基于通路的全基因組關聯(lián)分析策略應用于西門塔爾牛的初步研究.pdf

1、隨著人類全基因組計劃的完成及高通量基因分型技術的快速發(fā)展，全基因組關聯(lián)分析(GWAS)已經(jīng)成為挖掘人類疾病易感基因及與家畜動物重要經(jīng)濟性狀相關QTL的有力工具。大量以單核苷酸多態(tài)性片段(SNP)為主遺傳標記已經(jīng)被發(fā)現(xiàn)與人類疾病和家畜重要經(jīng)濟性狀顯著相關。然而，隨著研究的深入，人們逐漸發(fā)現(xiàn)GWAS檢測到的顯著性SNP位點只能解釋小部分與表型相關的變異，大量的剩余遺傳信息還沒有被挖掘。此外，大多數(shù)復雜的數(shù)量遺傳性狀往往由微效多基因決定的，單

2、個SNP無法解釋所有的表型變異。因此，需要提出新的統(tǒng)計策略來解決這種缺陷。在已有的眾多策略中，基于通路的全基因組關聯(lián)分析方法評估處于同一生物學通路中多個SNP的共同作用，而不僅僅單獨的分析單個SNP的效應而廣泛受到人們的關注。一些基于通路的關聯(lián)分析算法也相繼被提出，然而傳統(tǒng)的基于通路的全基因組分析方法僅僅簡單的使用顯著的SNP構建基因統(tǒng)計量，忽視了小效應SNP的作用，這種策略有很大的局限性。
　　為了解決傳統(tǒng)的基于通路分析的算法缺

3、陷，本研究提出了一種新的算法。這種算法包括兩個步驟:1）使用主成分分析的思想構建每個基因的主成分矩陣，然后根據(jù)主成分與表型的關聯(lián)程度對其進行排序。2）使用最大均值法(Maxmean)構建每個基因的統(tǒng)計量，然后使用柯爾莫哥羅夫-斯米爾諾夫(Kolmogorov-Smimov)檢驗通路的顯著性?；趤碜詢让晒艦趵w地區(qū)807頭西門塔爾牛所包含的77，000，000 SNPs的數(shù)據(jù)，本研究使用新的算法對宰前活重、眼肌面積兩個重要的經(jīng)濟性狀進行

4、了分析。結果表明，在對來自于KEGG數(shù)據(jù)庫的263條通路的分析研究中，伽馬氨基丁酸通路(p=0.000876)和非酒精性脂肪性肝病疾病(NAFLD)通路(p=0.000058)分別與宰前活重和眼肌面積兩個性狀顯著相關。對兩條顯著性通路的生物信息學分析發(fā)現(xiàn)，伽馬氨基丁酸通路已經(jīng)被證實與動物的采食量及體重增加過程相關。
　　本研究提出的基于通路的新算法首次剔除基因內部SNP之間的連鎖作用，豐富了現(xiàn)有基于通路的全基因關聯(lián)分析的算法。更重