连锁分析VS关联分析：相爱相杀？
图1 《史密斯夫妇》海报
昨天我们已经介绍了什么是GWAS以及5条影响GWAS定位结果的要素（☞☞☞戳这里复习：5条影响GWAS定位的要素 ☜☜☜），那么与之对应的连锁分析和它是怎样的关系呢？势如水火？相爱相杀？感觉是一部家庭时尚伦理大片打开的节奏（没错，科技君脑海里已经浮现出《史密斯夫妇》的经典情节），赶快走起！
连锁分析一般是表型差异较大的两个纯系亲本杂交衍生的作图群体，只要存在连锁，在群体中就能观测到连锁不平衡，另外群体有明确的等位基因和等位基因频率，不存在群体结构。在这样的群体中不平衡和遗传连锁是互为因果关系。相较于GWAS，利用连锁分析检测罕见变异更有效。
1.需要构建作图群体：耗时长，而且有些物种构建群体难度大。
2.检测QTL的个数有限：分离群体来自于双亲，连锁分析也只涉及到双亲间存在差异的位点，如果QTL在双亲间基因型一致，那么这个位点会被遗漏。同时也无法分辨检测到的QTL位点是否存在复等位基因。
3.QTL分辨率低：双亲构建的作图群体，只有有限代（几次到十几次）的重组事件发生，基因座位间发生重组的次数有限，即使标记密度再密，最终定位的区间也受重组的限制相对会大一些。
4.QTL有效性的限制性：一个群体中特定环境下定位的QTL在其他杂交组合中不一定存在或者效应值不同，因此双亲群体中特定环境检测到的QTL有待其他群体和环境的验证。
关联分析研究一般是自然群体，无需构建群体，节约群体构建时间（利用作图群体或是多亲本衍生家系样本除外）；可同时对同一个基因座的多个等位基因进行分析；利用自然群体长期进化过程中累积的重组信息，定位结果分辨率更高，甚至可以直接定位到基因本身。
1.随机交配掩盖基因座间连锁关系：样本来源比较复杂，在这样的群体中长期的随机交配会掩盖基因座位间的连锁关系，两个座位间存在遗传上的连锁，但不一定能够看到不平衡存在。
2.群体结构导致定位结果假阳性：如果个体是来自于不同遗传结构的亚群，由于群体结构的存在，导致独立遗传基因座位间检测到关联信号，但是两个基因座位间的连锁不平衡来源于群体结构。
3.关联分析中需要大量的分子标记，从中找到与性状基因紧密连锁的标记，期望这些标记与基因间的不平衡尚未被随机交配打破。
动植物基于家系进行连锁分析首先需要构建连锁图谱。连锁图谱是指基因或标记在染色体上的相对位置和遗传距离（利用重组率计算的遗传距离，区别于物理距离）。基于高通量测序开发SNP标记可以构建高密度的遗传图谱，也可以用连续多个连锁的SNP判断染色体片段来源构建Bin Map。QTL定位是通过分析分子标记和数量性状表型值的关系，将QTL逐一定位到连锁群的相应位置，并估计其遗传效应。
图2 QTL定位结果展示[1]
连锁图谱最理想的情况下是连锁群与染色体条数相同，但是如果有的染色体较长，也有可能一条染色体上被划分为不同的连锁群。染色体旁边红色、蓝色、绿色和不同的形状代表不同环境下不同的表型，图中标示了QTL定位的位置。通过连锁分析还可以计算每个QTL的效应值。
manhattan plot和QQ plot（图3）[2]是查看GWAS定位结果和计算模型合理性的标配图，几乎每个GWAS文章中都有。
图3 GWAS定位结果的manhattan plot和QQ plot[2]
e、简单模型下的manhattan plot；f、简单模型的QQ plot; g、Compressed混合线性模型下的manhattan plot；h、Compressed混合线性模型的QQ plot。 Compressed混合线性模型下超过阈值的位点大幅降低。QQ plot是用于评估模型的合理性的，QQ图的意义在于基因型和性状无关联的情况下，各个标记P-value的观察值和期望值是相等的（红线），但是由于出现了基因型和性状有关联的情况，P-value往往会偏离y=x这条线。Compressed混合线性模型考虑到群体结构有效控制了P-value膨胀。
连锁分析和关联分析分别有各自适合的领域，根据研究目的和样本特性，华大基因依据多年的经验为您提供针对性的科研服务。
参考文献：
1.Gao Z Y, Zhao S C, He W M, et al. Dissecting yield-associated loci in super hybrid rice by resequencing recombinant inbred lines and improving parental genome sequences [J]. Proceedings of the National Academy of Sciences, 2013, 110(35): 14492-14497.
