基于全基因组关联研究的tag SNP预测方法的研究与分析

SNP是指基因序列中碱基对的变异,通过对人体SNP位点进行基因分型,可以有效帮助人们找出与遗传疾病相关的基因。然而,对所有SNPs位点进行基因分型的成本过于昂贵。研究表明,部分最具有代表性的SNPs(标签SNP,tag SNP)就可以区分基因变异,选择高质量的tag SNP成为基因研究中的热点内容。论文提出一种基于连锁不平衡度的Genet⁃ic-majority dominance(GMD)tag SNP预测方法评估tag SNP质量,该方法通过对遗传算法每一次迭代选择的tag SNP集按照多数占优的原则进行预测,定量分析tag SNP集质量。结果表明,论文所提出的方法可以有效评估tag SNP集的质量。

利用随机扰动特性的集合覆盖蚁群算法识别tag SNPs

序列中的标签SNPs-tag SNPs携带了SNPs数据集的绝大部分遗传信息,因此寻找tag SNPs意义重大.但从SNPs数据集中找出tag SNPs需要耗费巨大的计算量,传统的方法效率低且费用昂贵,对于复杂的集合覆盖问题,现有算法难以得到优化解.鉴于蚁群算法有较强的近优解搜索能力,提出具有随机扰动特性的集合覆盖蚁群算法(RCACO)用于tag SNPs搜索.模拟数据集上进行的算法实验结果表明,与近两年的PSO、GA两类算法相比,所提出的算法运行时间较短,搜索结果精确度更高.

利用生物信息学方法挑选MCPH1基因标签单核苷酸多态性(tag-SNPs)位点

目的:为考察汉族人群MCPH1基因与原发性小头畸形病的关系,利用生物信息学方法挑选汉族人群中的MCPH1基因标签单核苷酸多态性(tag-SNPs)位点。方法:利用NCBI数据库,确定MCPHl基因研究范围:利用Hapmap数据库获取汉族人群的MCPHl基因SNPs数据;应用Haploview4.2对MCPH1基因进行连锁不平衡分析;在D′值95%可信区间内构建单倍域(haplotype block):根据单倍域内SNPs之间的r2值和LOD值,挑选标签SNP。结果:在汉族人群中,MCPH1全基因范围内共构建35个单倍域,挑选出122个标签SNPs,确定了各个单倍域内的代表单倍型。结论:汉族人群MCPH1基因的122个SNPs位点是较具代表性的标志性位点,可被选为标签SNPs,并作为汉族人群MCPHl基因与原发性小头畸形病的关联研究。

一种基于连锁不平衡的tagSNPs选择算法

进行全基因组关联研究(genome-wide association studies,简记为GWAS)时,我们需要获得一个足够密集的单核苷酸多态性(single-nucleotide polymorphism,简记为SNP)标记集来解释常见疾病遗传风险的一部分.候选基因中SNP的数量是有限的,但是直接分析所有现存的SNPs是无效的,因为在这些位点上的基因型有很强的关联性,会导致大量的冗余信息,并且会造成基因分型成本的增加,消耗大量的时间.所以我们在进行关联检验时,没有必要对所有的SNPs进行基因分型,只需要选择出具有代表性,并且数量很少的SNPs进行分型,并对这些SNPs进行关联检验.这里选择出的SNPs称为标签SNPs(记为tag SNPs),它为SNPs的一个小的子集,在每个单体型区域中足以捕获单体型的信息.选择tag SNPs的方法有很多,本文我们提出了一种新的tag SNPs选择方法,通过使用基于连锁不平衡(linkage disequilibrium,简记为LD)的两两r2准则对单体型分组,分成不相交的组,并在每个组中选择标签SNPs.与基于原始SNPs集的检验方法比较,我们的方法产生了更少的tag SNPs,在最大化所选标记提供信息含量的同时,降低了基因分型成本,提高了效率.

基于SLAF-seq技术的石斛兰SNP标记开发及亲缘关系分析

利用SNP标记技术对收集的石斛兰种质资源进行亲缘关系分析,为新品种选育亲本选择提供理论依据。以60份石斛兰种质资源为对象,用特异性位点扩增片段测序技术(SLAF-seq)对种质进行SNP标记开发及亲缘关系分析。通过对各样品的测序数据进行统计,共获得157.34 Mb Clean Reads数据,各样本Reads数据在576 195-5 359 710之间。样本平均测序质量值Q30为93.85%,平均GC含量为40.16%。通过测序数据分析,共获得1 337 217个SLAF标签,标签的平均测序深度为9.63×,其中具多态性的SLAF标签有1 049 638个。共开发得到11 248 186个群体SNP标记,每个样品的SNP标记数目介于694 015-6 367 379之间,SNP标记完整度为2.71%-24.89%,杂合率为1.13%-5.74%。对群体SNP过滤,共获得31 499个高度一致性的有效SNP标记。利用筛选获得的SNP标记构建系统发育树,60份石斛兰种质资源被分为3个亚群,这3个亚群分别包含材料为Q1:3份,Q2:21份,Q3:36份。种质聚类结果与形态学分类结果基本一致。利用SLAF-seq技术能高效、精确地开发出适用于石斛兰种质遗传分析的SNP标记,开发的SNP标记可为石斛兰育种、遗传图谱构建、品种鉴定以及农艺性状的关联分析等研究提供分子基础。

