方案模板轉(zhuǎn)錄組-gwas模版

目研究背 實(shí)驗(yàn)材 實(shí)驗(yàn)流 技術(shù)路 馬鈴薯種群篩 轉(zhuǎn)錄組GWAS分 5.1數(shù)據(jù)與參考組序列比 SNP分 結(jié)構(gòu)分 PCA分 SNP關(guān)聯(lián)分 GEM關(guān)聯(lián)分 SNP與GEM聯(lián)合分 5.7.1表達(dá)量計(jì) 差異表達(dá)篩 差異表達(dá)富集分 轉(zhuǎn)錄組GWAS案 中的分子變異與表型變異之間的相關(guān)關(guān)系，也是發(fā)現(xiàn)、定位及對(duì)進(jìn)個(gè)親本的后代作圖群體中；④精度高，可達(dá)到單的水平轉(zhuǎn)錄 的方法進(jìn) 定位研究效果均不理想，基于此情況，考慮從轉(zhuǎn)錄組水平進(jìn)11參考序列進(jìn)行后續(xù)轉(zhuǎn)錄 分析2參考序列進(jìn)行后續(xù)轉(zhuǎn)錄 分析2200從外顯子區(qū)進(jìn)行SNP篩選，直接得 信息；同時(shí)從序列和表達(dá)量水平雙視角進(jìn)行關(guān)聯(lián)分別利用SNP和GEM標(biāo)記進(jìn)行關(guān)聯(lián)分析轉(zhuǎn)錄 適用范廣，無(wú) 組大小、倍性和有無(wú)參考序列，均可適用實(shí)驗(yàn)材基于轉(zhuǎn)錄組學(xué)研究方法進(jìn)行大規(guī)模狀挖掘的關(guān)鍵在于樣本及取樣的行轉(zhuǎn)錄組。200注性狀的表型數(shù)據(jù)注性狀的表型數(shù)據(jù)進(jìn) 種質(zhì)的篩選篩出200份左右的群體進(jìn)行4G-6G轉(zhuǎn)錄 ，將得到的SNP信息與表型數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析全長(zhǎng)轉(zhuǎn)全長(zhǎng)轉(zhuǎn)錄織SNP表型的關(guān)聯(lián)，為了檢測(cè)表型的關(guān)聯(lián)，為了檢測(cè) 檢測(cè) 的SNP信息實(shí)驗(yàn)流度和完整性等樣品檢測(cè)合格后構(gòu)建轉(zhuǎn)錄組分別使用Qubit2.0和Agilent2100InsertSizeQ-PCR方法對(duì)文庫(kù)的有效濃度進(jìn)行準(zhǔn)確定量。庫(kù)檢合格后，用IlluminaHiSeq，PE150。PCR1技術(shù)路 序列水表達(dá)水表型性篩分群體材 關(guān)聯(lián)區(qū) 注GEM與性狀關(guān)SNP與性狀關(guān)馬鈴薯種群篩1000原則進(jìn)原則進(jìn) 種群樣品的篩選綜合選出約200份馬鈴馬鈴薯全長(zhǎng)轉(zhuǎn)錄組三代全長(zhǎng)轉(zhuǎn)錄組通過(guò)對(duì)一個(gè)物種不同處理?xiàng)l件處理樣品混合，根據(jù) 3GWAS數(shù)據(jù)與參考組序列比將符合質(zhì)量要求的片段比對(duì)到參考組獲取在參考組或上圖4數(shù)據(jù)在上的分SNP分利用針對(duì)轉(zhuǎn)錄組的比對(duì)軟件STAR（ bin/STAR/releases）對(duì)每個(gè)樣本的reads與參考序列進(jìn)行比對(duì)，并通過(guò)（）針對(duì)RNA-seq的SNPcalling5SNP結(jié)構(gòu)分結(jié)構(gòu)分析主要利用系統(tǒng)發(fā)育樹(shù)、群體遺傳結(jié)構(gòu)和PCA分析等，綜合檢測(cè)用于GWAS的樣品是否存在明顯的群體結(jié)構(gòu)分化，并用于混合線性模型中Q值計(jì)系統(tǒng)發(fā)育樹(shù)分SNPapeneighbour-joining200份馬鈴薯樣6群體結(jié)構(gòu)分基于SNP，通過(guò)admixture軟件，分別假設(shè)所有樣品的分群數(shù)（K值）為2-為最優(yōu)分群數(shù)。K2-10的structure情況見(jiàn)下圖：7PCA分SNP8PCASNP關(guān)聯(lián)分SNPTASSEL軟件的混合線性模型(compressedMLM)得到關(guān)聯(lián)值，計(jì)算如下所示。