Badania asocjacyjne w skali genomu (GWAS)

Transkrypt

1 Badania asocjacyjne w skali genomu (GWAS) Wstęp do GWAS Część 1 - Kontrola jakości Bioinformatyczna analiza danych Wykład 2 Dr Wioleta Drobik-Czwarno Katedra Genetyki i Ogólnej Hodowli Zwierząt

2 Badania asocjacyjne Identyfikacja molekularnego podłoża dziedzicznych różnic fenotypowych Uwarunkowania genetyczne chorób człowiek Cechy produkcyjne zwierzęta gospodarskie Eksterier zwierzęta towarzyszące Analiza ma na celu lokalizację loci cech ilościowych lub/oraz wykrycie polimorfizmów funkcjonalnych

3 Źródło: Nature reviews, Drug discovery

4 Zestawienie asocjacji (GWA, p < ) opublikowanych do 2013 roku dla 17 kategorii cech. Liczba SNP w katalogu: SNP SNP

5 GWAS (ang. genome-wide association studies) Badania asocjacji w skali całego genomu Opierają się na części: Molekularnej: genotypowanie dużej ilości osobników na mikromacierzach SNP Statystycznej: testowanie istotności statystycznej przy użyciu różnych modeli Wykrywamy markery genetyczne poprzez znalezienie istotnych statystycznie różnic w częstościach występowania alleli

6 GWAS w wykrywaniu QTL (ang. genome-wide association studies) Wykorzystujemy zjawisko nierównowagi sprzężeń pomiędzy markerem a rzeczywistym QTL Przydatność metody do wykrywania QTL zależy od: Odziedziczalności cechy Ilości QTL dla danej cechy oraz ich siły Zasięgu nierównowagi sprzężeniowej Liczby dostępnych obserwacji Liczby markerów genetycznych

7 Problemy i ograniczenia GWAS Wymagane są wiarygodne dane dobrej jakości Bardzo ważna jest kontrola jakości przed przystąpieniem do właściwej analizy! Moc statystyczna testów jest ograniczona: konieczna jest poprawka na wielokrotne porównania próba musi być odpowiednio liczna Cechy ilościowe są często warunkowane przez dużą liczbę loci: W pracy Lango i wsp. (2010) stwierdzono, że około 180 loci powiązanych ze wzrostem u ludzi jest odpowiedzialnych za jedynie 10% całkowitej zmienności genetycznej Najczęściej polimorfizm w danym loci jest jedynie sprzężony z właściwą mutacją potrzebne są dalsze analizy aby wykryć polimorfizm funkcjonalny

8 GWAS - kontrola jakości Część 1

9 Dlaczego QC? Za Carstensen T. 2015

10 a 10 June 2015 Kontrola jakości Jakość próbki Jakość markerów Jakość genotypowania dla próbki (ang Sample Call Rate) Heterozygotyczność autosomalna Zgodność płci Stopień heterozygotyczności chromosomu X Zbyt wysokie pokrewieństwo Identyczność przez pochodzenie (IBD) Zbyt niskie pokrewieństwo Aanaliz głównych składowych (PCA) Jakość genotypowania dla SNP (ang SNP Call Rate) Równowaga Hardy ego i Weinberga (HWE)

11 Jakość genotypowania ang. Call Rate Jaka część SNP została poprawnie sklasyfikowana dla danej próbki (dla próbki) lub jaka część osobników została poprawnie zgenotypwana dla danego SNP (dla markera) Zazwyczaj minimalny próg wynosi 90% Frekwencja rzadszego alllelu Minor allele frequency (MAF) Przy niskiej frekwencji alleli mogą one być obecne jedynie u kilku osobników w populacji Frakcja SNP dla próbki w odniesieniu do wszystkich markerów Najczęściej stosowane progi to 1% lub 5%

12 Heterozygotyczność autosomalna ang. autosomal heterozygosity Usuwamy próbki, które charakteryzują się zbyt wysoką heterozygotycznością jak na populacje uwaga na strukturę popoulacji! Kwartyl przedziału międzykwartylowego

13 Równowaga Hardy ego-weinberga Obserwowana frekwencja genotypów a frekwencja rzeczywista Test statystyczny Używamy testu chi-kwadrat lub dokładnego testu Fishera Próg istotności powinien być dobrany tak aby wykryć jedynie skrajne przypadki p q p p 2 qp q pq q 2 Oczekiwane frekwencje genotypów (p+q) 2 = p 2 + 2pq + q 2 = 1