中国汉族人群BSG基因SNPs发掘与连锁不平衡分析

目的:探讨健康中国汉族人群中basigin(BSG)基因的单核苷酸多态性(single nucleotide polymorphisms,SNPs)发生情况。方法:随机收集48例健康、无亲缘关系的中国汉族人外周血液并提取基因组DNA,设计引物对所有个体BSG基因的启动子区、外显子区和外显子内含子交界区的序列进行PCR扩增和正反向测序,通过判读测序峰图,明确SNPs的发生情况及其频率;通过Hardy-Weinberg平衡分析、单倍型推测和连锁不平衡分析,确定BSG基因位点的单倍型标签SNPs(haplotype tag SNPs,htSNPs);中性理论检验查明该基因位点SNPs频率分布是否符合选择中性。结果:共发现19个SNPs,其中包括2个新发现的SNPs;所有SNPs位点基因型分布均符合Hardy-Weinberg平衡。该基因位点共推测出4种常见单倍型域,确定9个SNPs为htSNPs。中性理论检验结果提示健康中国汉族人群BSG基因的SNPs分布符合中性进化假说。结论:首次对中国健康汉族人群BSG基因的SNPs进行了发掘,确定了其9个单倍型标签SNPs,为在汉族人群中研究该基因的遗传多态性与疾病易感性或药物反应性个体差异奠定了基础。

云南汉族ATP2B1基因标签SNPs与原发性高血压的关系

目的探讨I型细胞膜钙离子转运酶（ATP281）基因标签单核苷酸多态（SNPs）与云南汉族原发性高血压（EH）的相关性。方法用聚合酶链式反应-限制性片段长度多态性方法，检测1020例云南汉族人（EH组和对照组各510例）A凇B1基因12个标签SNPs（rs10506974、m10506975、rs2854371、rs957525、rs3741895、rs2681472、rs2070759、rs12423192、rs1050395、rs11105357、rs11105358和m7975689）和ATP2B1基因附近区域的rs17249754位点的多态性。结果rs17249754位点基因型和等位基因频率在EH组和对照组间的分布均具有显著性差异（P〈0．01），Logistic回归分析发现，rs17249754位点AA基因型和A等位基因使EH患病风险显著性降低（OR=0．60，95％C10．40～0．89，校正P〈0．05；OR：0．73，95％C10．60～0．88，校正P〈0．01）。结论ATP281基因附近区域rs17249754位点与云南汉族人群EH相关，rs17249754A等位基因可能是降低云南汉族EH风险的保护因子。

基于EST序列的杨树候选SNPs标记分析

利用生物信息学方法对来自2个不同cDNA文库的2万余条杨树EST序列进行了候选SNPs标记。研究结果表明,在获得的94个碱基替代型候选SNPs中,A/G替换类型最多,占32.98%,C/T替换型占13.83%,其它碱基置换型SNPs占53.20%。同时,对其中20个候选SNPs位点的重新测序结果表明,有13个(占65%)候选SNPs位点得到证实,其中,11个位点为碱基替代型SNPs,另外2个为杂合型位点。

葡萄EST-SNP位点的信息与特征

为了从不同基因型葡萄组织的表达序列标签(EST)中得到候选单核苷酸多态性(SNP)位点,从NCBI的dbEST数据库中下载来源于9个不同葡萄基因型的不同组织EST序列42 493条,利用CAP3软件拼接得到6 126个重叠群(contig),将拼接结果导入QualitySNP进行SNP筛选;同时,为提高候选SNP位点的可靠度,降低小规格contig开发SNP的假阳性率和大规格contig开发SNP的假阴性率,设置候选SNP位点的次要等位基因频率至少为30%,SNP侧翼序列保守度至少为5bp。结果表明:仅在1 195个contig中存在候选SNP位点,共5 032个,其中包括1 800个颠换类型,2 896个转换类型,336个单碱基的插入与缺失(indel),SNP的平均出现频率为4.2SNP.contig-1。利用CAPS(酶切扩增多态序列)分子标记和重测序方法对其中几个候选SNP位点进行验证表明,符合人工筛选原则且来自于小规格contig的候选SNP位点检测结果较好,可靠度最高。

