Sarah Battenfield, 박사, 잡종 밀 재배자, Syngenta
추상적인:
많은 밀 육종 프로그램은 빵밀 생산량을 늘리는 데 중점을 두었지만, 다음 세기에 증가하는 인구를 먹이는 용도를 고려할 때 가공 및 최종 사용 품질은 중요한 구성 요소입니다. 최종 사용 품질 특성 개선의 과제에는 높은 비용과 테스트를 위한 종자 양이 포함되며, 후자는 초기 육종 집단에서 선택을 불가능하게 만듭니다. 여기서는 JMP Genomics를 사용하는 GWAS(메타 게놈 폭넓은 연관 연구)를 사용하여 육종 프로그램 내에서 마커 특성 연관성을 식별하는 새로운 접근 방식을 설명합니다. 이 방법은 인간 질병 표지 발견에 메타-GWAS를 반영하는 방식으로 다년간의 불균형 번식 보육원의 GWAS 분석을 결합합니다. 이 방법은 2009년부터 2014년까지 CIMMYT 빵밀 육종 프로그램의 고급 육종 계통(n=4,095)에서 처리 및 최종 사용 품질 표현형의 매핑을 촉진했습니다. Meta-GWAS를 이용하여 마커-형질 연관성, 대립유전자 효과 및 후보 유전자를 식별하고, 이 과정에서 생성된 마커를 이용하여 선택할 수 있습니다. 마지막으로, 이 접근법의 범위는 식물 게놈에 대한 기능적 이해를 크게 높이기 위해 많은 작물에 걸쳐 육종 보조 게놈학에 광범위하게 적용될 수 있습니다.
소개:
메타-게놈 광역 연관 연구(meta-GWAS)는 인간 게놈 분석에 일반적으로 활용되며, 여러 연구에 대한 대립유전자 복제에 의존하여 힘을 얻습니다.식물 육종 및 연구에서 이러한 분석은 공간과 시간에 걸쳐 유전자형을 복제할 수 있는 능력으로 인해 흔하지 않습니다.그러나 빅데이터 시대에 그리고 특성이 표현형에 비해 비용이 많이 드는 경우 이 방법은 흥미로운 대안이 됩니다.
방법론:
GWAS 분석은 JMP-Genomics에서 오랫동안 지원되어 왔습니다.QK 분석 또는 인구 구조 및 친족 관계에 대한 GWAS 회계에 대해 쉽게 따라갈 수 있는 작업 흐름을 사용할 수 있습니다.
그림 1: QK 혼합 모델 작업 흐름
본 연구는 대규모 응용 밀 육종 프로그램에서 측정된 밀 품질 특성에 영향을 미치는 유전자좌를 매핑하는 것이었습니다.밀 품질에 대한 구조 매핑 개체군은 일반적이지 않습니다. 왜냐하면 이 테스트는 비용이 매우 많이 들고, 수년이 걸리며 반복 작업이 필요하고, 많은 양의 종자가 필요하기 때문입니다. 데이터 생성의 초점은 밀 품질이 비싸고 2차 우선순위로 작용하는 수확량을 위한 육종이었기 때문에 계통은 수년에 걸쳐 1년에 한 번만 반복해서 테스트되었습니다.이는 표준 QK 혼합 모델을 개발하는 데 자유도를 주지 않았습니다.그러나 수년에 걸쳐 Meta-GWAS의 대립 유전자 복제에 의존하여 풍부한 데이터를 활용할 수 있었습니다.
수확 연도
|
수율 시험의 총계
|
품질 테스트 및 유전자형 분석
|
2010년
|
4,956
|
250
|
2011년
|
6,685
|
995
|
2012
|
10,196
|
850
|
2013년
|
9,436
|
886
|
2014년
|
7,672
|
1,114
|
총
|
38,945
|
4,095
|
표 1: 연도에 걸쳐 사용 가능한 항목입니다.
따라서 목표는 다음과 같습니다.
- CIMMYT 육종 프로그램의 처리 및 최종 사용 품질에 영향을 미치는 QTL을 식별하기 위해 GWAS에서 대량의 육종가 생성 데이터를 사용합니다.
- Meta-GWAS 모델을 사용하여 수년 동안 복제되지 않은 대량의 회선을 활용합니다.
