全基因组关联分析(genome-wide association studies,GWAS)是近几年发展起来的一种复杂性状研究的新方法。在过去几年中,国内外不少研究者对畜禽的重要经济性状、遗传缺陷性疾病、复杂疾病的抗性、品种的某些特征等性状开展了GWAS。这...全基因组关联分析(genome-wide association studies,GWAS)是近几年发展起来的一种复杂性状研究的新方法。在过去几年中,国内外不少研究者对畜禽的重要经济性状、遗传缺陷性疾病、复杂疾病的抗性、品种的某些特征等性状开展了GWAS。这些研究不仅大大丰富了畜禽标记辅助选择中可利用的分子标记,而且为这些性状分子机理的探索研究提供了重要线索。本文对国内外畜禽GWAS中所用的群体、主要分析方法和研究结果进行综述,并对GWAS的研究应用做一展望,以期为进一步利用GWAS进行畜禽各种性状遗传基础的研究提供参考。展开更多
全基因组关联分析(GWAS)是一种通过对大规模样本集合进行基因型和表型数据的比较分析,寻找与特定性状相关的遗传变异的方法。随着高通量测序技术、生物信息学技术和统计学方法的不断发展,一些频率更小的遗传变异或小分子物质能够被更加...全基因组关联分析(GWAS)是一种通过对大规模样本集合进行基因型和表型数据的比较分析,寻找与特定性状相关的遗传变异的方法。随着高通量测序技术、生物信息学技术和统计学方法的不断发展,一些频率更小的遗传变异或小分子物质能够被更加精准和经济的方式检测。基于技术进步衍生出GWAS的扩展方法,为畜禽精准育种和遗传改良提供了新的思路,其中包括基于拷贝数变异(copy number variation,CNV)、结构变异(structural variation,SV)和串联重复序列(tandem repeats,TR)的GWAS和基于单倍型、基因表达和代谢组的GWAS。研究人员期望利用不同分子标记以提供更全面和详细的遗传变异信息来增加GWAS的解释性和准确性,或通过结合其他类型的数据来进一步解释和深化GWAS的结果,从而深入研究遗传变异与性状之间联系并确定影响复杂性状的关键基因。作者介绍了基于不同分子标记的GWAS在畜禽研究当中的应用并对其结果进行讨论,分析了不同方法的优势与可行性,为进一步推动GWAS在畜禽研究中的应用,精准育种和遗传改良提供更多的思路和支持。展开更多
全基因组关联分析(genome-wide association studies,GWAS)是近几年发展起来的解析作物表型多样性遗传基础的有效分析手段。GWAS以连锁不平衡为基础鉴定某一作物群体内农艺性状即表型数据与全基因组基因型数据或候选基因间的具体关系,...全基因组关联分析(genome-wide association studies,GWAS)是近几年发展起来的解析作物表型多样性遗传基础的有效分析手段。GWAS以连锁不平衡为基础鉴定某一作物群体内农艺性状即表型数据与全基因组基因型数据或候选基因间的具体关系,具有高通量(即在全基因组范围有效检测性状与基因位点的关联性)、精度高和花费时间少等显著优点,其在作物遗传育种中的作用日益凸显。本综述在系统介绍GWAS这种方法的基础上,详尽总结了其在油菜遗传育种中的应用和研究进展、存在的潜在问题及解决途径,以期为进一步利用GWAS进行油菜各种性状遗传基础的研究提供依据和参考。展开更多
在全基因组关联研究(genome-wide association studies,GWAS)中已鉴定到大量与疾病和复杂性状相关的突变位点,其中绝大部分位于基因组上的非编码区,通过多种方式参与到基因表达调控与表型产生的过程中。近年来,如何对这些突变进行系统...在全基因组关联研究(genome-wide association studies,GWAS)中已鉴定到大量与疾病和复杂性状相关的突变位点,其中绝大部分位于基因组上的非编码区,通过多种方式参与到基因表达调控与表型产生的过程中。近年来,如何对这些突变进行系统地注释和鉴定研究是疾病基因组学研究领域的一大挑战。机器学习算法的快速发展为相关研究工作提供了新的契机。结合多组学的数据特征,机器学习方法能够对基因组上的非编码区突变进行大规模与高准确性注释和预测,对于揭示突变的具体致病机制以及指导下游实验验证具有重要的参考价值。本文主要针对机器学习算法在非编码区突变注释研究中的应用进展进行综述,并对当前研究的不足之处和未来的研究方向进行讨论,以期为相关的研究工作提供参考。展开更多
