Nature Genetics | CIMMYT发布小麦大规模全基因组选择及关联分析研究结果

基因组学是未来对小麦进行遗传改良的一种必备工具。近期Nature genetics杂志在线发布了CIMMYT利用基因组学的方法，使用小麦大规模群体（多达44624份材料）以及全球多个地区多年多点表型数据，采用GBS简化基因组测序方法，进行全基因组选择和全基因组关联分析的最新研究结果。这项结果无疑是目前为止，最大规模的小麦遗传学研究。

群体材料：八个种质资源，共计44624份材料，其中大部分是育种的中间材料。

表型数据：上述材料分批，分类，分别种植在墨西哥，埃及，阿富汗，加拿大，巴基斯坦，印度，孟加拉国，苏丹，肯尼亚，美国等全球很多地区。每个地区，各种条件下考察各种农艺性状和抗病表型。

图一，表型之间相关性。

基因型：GBS简化基因组测序，使用TASSEL v.5 pipeline进行分析。全基因组一共鉴定到77148个marker（未过滤），使用70%，50%，10%的缺失率为阈值进行过滤分别得到15799，9141，2224个marker。

图2，全基因组maker密度分布图。markers denote filtered sets with 70%, 50% and 10% of missing data, respectively

全基因组选择：使用其中4个种质资源群材料3485份材料，对35个表型，用gBLUP和Bayes B模型，在R软件包BGLR中进行分析。采用5倍交叉验证方法对genome selection准确性进行验证。

有一个概念大家需要理解，genome selection与genome prediction，这里核心是prediction，就是利用全基因组marker预测表型，然后跟预测值进行选择育种。

genome prediction这里面说的很邪乎，数量遗传接触少的人可能压根不知道他在说什么。想深入了解的，推荐大家阅读BGLR的帮助文档，另外GAPIT（强烈推荐）软件也能做genome selection的分析。GAPIT软件还配有例子数据，可以直接拿来学习用。不花一分钱，跑通软件，学会1 1=2，对于10 10，一样的道理。

这里面有一个结果，大家需要注意，如图3所示，作者利用不同的marker数量进行genome prediction，发现使用一万多个marker和一千多个marker的预测效果基本相同。预示着做这个genome selection可能不需要高密度的分子标记（土豪可能只是说说，别太当真，下次土豪再发文章只可能是更多marker。其实小麦marker间高度的LD，也确实不需要太多marker）。

还有一个结果，大家需要留下心，作者在使用missing rate10%对marker进行过滤后，得到2253个marker，然后又把相关性大于0.3的marker进行了去冗余--就是利用LD，把冗余的marker扔了，这一扔不要紧，只剩下了160个marker。这说明什么问题？作者这里可是用了三四千份材料啊！这说明了小麦的遗传资源相对来说是非常狭窄的，其整个基因组几乎都在LD。这将预示着在小麦里的利用自然群体GWAS，对于复杂的数量性状而言，将是灾难级别的大坑，我希望小麦研究人员要意识到这一点。

图三，genome prediction准确性。

GWAS：作者这里利用了一共上万份材料（最多的一个panel 7887）对考察的性状进行关联分析，采用的MLM模型，使用的TASSEL v.5软件进行分析，阈值为-log10(0.2/N)。

GWAS这个大家比较熟，我在这里面把阈值单独拎出来，是因为大家对这问题问的比较多，0.01/N，0.05/N，0.1/N，0.2/N，1/N大家都是各取所好，哪个对自己好用哪个，没有什么哪个好，统计这东西为了严谨，很多时候却是很不严谨的。如果大家真要较真，推荐大家使用permutation的方法，得到Null distribution来确定阈值。这是一个让叽叽歪歪的审稿人都闭嘴最终方法，其实做了这个你才能真正了解一点统计学。

这篇文章GWAS的结果比较多，大家可以各取所需的去看看。尤其是对于抗病的，因为很多都是质量性状，定位效果貌似比较好。

图四，抗病性状和质量性状GWAS结果。

图五，抗病性状分布。

Genomic fingerprinting：这一部分里，作者根据GWAS的结果，挑选了195个和表型相关的marker，建立了44624份材料的指纹图谱，并且研究了这些“优异”等位基因的在不同群体里不同年份的动态变化，这些结果“可能”对育种有直接的指导作用。

图注里的2013-2017可能是2003-2017。