本文選題：算法　切入點：西門塔爾牛　出處：《中國農(nóng)業(yè)科學(xué)院》2015年碩士論文　論文類型：學(xué)位論文

【摘要】：隨著人類全基因組計劃的完成及高通量基因分型技術(shù)的快速發(fā)展,全基因組關(guān)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(guān)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(biāo)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(guān)。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(guān)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(fù)雜的數(shù)量遺傳性狀往往由微效多基因決定的,單個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(guān)聯(lián)分析方法評估處于同一生物學(xué)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(yīng)而廣泛受到人們的關(guān)注。一些基于通路的關(guān)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(gòu)建基因統(tǒng)計量,忽視了小效應(yīng)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(gòu)建每個基因的主成分矩陣,然后根據(jù)主成分與表型的關(guān)聯(lián)程度對其進行排序。2)使用最大均值法(Maxmean)構(gòu)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-Smirnov)檢驗通路的顯著性�；趤碜詢�(nèi)蒙古烏拉蓋地區(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)濟性狀進行了分析。結(jié)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(guān)。對兩條顯著性通路的生物信息學(xué)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(guān)。本研究提出的基于通路的新算法首次剔除基因內(nèi)部SNP之間的連鎖作用,豐富了現(xiàn)有基于通路的全基因關(guān)聯(lián)分析的算法。更重要的是,本項研究是首次對肉牛進行了基于通路的全基因組關(guān)聯(lián)分析,共發(fā)現(xiàn)兩條與肉牛重要經(jīng)濟性狀相關(guān)的顯著性通路。研究結(jié)果可能為后續(xù)實施分子育種提供重要的前提和基礎(chǔ)。
[Abstract]:With the completion of the Human Genome Project and the rapid development of high-throughput genotyping technology, Genome-wide association analysis (GWAS) has become a powerful tool for mining human disease susceptibility genes and QTL associated with important economic traits in domestic animals. A large number of single nucleotide polymorphic fragments (SNPs) have been found to be associated with human genetic markers. Similar diseases are significantly associated with important economic traits in domestic animals. However, As the study progressed, it was gradually found that significant SNP loci detected by GWAS could only explain a small number of phenotypic variations, and that a large amount of residual genetic information had not yet been mined. Most complex quantitative genetic traits are often determined by microfunctional polygenes, and a single SNP cannot explain all phenotypic variations. Therefore, new statistical strategies are needed to address this defect. Pathway-based genome-wide association analysis was used to assess the interaction of multiple SNP in the same biological pathway. Not only the analysis of the effects of a single SNP has attracted widespread attention, but also a number of path-based association analysis algorithms have been proposed. However, the traditional genome-wide analysis method based on pathway simply uses significant SNP to construct gene statistics, neglecting the function of small effect SNP. This strategy has great limitations. In order to solve the shortcomings of traditional algorithms based on path analysis, This study proposes a new algorithm, which consists of two steps: 1) using the idea of principal component analysis (PCA) to construct a principal component matrix for each gene. And then sort it according to the association between the principal components and phenotypes. 2) using the maximum mean method Maxmean) to construct the statistics for each gene. Then using Colmogorov Smirnov Kolmogorov-Smirnov) to test the significance of the pathway. Based on the data of 77,000,000 SNPs from 807 Simmental cattle in Urage, Inner Mongolia, a new algorithm was used to measure the premortem weight. Two important economic traits of eye muscle area were analyzed. The results showed that, in the analysis of 263 pathways from KEGG database, The gamma-aminobutyric acid (GABA) pathway (0.000876) and the NAFLD (non-alcoholic fatty liver disease) pathway (p0.000058) were significantly correlated with pre-mortem weight and eye muscle area, respectively. The gamma-aminobutyric acid pathway has been shown to be related to animal intake and weight gain. It enriches the existing algorithms for the whole gene association analysis based on pathway. More importantly, this study is the first time that the whole genome association analysis based on pathway has been carried out in beef cattle. Two significant pathways related to important economic traits of beef cattle were found. The results may provide an important premise and basis for further implementation of molecular breeding.
【學(xué)位授予單位】：中國農(nóng)業(yè)科學(xué)院
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：S823

【相似文獻】

相關(guān)期刊論文 前10條

1 何忠武;;探討雞基因組在農(nóng)業(yè)和醫(yī)學(xué)中的潛在利用[J];中國畜禽種業(yè);2013年11期

2 何忠武;;雞基因組在生物學(xué)與農(nóng)業(yè)和醫(yī)學(xué)中的潛在利用[J];畜牧獸醫(yī)雜志;2014年01期

3 程備久，凌杏元，，朱蘇文;玉米基因組DNA的提取[J];安徽農(nóng)業(yè)技術(shù)師范學(xué)院學(xué)報;1996年04期

4 王旭寧;;TRW數(shù)據(jù)尋查技術(shù)[J];生物技術(shù)通報;1990年04期

5 林毅;基因組錯配掃描技術(shù)在疾病相關(guān)基因定位中的應(yīng)用[J];基礎(chǔ)醫(yī)學(xué)與臨床;1999年01期

6 李奎，蔣建橋，張木先，張錫元;豬基因組中存在C－myc和N－ras基因的初步證據(jù)[J];湖北農(nóng)業(yè)科學(xué);1994年03期

7 王繼英;王海霞;遲瑞賓;郭建鳳;武英;;全基因組關(guān)聯(lián)分析在畜禽中的研究進展[J];中國農(nóng)業(yè)科學(xué);2013年04期

