基因表达数据批次效应去除方法的研究进展

在组学和大数据时代,整合分析材料相同但时间、平台、方法、技术和实验室等不同批次的表达数据集将成为常态。但是,不同批次数据集由于非生物因素影响会产生批次效应,这种批次效应可能会对试验结果产生严重影响,甚至导致错误结论。本文介绍了几种去除基因表达数据批次效应的方法,包括ComBat方法、替代变量分析法、距离加权判别法和基于比值的方法等。通过前人研究和实例分析表明,ComBat方法是最好的去除基因表达谱数据集批次效应的方法。这些结果将为多批次表达数据集的整合分析提供参考依据。     

全基因组SNP分型策略及基因组预测方法的研究进展

单核苷酸多态性（single nucleotide polymorphism,SNP）是遗传学研究中重要的材料。近年来,全基因组SNP标记开发方法的发展使得研究者们能够以较低成本获得丰富的基因组标记,大大推动了基因组水平的相关研究。基因组预测从已知基因型数据和表型数据的个体建立训练模型,对未知表型的个体进行基因型和表型预测,在育种领域具有重要意义。全基因组SNP的分型策略结合基因组预测方法,构成了动物基因组选择的前沿。本文从这两个方面进行综述,以期为从事分子遗传学,尤其是复杂性状研究的研究者们提供参考。     

基因组水平的选择信号及其检测方法研究进展

在进化过程中,自然或人工选择在基因组上留下了各种选择信号的印迹。探究不同物种或同一物种不同种群之间的选择信号有助于我们研究物种的进化历史,筛选优势等位基因并应用于遗传育种之中。本文详细介绍了各种经典的选择信号检测方法及其适用场景,并讨论了各自的优缺点和未来的发展方向。     

基于祖源分析的猪遗传成分鉴定

解析不同品牌猪肉的遗传成分对商业品牌的保护，防伪溯源及中国地方猪种的改良和开发具有重要参考价值。从市场上选取4种不同来源的猪肌肉组织通过全基因组重测序，并结合已发表的59头猪的数据，对其祖先成分进行分析，推测它们祖先可能的来源及其各祖先成分的含量。利用线粒体基因组数据判断4头猪的母系来源，揭示可能的母系来源。59头参考个体包含12个品种，分别是杜洛克猪、长白猪、大白猪、皮特兰猪、二花脸猪、金华猪、姜曲海猪、梅山猪、巴马香猪、陆川猪、五指山猪和香猪。将12个品种划分为商品猪、中国东部猪和中国南方猪。研究中，利用ADMIXTURE和RFMix软件分别对4头测试个体进行祖先成分的评估。设定4头测试个体的祖先群体为3类时，发现其中一头含有54.8%的商品猪成分和45.2%的中国南方猪成分，另一头含有81.3%的商品猪成分，而剩下的两头含有的商品猪成分占到97.0%以上。设定祖先群体为12类时，发现其中一头含有64.8%的杜洛克猪成分和35.2%的陆川猪成分；另一头含有的祖先成分比较复杂，长白猪的含量为22.5%，大白猪的含量为27.6%，五指山猪的含量为8.6%，二花脸猪的含量为5.5%，梅山猪、姜曲海猪和巴马香猪的含量均在1.2%左右；而剩余两头猪的祖先成分主要是杜洛克猪、长白猪、大白猪和皮特兰猪。另外，线粒体的祖源判断提示其中一头猪的母系来源可能是陆川猪或相近地方品种的母猪。通过常用的祖源分析方法对4头猪进行祖先血统成分的估计，发现4头猪的遗传成分各不相同，并能清晰地知道不同个体中祖先成分及占比。该研究结果证明通过祖源分析的方法可以估算每个测试个体的遗传成分来源。使用祖源成分作为遗传特征，可为品牌猪肉的鉴定和品牌保护提供重要的遗传学参考，也可以为中国地方猪品种的保护、开发提供指导和参考。     

全基因组关联分析中混合模型的原理、优化与应用

全基因组关联分析（genome-wide association study,GWAS）是定位基因组中与性状显著关联的变异位点的有效方法。随着表型记录的完善、高通量基因型分型技术的发展,以及统计方法的改进,全基因组关联分析在人类疾病、动物植物遗传等领域得到了广泛的应用。假阳性是影响全基因组关联分析结果可靠性的重要因素之一。为了控制假阳性,除了校正P值,GWAS模型从最简单的方差分析（或用于质量性状的卡方检验）到加入固定效应协变量的普通线性模型（general linear model,GLM）,再到加入随机效应的混合线性模型（mixed linear model,MLM）持续改进,控制了多种混杂因素导致的假阳性。将个体的遗传效应拟合为由基因组亲缘关系矩阵（genomic relationships matrix,GRM）定义的随机效应是目前常用的方法。由于MLM的参数估计大量消耗计算资源,研究人员不断尝试模型求解优化和GRM的构建优化（GRM的构建优化同时也提高了计算效率）,最终将基于MLM计算的时间复杂度由O(MN3)逐步改进到O(MN),实现了计算速度与统计功效的飞跃。针对质量性状...     

转录组数据分析与功能基因挖掘

高通量测序技术的不断发展和应用,为挖掘重要功能基因提供了转录组分析方法,但如何利用海量测序数据准确、高效地挖掘功能基因,仍是转录组学分析方法研究的重要瓶颈。本文综述了RNA-seq数据质量控制与读段定位、基因组注释、转录本拼接、表达水平评估、差异表达分析等环节分析方法,比较了数据分析常用软件、算法和数据库等的性能和适用范围;同时,又综述了蛋白调控互作网络和加权基因共表达网络等差异表达基因的功能分析方法。转录组分析正在从只利用物种内信息挖掘差异基因,向引入其他物种参考系进行目标物种功能基因挖掘分析方向发展。结合同源基因预测候选基因法、选择信号法、极端数据法、GO注释和KEGG富集分析法及BSR-Seq(bulked segregant RNA-Seq)法等鉴定方法,使分析结果更加科学可靠。随着测序技术和数据分析方法不断进步、数据库资源不断完善,测序数据中隐含的基因表达调控和生命规律将会逐渐得到准确、深入揭示。