Sarah Battenfield, PhD, 하이브리드 밀 육종가, Syngenta
추상적인:
많은 밀 육종 프로그램이 빵밀 수확량 증가에 초점을 맞추었지만, 가공 및 최종 사용 품질은 다음 세기의 증가하는 인구를 먹이는 데 사용하는 것을 고려할 때 중요한 구성 요소입니다. 최종 사용 품질 형질 개선의 과제에는 높은 비용과 테스트를 위한 종자 양이 포함되며, 후자는 초기 육종 집단에서 선택을 불가능하게 만듭니다. 여기서 우리는 JMP Genomics를 사용하여 메타게놈 전체 연관 연구(GWAS)를 사용하여 육종 프로그램 내에서 마커-형질 연관성을 식별하는 새로운 접근 방식을 설명합니다. 이 방법은 인간 질병 마커 발견에서 메타-GWAS를 반영하는 방식으로 다년간 불균형 육종 보육원의 GWAS 분석을 결합합니다. 이 방법은 2009년부터 2014년까지 CIMMYT 빵밀 육종 프로그램의 고급 육종 계통(n=4,095)에서 가공 및 최종 사용 품질 표현형의 매핑을 용이하게 했습니다. 메타-GWAS를 사용하여 마커-형질 연관성, 대립 유전자 효과 및 후보 유전자를 식별했으며 이 과정에서 생성된 마커를 사용하여 선택할 수 있습니다. 마지막으로, 이 접근법의 범위는 다양한 작물에 걸친 육종 지원 유전체학에 광범위하게 적용되어 식물 유전체에 대한 기능적 이해를 크게 높일 수 있습니다.
소개:
메타게놈 광범위 연관 연구(meta-GWAS)는 일반적으로 인간 유전체 분석에 활용되며, 여러 연구에 걸쳐 대립유전자 복제에 의존하여 힘을 얻습니다. 식물 육종 및 연구에서 이러한 분석은 공간과 시간에 걸쳐 유전자형을 복제할 수 있는 능력으로 인해 흔하지 않습니다. 그러나 빅데이터 시대와 형질이 표현형에 비해 비용이 많이 들 때 이 방법은 흥미로운 대안이 됩니다.
방법론:
GWAS 분석은 JMP-Genomics에서 오랫동안 지원되어 왔습니다. QK 분석, 즉 인구 구조와 친족 관계를 설명하는 GWAS에 대한 따라하기 쉬운 작업 흐름이 제공됩니다.
그림 1: QK 혼합 모델 워크플로
본 연구는 대규모 응용 밀 육종 프로그램에서 측정된 밀 품질 특성에 영향을 미치는 유전자좌를 매핑하는 것이었습니다. 밀 품질에 대한 구조 매핑 집단은 흔하지 않습니다. 이 테스트는 비용이 많이 들고 수년과 반복이 필요하며 많은 양의 종자가 필요하기 때문입니다. 데이터 생성의 초점이 수확량 육종이었고 밀 품질은 비용이 많이 들고 2차 우선순위였기 때문에, 해당 계통은 1년에 단 한 번의 반복으로 테스트되었고 수년에 걸쳐 이루어졌습니다. 이로 인해 표준 QK 혼합 모델을 개발할 자유도가 남지 않았습니다. 그러나 메타-GWAS에서 수년에 걸친 대립 유전자 복제에 의존하여 활용할 수 있는 풍부한 데이터가 있었습니다.
|
수확의 해
|
총 수확량 시험
|
품질 테스트 및 유전자형 검사
|
|
2010
|
4,956
|
250
|
|
2011
|
6,685
|
995
|
|
2012
|
10,196
|
850
|
|
2013
|
9,436
|
886
|
|
2014
|
7,672
|
1,114
|
|
총
|
38,945
|
4,095
|
표 1: 연도별 사용 가능한 항목.
따라서 목적은 다음과 같습니다.
- CIMMYT 육종 프로그램에서 가공 및 최종 사용 품질에 영향을 미치는 QTL을 식별하기 위해 GWAS에서 육종자가 생성한 대량의 데이터를 활용합니다.
- 메타-GWAS 모델을 사용하여 수년간 복제되지 않은 대량의 계통을 활용합니다.