14 Równowaga Hardy ego-weinberga Błędy w genotypowaniu Turner i wsp., 2012

15 Równowaga Hardy ego-weinberga ang. Hardy-Weinberg Equilibrium O czym może świadczyć brak równowagi? Błędy w genotypowaniu Stratyfikacja populacji Istnienie selekcji Loci nie będące w równowadze HW może być tym którego szukamy! Obecnie doradza się: oznaczenie loci, które wyraźnie odbiegają od prawa równowagi HW zamiast usuwania ich z analizy Sprawdzenie HW jedynie w grupie kontrolnej, gdzie większość loci powinno być w równowadze Testowanie HW w każdej subpopulacji z osobna

16 Zgodność płci Identyfikacja osobników dla których płeć z bazy danych różni się od płci genetycznej Oceniamy stopień heterozygotyczności na chromosomie X Samice z błędnie przypisaną płcią Źródło: GoldenHelix

17 Niezgodności w dziedziczeniu mendlowskim ang. Mendelian errors Możliwe jeżeli mamy zgenotypowanych rodziców (co najmniej jednego) oraz potomstwo Źródło: Nordic Cattle Genetic Evaluation,

18 Niezgodności w dziedziczeniu mendlowskim Źródło: Nordic Cattle Genetic Evaluation,

19 Niezgodności w dziedziczeniu mendlowskim Może wynikać z: Błędów w rodowodach Błędów w oznaczeniu próbek w labolatorium Pobrano materiał od złego osobnika Osobniki takie powinny być wykluczone z analizy Test ten nie jest tym samym co kontrola pochodzenia i może wyłapać tylko wybrane przypadki

20 Zbyt wysokie pokrewieństwo ang. Cryptic Relatedness Wysokie spokrewnienie pomiędzy próbkami, którego się nie spodziewamy Może mieć istotny wpływ na wyniki w małych, izolowanych populacjach Analizujemy poprzez identyczność przez pochodzenie IBD (ang. Identity By Descent) i współczynnik kinship Prawdopodobieństwo, że dwa allele w danym locus są identyczne przez pochodzenie od wspólnego przodka Co może być przyczyną? Źle dobrana próba Zduplikowane próbki

21 Struktura genetyczna populacji Tylko homogenne grupy pozwalają na uzyskanie wyników o najwyższej jakości Sprawdzamy czy w populacji nie zachodzi stratyfikacja (ang. population stratification) lub domieszka populacji (ang. admixture) Stratyfikacja różnice w częstości występowania alleli, które nie mają związku z badaną cechą, ale z obecnością podgrup Domieszka krzyżowanie się osobników z poprzednio rozdzielonych populacji. Do populacji dołączają się nowe genotypy lub wydzielane są nowe linie.

22 Populacje ludzkie Elhaik E. i wsp., Geographic population structure analysis of worldwide human populations infers their biogeographical origins. Nature

23 W czym problem? Genotyp Związek którego szukamy Cecha związek związek Pochodzenie Pochodzenie jest tzw. zmienną zakłócającą. Jest skorelowane zarówno ze zmienną objaśnianą (cecha) oraz objaśniającą (genotyp). Może zmienić wynik analizy jeżeli nie zostanie w niej uwzględnione.

24 Fałszywa asocjacja Populacja 1 Populacja 2 Próba Próby eksperymentalne Próby kontrolne

25 Analiza głównych składowych ang. principal component analysis (PCA) Umożliwia wykrycie różnic we frekwencji alleli pomiędzy subpopulacjami Różnice pomiędzy subpopulacjami są przedstawione za pomocą tzw. głównych składowych a nie frekwecji pojedynczych markerów Populacje z Azji wschodniej wg. Patterson i wsp., 2006

26 Literatura Gurgul A, Ząbek T, Bugno-Poniewierska M Wykorzystanie wysokowydajnych technik analiz genomu w badaniach naukowych i hodowli zwierząt gospodarskich. Roczniki Naukowe Zootechniki. Patterson N, Price AL., Reich D Population Structure and Eigenanalysis. Plos ONE. Turner S, Armstrong LL, Bradford Y et al Quality Control Procedures for Genome Wide Association Studies. Curr Protoc Hum Genet.