基于自然群体随机交配的单个印迹QTL定位的初步研究

郑珂晖 黎哲镇 叶景山 周富杰 温永仙

摘要：[目的]探索基于自然群体随机交配的单个印迹QTL的定位方法，分析影响定位准确性的关键因素。[方法]若印迹QTL决定的某一性状为数量性状，假设该性状与标记之间的关系存在线性关系，可以采用最小二乘法进行印迹QTL定位和遗传参数的估计。利用计算机模拟单点模拟标记、水稻真实自然群体标记进行印迹QTL定位，比较在不同最小等位基因频率（Minor allele frequency，MAF）、不同遗传率、不同随机交配轮数下的统计功效与参数估计精度，印迹QTL的显著性采用F检验和t检验。[结果]通过模拟研究，证明该试验设计对于检测单个印迹QTL是有效的，在MAF大于5%时，印迹遗传率大于10%时，定位与遗传参数估计趋于无偏。[结论]采用自然群体随机交配产生作图群体，可以用来进行单个印迹QTL的定位，定位的结果较好，是一种有效的试验设计，为下一步进行多个印迹QTL奠定了基础。

关键词：自然群体;关联分析;F检验;印迹QTL;随机交配

中图分类号：Q348文献标志码：A 文章编号：1008-0384（2019）12136407

0 引言

[研究意义]自然群体往往不是严格的遗传群体，如：种质资源、野生种等，它一般不用通过先构建亲本再进行交配产生F2代以后再用自交、回交等方法来产生。相对于结构群体，它的遗传背景一般并不清晰，往往采用关联分析来进行QTL定位。全基因组关联分析”’主要基于基因的连锁不平衡，用以判断表型性状与遗传标记之间的关联性。在全基因组上对逐点扫描遗传标记，依次判断每个标记与相关表型性状的关联水平。关联分析方法出现以后，有力地推动了数量遗传学的发展，对于水稻、玉米等作物以及猪、牛等家畜的育种改良起了重要的推动作用。印迹效应是一种表观遗传效应，指的是由于亲本产生的配子根据其来源父本或母本，使得配子中某些基因呈现特异的表达或沉默，造成子代体细胞中某些等位基因表达活性不同的现象。印迹在某些植物的胚乳形成、哺乳动物的胚胎发育、人类的一些罕见疾病的形成中起着重要的作用。[前人研究进展]由于全基因组数据往往十分庞大，关联分析对计算的要求较高。为了简化计算，早期研究人员进行关联分析时往往将只考虑加性效应，而忽略显性与印迹等效应。近些年来，有部分研究人员将印迹效应引入到全基因组关联分析中。Marcos等采用SNP作为遗传标记，采用回归方法来定位与猪背膘、日增重等性状相关联的SNP，并估计加性、显性和印迹3种遗传效应值。Hu等采用GWAS技术分析了印迹基因组对小鼠BMI指数的影响，研究表明印迹可以世代传播，对小鼠的BMI指数具有一定的影响。Steven等通过研究发现：基因组印迹对在小鼠对于锥虫的抗性具有重要的作用，并在小鼠染色体上定位到了与锥虫抗性相关的3个印迹QTL。Wen等利用永久F2群体来进行印迹QTL定位，可以无偏估计印迹QTL位置和加性、显性和印迹3种遗传效应。[本研究切入点]自然群体的构建需要花费大量的人力与物力，若将自然群体随机交配产生后代，则相对可以用较低廉的价格获得遗传信息丰富的群体。目前，基于自然群体随机交配的方法来定位印迹QTL目前尚未见到报道。由于基因组印迹具有亲本特异的特点，所以，在进行印迹QTL定位时，需要知道某个株系的父本或母本。直接采用自然群体不能够直接进行印迹QTL的定位，但可以将自然群体作为初始群体，进行随机交配，产生F2群体，可以用较小的初始群体来获得一个大的F2群体，该群体包含的遗传重组事件较为丰富，可以用作印跡QTL定位。[拟解决的关键问题]建立性状与加性、显性、印迹关系的遗传模型、给出单个印迹QTL定位与印迹QTL显著性检验的方法。

