pour le taux de fausses découvertes. De cette façon, le tracé vous permet de lire la signification du FDR à partir de l'un ou l'autre ensemble de valeurs p . Ainsi, les signaux inférieurs au seuil sont déclarés significatifs.
Dans les deux cas, avec les valeurs p brutes et ajustées par le FDR, nous pouvons clairement voir une différence avec ou sans structure de la population. Il existe beaucoup plus de marqueurs significatifs associés à un trait basé sur le dépistage des réponses sans structure de population qu'avec. Ainsi, en utilisant une approche de modèle mixte, il est possible de trouver une association entre différents traits, en s'ajustant simultanément à la structure de la population et en diminuant ainsi les faux signaux.
Intrigue de Manhattan
Maintenant, regardons les résultats d'une autre manière. En prenant les résultats du tableau de données du criblage des réponses et en les joignant à l'annotation (et en ajoutant ainsi l'emplacement des marqueurs et les informations sur les chromosomes), un tracé dit de Manhattan peut être créé. Dans le graphique de Manhattan ci-dessous, sur l'axe des x, nous voyons que les marqueurs sont regroupés par chromosomes (en couleur) et le logworth sur l'axe des y est regroupé par les quatre réponses différentes – avec structure de population à gauche et sans structure de population à gauche. droite. Logworth avec des valeurs élevées est considéré comme significatif. Il montre que pour toutes les réponses, les valeurs logworth inférieures prennent en compte la structure de la population et diminuent ainsi les faux signaux.
Graphique de Manhattan montrant le logworth pour chaque réponse colorée par chromosome avec structure de population (à gauche) et sans structure de population (à droite)
Graphique de Manhattan animé montrant le logworth pour une réponse (hauteur de la plante à maturité) coloré par chromosome
Identifier les signaux vrais et faux consiste simplement à soustraire le logworth avec structure de population moins le logworth sans structure de population. Dans le graphique ci-dessous, nous pouvons voir le logworth superposé avec (en vert) et sans (en rouge) la structure de la population. Les flèches mettent en évidence les signaux dans les marqueurs qui sont censés être fortement associés à un trait (en considérant l'absence de structure de population). Le bas du graphique représente la différence entre logworth avec et logworth sans structure de population, permettant de distinguer les vrais et faux positifs. Cela montre clairement une différence significative lorsque l’on compare le logworth avec et sans structure de population. Regardez le nombre de faux positifs ! (valeurs de différence négatives).
Graphique montrant la différence de logworth avec et sans structure de la population
Conclusion
Ce blog décrit comment JMP Pro peut gérer des modèles mixtes pour GWAS, en tenant compte de la structure de la population. Des associations faussement positives peuvent se produire si la structure de la population n’est pas correctement prise en compte. Pour atténuer les effets de la structure de la population, les modèles mixtes sont les bons outils si la structure de la population joue un rôle important.
