动态性状的快速高效多位点全基因组关联分析新方法研究

Genome-wide association studies (GWAS) have been widely used. However, the threshold value of significance test in the single-locus GWAS is too stringent, and some significant loci fail to be detected, specially the expression of traits varied with time. Although the single-locus GWAS and dynamic trait QTL mapping methodology have been established, the rapid and efficient multi-locus GWAS methodology is relatively limited, especially for dynamic traits. To address this concern, on the basis of some approaches of association analysis proposed in past, applicant will make a comparative study of the multi-locus GWAS methodology. First, a new algorithm of multi-locus GWAS will be built for the massive SNP markers. Then the dynamic growth curve model can be built to discover the development law of crop. The new algorithm for multi-locus GWAS will be used to the dynamic parameters of growth. Finally, the new method will be verified by both the Monte Carlo simulation and real data analysis, and the related software will be developed. It is estimated that two papers will be published and a software package will be developed.

全基因组关联分析（GWAS）的应用研究日益广泛。但是，单位点GWAS因显著水平过低而丢失一些重要位点，特别是性状的表达是随时间不同而异。虽然单位点GWAS方法学和动态性状QTL定位方法学已经建立，但是海量标记、快速计算和高效检测的多位点GWAS方法学相对缺乏，动态性状多位点GWAS方法学尤为突出。为此，申请人在提出多种关联分析方法的前期工作基础上，开展动态性状的多位点GWAS方法学的研究。首先，针对海量SNP标记，发展简便快速计算和高效检测关联标记的多位点GWAS新算法；其次，建立数量性状随时间变化的动态数学模型，以刻画数量性状的生长发育规律，用新的多位点GWAS算法分析动态生长发育参数，揭示其生长发育规律；最后，利用Monte Carlo模拟研究和作物实际数据分析，验证新方法的有效性，并研制相关的应用软件包。发表SCI论文2篇，研制应用软件包1套。

全基因组关联分析(genome-wide association study，GWAS)是研究作物复杂性状的有效方法，其核心是研究分子变异和目标表型性状之间的关联。近些年，随着高通量测序技术的进步，测序成本逐步下降，SNP(single nucleotide polymorphism)标记在作物关联分析中普遍应用，GWAS在作物遗传研究中的应用也日益广泛。但是目前大部分研究仅仅针对单个时间点或几个孤立时间点的性状进行分析，而在作物的整个生长周期中，性状发育具有很强的时间连续性，遗传因素不仅影响某一时间点性状值，更主要的是影响作物的整个生长发育过程。因此，对动态发育性状进行全基因组关联分析意义非凡。而大量的SNP标记和多个时期的动态性状表型值，使得全基因组关联分析的运算时间大大增加，为了提高效率，发展新的快速检测方法迫在眉睫。因此，本项目围绕动态性状和海量SNP标记，开展高效快速的GWAS新方法研究。首先，针对海量SNP标记，寻找多位点GWAS的最优模型，并对大豆光合作用相关性状进行了全基因组关联分析，检测到31个与性状密切关联的区间；其次，建立动态性状GWAS模型，并对大豆叶绿素含量进行全基因组关联分析，检测到25个与性状显著关联的QTN；另外，发展了基于排序集样本和双辅助变量的比率估计改进方法，以解决总体参数估计问题，结果表明，利用双辅助变量的改进比率估计精度明显高于简单随机抽样或者单辅助变量比率估计。最后，对低磷（Low-phosphorus，LP）胁迫下大豆circRNAs进行了鉴定，结果显示LP胁迫可以显著改变circRNAs的全基因组图谱，并且表明circRNAs的调控对LP胁迫具有基因型和环境特异性。LP诱导的circRNA可能为LP反应的circRNA候选基因提供了丰富的资源。发表论文4篇，其中SCI论文2篇，中文论文2篇，获国家发明专利1项。