紫贻贝EST-SNP的筛选及多态性检测

利用EST数据库开发SNP是筛选SNP标记的重要途径。本研究利用EST数据库开发紫贻贝的SNP标记,利用QualitySNP软件对紫贻贝已有的19 709条EST序列中含有4条以上同源序列的重叠群进行分析,在含有4条以上同源序列的963个重叠群中,筛选得到候选SNP位点4 833个,SNP的平均频率为129.1 bp,其中C/T和A/G突变较多,分别占总数的28.8%和27.4%。根据候选SNP位点设计30组引物,通过等位基因特异性PCR结合溶解曲线分析,在30个野生个体中进行基因分型验证,6组引物(20%)没有扩增产物,10组引物(33%)没有多态性,14组(47%)引物具有二等位基因多态性,稀有等位基因的频率为0.083～0.446,观测杂合度和期望杂合度的范围分别为0.166 7～0.615 4和0.155 4～0.503 2。序列比对结果显示,14组引物中的12个SNP位点位于基因编码区,并且全部为同义突变。研究结果表明,EST数据库中存在大量的SNP位点,差异熔解曲线法是一种高效便捷的SNP分型方法,所筛选的SNP标记可用于紫贻贝遗传学分析。

日本沼虾EST-SNP的筛选及多态性检测

利用EST数据库开发SNP是筛选SNP标记的重要途径。本研究利用日本沼虾现有EST数据开发SNP标记—从NCBI获得8 458条EST序列;Seqclean软件去除序列中的载体、引物和接头等污染序列,得到8 453条EST序列;利用Quality SNP软件对预处理后序列中含有4条以上同源序列重叠群进行分析,在含有4条以上同源序列的1 055个重叠群中,筛选得到可靠SNP（Reliable SNPs）位点705个,较可信SNPs（High confidence SNPs）905个,潜在SNPs（Potential SNPs）1 144个。根据候选SNP位点设计28对引物,通过聚丙烯酰胺凝胶电泳分析,基因分型验证44个太湖个体,13对引物具有二等位基因多态性,观测杂合度和期望杂合度范围分别为0.259~0.745和0.255~0.728。结果表明,EST数据库中存在大量SNP位点,筛选的SNP标记可用于日本沼虾遗传学分析。

基于EST序列的鲤鱼生长相关SNP发掘

以本研究室454测序获得的EST序列和公共数据库中下载的共255,768条鲤鱼EST序列为源序列,鉴定出与生长相关的EST序列5,375条;采用QualitySNP软件,在31个EST重叠群中检测到69个可信度高的与生长相关的SNP,SNP发生频率为0.29/100个碱基。其中包括转换型35个,颠换型30个和缺失型4个。非同义SNP为46个,同义SNP为23个,二者比值为2.0。对所鉴定的SNP进行注释表明,这些包含SNP的生长相关基因归为20类,数量最多的为血纤维蛋白溶酶原基因4个、其次是载脂蛋白基因和磷酸甘油醛脱氢酶基因分别为3个。本研究所开发的SNP将促进鲤鱼生长性状的分子基础研究,为鲤鱼分子育种服务。

鮸鱼EST-cSNP位点发掘及其特征分析

为发掘鮸鱼的EST-cSNP位点,以测序获得的鮸鱼脾脏4 609条高质量表达序列标签(expressed sequence tags,EST)序列为源序列,利用Vector NTI 11.0软件拼接出707条重叠群(contig)序列,检测到209个可信度高的编码区单核苷酸多态性(coding-region single nucleotide polymorphism,cSNP)位点;SNP位点数在包含SNP序列中的发生概率为0.743%,在209个SNP位点中包含114个碱基转换位点、74个碱基颠换位点和21个插入缺失位点,转换与颠换比为1.54;对所鉴定的SNP位点的相关序列进行基因注释表明,这些序列包括一批与免疫抗逆相关的基因,例如主要组织相容性复合体、免疫球蛋白、T细胞受体以及各类蛋白酶等.说明所发掘的SNP将有助于促进鮸鱼的分子遗传学及分子辅助育种研究.

