Mammal Dominance Database

Genome-wide additive and dominance variance components, significant QTLs and visualisations for 574 complex traits across three mammalian populations (F2 Pigs, HS Rats, HS Mice), computed with the ADDO additive-dominance GWAS framework.
Genome Biology · 2023 First Author: Leilei Cui & Bin Yang Corresponding: Lusheng Huang & Richard Mott DOI: 10.1186/s13059-023-03060-2
Traits in total

三个物种资源群体

点击物种卡片,浏览该群体的全部性状、加性/显性方差剖分与显著 QTL。
加载中…

研究背景

摘自论文概要

近十多年来,全基因组关联分析(GWAS)已被广泛应用于人类和动植物等众多研究领域,检测到许多影响人类疾病和农业经济性状的重要基因。但传统 GWAS 研究仅考虑加性遗传效应,致使许多显性 QTL 因检测效力不足而被遗漏。显性效应作为复杂性状遗传效应的重要组成部分,对显性效应的系统性研究,有利于完善复杂性状的遗传解析、优化农业育种领域的亲本选配,对理解杂种优势的复杂机制也至关重要。

本研究基于团队自主研发的新型 GWAS 软件 ADDO(Bioinformatics 2020),对三个物种(家猪资源家系、大鼠嵌合家系、小鼠资源家系)的 574 个复杂性状和 7 种不同组织的基因表达性状开展了系统的 QTL/eQTL 检测和分类(加性、部分显性、完全显性、超显性),是迄今为止模式动物领域最全面的非加性遗传结构研究之一。

四类 GWAS 模型说明

每个性状均在 ADDO 框架下跑了下面四个层层递进的模型
① A vs Null(A Model)
仅检测单个位点的加性效应,等同于传统加性 GWAS(GEMMA/EMMAX/PLINK)。
② D vs Null(D Model)
单独考虑显性(等位基因互作)效应。只要显性效应足够显著就能检出。
③ AD vs Null(AD Model)
同时整合加性和显性效应。论文中 QTL 检测的主模型。
④ AD vs A(ΔLRT)
检测相较纯加性模型有显著性提升的位点,包括 novel 信号和 effect-improved 信号。

QTL 效应分类

ADDO 将检出的显著 QTL 分为四类
A · 加性 Additive PD · 部分显性 Partial Dominance CD · 完全显性 Complete Dominance OD · 超显性 Over Dominance