同样的群体材料发表多篇高分文章的密码（2）| 群体遗传专题

上一期靠谱er为大家解析了川农沈亚欧课题组4篇paper的文章材料和方法的架构（详情请看>>同样的群体材料发表多篇高分文章的密码（1）| 群体遗传专题），这一期我们继续解构其实验设计和结果部分。

先单独看看着4篇文章的总体设计。

Plant Biotechnology Journal：基于310份自然群体和265个DH系群体，9种不同种植环境的玉米籽粒大小表型的GWAS和QTL联合定位分析，筛选籽粒大小的候选基因并进行分子功能验证。

Theoretical and Applied Genetics：基于310份自然群体和250个DH系群体，6种不同种植环境的玉米产量构成表型（穗轴直径，穗轴重量，穗直径，穗长度，穗行数，单穗重，百粒重，每穗行粒数，每穗粒重）的GWAS和QTL联合定位分析，解析玉米产量构成的遗传结构，筛选关联位点和候选基因，并对部分关联位点进行验证。

Physiologia Plantarum：基于332份自然群体和274个DH系群体，5种不同种植环境的玉米凸尖表型的GWAS和QTL联合定位分析，筛选关联位点和候选基因，并对部分关联位点进行验证。

Molecular Genetics and Genomics：基于310份自然群体和252个DH系群体，6种不同种植环境的玉米籽粒容重表型的GWAS和QTL联合定位分析，并进行候选基因的筛选。

小结：从以上基本的实验设计可以看出来，影响因子高的paper的性状的重要性越高、性状考察的工作量也越大，定位的结果也越理想且对定位的结果或者候选基因进行了的验证。

下面看具体的结果。

Plant Biotechnology Journal：

1.表型基本变异分析，遗传力分析，相关性分析。

2. 单独描述GWAS的研究结果，以不同关联模型作为维度，然后选择3种模型均检测到的21个SNP挖掘候选基因，由于芯片设计时候多考虑到的是基因区SNP，所以这21个SNP中，大多数（17个）位于基因区，而且，这些基因的同源基因在其他物种中有跟产量相关的功能。然后以环境为维度，描述了不同环境中稳定表达的SNP位点。

3.遗传图谱QTL定位到的结果描述。由于QTL定位分辨率低，描述未深入到基因层面。

4. GWAS和遗传图谱QTL定位共定位到的候选基因描述。此时候选基因筛选就跟第2点不一样了，采用共定位SNP上下游共220kb的区间作为候选区间，共发现了50个候选基因，包含转录因子，酶以及转运蛋白。此外，还鉴定到了7个miRNA。

5.由于候选基因较多，作者又利用已经发表的籽粒转录组数据，并发现位于共定位区间的候选基因多数都有差异表达，因此结合表达分析想缩小候选基因的想法失败。作者又不得不把目光放在miRNA上。

6. 继续挖掘已经发表的数据，作者发现7个中的2个miRNA表达量高，其中一个miRNA 还被报道参与了拟南芥的胚乳发育。以此为突破口，作者就构建了zma-miR164e,转基因的表达载体，进行了一系列的 转拟南芥实验，最终验证了该miRNA的功能，同时找到了该miRNA的靶基因。

Theoretical and Applied Genetics：

1.表型基本变异分析，遗传力分析，相关性分析。然后以表型为维度，把表型分成4类分别进行QTL定位描述、GWAS描述，GWAS效果感觉一般。

2.继续以定位到的位点为维度，发掘一因多效的位点（位点相同，表型不同）。

3.QTL定位和GWAS共定位的区间挖掘。

4. 依据共定位的SNP筛选候选基因，方法为SNP上下游共300Kb（LD衰减值）。

5. 对共定位的一个SNP进行PCR一代测序后验证。

Physiologia Plantarum：

1. 表型的变异分析、环境互作分析；

2.GWAS和候选基因筛选。作者用了三种模型，通过QQ图发现MLM模型最适合该材料，就只选择了MLM模型的结果。描述关联结果时重点看了P值最显著以及不同环境均能检测到的位点。然后描述了以上位点所处的基因及其功能。

