面向世界科技前沿,面向国家重大需求,面向国民经济主战场,率先实现科学技术跨越发展,率先建成国家创新人才高地,率先建成国家高水平科技智库,率先建设国际一流科研机构。

——中国科学院办院方针

首页 > 科研进展

营养与健康所等基于机器学习建立人类遗传重组图谱

2022-01-25 上海营养与健康研究所
【字体:

语音播报

  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、中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。

  论文链接 

  各个遗传重组图谱中遗传重组异质性的统计。如果遗传重组在基因组中均匀分布,此时将不存在任何遗传重组异质性,且对应曲线为对角线;如果基因组中遗传重组异质性越高,则有更多的遗传重组热点,对应曲线越弯曲。

打印 责任编辑:侯茜

扫一扫在手机打开当前页

© 1996 - 中国科学院 版权所有 京ICP备05002857号-1 京公网安备110402500047号 网站标识码bm48000002

地址:北京市西城区三里河路52号 邮编:100864

电话: 86 10 68597114(总机) 86 10 68597289(总值班室)

编辑部邮箱:casweb@cashq.ac.cn

  • © 1996 - 中国科学院 版权所有 京ICP备05002857号-1 京公网安备110402500047号 网站标识码bm48000002

    地址:北京市西城区三里河路52号 邮编:100864

    电话: 86 10 68597114(总机) 86 10 68597289(总值班室)

    编辑部邮箱:casweb@cashq.ac.cn

  • © 1996 - 中国科学院 版权所有
    京ICP备05002857号-1
    京公网安备110402500047号
    网站标识码bm48000002

    地址:北京市西城区三里河路52号 邮编:100864
    电话:86 10 68597114(总机)
       86 10 68597289(总值班室)
    编辑部邮箱:casweb@cashq.ac.cn