文摘全基因组关联分析(genome-wide association studies,GWAS)是近几年发展起来的一种复杂性状研究的新方法。在过去几年中,国内外不少研究者对畜禽的重要经济性状、遗传缺陷性疾病、复杂疾病的抗性、品种的某些特征等性状开展了GWAS。这些研究不仅大大丰富了畜禽标记辅助选择中可利用的分子标记,而且为这些性状分子机理的探索研究提供了重要线索。本文对国内外畜禽GWAS中所用的群体、主要分析方法和研究结果进行综述,并对GWAS的研究应用做一展望,以期为进一步利用GWAS进行畜禽各种性状遗传基础的研究提供参考。
文摘全基因组关联分析(GWAS)是一种通过对大规模样本集合进行基因型和表型数据的比较分析,寻找与特定性状相关的遗传变异的方法。随着高通量测序技术、生物信息学技术和统计学方法的不断发展,一些频率更小的遗传变异或小分子物质能够被更加精准和经济的方式检测。基于技术进步衍生出GWAS的扩展方法,为畜禽精准育种和遗传改良提供了新的思路,其中包括基于拷贝数变异(copy number variation,CNV)、结构变异(structural variation,SV)和串联重复序列(tandem repeats,TR)的GWAS和基于单倍型、基因表达和代谢组的GWAS。研究人员期望利用不同分子标记以提供更全面和详细的遗传变异信息来增加GWAS的解释性和准确性,或通过结合其他类型的数据来进一步解释和深化GWAS的结果,从而深入研究遗传变异与性状之间联系并确定影响复杂性状的关键基因。作者介绍了基于不同分子标记的GWAS在畜禽研究当中的应用并对其结果进行讨论,分析了不同方法的优势与可行性,为进一步推动GWAS在畜禽研究中的应用,精准育种和遗传改良提供更多的思路和支持。
文摘全基因组关联分析(genome-wide association studies,GWAS)是近几年发展起来的解析作物表型多样性遗传基础的有效分析手段。GWAS以连锁不平衡为基础鉴定某一作物群体内农艺性状即表型数据与全基因组基因型数据或候选基因间的具体关系,具有高通量(即在全基因组范围有效检测性状与基因位点的关联性)、精度高和花费时间少等显著优点,其在作物遗传育种中的作用日益凸显。本综述在系统介绍GWAS这种方法的基础上,详尽总结了其在油菜遗传育种中的应用和研究进展、存在的潜在问题及解决途径,以期为进一步利用GWAS进行油菜各种性状遗传基础的研究提供依据和参考。
文摘在全基因组关联研究(genome-wide association studies,GWAS)中已鉴定到大量与疾病和复杂性状相关的突变位点,其中绝大部分位于基因组上的非编码区,通过多种方式参与到基因表达调控与表型产生的过程中。近年来,如何对这些突变进行系统地注释和鉴定研究是疾病基因组学研究领域的一大挑战。机器学习算法的快速发展为相关研究工作提供了新的契机。结合多组学的数据特征,机器学习方法能够对基因组上的非编码区突变进行大规模与高准确性注释和预测,对于揭示突变的具体致病机制以及指导下游实验验证具有重要的参考价值。本文主要针对机器学习算法在非编码区突变注释研究中的应用进展进行综述,并对当前研究的不足之处和未来的研究方向进行讨论,以期为相关的研究工作提供参考。
基金Research from the corresponding author’s laboratory was supported by grants from China Postdoctoral Science Foundation(No.2019M661661)Shanghai Super Postdoctoral Fellow,China(No.2019115).
文摘新药研发的失败率之高众所周知,其中一个原因是依靠动物实验获得的临床前数据无法真实反映人类生理情况,不可避免地在药物进入临床试验后产生偏差,最终可能导致研发失利。基于人诱导性多能干细胞(induced pluripotent stem cells,iPSCs)或成体干细胞建立的疾病模型一方面提供了大量的细胞原材料;另一方面,由于iPSCs或成体干细胞可来源于患者,因而可准确模拟疾病的遗传背景。因此,干细胞疾病模型为药物临床前试验提供了更贴近人体生理和病理情况的体外细胞模型。更进一步地,通过建立群体iPSCs细胞库,可在体外细胞培养皿内进行人类遗传学研究,采用全基因组关联研究(genome-wide association study, GWAS)及定量性状基因座(quantitative trait locus, QTL)等方法筛选人群中与疾病、药物敏感性差异、细胞毒性差异相关的易感位点,为特定药物的毒性、易感性人群间差异等提供遗传学基础,进而为后续临床试验中合适的试验人群的招募提供理论依据。因而,干细胞疾病模型可潜在辅助新药研发,提高新药临床前试验的准确率,降低新药研发的周期和成本。本文以肝脏代谢疾病为对象,对干细胞来源的肝脏细胞疾病模型在代谢功能方面的生理机制研究、药物筛选和评估等领域进行综述。
