一种双因子联合GWAS分析方法

摘要: 本发明作物分子遗传学、基因组学、数量性状遗传解析与分子育种,尤其涉及一种双因子联合gwas分析方法。背景技术:1、绝大多数农作物在进化历程中经历全基因组复制、片...
一种双因子联合GWAS分析方法

本发明作物分子遗传学、基因组学、数量性状遗传解析与分子育种,尤其涉及一种双因子联合gwas分析方法。

背景技术:

1、绝大多数农作物在进化历程中经历全基因组复制、片段复制、串联复制等事件,基因组普遍存在大量多拷贝基因、同源基因、基因家族扩张现象;异源多倍体作物如油菜、棉花、小麦、甘蔗等还存在亚基因组同源冗余,产量、品质、生育期、抗逆性等数量性状多由保守结构域基因家族、多拷贝同源基因协同调控。

2、现有传统 gwas 技术在技术路径上存在三类典型局限,且彼此独立,均无法满足功能单元归集与双效应解耦的需求:

3、(一)传统snp-gwas(单标记关联分析) 以逐个snp为单位进行独立性检验,虽无窗口依赖,但本质上忽略连锁结构和功能单元边界,无法将同源多拷贝序列上的变异归集到蛋白保守结构域或基因家族层面,导致关联信号分散、对拷贝数变异和亚型分化的捕获能力极弱。

4、(二)基于snp的单倍型gwas 依赖固定滑动窗口或ld连锁块来定义单倍型,划分依据完全基于基因组物理位置,缺乏功能结构域或基因家族同源性层面的归集逻辑。这种方式无法反映同源拷贝间序列协同变异模式,且窗口大小和块边界的人为设定易引入假阳性。

5、(三)kmer-gwas类方法 采用固定长度kmer对序列进行无差别拆分,虽能捕获部分结构变异,但无法根据不同物种、功能结构域长短或基因结构差异灵活适配窗口;更重要的是,其关联模型仅利用kmer的有无(分型)或丰度(计数)作为单一预测变量,将序列亚型等位效应与拷贝数剂量累积效应混杂在同一信号中,不具备双因子独立解耦能力,无法区分“哪种单倍型”与“多少拷贝”各自对表型的贡献。

6、综上,上述方法分别存在“无功能归集”“位置划分僵化”“效应混杂”的核心缺陷,且均为物种定制化工具,缺乏一套跨作物通用、专门面向多拷贝/同源基因富集物种的标准化体系。因此,亟需建立一种功能序列可变窗口拆分、功能单倍型构建、并同时实现单倍型效应与剂量效应双因子联合关联分析的通用gwas方法,填补现有技术空白。因此,亟需建立一种适用于所有作物、尤其适配多拷贝 / 同源基因富集物种的功能序列可变窗口拆分、功能单倍型构建、单倍型 - 剂量双因子联合 gwas 通用方法,填补现有技术空白。

技术实现思路

1、为解决上述问题,本发明设计了一种双因子联合gwas分析方法。

2、本发明采用如下技术方案:

3、一种双因子联合gwas分析方法,所述方法包括以下步骤:

4、步骤一:保守结构域导向的功能基因归集与功能遗传区间界定,建立跨作物通用的功能遗传区间坐标体系;

5、步骤二:自然群体功能遗传区间靶向遗传序列捕获,依据所述功能遗传区间坐标体系,进而获得群体变异原始数据集;

6、步骤三:功能序列可变窗口自适应片段化与群体遗传特征谱系构建,基于所述群体变异原始数据集,获得功能序列片段集并构建群体功能遗传特征谱系;

7、步骤四:适配多拷贝物种的功能单倍型构建与拷贝剂量定量,基于所述群体功能遗传特征谱系,获得单倍型分型结果和拷贝剂量量化数据;

8、步骤五:单倍型 - 剂量双因子遗传模型构建及双效应解耦 gwas 分析,完成性状关联位点挖掘与优异遗传类型筛选。

9、进一步地,步骤一具体包括:对目标作物全基因组蛋白序列进行结构域注释,筛选高可信度保守结构域;将携带同一保守结构域的同源基因、旁系多拷贝基因、亚基因组同源基因归集为功能遗传单元。

