基于Adaptive Lasso的两阶段全基因组关联分析方法

作者：杨文宇; 吴成秀; 肖英杰^*; 严建兵

来源：作物学报, 2023, 49(09): 2321-2330.

• 玉米
• 全基因组关联分析
• 变量选择
• Adaptive Lasso

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AdaptiveLasso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(falsediscoveryrate,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。

• 出版日期2023
• 单位华中农业大学