CN103146821A - 一种snp位点对性状遗传效应的评价方法及应用 - Google Patents

Abstract

本发明涉及一种SNP位点对性状遗传效应的评价方法，包括步骤：（1）获得与需要分析的性状相关的基因片段，确定与所述性状相关的SNP位点及其基因型；（2）分析所述SNP位点与所述性状的关联性，具体计算方法如下：当所述SNP位点的数量为1时，所述SNP位点与所述性状之间的关联性为所述SNP位点的直接影响力；当所述SNP位点的数量为2个以上时，所述第i个SNP位点与性状之间的关联性为所述第i个SNP位点的直接影响力和其所有间接影响力之和。本发明解决了现有技术在筛查和评价众多SNP位点对性状的遗传效应分析方面的空白，简便易行，准确率高，分析速度快，省去了很多复杂的试验，省时省力。

Description

一种SNP位点对性状遗传效应的评价方法及应用

技术领域

本发明涉及分子生物学领域，特别涉及一种SNP位点对性状遗传效应的评价方法及应用。

背景技术

20世纪90年代以来，随着分子生物学技术的发展，从动植物基因中获取大量的单核苷酸多态性（SNPs），人们试图利用这些SNPs开展动植物遗传标记研究，并付诸标记辅助选择，为动植物的品种改良和基因操控服务，提高育种的效率。从目前所取得的研究成果来看，这种转变具有巨大的实践价值，围绕着SNPs检测的方法也一直在不断更新。然而当数以千万计的SNP位点呈现在人们面前的时候，其位点的遗传效应如何评价，在动植物育种实践中是否具有足够大的遗传效应等将直接影响这些SNP位点的生物学意义及适用价值。目前的SNP位点遗传效应的分析方法主要基于方差分析，以基因型之间的显著性作为鉴别依据。

SNP位点的变异为性状的表型变异提供遗传背景，如果性状的表型变异可由一些SNP位点的变异来解释的话，则这些位点无疑是影响该性状的主效基因位点。性状表型变异的遗传基础则是众多影响该性状SNP位点变异的共同作用之结果，如何筛查和评价众多SNP位点对性状的遗传效应，还没有获得实质性进展。

发明内容

本发明要解决的技术问题是提供一种SNP位点对性状遗传效应的评价方法及应用，该方法利用PCR扩增技术和测序技术所获得的目的片段SNPs，建立SNPs对性状表型变异的解析方法、SNP位点遗传效应及其位点遗传力的估计方法，以及SNP位点在标记辅助选择中的应用效率评价和筛选方法。

本发明提供了一种SNP位点对性状遗传效应的评价方法，包括如下步骤：

（1）获得与需要分析的性状相关的基因片段，确定与所述性状相关的SNP位点及其基因型；

（2）分析所述SNP位点与所述性状的关联性，具体计算方法如下：

当所述SNP位点的数量为1时，所述SNP位点与所述性状之间的关联性为所述SNP位点的直接影响力；

当所述SNP位点的数量为2个以上时，所述第i个SNP位点与性状之间的关联性为所述第i个SNP位点的直接影响力和其所有间接影响力之和；

其中，所述某个SNP位点对所述性状的直接影响力为所述性状基于SNP位点的点遗传力的平方根（h_snp）；所述第i个SNP位点通过第j个SNP位点对性状的间接影响力的计算方法为d_ij=r_ijh_j，r_ij为所述第i个SNP位点和所述第j个SNP位点的关联度，h_j为所述第j个SNP位点的直接影响力。

本发明所述的SNP位点对性状遗传效应的评价方法，其中所述性状基于某个SNP位点的点遗传力（SNP位点变异对性状表型变异的贡献）的估计方法是：

其中V_P是性状的表型方差，V_snp为所述某一SNP位点的方差。

本发明所述的SNP位点对性状遗传效应的评价方法，其中所述某一SNP位点的方差（V_snp）估计方法为：

其中n_i为第i种基因型的个数，g_i为某一SNP位点的第i种基因型效应。

本发明所述的SNP位点对性状遗传效应的评价方法，其中所述某一SNP位点的第i种基因型效应（g_i）的估计方法为：构建线性模型，将通过分子生物学方法获得的某一SNP位点的第i种基因型效应作为固定效应（g_i）纳入模型中，并为模型设立约束条件，构建线性模型是：

$y_{\mathrm{ijkl}}=\mathrm{\μ}+\underset{i}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}{g}_{\mathrm{ij}}+\mathrm{\Σ}{F}_k+e_{\mathrm{ijkl}},$ $\underset{j}{\mathrm{\Σ}}{n}_{\mathrm{ij}}{g}_{\mathrm{ij}}=0$ 和∑n_kF_k=0

