全基因组关联分析和全基因组预测法解析犬髋关节疾病

髋关节发育不良论文 骨关节炎论文 全基因关联分析论文 基因组预测论文 cBLUPg论文
论文详情
犬髋关节发育不良(Canine Hip Dysplasia,CHD)是最常发生的矫形外科疾病,几乎所有品种的犬都可发生,特别是大型品种犬,且通常会诱发继发性的骨关节炎(Osteoarthritis,OA)。犬髋关节发育不良是一种多基因控制的复杂遗传疾病,遗传力在0.2~0.7之间。本研究从资源群体中选取721只狗,包含8个品种(Labrador Retriever, Greyhounds, German Shepherd, Newfoundland, Golden Retriever, Rottweiler, Border Collie and Bernese Mountain Dog)和一个由易感品种Labrador Retriever与非易感品种Greyhounds杂交与回交的连锁群体。根据课题组先前的CHD和OA连锁分析QTL定位结果,本研究在Affymatrix公司定制了8条染色体QTL区域的高密度SNP芯片,共3324个SNP位点;其中的551只狗采用此定制芯片测定基因型,另一部分的366只狗采用Illumina公司的Canine SNP20全基因组SNP芯片测定基因型。统计方法采用压缩混合线性模型(Compressed Mixed Linear Model)进行全基因关联分析。通过全基因组关联分析和连锁不平衡分析分别发现4个CHD (COL15A1, EVC, PTPRD和MAGP1)和2个OA (PARD3B和REG3A)的易感候选基因。论文的第二部分建立一种利用全基因组标记信息对犬髋关节发育不良疾病进行早期预测的方法,实现患病风险评估,来预防继发性关节炎(OA)并进行选择性繁殖。分别对两组实验群体进行全基因组高密度基因型测定。第一组为359狗,根据它们的髋关节发育不良估计育种值(Estimate breeding value, EBV)和基因型信息,采用贝叶斯A法建立预测公式,并用两种方法评估这个公式对仅有基因型信息个体的预测准确性。方法一为交叉验证(Jackknife法),即按顺序每次隐去其中一只狗的育种值,利用剩余所有个体的估计育种值和基因型来预测它的基因组育种值(Genomic Breeding Value, GBV)。方法二为独立验证,即独立测定与第一组个体无亲缘关系的38只狗的基因型,来检验预测准确性。交叉验证法表现出很强的相关性,GBV与EBV之间R2大于0.7。独立验证表明预测得到的Norberg角GBV与真实表型值的相关系数为0.5。诊断指标敏感性、特异性、阳性和阴性预测值均为70%以上。该预测方法可广泛应用于犬髋关节发育不良的患病风险评估和早期选择,从而降低发病率。且预测可在幼年期进行,而不受目前影像诊断法的年龄限制。上述研究再次证明了采用贝叶斯(Bayesian)方法估计每一个标记的效应值,是目前基因组预测中最为准确的统计方法,但其过于冗繁的计算量使得它不适用于下一代测序的高密度基因型数据。本研究对GBLUP法进行优化,通过对亲缘关系矩阵的压缩来优化模型拟合度,使得它在保持计算速度优势的同时提高预测准确性。基于这一思路,本论文的第三部分提出了一种全基因组预测的新算法-cBLUPg,除了在犬髋关节发育不良的预测上得到很好应用外,还在其它四个物种的数据集(人、玉米、拟南芥和水稻)上进行了验证。这个新方法相对于Bayes B法能提高2 ~ 15%的准确性,而计算速度可提高近百倍。
摘要第6-8页
ABSTRACT第8-9页
第一章 髋关节发育不良和关节炎的全基因组关联分析第12-42页
    1.1 综述第12-25页
        1.1.1 犬髋关节发育不良的临床表现与诊断第12-15页
        1.1.2 全基因组关联分析(GWAS)的研究背景第15-16页
        1.1.3 全基因组关联分析的统计方法第16-24页
        1.1.4 巢式关联分析群体第24-25页
    1.2 材料与方法第25-31页
        1.2.1 试验群体和影像诊断方法第25-29页
        1.2.2 基因型测定第29-30页
        1.2.3 统计方法第30-31页
    1.3 结果第31-37页
        1.3.1 全基因组标记的属性第31-33页
        1.3.2 易感位点与基因第33-37页
    1.4 讨论第37-42页
        1.4.1 群体分层的校正与统计策略第37-39页
        1.4.2 易感基因的功能分析第39-42页
第二章 髋关节发育不良的基因组预测第42-60页
    2.1 综述第42-46页
        2.1.1 动物全基因组选择的概念第42-43页
        2.1.2 疾病的基因组预测第43-44页
        2.1.3 非线性基因组选择模型第44-46页
    2.2 材料和方法第46-49页
        2.2.1 研究群体第46-47页
        2.2.2 统计方法第47-48页
        2.2.3 预测公式的验证第48-49页
        2.2.4 缺失基因型的填补第49页
        2.2.5 敏感性、特异性、阳性和阴性的预测值第49页
    2.3 结果第49-57页
        2.3.1 估计育种值第49-50页
        2.3.2 基因组预测第50-51页
        2.3.3 交叉验证第51-53页
        2.3.4 独立验证第53-55页
        2.3.5 临床诊断和预测第55-57页
    2.4 讨论第57-60页
        2.4.1 全基因组选择的影响因素第57-58页
        2.4.2 疾病的基因组预测评价第58-60页
第三章 基因组预测的新算法-cBLUPg第60-77页
    3.1 综述第60-62页
    3.2 材料与方法第62-67页
        3.2.1 数据第62-63页
        3.2.2 统计方法第63-66页
        3.2.3 交叉验证第66-67页
        3.2.4 压缩的影响因素第67页
    3.3 结果第67-74页
        3.3.1 预测准确性第68-70页
        3.3.2 计算时间第70-72页
        3.3.3 模拟研究第72-74页
    3.4 讨论第74-77页
        3.4.1 最佳压缩比第74-75页
        3.4.2 计算时间第75-76页
        3.4.3 压缩的理论第76-77页
参考文献第77-85页
附录第85-86页
致谢第86-87页
作者简介第87页
论文购买
论文编号ABS573581,这篇论文共87页
会员购买按0.30元/页下载,共需支付26.1
不是会员,注册会员
会员更优惠充值送钱
直接购买按0.5元/页下载,共需要支付43.5
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文

点击收藏 | 在线购卡 | 站内搜索 | 网站地图
版权所有 艾博士论文 Copyright(C) All Rights Reserved
版权申明:本文摘要目录由会员***投稿,艾博士论文编辑,如作者需要删除论文目录请通过QQ告知我们,承诺24小时内删除。
联系方式: QQ:277865656