Новые статистические методы улучшают поиск причинных изменений ДНК у сельскохозяйственных животных
Исследователи из Университета штата Северная Каролина разработали новый набор статистических методов, который значительно повышает способность точно определять изменения ДНК, ответственные за важные признаки у сельскохозяйственных животных. Работа решает давние проблемы в тонком картировании — процессе идентификации конкретных изменений ДНК, вызывающих различия в признаках между животными, — особенно в популяциях с близким родством.
Тонкое картирование работает как поиск в длинной книге: начальные генетические исследования определяют, в какой главе содержится важная информация, а тонкое картирование находит точные абзацы или предложения, которые имеют значение. Этот подход успешен в генетике человека, где исследования обычно включают большие группы неродственных людей. Но популяции сельскохозяйственных животных, включая свиней и крупный рогатый скот, состоят из животных со сложными родословными, из-за чего стандартные инструменты генетики человека работают плохо.
Новая статистическая модель для генетики животных
Новое исследование, опубликованное в Briefings in Bioinformatics, представляет комплексную статистическую модель, разработанную специально для таких родственных популяций. Модель включает несколько новых или адаптированных вычислительных методов, которые корректно учитывают генетическое родство и существенно повышают точность тонкого картирования.
«Наша работа предоставляет инструменты, которые наконец делают тонкое картирование надежным в реальных популяциях сельскохозяйственных животных, где животные родственны, а стандартные методы генетики человека не работают», — сказал Джикай Цзян, автор-корреспондент и доцент зоотехники в NC State.
«Эти методы обещают предоставить исследователям и селекционным компаниям более надежный путь для выявления вариантов, влияющих на важные признаки, такие как рост, отложение жира, репродукция, эффективность кормления и производство молока».
Тестирование и ключевые инновации в исследовании
В исследовании использовались большие наборы данных свиней пород дюрок и йоркшир, чтобы показать, как родство искажает стандартные меры так называемого неравновесия по сцеплению — корреляций между генетическими вариантами, на которые полагаются многие инструменты тонкого картирования.
Чтобы решить эту проблему, команда разработала инструменты, которые включают «скорректированные на родство» геномные корреляции, позволяя популярным платформам тонкого картирования работать корректно в популяциях животных. В более чем 40 смоделированных сценариях скорректированные методы последовательно превосходили существующие подходы, часто в несколько раз. Результаты были особенно сильными в наборах данных нескольких пород, где дополнительное генетическое разнообразие улучшает различение причинных и просто коррелированных вариантов.
Исследование также вводит генные апостериорные вероятности включения, или PIPgene, которые объединяют данные по всем вариантам внутри гена. Этот подход усиливает биологическую интерпретацию и позволяет исследователям выявлять значимые гены-кандидаты даже когда сигналы отдельных вариантов слабы. В данных свиней породы дюрок PIPgene выделил гены, такие как MRAP2 и LEPR, оба играющие центральную роль в том, как организм использует и запасает энергию.
Значение и будущее внедрение
«Сделав тонкое картирование точным в популяциях со сложным родством, мы теперь можем переходить от широких геномных сигналов к конкретным генам с гораздо большей уверенностью», — сказал Цзян.
Исследовательская группа выпустила программное обеспечение с открытым исходным кодом для поддержки внедрения новой модели для различных видов сельскохозяйственных животных.