高粱单核苷酸多态性(SNP)标记开发研究初报

高粱在粮食安全、人类健康和生物能源的开发上具有非常重要的作用,其被认为是二倍体模式化作物和多倍体能源作物甘蔗和芒草类的参考植物,开发高粱多态性分子标记对促进分子遗传学发展及高粱分子标记辅助育种意义重大。以甜高粱与粒用高粱杂交的F2遗传群体作为研究材料,对其全基因组DNA进行酶切,然后用高通量测序法开发SLAF(Specific-locus amplified fragment sequencing)标签,并经过分析筛选多态性SNP标记。试验过程中测序的reads数达到43 528 021个,母本2 598 472个,父本3 134 524个,子代的reads数为205 083~454 258个,平均为290 732.5个。通过原始数据的评估、聚类和纠错开发的SLAF标签数,父母本分别为44 895,42 100个。测序深度分别为19.78和16.22,F2群体每个个体的SLAF标签为26 737~39 291个,平均为33 445.06个,测序深度2.24~3.72,平均为2.79。通过对聚类群中高深度片段的潜在基因型分析,得到了6 353个多态性SNP标记,其中5 829个标记成功分型,占多态性SNP标记的91.75%,剔除不适宜作图的标记,剩余有效的SNP标记2 246个,占有效标记百分比100%,F2个体的各样品完整度平均为94.99%。所以,对基因组DNA进行酶切和高通量测序,从庞大的reads中获得SLAF标签是得到全基因组SNP标记的有效途径。为高粱高密度图谱构建和QTL定位研究,以及分子标记辅助育种奠定了基础。

从SNP到标签SNP的算法实现与讨论

由于对全部的SNP位点都进行基因分型的成本过于昂贵,而少量的标签SNP就能够提供与全部1500万个SNP位点大致相同的图谱信息.因此,如何选择标签SNP就显得十分重要.本文中所实现的选择标签SNP的算法是以连锁不平衡(Linkage Disequilibrium,LD)为基础的.

基于磁性颗粒“在位”PCR和通用标签技术的新型高通量SNP分型方法

单核苷酸多态性(single nucleotide polymorphism,SNP)在对复杂疾病遗传易感性以及基于群体基因识别等方面的研究中起着非常重要的作用,尤其是对复杂疾病遗传易感性的研究,需要对大量样本进行分型.为了满足这种要求,亟待需要发展一种操作简单、成本较低、适于自动化和高通量的分型技术.利用磁性颗粒"在位"固相PCR(insituMPs-PCR)扩增的靶序列,通过与野生、突变标签探针以及双色荧光(Cy3,Cy5)通用检测子杂交实现对样本的分型.应用该方法,对96个样本的亚甲基四氢叶酸还原酶(MTHFR)基因C677T位点的多态性进行了检测,其野生型和突变型样本的正错配信号比大于4.5,杂合型正错配信号比接近1,分型结果与测序结果一致.

长牡蛎(Crassostrea gigas)17个EST-SNP标记的开发

利用长牡蛎已有的EST序列数据库,筛选得到候选SNP位点共计1140个。根据候选SNP位点共设计引物82组,通过片段长度差异等位基因特异性PCR(fragment length discrepant allele specific PCR,FLDAS-PCR)的分型方法,在一野生群体中进行检测和验证,结果共有17个SNP候选位点显示多态性。研究结果表明,通过基于EST数据库的SNP开发,可以有效弥补某些海洋生物因基因组学滞后影响SNP标记开发的现状。

全基因组关联研究中标签SNP集的选择方法

单核苷酸多态性引起的DNA序列的改变造成了整个生物界染色体基因组的多样性,对SNP的深入研究对于识别人类基因表型和疾病关联具有重要的意义.标签SNP集的选择是生物信息学中的关键问题,少量的标签SNP所代表基因的遗传信息可以大大降低基因分型和全基因组关联研究的成本.本文详细介绍了SNP相关理论以及标签SNP集的选择方法,并针对标签SNP的应用以及未来的研究方向进行了简要分析.

The OryzaSNP Project-SNP Discovery in Diverse Rice

The OryzaSNP project (http://www.oryzasnp.org) is undertaking SNP discovery across the entire rice genome for 20 diverse varieties (McNally et al., 2006). These varieties include representatives from the indica, tropical

基于SLAF-seq对云南常见茄子种质资源遗传多样性分析

以从云南各州市收集的35份茄子种质资源为试材,运用简化基因组测序技术(specific-locus amplified fragment sequencing,SLAF-seq)对其进行遗传多样性分析,研究云南常见茄子种质资源的遗传多样性及开发特异性SNP标记,以期为云南茄子资源种质创新、杂交育种及砧木筛选提供参考依据。结果表明:从35份茄子种质资源中共获得147.42 Mb读长数据,不同资源的reads数目范围在1474699~8628640。测序获得的GC含量在38.29%~46.40%,平均GC含量为39.72%,对照为41.96%。测序质量值Q30在88.11%~93.56%,平均Q30值为91.00%,对照Q30为88.11%。根据测序结果共获得SLAF标签159847个,其中多态性标签共84119个,共筛选出3006351个高效性SNP标记。运用获得的SNP标记对35份茄子资源进行遗传多样性分析、聚类分析及群体PCA分析,结果表明35份茄子种质资源可分为5组。