其中，y_ijkl是性状的测定值，μ是群体均数，g_ij是第i个SNP位点的第j种基因型效应，F_k是其它因子（如品种、环境或其它考虑剔除的影响因子等）的效应，e_ijkl是误差，n_ij是第i个SNP位点的第j种基因型个数，n_k是其它相应因子的重复数，模型约束条件为∑n_ig_i=0和∑n_kF_k=0。

本发明所述的SNP位点对性状遗传效应的评价方法，其中所述第i个SNP位点和所述第j个SNP位点的关联度计算方法为：计算两个连锁或非连锁SNP位点上的相应碱基在配子中同时出现的概率。两个位点组合的配子型频率计算方法是：若第i个位点和第j位点分别存在一对等位基因，则组成的联合配子型频率P_ij=D_iijj+0.5(H_iijl+H_ikjj)+0.25H_ikjl，其中D_iijj是2个位点均为纯合子的基因型频率，H_iijl和H_ikjj表示第i个位点或第j位点为杂合子的基因型频率，H_ikjl是2个位点均为杂合子的基因型频率。

把频率最大的配子型定义为关联型，当其中一个位点突变，另一位点也随之发生相应突变，形成对应的配子组合，显示两个位点的变异具有一定的协同性，这种协同性定义为两个SNP位点的关联度（r_ij），其观测值等于最大配子型频率与其等位基因组合的配子型频率之和。

本发明所述的SNP位点对性状遗传效应的评价方法在选择育种和性状主基因筛查中的应用。

本发明所述SNP位点对性状遗传效应的评价方法在选择育种中的的应用，其中所述的SNP位点用于性状选择的效率评价方法为：在相同的选择强度下，依据SNP位点的直接选择反应(R_snp)相对表型选择反应（R）的效率（E）是

其中h²是性状的遗传力。

本发明所述SNP位点对性状遗传效应的评价方法在性状主基因筛查中的应用，其方法是：①将所述的性状点遗传力从大到小排列起来，根据研究需要设定一个点遗传力筛查阈值，高于阈值的点遗传力所依据的SNP位点则是影响数量性状变异的主效基因候选位点或主效基因座（QTL）的候选座位；或②将所述的选择效率从大到小排列起来，设定一个选择效率筛查阈值，高于阈值的SNP位点则是影响数量性状变异的主效基因候选位点或主效基因座（QTL）的候选座位；或③对于连锁的SNP位点，按照连锁顺次排列SNP位点作为横坐标，以所述的性状点遗传力或所述的选择效率为纵坐标作图，根据研究需要设定一个点遗传力（或相应选择效率）筛查阈值，高于阈值的SNP位点则是影响数量性状变异的主效基因候选位点或主效基因座（QTL）的候选座位。

本发明所述SNP位点对性状遗传效应的评价方法与现有技术不同之处在于本发明充分利用现代分子生物学技术所获得的目的片段SNPs，只需确定与目标性状相关的SNP位点及其基因型，就可以通过建立SNPs对性状表型变异的解析、SNP位点遗传效应及其性状点遗传力的估计方法，计算出性状基于SNP位点的点遗传力以及SNP位点与性状之间的关联性，在众多SNP位点中筛查是否存在主效基因位点；本发明所述方法都是通过简单的数学运算进行的，简便易行，准确率高，分析速度快，省去了很多复杂的试验，省时省力；本发明解决了现有技术在筛查和评价众多SNP位点对性状的遗传效应分析方面的空白，具有加速基因组选择运用于育种实践的重要意义；性状点遗传力的估计方法是将性状的遗传变异基于SNPs加以解析，弥补微效多基因假说的不足，是对目前QTL研究方法的重要补充。

本发明还提供了SNP位点在标记辅助选择中的应用效率评价方法，运用本发明所述方法，可以挖掘现有SNPs资源中标记位点，明确其效应和为选择育种服务的价值，从而为庞大的SNPs库的利用提供科学依据。

下面结合具体实施例和附图对本发明所述SNP位点对性状遗传效应的评价方法作进一步说明。

附图说明

图1为本发明所述方法的一种实施方式中基于3个SNP位点对DGW性状的选择效率曲线示意图。

具体实施方式

实施例

一、确定目标性状和SNPs的检测

提取长白猪（24头）、大白猪（86头）、红杜洛克（33头）和白杜洛克猪（11头）基因组DNA。本实施例中确定猪日增重性状为目标性状，检测从出生到100kg的平均日增重（DGW）。

以THRSP基因5’调控区一目的片段的3个SNP位点为例，其连锁顺序为SNP1-SNP2-SNP3。统计个体的SNP位点的基因型。

二、建立基因型效应分析线性模型，并进行基因型效应估计

y_ijklt=μ+b_i+g_1j+g_2k+g_3t+e_ijklt，

∑n_ib_i=0，∑n_1jg_1j=0，∑n_2kg_2k=0和∑n_3tg_3t=0。

这里，y_ijklt是性状测定值，μ是群体均数，b_i是第i个品种效应，g_1j是第一个SNP1位点基因型效应，g_2k是第2个SNP2位点的基因型效应，g_3t是第3个SNP3位点的基因型效应，e_ijklt是误差。基因型效应估计如下：

