新浪登录
腾讯登录【研究】利用高通量表型推断基因型进行基因组选择
| 导读 | 研究者建立并检验了一种利用高通量表型推断个体基因型的方法，由此推断出的基因型可用于基因组的选择，有利于使基因组选择发生在温室环境中，从而减少育种计划的周期时间。 |
导读：研究者建立并检验了一种利用高通量表型推断个体基因型的方法，由此推断出的基因型可用于基因组的选择，有利于使基因组选择发生在温室环境中，从而减少育种计划的周期时间。
一种方法是使用高通量表型作为基因组标记的替代，称为物候选择。物候选择是提高非基因型个体选择准确率的一种有吸引力的方法。然而，它没有利用现有的基因型和表型数据，在实践中部署表型选择需要开发额外的训练群体，既有选择目标，又有相同的高通量表型测量集。另一种方法是利用高通量表型来推断非基因型个体的基因型，从而使之能够对这些个体进行基因组选择。这种方法有两个优点。首先，利用现有的基因组训练群体，推断的基因型可以整合到现有的基因组选择框架中。其次，一旦基因型被推断出来，产生的基因组预测将独立于个体的生长环境，或是特定的高通量表型集。
在这种方法中，研究者使用高通量表型来确定个体从其亲本那里遗传的单倍型，从而推断出该个体的基因型。这种方法可以分成三部分。首先，如何将分离状态转化为期望的遗传值；第二，如何对染色体的分离状态进行抽样；第三，如何对整个基因组进行取样，以及如何翻译取样的。
研究者在两组模拟中测试了这种方法。首先，研究者进行了参数敏感性分析，以量化推断基因型的准确性如何取决于所使用的高通量表型和所分析物种的基因组。其次，模拟了一个植物育种计划，育种计划设计基于小麦育种计划，以观察使用这种方法是否可以通过对非基因型个体进行基因组选择来增加遗传增益。这两个模拟都有一个共同的遗传结构、表型结构和推断SNP效应的方法，但在分析的种群结构和情景中有所不同。
这项工作的主要动机是开发一种方法，允许对非基因型个体进行基因组选择。在模拟中，研究者发现与随机选择和在某些情况下表型选择相比，使用高通量表型来进行基因组选择可以增加遗传增益。将高通量表型启动的基因组选择应用于育种项目时，在育种家能够通过视觉选择或其他代理轻松选择非基因型个体的情况下，由该方法产生的较低精确度将是最不有用的。利用高通量表型实现基因组选择在育种家无法准确选择非基因型个体的情况中最有用。
这种方法将有利于一个特定地方是使基因组选择发生在温室环境中，从而减少育种计划的周期时间。传统上，由于地块面积小，生长环境与生产环境的环境差异大，在温室环境中很难做出选择决策。基因组选择可以通过允许选择决定而不直接评估个体的表型来克服这个问题。研究者的方法通过收集高通量表型而不是基因分型，实现了基因组选择（尽管精确度较低）。这将允许更高的遗传增益，通过耦合减少的周期时间，与成本效益的选择策略。此外，温室环境也可能是自动收集个体高通量表型的理想环境，尤其是在多个时间点或多个组织上测量的表型。
尽管该方法需要大量可遗传表型来获得高精度基因型，但随着表型技术的改进，这些表型将变得越来越可用，使得该方法能够以低成本对大量个体进行基因组选择。
参考文献：
近日，预印本网站上biorxiv.org上发表重要结果，可利用高通量表型推断基因型，从而进行基因组选择。
一种方法是使用高通量表型作为基因组标记的替代，称为物候选择。物候选择是提高非基因型个体选择准确率的一种有吸引力的方法。然而，它没有利用现有的基因型和表型数据，在实践中部署表型选择需要开发额外的训练群体，既有选择目标，又有相同的高通量表型测量集。另一种方法是利用高通量表型来推断非基因型个体的基因型，从而使之能够对这些个体进行基因组选择。这种方法有两个优点。首先，利用现有的基因组训练群体，推断的基因型可以整合到现有的基因组选择框架中。其次，一旦基因型被推断出来，产生的基因组预测将独立于个体的生长环境，或是特定的高通量表型集。
在这种方法中，研究者使用高通量表型来确定个体从其亲本那里遗传的单倍型，从而推断出该个体的基因型。这种方法可以分成三部分。首先，如何将分离状态转化为期望的遗传值；第二，如何对染色体的分离状态进行抽样；第三，如何对整个基因组进行取样，以及如何翻译取样的。
研究者在两组模拟中测试了这种方法。首先，研究者进行了参数敏感性分析，以量化推断基因型的准确性如何取决于所使用的高通量表型和所分析物种的基因组。其次，模拟了一个植物育种计划，育种计划设计基于小麦育种计划，以观察使用这种方法是否可以通过对非基因型个体进行基因组选择来增加遗传增益。这两个模拟都有一个共同的遗传结构、表型结构和推断SNP效应的方法，但在分析的种群结构和情景中有所不同。
研究者考虑了育种计划的两种不同方案：方案1是田间引水，方案2是温室引水。
表1：方案1和2的逐年描述。引水选择方法用于在第3年（方案1）和第2年（方案2）进行选择。基因组切片（GS）用于未来几年的选择。
结果在参数测试模拟中发现，如果采用高通量表型，如果这些表型具有较高的遗传力，如果训练群体较大，则基因型准确率较高。研究还发现，随着物种基因组的增加，基因型的准确性降低。在育种计划模拟中，与随机选择或在某些情况下表型选择相比，推断的基因型可用于非基因型个体的基因组选择，并增加遗传增益。这项工作的主要动机是开发一种方法，允许对非基因型个体进行基因组选择。在模拟中，研究者发现与随机选择和在某些情况下表型选择相比，使用高通量表型来进行基因组选择可以增加遗传增益。将高通量表型启动的基因组选择应用于育种项目时，在育种家能够通过视觉选择或其他代理轻松选择非基因型个体的情况下，由该方法产生的较低精确度将是最不有用的。利用高通量表型实现基因组选择在育种家无法准确选择非基因型个体的情况中最有用。
这种方法将有利于一个特定地方是使基因组选择发生在温室环境中，从而减少育种计划的周期时间。传统上，由于地块面积小，生长环境与生产环境的环境差异大，在温室环境中很难做出选择决策。基因组选择可以通过允许选择决定而不直接评估个体的表型来克服这个问题。研究者的方法通过收集高通量表型而不是基因分型，实现了基因组选择（尽管精确度较低）。这将允许更高的遗传增益，通过耦合减少的周期时间，与成本效益的选择策略。此外，温室环境也可能是自动收集个体高通量表型的理想环境，尤其是在多个时间点或多个组织上测量的表型。
尽管该方法需要大量可遗传表型来获得高精度基因型，但随着表型技术的改进，这些表型将变得越来越可用，使得该方法能够以低成本对大量个体进行基因组选择。
参考文献：
Andrew Whalen et al. Using high-throughput phenotypes to enable genomic selection by inferring genotypes. BioRxiv. 28 Feb. 2020
（转化医学网360zhyx.com）
还没有人评论，赶快抢个沙发