其中樣品群體結(jié)構(gòu)矩陣Q通過(guò)admixture軟件計(jì)算，樣品間親緣關(guān)系矩陣K通過(guò)SPAGeDi軟件計(jì)算，X為型，y為表型，最終每個(gè)SNP位點(diǎn)都能得到一個(gè)關(guān)聯(lián)值。y=1 Trait5TraitTrait3TraitTrait9Trait0Trait1圖9全組關(guān)聯(lián)分析結(jié)注：左圖為關(guān)聯(lián)分析的曼哈頓圖，圖中縱坐標(biāo)為關(guān)聯(lián)值的-lg值，橫坐標(biāo)為；一個(gè)點(diǎn)代表一個(gè)GEM2 Trait8TraitTrait0TraitTraitTrait1SNPGEM選擇SNP關(guān)聯(lián)和GEM關(guān)聯(lián)兩種方法交疊的轉(zhuǎn)錄本作為候選轉(zhuǎn)錄本，統(tǒng)計(jì)各個(gè)閾值下各性狀的候選轉(zhuǎn)錄本數(shù)目，并對(duì)候 進(jìn)行功能注釋和通路分析表達(dá)量計(jì)利用FPKM值（每百萬(wàn)個(gè)片段中每kb上的片段數(shù)）對(duì)樣品中的數(shù)據(jù)量和長(zhǎng)度進(jìn)行了歸一化，對(duì)的表達(dá)水平進(jìn)行定量。差異表達(dá)篩運(yùn)用差異分析軟件DESeq進(jìn)行差異表達(dá)的篩選，在差異篩選中，我們選取FDR<0.01且FoldChange>=2作為標(biāo)準(zhǔn)。篩選出的差異表達(dá)做差異的協(xié)同表達(dá)和樣品間差異的趨勢(shì)。通過(guò)火山圖(右圖)可以快速地查看基圖10差異表達(dá)聚類分 圖11差異表達(dá)火山差異表達(dá)富集分利用topGO軟件對(duì)差異表達(dá)進(jìn)行GO富集層次分（左圖利用KEGG通路富集分析（右圖） 圖12差異表達(dá)GO富集層次分 圖13KEGG通路富集分方案的可行新近發(fā)展起來(lái)的RNA-seq技術(shù)是高通量的挖掘和表達(dá)分析的方法，是強(qiáng)大的可在轉(zhuǎn)錄組水平開(kāi)展功能組學(xué)研究的工具高通量可用于缺少基因組序列信息的非模式物種中轉(zhuǎn)錄組的denovo組裝和表達(dá)分析，是功能研究的有力工具。從而得到表達(dá)、可變剪切、結(jié)構(gòu)優(yōu)化、新發(fā)現(xiàn)等分析結(jié)果基于轉(zhuǎn)錄組進(jìn)行大規(guī)模群體遺傳進(jìn)化分析及功能挖掘是Harper等(2012)通過(guò)對(duì)84個(gè)油菜品種進(jìn)行轉(zhuǎn)錄組，開(kāi)發(fā)并篩選大量有效SNP，通過(guò)SNP關(guān)聯(lián)分析及GEM關(guān)聯(lián)分析相結(jié)合實(shí)現(xiàn)功能定位。播種21天后的植株葉片進(jìn)行了轉(zhuǎn)錄組，IlluminaPE=80bp，每個(gè)品系平均數(shù)據(jù)QTL位點(diǎn)重合。因?yàn)檫@個(gè)文章的樣本量比較低，序列與聯(lián)分析，得到兩個(gè)控制芥子油苷含量的位點(diǎn)Fu等(2012)15368個(gè)玉米自交系的籽粒進(jìn)行轉(zhuǎn)錄組測(cè)序，檢測(cè)SNP標(biāo)記和表達(dá)數(shù)量性狀位點(diǎn)（eQTL）分析。鑒定了16,408個(gè)表達(dá)數(shù)量性狀位點(diǎn)通過(guò)兩步法將95.1%的eQTL定位在110kb的區(qū)域其中67.7%的區(qū)間里只有1個(gè)。eQTL和它們目標(biāo)間關(guān)系的建立揭示了大規(guī)模的調(diào)控網(wǎng)絡(luò)，這個(gè)網(wǎng)絡(luò)里包括了31個(gè)玉米蛋白和16個(gè)重要的籽粒的調(diào)控。對(duì)我合作單位百邁客生物科技是具有高通量技術(shù)和生物信息學(xué)服務(wù)的高新技術(shù)企業(yè)公司的產(chǎn)品已廣泛應(yīng)用組遺傳圖譜構(gòu)建全組關(guān)聯(lián)分析轉(zhuǎn)錄組重小RA等領(lǐng)域先后完成SF-qap8條生物信息分析業(yè)務(wù)線流程的構(gòu)建。申請(qǐng)獲得一項(xiàng)專利（基于和SA技術(shù)的性狀相關(guān)的分子標(biāo)記篩選方法）和20項(xiàng)軟件著作權(quán)。對(duì)獼猴桃組成果已在《NatureCommunication》