첫 번째 Q 및 K 행렬은 각 연도의 데이터 내에서 해결되었습니다.
그림 2: Q-행렬 모집단 구조 PCA
그림 3: K-행렬 비밀 관계 히트맵
다음으로 QK 혼합 모델은 FDR 다중 테스트 수정을 적용하여 매년 해결되었습니다.
그림 4: QK 혼합 모델
이제 개별 QK 혼합 모델에서 파생된 모든(_qkm) 파일을 입력하는 GWAS 메타 분석을 실행하여 메타 GWAS를 모든 사이트 연도에 걸쳐 적용할 수 있습니다.우리는 FDR 다중 테스트 수정 옵션이 있는 역분산 고정 효과 모델을 사용하여 연구된 각 마커에 대한 추정치와 표준 오차를 얻었습니다. 왜냐하면 마커의 효과가 원하는 결과였기 때문입니다.
그림 5: GWAS 메타 분석
밀 가공 및 최종 사용 품질 특성에 대한 중요한 메타-QTL이 생성됩니다.
그림 6: 여러 품질 특성에 대한 중요한 메타 마커 특성 분석의 맨해튼 플롯
더 깊이 파고들어 우리는 단일 SNP보다는 QTL의 효과를 알고 싶었기 때문에 다음 단계는 중요한 일배체형의 효과를 결정하는 것이었습니다.참고로, 일배체형은 매핑 전에 결정되어 매핑 단위로 사용될 수 있지만 밀은 완전히 참조되지 않은 게놈이 크며 이 일배체형 GWAS는 당시에는 실현 가능하지 않았습니다.
그래서 유사한 지역에 있는 유의미한 마커들로만 유전자형 파일을 축소하고 지역별, 연도별 일배체형을 추정했습니다.
그림 7: 일배체형 추정 경로
그림 8: 일배체형 분석 설정
하플로타입 추세 회귀 결과에서 하플로타입 빈도 추정(_hfr) 파일을 엽니다.물질의 90%를 구성하는 명확하게 구별되는 일배체형을 찾으십시오(나머지는 유전형 분석의 오류이거나 매우 드문 일배체형일 수 있음).나중에 참조할 수 있도록 일배체형 번호와 대립유전자 호출을 기록해 두십시오.
그림 9: 하플로타입 분석 결과 창
그림 10: 메타-일배체형 분석을 위해 추가될 필요한 파일(_hfr)
그런 다음 일배체형 추세 회귀를 실행하면 SAS 출력이 생성됩니다.해당 사이트 또는 연도 내에서 일배체형 번호를 찾아 (_hfr) 파일에 추정치와 표준 오류를 추가합니다.중요한 일배체형의 메타 분석을 위해 새 이름으로 파일을 저장합니다.
그림 11: 일배체형 추세 회귀의 SAS 출력 파일
모든 연도와 모든 표현형에서 중요한 일배체형에 대한 메타 분석을 적용하여 우리는 이러한 QTL이 모든 특성에 미치는 영향을 확인할 수 있었습니다.
그림 12: 일배체형 메타분석 경로
따라서 알려진 QTL과 명명된 QTL에 대한 문헌을 검색하고 일배체형 경계 사이의 BLAST 검색을 통해 후보 유전자 가정을 수행하고 표적 형질 발현에 영향을 미칠 가능성이 있는 유전자를 조사할 수 있습니다.
결론
JMP-Genomics에서 Meta-GWAS 사용:
- JMP-Genomics에서는 Meta-GWAS를 수행하기 위한 방법론을 지원합니다. 이는 JMP-Genomics 팀과 함께 개발되었으며 프로세스를 더욱 간소화하기 위한 개선 사항이 온라인으로 제공됩니다.
- 구조화된 개체군 없이 육종 프로그램에서 비용이 많이 들고 경제적으로 필요한 특성을 매핑하는 것이 가능합니다.
- 이를 통해 육종 프로그램에서 이미 생성된 데이터를 추가로 사용할 수 있습니다.
- Meta-GWAS는 다음을 허용합니다. 드 노보 현재 육종 프로그램에 존재하는 QTL에 대한 마커 및 일배체형의 검출 및 유도
- 결정된 효과 추정치는 수년에 걸친 육종 프로그램과 관련이 있습니다.