1试验设计

假设有1个已知标记基因型的自然群体，将自然群体植株间进行随机交配产生随机交配群体，采用随机区组设计，调查二倍体植株性状表型值，生成随机交配群体如图1所示。

2 遗传模型与定位方法

假设基因组上某个位置上存在与表型性状关联的位点，这个位点控制某个性状，那么我们可以定义下列遗传模型：

我们可以推导出，它的理论均值为：

等位基因替代效应的平均效应（the average effectof allele substitution）可以通过式4计算得到：

3 单标记印迹QTL定位方法

假设有一个自然群体进行随机交配后，产生了个体数目为n的群体，为此我们建立了以下线性模型

为了简单起见，本研究采取单标记关联分析，采用最小二乘法回归分析，对基因组上的标记进行逐点扫描，对于式9，我们提出假设H：a=d=h=0，其备择假设H：a，d和h不全为零。若仅检验印迹效应，我们提出假设Ho：h=0，其备择假设H：h≠0，我们采用F检验来检测标记的显著性，因为是单个标记的检验，直接用0.05或0.01下的F临界值进行判断。由于这里有3种遗传效应，那么显然的，如果：

对于给点的显著性水平，可以构建统计量，该统计量服从F（P，n-p-1）的F分布，则有式10。

式中，RSS代表随机残差平方和，ESS为回归平方和，n为样本数，p为变量个数，此处取值为3。如果方程总体通过了显著性检验以后，再逐个对x、z、t做t检验，检验各变量是否显著。F统计量与t统计量计算简单，使用计算机运算速度较快，可以逐点计算全基因组上每个位点的F值，并对每个位点的3种效应估计值进行t检验，将F最大（超过临界值，且通过t检验）的点作为可能的印迹QTL位点。

4 模拟研究

为了验证该方法的可行性，我们采用计算机来模拟验证，由于本文仅是基于自然群体随机交配的进行印迹QTL定位方法的初步研究，目的在探讨其可行性，所以进行2个模拟：第一是采用单点模拟，假设已知QTL位置，仅考察其参数估计的准确度和精度，及其是否达到显著性;第二是采用实际的水稻的基因型数据进行模拟，验证其可行性。

4.1单点模拟研究

由于自然群体有别于结构群体，自然群体的遗传结构是不清晰的，在群体中有大量的进化事件掺杂其中，群体结构较为复杂。在群体中，等位基因A，a的基因频率往往不是1：1，甚至有可能是很极端的，如可能在0.05以下，就是罕见变异。那么自然群体中在不同基因频率下，基于自然群体随机交配产生的群体，我们所建立的遗传模型和提出相应地印迹QTL检测方法与效应估计方法是否还能有效，我们通过模拟来进行检验。在这里，仅考察所建立的遗传模型在不同的MAF下相应地参数估计和显著检验方法是否可行。

我们假定仅有单点标记，在遗传模型中

y=u+ax+dz+ht+ε i=1，2，…，n （11）

进行参数估计，在此基础上，首先我们对方程进行F检验，看其是否存在QTL（a，d和h不全为零），在此基础上进一步对印迹效应做显著性检验（h≠0）。

根据式9可以计算出印迹效应的大小如式12所示。

再计算环境方差，最终产生表型值，这样就可以考虑遗传率的不同，随机交配次数不同的功效，参数估计等。

文献[18]根据印迹与加性、显性的关系将它们分成5种印迹类型，如表2所示。

对这5种类型的iQTL进行模拟定位并对模拟结果进行讨论，由于在GWAS研究中，研究人员关心的往往是MAF大于0.05的这部分标记，所以，将MAF，即p设置0.05、0.1两种情况，设q=1-p，常数C取4、10两种情况，iQTL的遗传率设置为5%、10%、15%三个水平，印迹效应根据式12进行推算。根据表2中的5种印迹类型得出a、d的值。假设自然群体作为初始群体，包含100个株系，利用该自然群体进行随机交配6、20轮产生F2群体。每种情况重复100次，100次参数估计的标准误偏差提供了参数估计误差标准，显著性水平取为0.05，限于篇幅，此处仅列出C=10，交配20轮的结果，结果见表3。

结果表明：在MAF较小，为0.05时，即使iQTL的遗传率达到15%，其检测功效和参数估计的标准误都较高，当MAF达到0.1以上时，其检测功效就较高了;随着MAF的增大，遗传率的增加，其估计的标准误逐渐减小。在和遗传率相同的条件下，随着C值的增加，其参数估计的标准误也增加，其原因还有待于进一步的研究。即使在MAF高于0.05时，当遗传率为5%时，效应值估计有一定的误差，检测功效也较低，当遗传率在10%以上的时候，效应估计就较为精准。所以可以看出基因频率和遗传率是影响iQTL定位效果的因素。此外，随着交配次数的增加，iQTL的检测功效随之增加，参数估计的标准误随之减少，从5种iQTL来看，PEP、PEM、DIPOD、DIPUD在MAF、遗传率、C值相同的情况下，其iQTL检测效果相似，然而DIB的iQTL检测效果略差些，这说明加性效应和显性效应影响了iQTL定位。