8 ;基因組測定介紹[J];新疆畜牧業(yè);2011年06期

9 孫國鳳;;James Watson向消極對待基因組分析的人發(fā)出警告[J];生物技術(shù)通報;1990年08期

10 徐明良,楊金水;YAC克隆——復(fù)雜基因組分析技術(shù)(綜述)[J];農(nóng)業(yè)生物技術(shù)學(xué)報;1997年01期

相關(guān)會議論文 前7條

1 施定基;;微藻系統(tǒng)組生物學(xué)的研究[A];中國海洋湖沼學(xué)會藻類學(xué)分會第七屆會員大會暨第十四次學(xué)術(shù)討論會論文摘要集[C];2007年

2 馮杰;王劍;唐兵;唐曉峰;;極端嗜鹽古菌Natrinema sp.J7-2全基因組分析[A];2012年鄂粵微生物學(xué)學(xué)術(shù)年會——湖北省暨武漢微生物學(xué)會成立六十年慶祝大會論文集[C];2012年

3 馮杰;王劍;唐兵;唐曉峰;;極端嗜鹽古菌Natrinema sp.J7-2全基因組分析[A];2012年第五屆全國微生物遺傳學(xué)學(xué)術(shù)研討會論文摘要集[C];2012年

4 王紅丹;吳東;張卉;秦利濤;廖世秀;;胎兒全基因組甲基化分析[A];第九屆全國遺傳病診斷與產(chǎn)前診斷學(xué)術(shù)交流會暨產(chǎn)前診斷和醫(yī)學(xué)遺傳學(xué)新技術(shù)研討會論文集[C];2014年

5 喬軍;孟慶玲;;單核細(xì)胞增生李斯特菌噬菌體[A];動物檢疫學(xué)分會2010年學(xué)術(shù)年會論文集[C];2010年

6 唐北沙;;神經(jīng)系統(tǒng)基因組病[A];中華醫(yī)學(xué)會第十三次全國神經(jīng)病學(xué)學(xué)術(shù)會議論文匯編[C];2010年

7 劉健;劉奇;黃玉屏;;嗜麥芽寡養(yǎng)單胞菌絲狀噬菌體的生物學(xué)特征及基因組分析[A];2012年第五屆全國微生物遺傳學(xué)學(xué)術(shù)研討會論文摘要集[C];2012年

相關(guān)重要報紙文章 前5條

1 薛嚴(yán);迄今最大規(guī)模人類基因組分析完成[N];科技日報;2010年

2 記者 張夢然;迄今最詳細(xì)的人類基因組分析數(shù)據(jù)出爐[N];科技日報;2012年

3 本報記者 吳m#麓;世界科學(xué)大戰(zhàn)：破譯癌癥基因組[N];北京科技報;2010年

4 主持人 本報記者 胡其峰;“個體化基因組”的美妙與困惑[N];光明日報;2010年

5 深圳特區(qū)報記者 譚大躍　第五燕燕;不是哥倫布而是亞洲人發(fā)現(xiàn)了美洲[N];深圳特區(qū)報;2010年

相關(guān)博士學(xué)位論文 前6條

1 關(guān)巍;木質(zhì)部難養(yǎng)菌（Xylella fastidiosa）基因組分析及特異性分子檢測[D];中國農(nóng)業(yè)科學(xué)院;2015年

2 金科;生物信息學(xué)在大熊貓和血吸蟲基因組分析中的應(yīng)用[D];復(fù)旦大學(xué);2010年

3 杜瑾;基于基因組分析的VC發(fā)酵混菌體系共生機制及功能強化[D];天津大學(xué);2013年

4 王芳平;密碼對的使用與基因組進化[D];內(nèi)蒙古大學(xué);2009年

5 烏尼爾夫;中國馬業(yè)綜合數(shù)據(jù)庫的建立及馬基因組序列預(yù)測[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2009年

6 蔡曉鋒;番茄Dof基因家族全基因組分析及SlDof22、SlDHAR1和FaGalUR在AsA積累中的功能分析[D];華中農(nóng)業(yè)大學(xué);2014年

相關(guān)碩士學(xué)位論文 前9條

1 樊惠中;基于通路的全基因組關(guān)聯(lián)分析策略應(yīng)用于西門塔爾牛的初步研究[D];中國農(nóng)業(yè)科學(xué)院;2015年

2 楊yN;單細(xì)胞全基因組技術(shù)的建立和評價[D];上海交通大學(xué);2012年

3 付寅坤;超嗜熱嗜壓古菌Thermococcussp.LMO09A501生理研究及基因組分析[D];上海交通大學(xué);2012年

4 張海強;以復(fù)雜多倍體植物為例的常規(guī)基因組分析流程搭建[D];浙江大學(xué);2015年

5 成競梁;轉(zhuǎn)錄因子結(jié)合位點和遺傳病基因突變的全基因組分析[D];湖南科技大學(xué);2012年

6 劉魯鵬;瓜伊馬斯熱液口可培養(yǎng)Thermococcales的多樣性研究及Pyrococcus yayanossi CH1的基因組分析[D];中國海洋大學(xué);2011年

7 廖瑞奇;元基因組序列聚類算法研究[D];復(fù)旦大學(xué);2013年

8 詹青;基于信息熵理論的基因組特性研究[D];哈爾濱工業(yè)大學(xué);2011年

9 林文珍;深海微桿菌Microbacterium sediminis YLB-01耐壓耐冷機理的初步分析[D];廈門大學(xué);2014年

本文編號：1575441