サラ・バッテンフィールド博士、ハイブリッド小麦育種家、シンジェンタ
抽象的な：
多くの小麦育種プログラムはパン小麦の収量増加に重点を置いてきましたが、次の世紀の増加する人口を養うためにパン小麦を使用することを考えると、加工と最終用途品質は重要な要素です。最終用途品質形質の改善に関する課題には、コストの高さと試験のための種子量があり、後者は初期の育種集団での選択を不可能にします。ここでは、JMP Genomicsを使用したメタゲノムワイド関連研究（GWAS）を使用して、育種プログラム内でマーカー形質の関連性を特定する新しいアプローチについて説明します。この方法は、複数年にわたる不均衡な育種苗圃からのGWAS分析を、ヒトの疾患マーカーの発見におけるメタGWASを反映する方法と組み合わせます。この方法により、2009年から2014年までのCIMMYTパン小麦育種プログラムの高度な育種ライン（n = 4,095）からの加工および最終用途品質表現型のマッピングが容易になりました。メタGWASを使用して、マーカー形質の関連性、対立遺伝子効果、および候補遺伝子を特定し、このプロセスで生成されたマーカーを使用して選択できます。最後に、このアプローチの範囲は、多くの作物にわたる育種支援ゲノミクスに広く適用でき、植物ゲノムの機能的理解を大幅に高めることができます。
導入：
メタゲノムワイド関連研究 (メタ GWAS) は、ヒトゲノム解析でよく利用されており、複数の研究で対立遺伝子を複製して検出力を高めます。植物の育種と研究では、空間と時間を超えて遺伝子型を複製できるため、これらの解析は一般的ではありません。ただし、ビッグデータの時代であり、形質が表現型にコストをかけられない場合、この方法は興味深い代替手段になります。
方法論:
GWAS 分析は、JMP-Genomics で長い間サポートされてきました。QK 分析、つまり集団構造と血縁関係を考慮した GWAS には、わかりやすいワークフローが用意されています。
図1: QK混合モデルのワークフロー
本研究は、大規模な応用小麦育種プログラムで測定された小麦の品質特性に影響を与える遺伝子座をマッピングすることであった。小麦の品質のための構造マッピング集団は一般的ではない。このテストは非常に高価で、何年もの歳月と反復を要し、大量の種子を必要とするからである。データ生成の焦点は収量のための育種であり、小麦の品質は高価で二次的な優先事項であったため、系統は数年にわたって 1 年間に 1 回の反復でのみテストされた。これでは標準的な QK 混合モデルを開発するための自由度が残されなかった。しかし、数年にわたるメタ GWAS での対立遺伝子の複製に依存する豊富なデータが利用可能であった。
|
収穫年
|
収量試験の合計
|
品質テスト済みおよび遺伝子型検査済み
|
|
2010
|
4,956
|
250
|
|
2011
|
6,685
|
995
|
|
2012
|
10,196
|
850
|
|
2013
|
9,436
|
886
|
|
2014
|
7,672
|
1,114
|
|
合計
|
38,945
|
4,095
|
表 1: 年ごとに利用可能なエントリ。
したがって、目標は次のとおりでした。
- GWAS でブリーダーが生成した大量のデータを使用することで、CIMMYT 育種プログラムの処理と最終使用品質に影響を与える QTL を特定します。
- メタ GWAS モデルを使用して、長年にわたって複製されていない大量のラインを利用します。
まず、各年のデータ内で Q 行列と K 行列が解かれました。
図2: Q行列人口構造PCA
図3: Kマトリックスの潜在的関係ヒートマップ
次に、FDR 多重検定補正を適用して、各年内で QK 混合モデルが解決されました。
図4: QK混合モデル
現在、個々の QK 混合モデルから得られたすべての (_qkm) ファイルを入力して GWAS メタ分析を実行することにより、すべてのサイト年にわたってメタ GWAS を適用できます。マーカーの効果が望ましい結果であったため、FDR 多重検定補正オプションを備えた逆分散固定効果モデルを使用し、調査したマーカーごとに推定値と標準誤差を算出しました。
図5: GWASメタ分析
その結果、小麦の加工と最終用途の品質特性に関する重要なメタ QTL が生成されます。
図6: いくつかの品質特性に関する重要なメタマーカー特性分析のマンハッタンプロット
さらに深く掘り下げて、単一の SNP ではなく QTL の影響を知りたいと思ったので、次のステップは重要なハプロタイプの影響を判断することでした。ハプロタイプはマッピング前に判断してマッピングの単位として使用することもできますが、小麦のゲノムは大きく、完全に参照されていないため、このハプロタイプ GWAS は当時は実現不可能でした。
そこで、遺伝子型ファイルを類似の地域にある重要なマーカーのみに縮小し、地域と年ごとにハプロタイプを推定しました。
図7: ハプロタイプ推定パス
図8: ハプロタイプ解析のセットアップ
ハプロタイプ傾向回帰結果で、ハプロタイプ頻度推定値 (_hfr) ファイルを開きます。資料の 90% を占める、明確に区別されたハプロタイプを探します (残りは遺伝子型判定のエラーまたは非常にまれなハプロタイプである可能性があります)。将来の参照用に、ハプロタイプ番号と対立遺伝子呼び出しを書き留めておきます。
図9: ハプロタイプ解析結果ウィンドウ
図10: メタハプロタイプ解析のために追加される必要なファイル（_hfr）
次に、ハプロタイプ トレンド回帰を起動し、SAS 出力を生成します。指定されたサイトまたは年内のハプロタイプ番号を検索し、推定値と標準誤差を (_hfr) ファイルに追加します。重要なハプロタイプのメタ分析用に、新しい名前でファイルを保存します。
図11: ハプロタイプ傾向回帰のSAS出力ファイル
すべての年とすべての表現型における重要なハプロタイプにメタ分析を適用することで、すべての形質に対するこれらの QTL の影響を確認することができました。
図12: ハプロタイプメタ分析への道
したがって、文献で既知および命名された QTL を検索して候補遺伝子の仮説を立てることができ、BLAST はハプロタイプ境界間を検索し、対象形質の発現に影響を与える可能性のある遺伝子を調査します。
結論
JMP-Genomics での Meta-GWAS の使用:
- JMP-Genomics でメタ GWAS を実行するための方法論がサポートされています。これは JMP-Genomics チームによって開発され、プロセスをより効率化するための改善がオンラインで提供されています。
- 構造化された集団のない育種プログラムでも、高価で経済的に必要な形質のマッピングは可能である。
- これにより、育種プログラムですでに生成されたデータを追加で利用できるようになります。
- Meta-GWASは、育種プログラムに現在存在するQTLのマーカーとハプロタイプの新規検出と導出を可能にする。
- 決定された効果推定値は、数年にわたる育種プログラムに関連している。
