Sarah Battenfield 博士，先正达公司杂交小麦育种专家
抽象的：
许多小麦育种计划都致力于提高面包小麦的产量，但考虑到其用于养活下个世纪不断增长的人口，加工和最终使用质量是关键因素。最终使用质量性状改良的挑战包括其高成本和用于测试的种子数量，后者使得在早期育种群体中进行选择变得不可能。在这里，我们描述了一种使用 JMP Genomics 的元基因组全关联研究 (GWAS) 在育种计划中识别标记-性状关联的新方法。该方法结合了多年不平衡育种苗圃的 GWAS 分析，以反映人类疾病标记发现中的元 GWAS。该方法促进了 2009 年至 2014 年 CIMMYT 面包小麦育种计划的高级育种系 (n=4,095) 的加工和最终使用质量表型的映射。使用元 GWAS，我们确定了标记-性状关联、等位基因效应和候选基因，并可以使用在此过程中生成的标记进行选择。最后，这种方法的范围可广泛应用于多种作物的育种辅助基因组学，从而大大增加我们对植物基因组的功能理解。
介绍：
元基因组全关联研究 (meta-GWAS) 通常用于人类基因组分析，依靠多个研究中的等位基因复制来获得能力。在植物育种和研究中，这些分析并不常见，因为它能够在空间和时间上复制基因型。然而，在大数据时代，当性状的成本高于表型时，这种方法就成为一种有趣的替代方案。
方法论：
JMP-Genomics 长期以来一直支持 GWAS 分析。QK 分析或考虑人口结构和亲属关系的 GWAS 提供易于遵循的工作流程。
图 1：QK 混合模型工作流程
本研究旨在绘制影响小麦品质性状的基因位点，这些性状是在大型小麦育种项目中测量的。小麦品质的结构映射群体并不常见，因为这种测试非常昂贵，需要多年时间并重复，并且需要大量种子。由于数据生成的重点是育种产量，而小麦品质是昂贵的且是次要的，因此这些品系仅在一年内进行了一次重复测试，跨越了几年。这没有留下任何自由度来开发标准的 QK 混合模型。但是，依靠跨年的元 GWAS 中的等位基因复制，可以利用丰富的数据。
|
丰收年
|
产量试验总计
|
质量测试和基因分型
|
|
2010
|
4,956
|
250
|
|
2011
|
6,685
|
995
|
|
2012
|
10,196
|
850
|
|
2013
|
9,436
|
886
|
|
2014
|
7,672
|
1,114
|
|
全部的
|
38,945
|
4,095
|
表 1：各年份的条目。
因此，目标是：
- 使用大量育种者在 GWAS 中生成的数据来识别影响 CIMMYT 育种计划中加工和最终用途质量的 QTL。
- 利用元 GWAS 模型，充分利用多年来未复制的大量线路。
首先根据每年的数据求解 Q 和 K 矩阵：
图 2：Q 矩阵种群结构 PCA
图 3：K 矩阵隐秘关系热图
接下来，应用 FDR 多重检验校正对 QK 混合模型进行逐年求解：
图 4：QK 混合模型
现在，通过运行 GWAS 元分析，输入来自各个 QK 混合模型的所有 (_qkm) 文件，可以将元 GWAS 应用于所有站点年份。我们使用了具有 FDR 多重测试校正选项的逆方差固定效应模型，从而得出所研究的每个标记的估计值和标准误差，因为标记的效果是期望的结果。
图 5：GWAS 荟萃分析
从而输出与小麦加工和最终用途品质性状相关的重要元 QTL。
图 6：多个品质性状的显著元标记性状分析的曼哈顿图
深入挖掘后，我们想知道 QTL 的影响，而不是单个 SNP，因此下一步是确定显著单倍型的影响。请注意，可以在映射之前确定单倍型，并将其用作映射单位，但小麦的基因组很大，没有完全参考，并且这种单倍型 GWAS 当时不可行。
因此，我们将基因型文件缩减为仅位于相似地区的显著标记，并按地区和年份估计单倍型。
图 7：单倍型估计路径
图 8：单倍型分析设置
在单倍型趋势回归结果中，打开单倍型频率估计 (_hfr) 文件。查找构成材料 90% 的明显区分的单倍型（其余部分可能是基因分型错误或非常罕见的单倍型）。记下单倍型数量和等位基因调用以供将来参考。
图9：单倍型分析结果窗口
图 10：需要添加用于元单倍型分析的文件 (_hfr)
然后启动单倍型趋势回归，产生 SAS 输出。查找给定站点或年份内的单倍型编号，并在 (_hfr) 文件中附加估计值和标准误差。以新名称保存文件，以便对重要单倍型进行荟萃分析。
图11：单倍型趋势回归的SAS输出文件
通过对所有年份和所有表型中的显著单倍型进行荟萃分析，我们能够看到这些 QTL 对所有性状的影响。
图 12：单倍型荟萃分析路径
因此，可以通过在文献中搜索已知和命名的 QTL 来进行候选基因推定，在单倍型边界之间进行 BLAST 搜索并研究可能影响目标性状表达的基因。
结论
在JMP-Genomics中使用Meta-GWAS：
- 支持在 JMP-Genomics 中进行元 GWAS 的方法。该方法由 JMP-Genomics 团队开发，目前正在进行改进，以更好地简化流程。
- 在没有结构化种群的育种计划中，可以绘制昂贵且经济上必要的性状图
- 这允许使用育种计划中已经生成的额外数据
- Meta-GWAS 允许从头检测和推导育种计划中当前存在的 QTL 的标记和单倍型
- 确定的效果估计值与未来几年的育种计划相关