三、SNP位点间的关联度计算

上述3个位点的实际检测结果仅出现CCTCGA、CCTCGG、CCTTGG、CTTCGA和CTTCGG五种基因型，其基因型频率分别为0.2078、0.1364、0.2403、0.1558和0.2597。

1.SNP1和SNP2位点组成的配子型频率分别为：

P_CC=CCCC+0.5×(CCTC+CTCC)+0.25×CTTC=0.27595，

P_CT=CCTT+0.5×(CCTC+CTTT)+0.25×CTTC=0.51625，

P_TC=TTCC+0.5×(TTTC+CTCC)+0.25×CTTC=0.10390，

P_TT=TTTT+0.5×(TTTC+CTTT)+0.25×CTTC=0.10390，

所以SNP1和SNP2位点之间的关联度为r₁₂=P_CT+P_TC=0.62015。

2.SNP2和SNP3位点组成的配子型频率分别为：

P_TG=TTGG+0.5×(TTGA+TCGG)+0.25×TCGA=0.52925，

P_TA=TTAA+0.5×(TTGA+TCAA)+0.25×TCGA=0.09090，

P_CG=CCGG+0.5×(CCGA+TCGG)+0.25×TCGA=0.28895，

P_CA=CCAA+0.5×(CCGA+TCAA)+0.25×TCGA=0.09090，

所以SNP2和SNP3位点之间的关联度为r₂₃=P_TG+P_CA=0.62015。

3.SNP1和SNP3位点组成的配子型频率分别为：

P_CG=CCGG+0.5×(CCGA+CTGG)+0.25×CTGA=0.64940，

P_CA=CCAA+0.5×(CCGA+CTAA)+0.25×CTGA=0.14285，

P_TG=TTGG+0.5×(TTGA+CTGG)+0.25×CTGA=0.16880，

P_TA=TTAA+0.5×(TTGA+CTAA)+0.25×CTGA=0.03895，

所以SNP1和SNP3位点之间的关联度为r₁₃=P_CG+P_TA=0.68835。

四、基于SNP位点的方差估计

基于SNP1位点： ${\mathrm{\Σn}}_i-{\mathrm{\Σn}}_i^2/{\mathrm{\Σn}}_i=154-({90}^2+{64}^2)/154=74.8052,$

V_snp1=[90×(-2.1989)²+64×3.0922²]/74.8052=13.9979(克/天)²

基于SNP2位点： ${\mathrm{\Σn}}_i-{\mathrm{\Σn}}_i^2/{\mathrm{\Σn}}_i=154-({117}^2+{37}^2)/154=56.2208,$

V_snp2=[117×3.3818²+37×(-10.6938)²]/56.2208=99.0612(克/天)²

基于SNP3位点： ${\mathrm{\Σn}}_i-{\mathrm{\Σn}}_i^2/{\mathrm{\Σn}}_i=154-({56}^2+{98}^2)/154=71.2727,$

V_snp2=[56×0.3899²+98×(-0.2228)²]/71.2727=0.1877(克/天)²

五、性状基于SNP位点的遗传力

群体DGW的表型方差是2941.9627(克/天)²，所以性状基于3个SNP位点的遗传力分别为：

$h_{\mathrm{snpl}}^2=13.9979/2941.9627=0.004758,$

$h_{\mathrm{snp}2}^2=99.0612/2941.9627=0.033672,$

$h_{\mathrm{snp}3}^2=0.1877/2941.9627=0.0000638.$

六、SNP位点与性状的关联性

SNP1位点对性状变异的直接影响力为0.068978，并通过SNP2和SNP3对性状变异产生的间接影响力是0.048276，SNP1位点与性状变异的关联度为0.117254；

SNP2位点对性状变异的直接影响力为0.183499，并通过SNP1和SNP3对性状变异产生的间接影响力之和是0.118751，SNP2位点与性状变异的关联度为0.30225；

SNP3位点对性状变异的直接影响力为0.007988，并通过SNP1和SNP2对性状变异产生的间接影响力是0.161278，SNP3位点与性状变异的关联度为0.169266。

从计算结果可以看出，SNP2位点对对目标性状变异的直接影响力最大，与目标性状变异的关联性也最高。

七、基于SNP位点的选择效率

若DGW性状的遗传力为0.25的话，基于3个SNP位点的选择效果分别是表型选择的1.90%、13.47%和0.03%。

八、性状主效基因位点的筛查

将3个性状点遗传力按照大小排列成

和

按照点遗传力达0.025为筛查阈值，则认定SNP2为DGW性状的主效基因候选位点；

若将所述选择效率按照大小排列成E_snp2(13.47%)、E_snp1(1.90%)和E_snp3(0.03%)，按照选择效率达10%为筛查阈值，则也认定SNP2为DGW性状的主效基因候选位点；

