[发明专利]一种牦牛基因组测序数据的基因型填充方法

说明书

本发明公开了一种牦牛基因组测序数据的基因型填充方法，根据牦牛深度基因组测序数据进行分子标记提取，低密度重测序分子标记数据的格式转换，基于聚类分析对牦牛群体进行归类分群；利用各分类群内部个体间的遗传关系及估计的遗传参数，以隐马尔科夫模型为基础建立基因型填充模型，估计缺失值的最佳可能性基因型，针对小群体进行宏观预测；最后整理得到整体大群牦牛基因组填充后的基因型数据。本发明利用牦牛小群体遗传结构强于整体遗传关系的背景，结合隐马尔科夫预测模型和逐轮填充技术提高牦牛基因组测序数据填充的准确率。

技术领域

本发明涉及基因组信息填充技术领域，特别是一种牦牛基因组测序数据的基因型填充方法。

背景技术

全基因组测序(Whole Genome Sequencing,WGS)是对细胞或生物体所有的基因组进行测序，获得完整的基因组信息。全基因组测序数据可以找到基因与表型之间的联系，在挖掘动植物重要经济性状相关的功能基因、分析遗传机制等方面有重要意义。

我国牦牛主要分布在青藏高原海拔3000米以上的高寒草原及高山峡谷区域，有着耐高寒和耐低氧的优良性状，是牧民生活依赖的重要生产资料。由于传统牦牛饲养方式造成的长期过度繁殖和近亲繁殖，家养牦牛的繁殖能力、生长速度、成年体型和产奶量下降，给当地畜牧业的发展造成了影响。对全基因组测序数据进行分析，可以找到与生长性状相关的候选基因，但是牦牛的全基因组测序数据一般有较多缺失值，需要利用基因型填充的方法填充缺失值。

基因型填充方法的基本原理是根据参考群体提供的基因型信息，构建出参考群体和目标群体之间共享的单倍型信息，比对目标群体与参考群体之间共享的单倍型信息，将目标群体缺失的基因型信息填充完整，得到完整的基因型数据。基因型填充方法大致分为两类，一类是计算密集型的，如IMPUTE、MACH和fastPHASE等，还有一类是计算高效型，如PLINK、MINIMAC和BEAGLE等。计算密集型的基因型填充软件在填充的过程中充分考虑到所有已知的基因型信息，使得对未知的基因型信息的估算更加精确，但是填充耗时较长。而计算高效型的基因型填充软件在填充过程中仅仅关注与特定的SNP位点相邻的一部分标记的基因型信息，填充耗时较短但是填充准确性相对要低一点。在日本黑牛的研究中，利用BEAGLE软件从三个方面评估了日本黑牛群体基因型计算的准确性。对于不同数量的缺失基因型的影响，50K、26K和20K的填充匹配率和相关性较高，但7K的填充匹配率和相关性较低。在肉牛的研究中，使用软件BEAGLE、FIMPUTE和IMPUTE2对多品种的肉牛群体进行了填充。FIMPUTE软件对纯种群体填充的填充匹配率在94.20％到97.93％之间，IMPUTE2软件为95.35％到98.31％，BEAGLE软件为90.02％到96.38％。杂交动物的填充匹配率为54.15～97.53％(FIMPUTE)，57.04～97.46％(IMPUTE2)，以及54.35～95.64％(BEAGLE)。在牛的研究中，选择三种参考基因组，对数据进行基因分型后，利用PEDIMPUTE、FINCHAP、FIMPUTE和BEAGLE软件进行填充，FIMPUTE软件的填充匹配率率最高，约为95％，其次是BEAGLE软件，约为92％，另外两种软件的填充匹配率受基因分型的影响变化较大。基因型填充技术在人类、鸡、羊、猪、植物上都有广泛的应用。

然而牦牛具有独特的遗传结构、群体构成以及基因组复杂度使牦牛测序数据更不容易被准确的填充；现有技术中基因型填充软件或方法并不适用于牦牛基因型填充，因此，亟待开发一种牦牛基因组测序数据的基因型填充方法。

发明内容

本发明的目的是要解决现有技术中存在的不足，提供一种牦牛基因组测序数据的基因型填充方法。

为达到上述目的，本发明是按照以下技术方案实施的：

一种牦牛基因组测序数据的基因型填充方法，包括以下步骤：

1)根据已有的牦牛基因型数据对牦牛群体进行聚类和归类，以分类群体作为基础群体；