<sub id="znb55"></sub>
  • <i id="znb55"></i>
      <rp id="znb55"><menuitem id="znb55"></menuitem></rp>
      <ins id="znb55"></ins><ins id="znb55"><noframes id="znb55"><cite id="znb55"></cite>
      <ins id="znb55"></ins><ins id="znb55"></ins>
      <menuitem id="znb55"><span id="znb55"><menuitem id="znb55"></menuitem></span></menuitem>
      <del id="znb55"><noframes id="znb55">
      <ins id="znb55"><noframes id="znb55"><ins id="znb55"></ins><var id="znb55"><span id="znb55"><var id="znb55"></var></span></var>
      <ins id="znb55"><noframes id="znb55"><cite id="znb55"></cite>

      基于混合样本(pooling)的群体遗传分析,其本质是利用重测序方式获得某物种各个亚种(或品系)群体混合样本的 SNP 变异信息,通过 SNP 可以分析各个亚种(品系)间的遗传进化关系。更重要的是,还可以搜索各个群体中受选择压力影响区域,定位潜在的受选择基因,从而在分子水平解释群体的适应性问题。在样本数量很大的情况下,混合样本策略会有更高性价比。

       

       

      应用领域

      (1)物种在不同生存条件下的自然选择机制研究;
      (2)野生种、 驯化种以及改良种的人工选择机制研究;
      (3)其他关心的物种在不同环境下的选择压力情况。
       
       
       
      技术路线

       

       

      分析内容

       

       

      样品要求

      1. 全基因组重测序:样品浓度≥30ng/uL;总量≥6 μg ;OD260/280 = 1.8~2.0。
      2. 简化基因组测序:样品浓度:≥25 ng/μl,总量≥2 μg ;OD260/280 = 1.8~2.0
      3. 推荐样本数:建议每个群体大于10个样本,若样本数达到30;对群体多样性的各项指标计算会更加准确

       

       

      项目周期

      一般在55个工作日,具体完成时间视项目具体规模(样本数和表型种类数)而定。

       

       

      参考文献

      [1] Witt K E, Huertasanchez E. Convergent evolution in human and domesticate adaptation to high-altitude environments.[J]. Philosophical Transactions of the Royal Society B, 2019, 374(1777).
      [2] Hu X, Yang J, Xie X, et al. The Genome Landscape of Tibetan Sheep Reveals Adaptive Introgression from Argali and the History of Early Human Settlements on the Qinghai-Tibetan Plateau.[J]. Molecular Biology and Evolution, 2019, 36(2): 283-303.
      [3] Henkel J, Saif R, Jagannathan V, et al. Selection signatures in goats reveal copy number variants underlying breed-defining coat color phenotypes[J]. PLOS Genetics, 2019, 15(12).

       

       

       

      Q1: 群体进化分析,需要选择简化基因组测序还是全基因组重测序?

      A:考虑到自然群体极快的LD衰减距离, 简化基因组的覆盖度显得有所不足,全基因组重测序是趋势。推荐样本的全基因组重测序深度要大于基因组的10x

       

      Q2: 群体遗传进化中群体选择的原则是什么?是不是性状间存在差异的群体就可以做选择压力分析?

      A:需选择生存环境和性状均存在差异的群体进行分析,同一亚群内的个体需要选择有一定代表性的。如研究驯化机制,则需要选取野生种、驯化种材料;如研究适应性进化,则需要选取不同地理环境,例如不同海拔高度的样本或者选择南方品种、北方品种;如研究种群历史,需要在物种的可能起源地以及各个分布区域选择材料。

       

      Q3: 作图群体构建图谱时,子代该如何选择?