以3个连锁的SNP位点为横坐标，以点遗传力和选择效率为纵坐标作成图1。按照点遗传力.达到0.025和选择效率达10%为阈值筛查，性状基于SNP2的点遗传力和选择效率均最大，则也认定SNP2为DGW性状的主效基因候选位点。

以上所述的实施例仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案作出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

Claims (8)

1.一种SNP位点对性状遗传效应的评价方法，其特征在于：包括如下步骤：

（1）获得与需要分析的性状相关的基因片段，确定与所述性状相关的SNP位点及其基因型；

（2）分析所述SNP位点与所述性状直接的关联性，具体计算方法如下：

当所述SNP位点的数量为1时，所述SNP位点与所述性状之间的关联性为所述SNP位点的直接影响力；

当所述SNP位点的数量为2个以上时，所述第i个SNP位点与性状之间的关联性为所述第i个SNP位点的直接影响力和其所有间接影响力之和；

其中，所述某个SNP位点对所述性状的直接影响力为所述性状基于SNP位点的点遗传力的平方根（h_snp）；所述第i个SNP位点通过第j个SNP位点对性状的间接影响力的计算方法为d_ij=r_ijh_j，r_ij为所述第i个SNP位点和所述第j个SNP位点的关联度，h_j为所述第j个SNP位点的直接影响力。

2.根据权利要求1所述的SNP位点对性状遗传效应的评价方法，其特征在于：所述性状基于某个SNP位点的点遗传力（SNP位点变异对性状表型变异的贡献）的估计方法是：

其中V_P是性状的表型方差，V_snp为所述某一SNP位点的方差。

3.根据权利要求2所述的SNP位点对性状遗传效应的评价方法，其特征在于：所述某一SNP位点的方差（V_snp）估计方法为：

其中n_i为第i种基因型的个数，g_i为某一SNP位点的第i种基因型效应。

4.根据权利要求3所述的SNP位点对性状遗传效应的评价方法，其特征在于：所述某一SNP位点的第i种基因型效应（g_i）的估计方法为：构建线性模型，将通过分子生物学方法获得的某一SNP位点的第i种基因型效应作为固定效应（g_i）纳入模型中，并为模型设立约束条件，构建线性模型是：

$y_{\mathrm{ijkl}}=\mathrm{\μ}+\underset{i}{\mathrm{\Σ}}\underset{j}{\mathrm{\Σ}}{g}_{\mathrm{ij}}+{\mathrm{\ΣF}}_k+e_{\mathrm{ijkl}},$ $\underset{j}{\mathrm{\Σ}}{n}_{\mathrm{ij}}{g}_{\mathrm{ij}}=0$ 和∑n_kF_k=0

其中，y_ijkl是性状的测定值，μ是群体均数，g_ij是第i个SNP位点的第j种基因型效应，F_k是其它因子的效应，e_ijkl是误差，n_ij是第i个SNP位点的第j种基因型个数，n_k是其它相应因子的重复数，模型约束条件为∑n_ig_i=0和∑n_kF_k＝0。

5.根据权利要求1或2或3或4所述的SNP位点对性状遗传效应的评价方法，其特征在于：所述第i个SNP位点和所述第j个SNP位点的关联度计算方法为：若第i个位点和第j位点分别存在一对等位基因，则组成的联合配子型频率P_ij=D_iijj+0.5(H_iijl+H_ikjj)+0.25H_ikjl，其中D_iijj是2个位点均为纯合子的基因型频率，H_iijl和H_ikjj表示第i个位点或第j位点为杂合子的基因型频率，H_ikjl是2个位点均为杂合子的基因型频率；两个所述SNP位点的关联度（r_ij）则是最大配子型频率与其等位基因组合的配子型频率之和。

6.权利要求1所述的SNP位点对性状遗传效应的评价方法在选择育种或性状主基因筛查中的应用。

7.根据权利要求6所述SNP位点对性状遗传效应的评价方法在选择育种中的的应用，其特征在于：所述的SNP位点用于性状选择的效率评价方法为：在相同的选择强度下，依据SNP位点的直接选择反应（R_snp）相对表型选择反应（R）的效率（E）是

其中h²是性状的遗传力。

8.根据权利要求6所述SNP位点对性状遗传效应的评价方法在性状主基因筛查中的应用，其特征在于：比较性状多个点遗传力，根据研究需要设定点遗传力的筛查阈值，当点遗传力高于设定的阈值，则认定所述位点是数量性状主效基因候选位点或主效基因座（QTL）的候选座位。

Images