全基因组范围SNPs互作网络的统计方法研究

针对家养动物群体的重要经济性状存在人工选育的特点，本项目基于基因组不同层次的信息与调控复杂性状的遗传机制密切关联的基本依据，通过整合全基因组各个层次的信息，在贝叶斯网络模型的框架下，构建一套在全基因组范围内推断影响家养动物重要经济性状的SNPs互作网络的统计方法。本项目将首先建立整合基因组信息自动化收集、整理和处理分析的数据挖掘工具；开发针对离散和连续性状，整合基因组信息的畜禽高密度标记互作网络的统计模型和核心算法；并将并行运算和集群计算策略应用到全基因组范围SNPs互作网络推断中；最终以鸡脂肪性状为实际案例，构建影响鸡肥度性状的SNPs互作网络，并解析出互作因子对遗传方差的贡献率，同时验证本方法的有效性和可行性。本项目的开展也是对遗传学问题研究策略在方法学上的探讨，即如何利用所有有效信息在全局和综合水平上系统研究遗传学问题。这些结果将为畜禽复杂性状功能基因研究提供重要的科学依据。

本课题完成了预计的研究内容，达到了预定的研究目标。按照课题计划，我们构建了家养动物转录因子数据库、SNP注释数据库和影响鸡肉质性状的候选基因集和基因调控网络数据库。本研究引入先验信息，结合贝叶斯网络模型和广义线性模型推断SNP互作网络。利用了网络推断标准数据（ASIA，ALARM和PIG）和模拟数据，发现无论从敏感度还是阳性预测值而言本研究所提出的算法都要优于传统方法2-3倍。以东北农业大学建立的肉鸡高、低脂双向选择品系的第十一世代群体为研究材料，使用鸡60K SNP芯片，通过对全基因组范围内SNP标记进行上位效应分析，筛选出影响鸡腹脂重、七周龄体重、睾丸重和血浆VLDL浓度等性状的二维SNP互作网络。显著的SNP互作对的贡献率范围是0.62%—1.54%。本研究开展了基于通路的全基因组关联分析。结果发现，YWHAZ、KRTCAP3、TSPEAR、PIK3R4、KIF16B、PTPN3、GPRC5A、DDX47、TCF9、TPTE2、EPHA5和NBEA基因影响羊毛性状；FGF7、BMPR1B、FHIT、ZNF618、RAD21、DAB2IP和ABLIM3 基因影响鸡腹脂重性状。