基于Adaptive Lasso的两阶段全基因组关联分析方法

摘要：

作为进行全基因组关联分析的主流方法,混合线性模型类方法得到了广泛的应用.但是,现有方法仍存在检测功效不高的问题.本文提出一种基于 Adaptive Lasso 的 2 阶段全基因组关联分析方法(two-stage Adaptive Lasso-based genome-wide association analysis,ALGWAS),该方法在第1阶段通过变量选择方法Adaptive Lasso筛选出与目标性状相关联的单核苷酸多态性位点(single nucleotide polymorphism,SNP),第 2 阶段将第 1 阶段筛选出的SNP作为协变量放入线性模型中进行全基因组扫描.在模拟实验中,ALGWAS方法与 3 种常用的全基因组关联分析方法fastGWA、GEMMA和EMMAX相比具有最高的检测功效,同时具有较低的错误发现率(false discovery rate,FDR).将以上 4 种方法应用到包含 1341 份材料的玉米CUBIC(Complete-diallel plus Unbalanced Breeding-like Inter-Cross)群体的全基因组关联分析中,ALGWAS 方法可检测到与开花期相关基因 ZmMADS69、ZmMADS15/31、ZmZCN8 和ZmRAP2.7,与株高相关基因ZmBRD1 和ZmBR2,与产量相关基因ZmUB2、ZmKRN2 和ZmCLE7 等,而其他 3 种常用的全基因组关联分析方法检测功效较低.本研究提出了一种非混合线性模型类的全基因组关联分析方法,对解析微效多基因决定的复杂遗传性状具有更高的检测效率,为基因挖掘提供了新的途径.

关键词：玉米、全基因组关联分析、变量选择、Adaptive Lasso

所属期刊栏目：49

分类号：S;R733.3;TP391

在线出版日期：2023-07-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：2321-2330