2.Huang X, Wei X, Sang T, et al. Genome-wide association studies of 14 agronomic traits in rice landraces [J]. Nature genetics, 2010, 42(11): 961-967.
3.Li H, Peng Z, Yang X, et al. Genome-wide association study dissects the genetic architecture of oil biosynthesis in maize kernels [J]. Nature genetics, 2013, 45(1): 43-50.
4.Chia J M, Song C, Bradbury P J, et al. Maize HapMap2 identifies extant variation from a genome in flux[J]. Nature genetics, 2012, 44(7): 803-807
5.Wang H, Xu X, Vieira F G, et al. The power of inbreeding: NGS based GWAS of rice reveals convergent evolution during rice domestication [J]. Molecular plant, 2016.
6.Valliyodan B, Qiu D, Patil G, et al. Landscape of genomic diversity and trait discovery in soybean [J]. Scientific reports, 2016, 6.
7.Xu X, Zeng L, Tao Y, et al. Pinpointing genes underlying the quantitative trait loci for root-knot nematode resistance in palaeopolyploid soybean by whole genome resequencing[J]. Proceedings of the National Academy of Sciences, 2013, 110(33): 13469-13474.
8.Gao Z Y, Zhao S C, He W M, et al. Dissecting yield-associated loci in super hybrid rice by resequencing recombinant inbred lines and improving parental genome sequences [J]. Proceedings of the National Academy of Sciences, 2013, 110(35): 14492-14497.
9.Jin Z, Jianbo J, Guannan L, et al. Rapid SNP Discovery and a RAD-Based High-Density Linkage Map in Jujube (Ziziphus Mill.)[J]. Plos One, 2014, 9(10):e109850-e109850.
10.Yu G, Hui Y, Fang D, et al. An improved 2b-RAD approach (I2b-RAD) offering genotyping tested by a rice (Oryza sativa L.) F2 population [J]. Bmc Genomics, 2014, 15(1):956-956.
11.Qi X, Li M W, Xie M, et al. Identification of a novel salt tolerance gene in wild soybean by whole-genome sequencing [J]. Nature communications, 2014, 5.
12.Shao C, Niu Y, Rastas P, et al. Genome-wide SNP identification for the construction of a high-resolution genetic map of Japanese flounder (Paralichthys olivaceus): applications to QTL mapping of Vibrio anguillarum disease resistance and comparative genomic analysis [J]. DNA Research, 2015, 22(2): 161-170.
13.Wang L, Xia Q, Zhang Y, et al. Updated sesame genome assembly and fine mapping of plant height and seed coat color QTLs using a new high-density genetic map [J]. BMC genomics, 2016, 17(1): 1.
14.Peng Y, Hu Y, Mao B, et al. Genetic analysis for rice grain quality traits in the YVB stable variant line using RAD-seq [J]. Molecular Genetics and Genomics, 2016, 291(1): 297-307.
15.Zhu J, Niu Y, Tao Y, et al. Construction of high‐throughput genotyped chromosome segment substitution lines in rice (Oryza sativa L.) and QTL mapping for heading date [J]. Plant Breeding, 2015, 134(2): 156-163.
撰稿：小 萍
编辑：市场部
猜你喜欢
请继续关注“BGI华大科技”公众号，
科技君将一如既往地为你提供精彩内容！
如有相关问题，欢迎后台留言~~
▼
关注华大科技，尽享精彩科研！