Introducción
Un estudio de asociación de todo el genoma (GWAS) es un enfoque que implica escanear rápidamente marcadores genéticos (o SNP o polimorfismo de nucleótido único) en conjuntos completos de ADN (genomas) de muchos sujetos para encontrar una asociación genética con un fenotipo o rasgo en particular. Los investigadores utilizan GWAS para identificar variantes genómicas asociadas estadísticamente con un rasgo particular.
Un GWAS se aplica en animales y plantas. Sin embargo, los GWAS han tenido más éxito en plantas que en humanos ( Referencia ). En particular, se espera que GWAS pueda ayudar con el desafío de alimentar de manera sostenible a una población mundial en crecimiento, una cuestión que se vuelve más crítica cada año. Para 2050, se espera que la población de la Tierra sea cercana a los 10 mil millones de personas, lo que se traduce en aproximadamente 3 mil millones de bocas más que alimentar que en 2010. De hecho, es necesario aprovechar mejor la capacidad de las plantas para proporcionarnos alimentos, de ahí la investigación y el desarrollo para mejorar las plantas mediante el uso de ingeniería genética. A continuación se muestran algunos ejemplos notables de aplicaciones GWAS para enfrentar este desafío:
- Mejora del rendimiento de aceite, la tolerancia a la sequía y la vitamina E en el sésamo.
- Identificación de genes asociados con la tolerancia al estrés, el contenido de aceite y la calidad de las semillas de las brassicas (que incluyen brócoli, repollo, coliflor y otras verduras).
- Identificación de un gen que puede conferir resistencia al tizón en el maíz.
Los investigadores continúan explorando estas asociaciones para mejorar la agricultura y comprender los procesos de adaptación.
El reto
La aplicación de enfoques de mapeo de asociaciones en plantas se complica por la estructura poblacional presente en la mayoría de los conjuntos de germoplasma. Como la estructura de la población puede dar lugar a asociaciones espurias, ha limitado el uso de estudios de asociación en genética vegetal, ya que las variantes genéticas pueden variar entre poblaciones debido a sus orígenes geográficos. Esta variación se refiere a la estratificación de la población. El mapeo de asociaciones es muy prometedor si las verdaderas señales de asociación funcional pueden separarse del gran número de señales falsas generadas por la estructura de la población.
GWAS tiene en cuenta la estructura de la población
La estructura de la población juega un papel crucial en GWAS. La estructura de la población se refiere a las diferencias sistemáticas entre las frecuencias de los alelos entre subpoblaciones. En una población que se aparea aleatoriamente, se espera que las frecuencias alélicas sean más o menos similares entre los grupos. Sin embargo, el apareamiento tiende a ser no aleatorio hasta cierto punto, lo que provoca que surja una estructura. Por ejemplo, una barrera como un río puede separar dos grupos de la misma especie y dificultar el cruce de parejas potenciales. Como resultado, esta mutación no es necesariamente una mutación que estará asociada a un rasgo en particular. Por tanto, la estructura poblacional puede ser una variable de confusión en los estudios genéticos. Contabilizar y controlar su efecto es esencial en GWAS. Pueden ocurrir asociaciones falsas positivas si no se aborda adecuadamente la estructura de la población. Para mitigar los efectos de la estructura de la población, han surgido modelos mixtos para corregir la estructura y las relaciones de la población. Echemos un vistazo más de cerca para ver si JMP Pro puede solucionar este problema.
Los datos
Para este análisis, utilizaremos datos sobre arroz que contienen 343 líneas, para un total de 8336 marcadores en cinco subpoblaciones diferentes. A continuación se muestra una descripción de las diferentes subpoblaciones:
Distribución actual de las cinco principales subpoblaciones de arroz en Asia.
Referencia:https://doi.org/10.1371/journal.pgen.0030133.g001
Con estos datos, la idea es encontrar marcadores asociados a los siguientes caracteres: días de floración, altura de la planta en la madurez, peso de panícula individual y rendimiento de grano.
Distribución de los cuatro rasgos.
La resolución
Evaluación de respuesta
La evaluación de respuestas es una plataforma poderosa que automatiza el proceso de realización de pruebas en muchas respuestas, lo que la convierte en un escenario perfecto para los datos genéticos. Con JMP Pro 18, ahora es posible agregar información de la estructura de la población al modelo, como la matriz de relaciones IBS (Identidad por estado). Al hacer esto, es posible crear modelos mixtos, utilizando las respuestas como efectos fijos y la estructura de la población como efectos aleatorios.
