基于線性混合模型的全基因組關(guān)聯(lián)分析的算法研究.pdf

1、全基因組關(guān)聯(lián)分析(GWAS)現(xiàn)在已成為剖析動(dòng)植物復(fù)雜性狀遺傳變異的重要方法。當(dāng)前，線性混合模型(LMM)憑借其能較好的校正群體分層和個(gè)體關(guān)聯(lián)等優(yōu)點(diǎn)，成為GWAS研究的主要方法。然而隨著樣本量和標(biāo)記密度的不斷增長(zhǎng)，基于LMM的GWAS方法面臨兩大問題一是標(biāo)記效應(yīng)作固定效應(yīng)處理，難以對(duì)無(wú)效的標(biāo)記效應(yīng)位點(diǎn)進(jìn)行壓縮，常導(dǎo)致假陽(yáng)性率增高，二是常規(guī)的LMM方法需要不斷地估計(jì)方差組分和標(biāo)記效應(yīng)，導(dǎo)致計(jì)算時(shí)間過長(zhǎng)。針對(duì)這些問題，本研究首先將復(fù)合區(qū)間作圖

2、（CIM）策略引入GWAS中，將待檢標(biāo)記作隨機(jī)效應(yīng)處理以實(shí)現(xiàn)標(biāo)記效應(yīng)的壓縮，同時(shí)在待檢標(biāo)記兩側(cè)加入側(cè)翼標(biāo)記以降低背景噪音。通過該模型(CIM polygene model)和另兩個(gè)常用的LMM方法對(duì)中國(guó)西門塔爾牛的胴體重和骨重性狀進(jìn)行分析，然后比較不同模型的結(jié)果并探討模型的優(yōu)劣。接著，將得分檢驗(yàn)應(yīng)用于GWAS，利用得分檢驗(yàn)的統(tǒng)計(jì)學(xué)特點(diǎn)，旨在提高運(yùn)算效率。運(yùn)用此方法(LMM-Score)和常規(guī)LMM方法對(duì)模擬數(shù)據(jù)進(jìn)行分析比較，檢驗(yàn)該方法的

3、分析效果，同時(shí)用該萬(wàn)法對(duì)中國(guó)西門塔爾牛的凈肉重、前腱子重、黃瓜條重進(jìn)行關(guān)聯(lián)分析。本研究在對(duì)算法研究的同時(shí)，也對(duì)影響目標(biāo)性狀的顯著SNPs和候選基因進(jìn)行了鑒定。結(jié)果表明，CIM polygene model較之于其他兩個(gè)模型具有更高的統(tǒng)計(jì)效力，并且鑒定到與胴體重、體重關(guān)聯(lián)的GCNT4，ALDH1A2，LCORL和WDFY3等基因。而基于得分檢驗(yàn)的LMM-Score方法在保持常規(guī)LMM統(tǒng)計(jì)效力的情況下，顯著提高了運(yùn)算效率，同時(shí)該方法鑒定到與