一文说清楚BSA分析的阈值选择 | 群体遗传专题

进行性状定位，不管是遗传图谱QTL定位，GWAS还是BSA，都会采取一个阈值，阈值线以上的位点即认为是和表型关联的位点/区间。遗传图谱进行QTL定位，一般取LOD=3或者PT检验1000次，设定0.95或者0.99置信度对应的阈值，也有少数文献选择LOD=2.5或者LOD=2的情况，阈值线降低的目的就是希望能不遗漏部分为点。在少数情况下，比如定位到的区间过少甚至没有，降低阈值也是一种获得关联区间的方法。全基因组关联分析（GWAS）则取经过Bonferroni校正后的阈值或者Benjamini and Hochberg FDR校正后的阈值。BSA作为一种新型的经济高效的性状定位方法，也有自己的一套阈值确定标准。下面笔者就介绍下BSA常见的阈值选择标准。

先汇总下BSA主要的阈值选择标准：

1.通过10000（或者1000）次的模拟后选择90%，95%和99%的置信区间的SNP-index值；

2. 99%或者95%的分位数，或者所有SNP位点SNP-index 的平均值+3标准差；

3. 根据分离群体的遗传分离比确定阈值；

4. ED算法中的阈值。

第一种具体操作如下：基于计算模拟，通过随机抽样建立两个具有给定数量个体的后代池。从每个池中采取给定数量的等位基因和对应的测序reads深度信息，然后计算SNP-index和△SNP-index值，如此重复10000次（或者1000次）后可生成90%，95%和99%的置信区间。此方法每个SNP位点都会对应3个阈值点，因此该阈值线是动态变化的。为了计算起来更简便快捷，SNP-index法阈值确定又有一些变种出现。在以上10000次模拟计算后，把每次的计算结果做一个排序，分别取位于95%，99%处的值作为阈值。这个时候的阈值就是一个恒定值，也就是一条直线。部分研究在进行阈值计算之前，还会使用LOESS算法等对数值进行平滑处理，使得最终得到的区间结果更完整。

第二种就简单多了，直接取△SNP-index值的99%分位数或者95%的分位数作为阈值。该阈值方法简单粗暴，对于质量性状BSA定位或者通过第一种方法未取得关联区间的情况下使用。平均值+3标准差也是99%或者95%分位数阈值的替代方案。

第三种，利用遗传分离比确定阈值。这种最常见在F2群体，△SNP-index阈值取0.67。

第四种专属于ED算法的阈值

ED算法阈值众多：有平均值+3X标准差，有ED⁴＞0.1，也有ED⁵ 的99%分位数。

BSA中还有其他阈值，在此笔者就不一一列举，感兴趣读者可阅读联川生物出品的《NGS时代的BSA百科全书》（浙江大学樊龙江老师做序联川BSA百科全书）。

靠谱er总结：

BSA分析方法虽然简单，但是阈值确定的标准众多，但是不管何种标准，最终的目的只有一个，就是能定位到目标区间。定位到目标区间后，区间如果达到精细定位的水平，就可以往候选基因筛选方向进行了；如果只是个初定位的实验设计，那还要继续进行下游的精细定位。

相关阅读