作者:李海鹏等 来源:《人类遗传学》 发布时间:2022/1/25 14:40:36
选择字号:
基于机器学习建立人类遗传重组图谱

 

1月20日,中国科学院上海营养与健康研究所李海鹏研究组等在Human Genetics上,在线发表了题为Fine human genetic map based on UK10K data set的研究论文。遗传重组是生命进化的基础,在有性生物形成配子的过程中,来自父方和母方的染色体相互交换遗传物质,从而增加了相邻基因间不同等位基因的组合,丰富了遗传多样性。精确度量基因组不同区域的遗传重组率是生物学研究的热点。精确的遗传重组图谱对探究遗传重组的发生机制、杂交育种、准确定位致病突变和某一性状的决定基因,均非常重要。

遗传重组率估值的精确度与数据囊括的遗传重组次数成正比,若数据囊括了越多的遗传重组事件,则遗传重组率估值越精确,反之亦然。无论是基于家系或单精子测序的研究,还是基于群体遗传数据的研究,这一原则均成立。基于群体遗传数据的分析,局限于已有的分析方法,较难运用以分析大样本。本研究中,科研人员扩展了前期开发的机器学习方法,运用新开发的FastEPRR 2.0分析了公开的UK10K共3,781个非相关个体(n=7,562个基因组)测序数据,基于Out-of-Africa群体历史模型,准确估计了遗传重组率,构建出精确的遗传重组图谱。总体上看,少数已知的遗传重组热点在UK10K遗传图谱中依然存在,但在UK10K遗传图谱中,遗传重组率估值波动较为平缓,遗传重组异质性较低(如图)。为了剖析样本大小对估值的影响,研究从UK10K数据中随机选取2,000、400和200个基因组测序数据,分析结果显示随着样本量的降低,遗传重组率的估值波动加大。上述结论不依赖分析时所用的群体历史模型,研究人员在使用群体数量恒定模型中也观察到同样的现象。该研究提供了精确的人类遗传重组图谱,并发现遗传重组在基因组上的分布或比预期的更均匀。

理论群体遗传学领域拥有完善的数学基础,与机器学习中的黑盒子概念相反。2008年初,研究人员预见有监督的机器学习对群体遗传学的促进作用,因而在2011年与合作者首次将有监督的机器学习引入了群体遗传学(Genetics),并在2013年(Genetics)、2016年(G3)持续发展这一新范式。在某些方面,虽然有监督的机器学习比极大似然法、贝叶斯等方法更好,但是这一新范式能否为进化生物学领域带来新发现,依然未知。结果表明,新范式带来了新发现,也回应了领域中某些质疑意见。

研究工作得到国家自然科学基金、科院战略性先导科技专项、国家重点研发计划和营养与健康所的支持。(来源:中国科学院上海营养与健康研究所)

相关论文信息:https://doi.org/10.1007/s00439-021-02415-8

 
特别声明:本文转载仅仅是出于传播信息的需要,并不意味着代表本网站观点或证实其内容的真实性;如其他媒体、网站或个人从本网站转载使用,须保留本网站注明的“来源”,并自负版权等法律责任;作者如果不希望被转载或者联系转载稿费等事宜,请与我们接洽。
 
 打印  发E-mail给: 
    
 
相关新闻 相关论文

图片新闻
西工大研制的“飞天一号”火箭发射成功 “慧眼”卫星再次刷新宇宙最强磁场纪录
江门中微子实验探测器主结构安装完成 这种导电聚合物可让光线扭曲
>>更多
 
一周新闻排行
 
编辑部推荐博文