Cuadro de diálogo del modelo de ajuste utilizando el cribado de respuestas como modelo
En mi blog anterior sobre análisis de estructuras genéticas de poblaciones en humanos, describí cómo utilizar la plataforma de relación de marcadores. En resumen, el marcador de relación mide la relación entre individuos mediante la creación de la llamada matriz de relación basada en IBS (Identidad por estado) que examina los efectos del marcador de identidad sobre la similitud entre individuos no relacionados.
La selección de respuestas se realizó primero sin la estructura de la población y luego con ella (utilizando un modelo mixto) para determinar la diferencia en términos del nivel de señales.
Resultados del cribado de respuestas sin y con la matriz de relaciones
El informe muestra la importancia de la asociación entre un solo marcador y un solo rasgo en una tabla y en un gráfico. En la tabla, el Logworth rojo (-log 10 del valor p) indica una fuerte asociación entre marcador y rasgo. En el gráfico de efectos, el punto rojo y la línea roja horizontal reflejan los valores p brutos y el umbral del valor p, respectivamente; los puntos azules y la línea azul horizontal reflejan los valores p transformados por FDR (tasas de descubrimiento falso), respectivamente. Las pruebas con valores p de FDR que caen por debajo de la línea azul son significativas al nivel de 0,05 cuando se ajustan a la tasa de descubrimiento falso. Las pruebas con valores p ordinarios que caen por debajo de la línea roja son significativas al nivel de 0,05 sin ajustar por la tasa de descubrimiento falso. De esta manera, el gráfico le permite leer la importancia de FDR a partir de cualquier conjunto de valores p . Por lo tanto, las señales por debajo del umbral se declaran significativas.
En ambos casos, con valores p brutos y ajustados por FDR, podemos ver claramente una diferencia con o sin estructura poblacional. Hay muchos más marcadores significativos asociados a un rasgo basado en el cribado de respuesta sin estructura poblacional que con ella. Por lo tanto, utilizando un enfoque de modelo mixto, es posible encontrar una asociación entre varios rasgos, ajustando simultáneamente la estructura de la población y disminuyendo así las señales falsas.
trama de manhattan
Ahora, veamos los resultados de otra manera. Al tomar los resultados de la tabla de datos de la selección de respuestas y unirlos con la anotación (y así agregar la ubicación del marcador y la información de los cromosomas), se puede crear el llamado diagrama de Manhattan. En el siguiente gráfico de Manhattan, en el eje x vemos que los marcadores están agrupados por cromosomas (en color) y el valor logarítmico en el eje y está agrupado por las cuatro respuestas diferentes: con estructura poblacional a la izquierda y sin estructura poblacional a la izquierda. bien. Logworth con valores altos se considera significativo. Muestra que para todas las respuestas, los valores logarítmicos más bajos consideran la estructura de la población y, por lo tanto, disminuyen las señales falsas.
Gráfico de Manhattan que muestra el valor log para cada respuesta coloreada por cromosoma con estructura poblacional (izquierda) y sin estructura poblacional (derecha)
Gráfico animado de Manhattan que muestra el valor log para una respuesta (altura de la planta en la madurez) coloreada por cromosoma
Identificar las señales verdaderas y falsas es simplemente una cuestión de restar el valor logarítmico con estructura poblacional menos el valor logarítmico sin estructura poblacional. En el siguiente gráfico, podemos ver el logworth superpuesto con (en verde) y sin (en rojo) estructura poblacional. Las flechas resaltan señales en marcadores que se supone que están altamente asociados con un rasgo (sin considerar ninguna estructura poblacional). La parte inferior del gráfico representa la diferencia entre logworth con y logworth sin estructura poblacional, lo que permite distinguir los positivos verdaderos y falsos. Muestra claramente una diferencia significativa al comparar el valor logarítmico con y sin estructura poblacional. ¡Mira la cantidad de falsos positivos! (valores de diferencia negativos).
Gráfico que muestra la diferencia logworth con y sin estructura poblacional
Conclusión
Este blog describe cómo JMP Pro puede manejar modelos mixtos para GWAS, teniendo en cuenta la estructura de la población. Pueden ocurrir asociaciones falsas positivas si no se aborda adecuadamente la estructura de la población. Para mitigar los efectos de la estructura poblacional, los modelos mixtos son las herramientas adecuadas si la estructura poblacional juega un papel importante.