3. 从关联群体中筛选到30个优秀的自交系对应的优秀的等位基因，然后看不同的优秀等位基因在关联群体中的比例。

4.DH系群体的QTL定位结果描述。

5. QTL和GWAS共定位的区间和候选基因。这里候选区间的划分标准是共定位SNP上下游共300kb的区间，1个区间，18个基因。

6.基于候选基因的关联分析进一步对GWAS和QTL共定位的区间基因验证，共有4个基因的11个SNPs与表型关联。

Molecular Genetics and Genomics：

1. 表型描述，内容更细致；

2.群体结构和连锁不平衡，这个，跟之前的研究结果非常一致，有凑篇幅之嫌；

3. 分别列举了遗传图谱QTL和GWAS的结果（GWAS6种模型，选择了最合适 的FarmCPU模型结果），以及优秀等位基因在自然群体中的占比；

4. 只利用GWAS的结果进行候选基因筛选，总共18个SNP位点，其中12个位于基因区域；

5. GWAS和QTL定位共定位区域的候选基因，一个区间，17个基因。

小结：这四篇paper的结果部分，靠谱er认为最值得学习的地方有两点，第一点是面对如此多的数据，如何选择主线并展开描述。比如在描述GWAS结果时候，到底是以不同模型同时关联到的结果为依据，还是以某个“最适合”模型关联到的结果为依据；不同环境结果，以关联P值最大为依据，还是不同环境能同时检测到的位点为依据。第二点是具有类似结果的文章架构以及语言描述如何避免过于类似，这里主要是涉及一些研究的逻辑处理以及语言的描述的艺术。某些结果可以从不同的逻辑角度切入，或者顺序做一些调换，或者加加减减一些周边的内容。

最后一部分是讨论部分。4篇文章中最令人印象深刻的是Theoretical and Applied Genetics这篇，堪称教科书式的讨论。下面靠谱er就一一列举下讨论的逻辑，以后定位类的文章讨论就可以完全按照这个逻辑进行了。

1. 就事论事，首先讨论了玉米产量形成的遗传结构，先总结最近相关产量性状定位的文章发表情况，然后总结本文的结果，并和前人定位的结果对比，遗传图谱QTL定位中新发现的且稳定的QTL可以继续走精细定位的路子，GWAS由于分辨率高，新发现的稳定的位点有用于MAS的潜力。

2. 讨论一因多效，先引用前人报道的产量相关性状的一因多效的paper，然后继续精简描述本文的一因多效，同时把表型的相关性融合进来。最后跟前人的结果对比，发现一些一致的一因多效位点。

3. 连锁分析和关联分析联合的方法论讨论，说明这个方法对于解析玉米产量遗传结构的有效性。这个方法论的讨论在这4篇paper中均有进行。

4. 先说一顿MAS应用进展，刷刷参考文献。然后聚焦在本文的多环境稳定检测到，有一因多效，共定位到的位点上，尤其把其中主效位点（R2＞10%）挑选出来，说明有MAS应用的潜力。最后单独挑出经过一代测序验证的位点，可以继续精细定位基因克隆和MAS遗传改良。这部分描述QTL就像漏斗一样，层次分明。

最后靠谱er总结下这4篇paper的亮点和遗憾。

Plant Biotechnology Journal：基于大量的环境表型，通过GWAS和遗传图谱QTL共定位，找到了控制籽粒大小的分子机制：miRNA调控以及对应的靶基因。遗憾就是只转了拟南芥，没有转玉米。

Theoretical and Applied Genetics：文章的结果呈现部分非常具有条理性，有扒开云雾见月明的感觉，令人印象深刻。讨论部分非常精彩。遗憾的地方是没有鉴定到真正的候选基因。

Physiologia Plantarum：本文给人印象最深的是做工、用料扎实，不管是表型鉴定，还是文中的一些定位周边的结果，比如优秀的等位基因的占比统计，简单实用。然后就是本文的讨论部分，同样值得称道：讨论部分针对与前人研究不符的原因，作者做了总结，靠谱er也觉得非常nice，小本本可以先记起来。另外针对凸尖表型候选基因的讨论，引文从古至今，非常全面。最后讨论当然也少不了MAS育种的层面，这一点根植于结果部分的优秀等位基因在关联群体中的占比分析。比干巴巴的讨论更有味道。

Molecular Genetics and Genomics：该文连锁分析和关联分析定位结果一般，这是个弱点，但是作者通过详细描述表型情况，利用6种不同关联模型，一定程度的弥补了不足，彰显了其他方面的优势，对非机制类paper的撰写也具有很强的借鉴意义。

点击下方图片进入OmicStudio资料汇总（整合了B站和公众号中的精品资源，及时更新，永久有效）

云平台网址：https://www.omicstudio.cn

云平台特点：

• 免费免费免费

• 所见即所得

• 生信人员直接开发

• 可下载PPT格式

• 绘图带数据处理功能 

• 分析参数多样（结合多年售后经验提供） 

• 一键分析 

联川生物云平台OmicStudio至今已帮助28000+科研伙伴处理各类组学数据，点击量累计超77000+。目前提供多种云工具、生信分析流程以及各种干货资料和用户文章，已被Theranostics，Bioresource Technology Reports等杂志的多篇文章引用。

相关阅读