我院张勤课题组在《Bioinformatics》发表全基因组上位关联分析新算法

浏览次数:10


近日,生物信息学著名杂志《Bioinformatics5-Year IF: 9.853)在线发表张勤课题组全基因组上位关联分析新算法:“Rapid Epistatic Mixed Model Association Studies by Controlling Multiple Polygenic Effects”https://doi.org/10.1093/bioinformatics/btaa610)。

上位指的是两个或多个位点的联合效应相对于逐个位点效应加和的偏离,被认为是研究复杂性状遗传机制及解释“缺失遗传力”现象的重要方式。然而,现存的全基因组上位效应关联分析算法存在计算效率低、检验互作类型单一、无法处理重复测量数据等问题。为了解决上述问题,课题组基于遗传育种中常用的线性混合模型,提出了快速高效的REMMAX方法。REMMA方法具有以下优势:(1)在模型中加入了多个背景遗传效应,更好地控制假阳性率;(2)同时检验加性、显性、加加互作、加显互作和显显互作效应;(3)模型中加入了个体特有的残差效应(individual-specific residual effect),可以处理有重复测量值的数据;(4)构建的近似检验统计量与个体数成线性关系,且近似检验统计量与精确检验统计量的相关性达到0.99以上。REMMAX方法在基因组选择遗传评估策略中对亲本后代的表型预测、以及繁殖亲本精准选配具有重要应用价值。

我院张勤教授和宁超副教授是该论文的通讯作者,团队师资博士后王丹是论文的第一作者,我院的唐辉教授、中国农业大学刘剑锋教授、加州大学河滨分校的Shizhong Xu教授是本研究的合作作者。上述研究工作得到了山东省农业良种工程、国家自然基金和山东省博士后创新人才支持计划等项目的支持。