综上所述，如果某个性状的表型值由一个iQTL确定，那么不论它是上述五种类型中的哪种类型，只要在MAF大于0.1且遗传率大于10%时，其检测功效均较好，说明我们的提出的方法在自然群体随机交配产生的F2群体上定位单个iQTL是有效的。

4.2 基于水稻基因型数据单个位点的模拟研究

为了验证该方法在实际中的实施情况，我们采用韩斌院士课题组发布的水稻自然群体的数据集，该数据集收集了960多种水稻种质资源。为了简化研究的问题，对原始数据进行了预处理，把其中粳稻的254个株系取出，并将MAF小于0.05的SNP位点去掉，并去除了所有的缺失位点，最终得到了一个包含16382个SNP，在本模拟中，假定这些SNP是等间距分布在一条染色体上，每个SNP间的距离为1kb，254个株系的数据集作为原始群体。原始群体采用随机交配的方式生成随机交配群体，在进行模拟前，统计各个位点的SNP频率。从图2可知，在自然群体中，每个位置上的SNP的MAF并不是均衡的。

假定一个位于470kb位置的这个SNP与某个表型性状关联，群体均值为u=10。模拟前，先计算该位点的SNP频率p和g，印迹效应根据公式12进行推算（C值取2，4，6三种组合）。根据表2中的5种印迹类型得出a，d的值，根据前面的模拟结果，iQTL的遗传力水平设置为10%和15%，利用自然群体进行3、5、7次随机交配，产生随机交配群体。每种模拟情况重复100次，100次参数估计的标准误偏差提供了参数估计误差标准，阈值可用Bonferroni校正，显著性水平为0.05。此处，限于篇幅，仅列出C值取2、6，交配轮数为7次的结果，见表4，交配以后得到的随机交配群体中470kb处的SNP的频率p为0.54，则q为0.46，接近于1：1。由于在模拟时选择的iQTL位置上的MAF接近于0.5，从真实数据的模拟结果来看：当遗传率为10%、15%时，5种类型的iQTL定位都具有较好的结果，iQTL所在位置的估计较为准确，各参数估计的准确度和精度达到较好的效果，而且检测功效也较高，在15%时所有类型的iQTL检测功效均为100%。结果表明，随着交配次数的增加，参数估计的精度也得到提高，这符合我们的构想，当样本量增加时，其估计的准确度和精度得到提高;对于常数C值，从表可以看出，随着C值的增加，其参数估计的精度逐渐下降，其原因还有待于进一步研究;从5种类型的印迹QTL来看，在相同的条件下，DIB的检测功效较差，而其余4种DIPOD，DIPUD，PEM，PEP检测的功效相近，由此可见：加性效应和显性效应对iQTL的检测具有一定的影响。

5 讨论

我们提出了基于自然群体随机交配产生的F2群体进行iQTL定位的思想，构建其初步的定位方法，通过单点模拟，全基因组的单点模拟说明基于自然群体随机交配产生的群体进行iQTL定位是可行的，当然这里没有考虑其他因素（如群体结构等）的干扰。模拟表明，在不考虑其他因素的影响下，该iQTL定位方法的检测功效，以及参数估计的准确度和精度都较好。

虽然自然群体的群体遗传结构不清晰，但在GWAS时代，测序成本不断降低，甚至可以直接对个体进行测序。所以，基因型频率可以看成已知的，基于自然群体随机交配产生的群体，只要交配次数足够，就可以产生较大的样本;从初步研究模拟也可以看出，随着交配次数的增加，其检测功效，参数估计的精度也增加。

在全基因组关联分析（GWAS）中，是以长期重组后保留下来的基因或位点间连锁不平衡为基础，在获得群体表型数据和基因型数据后，采用统计方法检测标记与性状之间关联的分析方法，一般以自然群体或种质资源为研究材料，遗传结构较為复杂。在进行GWAS时，要求遗传背景一致或者相似的群体，但在未知群体结构的关联分析研究中，由不同亚群引起的MAF的差异会造成假关联。通常采用基因组控制、基于家系的关联分析检验和主成分分析等方法控制。一般而言：基于自然群体随机交配产生的群体会产生结构分层，所以在这种情况下，必须要控制因为结构分层造成的假关联，在后续的工作中，可以利用混合线性模型，传递不平衡分析等其他方法来进行印迹QTL定位方法的研究。