introduzione
Uno studio di associazione sull'intero genoma (GWAS) è un approccio che prevede la scansione rapida di marcatori genetici (o SNP o polimorfismo a singolo nucleotide) attraverso i set completi di DNA (genomi) di molti soggetti per trovare un'associazione genetica con un particolare fenotipo o tratto. I ricercatori utilizzano GWAS per identificare le varianti genomiche statisticamente associate a un tratto particolare.
Un GWAS viene applicato negli animali e nelle piante. Tuttavia, i GWAS hanno avuto più successo nelle piante che negli esseri umani ( Riferimento ). In particolare, si spera che GWAS possa aiutare nella sfida di nutrire in modo sostenibile una popolazione globale in crescita, una questione che diventa ogni anno più critica. Si prevede che entro il 2050 la popolazione terrestre raggiungerà i 10 miliardi di persone, il che si traduce in circa 3 miliardi di bocche in più da sfamare rispetto al 2010. È infatti necessario sfruttare meglio la capacità delle piante di fornirci cibo, da qui la ricerca e lo sviluppo per produrre piante migliori utilizzando l'ingegneria genetica. Ecco alcuni esempi notevoli di applicazioni GWAS per affrontare questa sfida:
- Migliorare la resa in olio, la tolleranza alla siccità e la vitamina E nel sesamo.
- Identificazione dei geni associati alla tolleranza allo stress, al contenuto di olio e alla qualità dei semi nelle varietà di cavoli (che includono broccoli, cavoli, cavolfiori e altre verdure).
- Identificazione di un gene che può conferire resistenza alla peronospora nel mais.
I ricercatori continuano a esplorare queste associazioni per migliorare l’agricoltura e comprendere i processi di adattamento.
La sfida
L'applicazione di approcci di mappatura associativa nelle piante è complicata dalla struttura della popolazione presente nella maggior parte dei set di germoplasma. Poiché la struttura della popolazione può dar luogo ad associazioni spurie, ha limitato l'uso di studi di associazione nella genetica delle piante poiché le varianti genetiche possono variare tra le popolazioni a causa del loro background geografico. Questa variazione è riferita alla stratificazione della popolazione. La mappatura delle associazioni è molto promettente se i veri segnali di associazione funzionale possono essere separati dal vasto numero di falsi segnali generati dalla struttura della popolazione.
GWAS tiene conto della struttura della popolazione
La struttura della popolazione gioca un ruolo cruciale nel GWAS. La struttura della popolazione si riferisce alle differenze sistematiche tra le frequenze alleliche tra le sottopopolazioni. In una popolazione che si accoppia casualmente, ci si aspetta che le frequenze alleliche siano più o meno simili tra i gruppi. Tuttavia, l'accoppiamento tende ad essere in una certa misura non casuale, provocando la nascita di una struttura. Ad esempio, una barriera come un fiume può separare due gruppi della stessa specie e rendere difficile l’attraversamento per i potenziali compagni. Di conseguenza, questa mutazione non è necessariamente una mutazione che sarà associata a un tratto particolare. Pertanto, la struttura della popolazione può essere una variabile confondente negli studi genetici. Contare e controllare i suoi effetti è essenziale in GWAS. Possono verificarsi associazioni false positive se la struttura della popolazione non viene affrontata adeguatamente. Per mitigare gli effetti della struttura della popolazione, sono emersi modelli misti per correggere la struttura e la parentela della popolazione. Diamo uno sguardo più da vicino per vedere se JMP Pro è in grado di gestire questo problema.
I dati
Per questa analisi utilizzeremo i dati sul riso che contengono 343 linee, per un totale di 8336 marcatori in cinque diverse sottopopolazioni. Di seguito la descrizione delle diverse sottopopolazioni:
Distribuzione attuale delle cinque principali sottopopolazioni di riso in Asia.
Riferimento:https://doi.org/10.1371/journal.pgen.0030133.g001
Con questi dati, l'idea è di trovare marcatori associati ai seguenti tratti: giorni di fioritura, altezza della pianta alla maturità, peso della singola pannocchia e resa in granella.
Distribuzione dei quattro tratti
La risoluzione
Screening della risposta
Lo screening delle risposte è una potente piattaforma che automatizza il processo di conduzione dei test su molte risposte, rendendolo uno scenario perfetto per i dati genetici. Con JMP Pro 18, è ora possibile aggiungere al modello informazioni sulla struttura della popolazione, come la matrice di relazione IBS (Identity By State). In questo modo è possibile realizzare modelli misti, utilizzando le risposte come effetti fissi e la struttura della popolazione come effetti casuali.