10、进一步地,将所述功能遗传单元内的全部基因统一划分为三类功能遗传区间:保守结构域核心区、全长 cds 编码区、基因上游启动子调控区;标注所述功能遗传区间的染色体物理位置与基因链向信息,建立跨作物通用的功能遗传区间坐标体系。

11、进一步地,步骤二具体包括:基于所述功能遗传单元选取目标作物自然种质群体或育种群体,开展全基因组重测序;将测序数据比对至对应作物参考基因组,依据所述功能遗传区间坐标体系,靶向富集定位至功能遗传区间内的遗传序列片段,并按照功能遗传单元分组归类,批量获取群体每份种质在各功能遗传单元下的序列变异、亚型分化及拷贝变异原始数据,获得群体变异原始数据集。

12、进一步地,步骤三具体包括:基于所述群体变异原始数据集,结合作物基因组特征、保守结构域长度、基因家族结构特征,自定义设置可变窗口的窗口长度与滑动步长;采用可变窗口对各功能遗传单元对应的功能序列进行连续滑动拆分,得到逐级覆盖的功能序列片段集。

13、进一步地,步骤三还包括:在群体层面,系统表征每份种质对应各功能序列片段集的序列亚型特征、变异特征、拷贝剂量特征,整合全部特征构建跨作物通用的群体功能遗传特征谱系。

14、进一步地,步骤四具体包括:基于所述群体功能遗传特征谱系,以单个功能遗传单元为独立分析单元,根据序列亚型特征与拷贝剂量特征开展群体无监督遗传聚类;根据所述无监督遗传聚类结果划分群体功能单倍型。

15、进一步地,步骤四还包括:确定每份种质的功能单倍型归属,筛选各功能单倍型的标志性特征序列片段,定量统计不同功能单倍型的平均拷贝剂量水平,建立适配多拷贝、同源基因物种的功能单倍型分型标准与拷贝剂量量化体系,得到单倍型分型结果和拷贝剂量量化数据。

16、进一步地,步骤五具体包括:基于所述单倍型分型结果和拷贝剂量量化数据,构建双因子混合线性遗传模型,以功能单倍型、拷贝剂量为固定遗传效应,以群体遗传结构为协变量、种质亲缘关系为随机效应,校正群体分层与遗传背景干扰,开展联合关联分析,分别解析功能单倍型效应与拷贝剂量效应对数量性状的遗传贡献,完成性状关联位点挖掘与优异遗传类型筛选。

17、进一步地,所述双因子混合线性遗传模型为:

18、式中:为种质表型观测值;为群体总体均值;为种质所属功能单倍型,作为固定遗传效应;为对应功能单倍型的基因拷贝剂量,作为固定遗传效应;为群体遗传结构协变量;为种质间亲缘血缘关系随机遗传效应;为随机残差。

19、本发明方法具有以下有益效果:

20、广谱通用性强 突破现有方法物种定制化局限,可适用于全部农作物,尤其精准适配存在大量多拷贝基因、旁系同源基因、亚基因组同源冗余的多倍体及复制富集物种,一套体系通用于所有作物。

21、功能单元划分适配多拷贝物种遗传特征 以保守结构域基因家族归集同源多拷贝基因,从功能层面聚合复制基因与同源序列,解决传统 gwas 对多拷贝、同源区域解析盲区大、信号弱的痛点。

22、可变窗口柔性适配各类功能域 不限制固定片段长度,可按物种与功能域特征自由调整窗口参数,适配长短不一的保守结构域与扩张基因家族,精细捕获功能区内部遗传分化。

23、单倍型分型更贴合多拷贝遗传本质 同时融合序列亚型组成与拷贝剂量变异构建功能单倍型,兼顾序列分化与拷贝数变异,分型分辨率与生物学解释性远高于传统单一标记分型。

24、双效应独立解耦,遗传解析更深入 通过单倍型 - 剂量双因子模型将功能亚型效应和拷贝剂量效应分开评估,明晰基因家族调控性状的两种遗传贡献,为基因功能解析、分子标记开发、优异单倍型种质筛选提供精准依据。

25、直接支撑全品类作物分子育种 可批量挖掘跨作物保守功能单元、鉴定广谱优异单倍型、筛选最优拷贝剂量类型,为各类作物尤其是多拷贝同源基因富集物种的基因挖掘、亲本选配、分子设计育种提供通用核心技术方法。