      A:群体较大时,选取部分材料作图:

      a)    个体编号,随机选择,不考虑表型,群体大小建议150以上;

      b)    所有个体考察表型,统计性状分布情况,根据数据段按比例选择。

      c)    当有多个性状要定位时,只能考虑最关心的性状,其他性状随机。

      群体越大、捕获的重组事件越多,定位越好。

       

       

       

       

      八个不同群体山羊的生产和适应性选择压力研究

      合作单位:西北农林科技大学

      发表期刊:Scientific Reports

      影响因子IF:5.228

       

      研究背景

      山羊作为其中一个最好被驯化的物种,因为长期受人类和自然环境的影响,有着高度的性状多样性。据记载,全球共有557个山羊品种,它们为人类提供重要的农副产品(羊奶、羊毛和肉类等),因此利用基因组重测序方法全面了解山羊的人工和自然受选择情况,对山羊的畜牧业生产与发展有着重要的经济意义。

      样本处理:

      取不同地区的8个山羊(Capra hircus)群体(图1),每个群体至少20个个体。DNA混池后进行重测序,平均测序深度为9-13X。

      图1 样本研究中的8个山羊品种

       

      研究结果

      变异数据挖掘

      测序总共获得203Gb数据,平均每个群体检测到800-900万个SNP,其中74%-88%的SNP都是杂合体。在各群体中,陕北绒山羊(Shaanbei Cashmere)和贵州小山羊(Guizhou Small)的SNP杂合度最高,表示它们正处于高度选择当中。在所有SNP中,只有约0.5%位于编码区域,其中同义突变比非同义突变的比例高。

       

      受选择压力区域分析

      联合Hp(Pooled Heterozygozity)和di两种选择压力分析方法,对山羊的相关受选择压力位点(ZHp≤ − 4 & di > top 1%)进行筛选和分析。

      图2 太行黑山羊的毛色受选择情况

      1.毛色分析

      太行黑山羊(Taihang Black)的基因组杂合率分析发现22个潜在受选择区域,其中包括常见的与毛色相关的基因ASIP,MC1R,MITF以及KITLG。同时,利用di分析太行黑山羊与其他群体的群体间分化程度,发现54个受选择区域和多个潜在受选择基因。两种分析共有6个重叠潜在区域,区域中ASIP,KITLG,MSANTD1,HTT,GNA11和DST等与毛色相关基因都受到高度选择(图2)。

      2.体型分析

      贵州小山羊(Guizhou Small)体型较小,利用此群体进行ZHp分析,发现49个受选择区域,其中包括FOSL2,DGCR8,MTOR和TBX15等常见基因。同时利用di分析,发现56个受选择区域,但只有TBX15,DGCR8,CDC25A和RDH16等功能基因与Hp分析有重叠(图3)。

      图3 贵州小山羊的体型受选择情况

       

      图4 内蒙古绒山羊的绒毛受选择情况

      3.羊绒性状

      內蒙古绒山羊(Inner Mongolian Cashmere)是重要的羊绒生产品种,如何培养出质量好的产羊绒品种一直都是育种的重点。利用ZHp和di分析分别在内蒙古绒山羊中发现40和37个与绒毛产生相关的基因。其中两种分析共有的区域有5个,包括LHX2,FGF9,WNT2,MC1R和FGF5等基因。

       

      4.高原适应性

      藏山羊(Tibetan goat)是西藏的重要山羊品种。在受选择压力分析中,共有49个受选择区域被ZHp分析发现,53个区域被di分析发现。两种分析都发现的共有区域有7个,包括CDK2,SOCS2,NOXA1,ENPEP,KITLG和FGF5等与高原生活相关的重要基因(图5)。

      图5 藏山羊的高原受选择情况

       

       

      小结:平常我们所遇到的大多数混池选择压力分析都是两个群体的比较,因此在分析手段上多用Hp和Fst两种方法的结合。本文的精彩之处在于,在多群体比较的基础上,打破习惯的分析思维,利用全新的di分析方法,能够更准确地分析多群体之间的遗传分化距离。

       

       

      参考文献

      Wang, Xiaolong, et al. "Whole-genome sequencing of eight goat populations for the detection of selection signatures underlying production and adaptive traits." Scientific Reports 6 (2016): 38932.

       

      任你躁在线精品免费,天天摸天天做天天爽视频,男女免费观看在线爽爽爽视频,亚洲欧美中文日韩在线v日本 网站地图