Finestra di dialogo del modello di adattamento che utilizza lo screening della risposta come modello
Nel mio precedente blog sull'analisi delle strutture genetiche della popolazione negli esseri umani, ho descritto come utilizzare la piattaforma di correlazione dei marcatori. Per riassumere, la parentela del marcatore misura la parentela tra individui creando una cosiddetta matrice di relazione basata su IBS (Identity By State) che esamina gli effetti dell'identità del marcatore sulla somiglianza tra individui non imparentati.
Lo screening della risposta è stato eseguito prima senza e poi con la struttura della popolazione (utilizzando un modello misto) per determinare la differenza in termini di livello dei segnali.
Risultati dello screening della risposta senza e con la matrice delle relazioni
Il report mostra il significato dell'associazione tra un singolo marcatore e un singolo tratto in una tabella e in un grafico. Nella tabella, il Logworth rosso (-log 10 del valore p) indica una forte associazione tra marcatore e tratto. Nel grafico degli effetti, il punto rosso e la linea rossa orizzontale riflettono rispettivamente i valori p grezzi e la soglia del valore p; i punti blu e la linea blu orizzontale riflettono rispettivamente i valori p trasformati FDR (tassi di false scoperte). I test con valori p FDR che scendono al di sotto della linea blu sono significativi al livello 0,05 se adeguati al tasso di false scoperte. I test con valori p ordinari che scendono al di sotto della linea rossa sono significativi al livello 0,05 senza aggiustamento per il tasso di false scoperte. In questo modo, il grafico consente di leggere il significato FDR da entrambi i set di valori p . Pertanto, i segnali al di sotto della soglia sono dichiarati significativi.
In entrambi i casi, con i valori p grezzi e aggiustati per FDR, possiamo vedere chiaramente una differenza con o senza struttura della popolazione. Esistono molti più marcatori significativi associati a un tratto basato sullo screening della risposta senza struttura della popolazione che con. Pertanto, utilizzando un approccio basato su modelli misti, è possibile trovare un'associazione tra vari tratti, adattandosi simultaneamente alla struttura della popolazione e diminuendo così i falsi segnali.
Trama di Manhattan
Ora, diamo un'occhiata ai risultati in un altro modo. Prendendo i risultati della tabella dati dallo screening delle risposte e unendoli all'annotazione (e quindi aggiungendo la posizione del marcatore e le informazioni sui cromosomi), è possibile creare un cosiddetto diagramma di Manhattan. Nel grafico di Manhattan qui sotto, sull'asse x vediamo che i marcatori sono raggruppati per cromosomi (a colori) e il logworth sull'asse y è raggruppato in base alle quattro diverse risposte – con struttura della popolazione a sinistra e senza struttura della popolazione a sinistra Giusto. Logworth con valori elevati è considerato significativo. Mostra che per tutte le risposte, valori logworth più bassi considerano la struttura della popolazione e quindi diminuiscono i falsi segnali.
Grafico di Manhattan che mostra il logworth per ogni risposta colorata per cromosoma con struttura della popolazione (a sinistra) e senza struttura della popolazione (a destra)
Grafico animato di Manhattan che mostra il logworth per una risposta (altezza della pianta alla maturità) colorato per cromosoma
Identificare i segnali veri e falsi è semplicemente questione di sottrarre il valore log con la struttura della popolazione meno il valore log senza la struttura della popolazione. Nel grafico sottostante, possiamo vedere il logworth sovrapposto con (in verde) e senza (in rosso) la struttura della popolazione. Le frecce evidenziano i segnali nei marcatori che dovrebbero essere altamente associati a un tratto (considerando l'assenza di struttura della popolazione). La parte inferiore del grafico rappresenta la differenza tra logworth con e logworth senza struttura della popolazione, consentendo di distinguere i veri e i falsi positivi. Mostra chiaramente una differenza significativa quando si confronta il logworth con e senza struttura della popolazione. Guarda il numero di falsi positivi! (valori di differenza negativi).
Grafico che mostra la differenza di logworth con e senza struttura della popolazione
Conclusione
Questo blog descrive come JMP Pro può gestire modelli misti per GWAS, tenendo conto della struttura della popolazione. Possono verificarsi associazioni false positive se la struttura della popolazione non viene affrontata adeguatamente. Per mitigare gli effetti sulla struttura della popolazione, i modelli misti sono gli strumenti giusti se la struttura della popolazione gioca un ruolo importante.
