华中农业大学博士生一作在植物科学一区Top期刊(IF:10.5)发表研究成果!

学术   2024-11-26 16:41   广东  

2024年11月23日,华中农业大学章元明团队在Plant Communications在线发表题为“The integration of quantile regression with 3VmrMLM identifies more QTNs and QTNs-by-environment interactions using SNP and haplotype-based markers”的研究论文。该研究将分位数回归和3VmrMLM整合提出的q3VmrMLM方法显著提高了QTNs及其环境互作的检测功效,q3VmrMLM-Hap也增加了复等位基因和稀有变异的检测功效;与分位数回归关联分析方法相比,首次实现了多基因背景控制;与3VmrMLM相比,将全基因组扫描的Wald检验改为秩得分统计量。

https://doi.org/10.1016/j.xplc.2024.101196





研究背景



关联分析是一种广泛用于动植物、微生物和人类复杂性状的基因挖掘方法。虽然关联分析已挖掘了大量的关键基因,但是大多是信号较强、效应较大的基因,且缺乏环境互作和上位性检测的实用方法。为此,该团队建立了压缩方差组分混合模型3VmrMLM新方法(Li et al., 2022)。然而,当前的方法仍然还是检测目标性状平均数与两等位SNP标记的关联,在检测标记基因型间方差异质和不同分位数模型效应异质的QTNs及其环境互作仍显乏力,检测稀有变异和复等位变异仍有待提高功效。为此,本研究将分位数回归融入3VmrMLM方法。



研究内容



本研究提出了分位数与群体结构等固定效应、待估计的随机效应向量、需要控制的效应向量多基因背景和误差的压缩方差组分混合模型方法,q3VmrMLM,使分位数回归与3VmrMLM完美融合,首次实现了分位数回归的多基因背景控制,利用Wang等(2022)的秩得分统计量进行全基因组快速扫描以获得潜在关联位点;利用机器学习和似然比检验在潜在关联位点多位点模型鉴定显著关联QTNs及其环境互作,提高了标记基因型间方差异质和不同分位数模型效应异质的QTNs及其环境互作的检测功效(图1)。

图1  q3VmrMLM的基本框架

在1439个杂种F1数据的重新分析中,q3VmrMLM(179)检测的异质QTNs数显著多于3VmrMLM(123)、SKAT (27)和iQRAT(29)方法(图2,显示一个关联分析图);q3VmrMLM-Hap(121)检测的低频QTNs比q3VmrMLM(51)、3VmrMLM(43)、SKAT(11)和iQRAT(12)方法更多;两种新方法共检测到261个前人已报道基因,其中175个已知基因被现有方法检测到,说明新方法与3VmrMLM方法具有互补性。

图2  q3VmrMLM检测的1439个杂种F1抽穗期QTNs和QTN×环境互作



作者简介



华中农业大学植物科学技术学院博士生孙文献为本论文第一作者。章元明教授为通讯作者。章元明教授团队的常晓宇陈莹赵琼参与了本研究。本研究软件包q3VmrMLMhttps://github.com/YuanmingZhang65/q3VmrMLM可免费下载。本研究得到国家自然科学基金项目的资助。



参考文献



Sun Wen-Xian, Chang Xiao-Yu, Chen Ying, Zhao Qiong, Zhang Yuan-Ming. The integration of quantile regression with 3VmrMLM identifies more QTNs and QTNs-by-environment interactions using SNP and haplotype-based markers. Plant Communications, available online ** November 2024, 101196


Li M, Zhang YW, Zhang ZC, Xiang Y, Liu MH, Zhou YH, Zuo JF, Zhang HQ, Chen Y, Zhang YM. A compressed variance component mixed model for detecting QTNs and QTN-by-environment and QTN-by-QTN interactions in genome-wide association studies. Mol. Plant 2022; 15:630–650.


Wen YJ, Zhang H, Ni YL, Huang B, Zhang J, Feng JY, Wang SB, Dunwell JM, Zhang YM, Wu R. Methodological implementation of mixed linear models in multi-locus genome-wide association studies. Brief. Bioinform. 2018; 19: 700–712.


Wang T, Ionita-Laza I, Wei Y. Integrated quantile rank test (iQRAT) for gene-level associations. Ann. Appl. Stat. 2022; 16:1423–1444.


溪远讲植物科学
推送最前沿植物科学研究进展及咨讯,分享常规植物学研究方法,为您成为植物学家助一臂之力!
 最新文章