첫 번째 Q 및 K 행렬은 각 연도의 데이터 내에서 풀렸습니다.
그림 2: Q-Matrix 인구 구조 PCA
그림 3: K-Matrix Cryptic Relationship Heat Map
다음으로 FDR 다중 테스트 수정을 적용하여 각 연도 내에서 QK 혼합 모델을 풀었습니다.
그림 4: QK 혼합 모델
이제 개별 QK 혼합 모델에서 파생된 모든 (_qkm) 파일을 입력하여 GWAS 메타 분석을 실행하여 모든 사이트 연도에 메타 GWAS를 적용할 수 있습니다. 우리는 FDR 다중 검정 수정 옵션이 있는 역분산 고정 효과 모델을 사용하여 연구된 각 마커에 대한 추정치와 표준 오차를 도출했습니다. 마커의 효과가 원하는 결과였기 때문입니다.
그림 5: GWAS 메타 분석
그 결과 밀 가공 및 최종 사용 품질 형질에 중요한 메타 QTL이 도출되었습니다.
그림 6: 여러 품질 특성에 대한 중요한 메타 마커 특성 분석의 맨해튼 플롯
더 깊이 파고들어, 우리는 단일 SNP보다는 QTL의 효과를 알고 싶었습니다. 그래서 다음 단계는 중요한 하플로타입의 효과를 결정하는 것이었습니다. 하플로타입은 매핑 전에 결정될 수 있고 매핑의 단위로 사용될 수 있지만, 밀은 크고 완전히 참조되지 않은 게놈을 가지고 있으며, 이 하플로타입 GWAS는 당시에는 실행 가능하지 않았습니다.
그래서 우리는 유전형 파일을 유사한 지역에 있는 중요한 마커로만 축소하고 지역 및 연도별로 하플로타입을 추정했습니다.
그림 7: 하플로타입 추정 경로
그림 8: 하플로타입 분석 설정
하플로타입 추세 회귀 결과에서 하플로타입 빈도 추정치(_hfr) 파일을 엽니다. 자료의 90%를 구성하는 명확하게 차별화된 하플로타입을 찾습니다(나머지는 유전자형 오류 또는 매우 드문 하플로타입일 수 있음). 향후 참고를 위해 하플로타입 수와 대립 유전자 호출을 기록해 둡니다.
그림 9: 하플로타입 분석 결과 창
그림 10: 메타-하플로타입 분석을 위해 추가될 필요한 파일(_hfr)
그런 다음 하플로타입 추세 회귀를 실행하면 SAS 출력이 생성됩니다. 주어진 사이트 또는 연도 내의 하플로타입 번호를 찾고 (_hfr) 파일에 추정치와 표준 오차를 추가합니다. 중요한 하플로타입의 메타 분석을 위해 새 이름으로 파일을 저장합니다.
그림 11: 하플로타입 추세 회귀의 SAS 출력 파일
모든 연도와 모든 표현형의 중요한 하플로타입에 대한 메타분석을 적용한 결과, 이러한 QTL이 모든 형질에 미치는 영향을 확인할 수 있었습니다.
그림 12: 하플로타입 메타 분석 경로
따라서 문헌에서 알려지거나 명명된 QTL을 검색하여 후보 유전자 가정을 수행하고, 하플로타입 경계 간의 BLAST 검색을 수행하고, 표적 형질 발현에 영향을 줄 가능성이 있는 유전자를 조사할 수 있습니다.
결론
JMP-Genomics에서 Meta-GWAS 사용:
- JMP-Genomics에서 메타-GWAS를 수행하는 방법론이 지원됩니다. 이는 JMP-Genomics 팀과 함께 개발되었으며 프로세스를 더 잘 간소화하기 위해 개선 사항이 온라인에 제공됩니다.
- 구조화된 집단 없이도 육종 프로그램에서 비용이 많이 들고 경제적으로 필요한 특성을 매핑하는 것이 가능합니다.
- 이를 통해 육종 프로그램에서 이미 생성된 데이터를 추가로 사용할 수 있습니다.
- Meta-GWAS를 사용하면 현재 육종 프로그램에 존재하는 QTL에 대한 마커와 염색체형을 새롭게 감지하고 파생할 수 있습니다.
- 결정된 효과 추정치는 수년간의 육종 프로그램과 관련이 있습니다.
