Yapılandırılmış popülasyonlarda akraba evliliği depresyonunun tespiti

Önemi

Soy içi depresyon, soy içi üreme nedeniyle bireylerin zindeliğinin azalmasıdır ve geleneksel olarak soy içi katsayısı üzerindeki fenotipin (genelleştirilmiş) doğrusal regresyonları yoluyla niceliksel olarak belirlenir. Bu yaklaşım homojen popülasyonlar için yeterli olabilirken, yapılandırılmış popülasyonlarda soy içi depresyonun gücünün önyargılı bir şekilde tahmin edilmesine yol açabilir. Bu yazıda, klasik doğrusal model yaklaşımını, genomik ilişki matrislerini dahil ederek popülasyon yapısını hesaba katan karma bir modelle karşılaştırıyoruz. İki ek soruyu ele alıyoruz: i) Hangi soy içi depresyonu tahmin etmek için en uygun soy içi katsayısı hangisidir? ii) Hangi akrabalık matrisi yapı için en iyi düzeltmeyi sağlar? Çeşitli büyüklük ve yapıdaki popülasyonlarda sekiz farklı soy içi katsayısını ve üç farklı akrabalık matrisini karşılaştırıyoruz.

Soyut

Akraba evliliğini ve bunun zindelik üzerindeki sonuçlarını ölçmek, insan genetiği ve nesli tükenmekte olan türlerin korunması da dahil olmak üzere biyolojideki birçok alan için merkezi öneme sahiptir. Ancak, ne akraba evliliğinin kendisinin nicelleştirilmesi ne de modelin belirli özellikler üzerindeki etkisini tahmin etmesi için en iyi yöntem konusunda bir fikir birliği yoktur. Büyük bir soyağacından simüle edilmiş genomlara ve çeşitli büyüklük ve yapılara sahip popülasyonlardan (1.000 Genom projesinden) insan verilerinin ampirik tüm genom dizilerine dayalı özellikleri simüle ettik. Çeşitli akraba evliliği katsayılarının (F) akraba evliliği depresyonunun gücünü ölçmek için: alel paylaşımı, her lokus için atfettikleri ağırlıkta farklılık gösteren birleşen gametlerin korelasyonunun iki versiyonu ve iki özdeş-köken segmenti tabanlı tahmin edici. Ayrıca iki modeli karşılaştırıyoruz: standart doğrusal model ve gözlemlerin bağımsız olmamasını hesaba katmak için rastgele etki olarak bir genetik ilişki matrisi (GRM) içeren doğrusal karma model (LMM). LMM’lerin popülasyon veya aile yapısı olan senaryolarda daha iyi sonuçlar verdiğini buluyoruz. LMM içinde, üç farklı GRM’yi karşılaştırıyoruz ve homojen popülasyonlarda, farklı popülasyonlar arasında çok az fark olduğunu gösteriyoruzFve akraba evliliği depresyonu nicelemesi için GRM. Ancak, güçlü bir popülasyon veya aile yapısı mevcut olur olmaz, akraba evliliği depresyonunun gücü yalnızca i) fenotipler regresyona tabi tutulursa en verimli şekilde tahmin edilebilirFBirleşen gametlerin korelasyonunun ağırlıklı versiyonuna dayalı olarak, ortak alellere daha fazla ağırlık verilmesi ve ii) alel paylaşım ilişkisi tahmin edicisinden elde edilen GRM ile Soy içi üreme, akrabalar arasındaki çiftleşmenin bir sonucudur ve sıklıkla, soy içi depresyon (AB) adı verilen ve insanlar diğer hayvanlar ve bitkiler gibi birçok farklı türde gözlemlenen, azalmış uygunlukla ilişkilendirilir.Soy içi üreme nicelemesi için birçok farklı yöntem geliştirilmiştir ve hangisinin en iyi olduğu konusunda bir fikir birliği yoktur Klasik yaklaşım ilk olarak 1922’de Sewall Wright tarafından önerilmiştir ve soy ağaçlarından Dizileme teknolojilerindeki ilerlemelerle birlikte, genom tabanlı akraba çiftleşme katsayıları geliştirilmiştir. Bunlar arasında, bazı katsayılar gözlenen ve beklenen heterozigotluk arasındaki karşılaştırmaya dayanmaktadır, örneğin bireyler arasında beklenen alel paylaşımı, örneğin veya gametlerin birleşmesi arasındaki korelasyon üzerine Gerçekleştirilen akraba evliliği katsayısını tahmin etmenin yanı sıra popülasyonun soyağacı hakkında önceden bilgi gerektirmemesinin yanı sıra, bu genomik tahminler basit ve hesaplanması kolaydır ve tüm genom dizileme (WGS) verileri gerektirmez; birkaç bin SNP genellikle insanlarda güvenilir akraba evliliği tahmini için yeterlidir. Ancak, bunların bir dezavantajı da vardır: Genellikle alelik oranların ikinci dereceden momentlerini gerektirirler Bu anlar, alel olasılıklarının ve eş soy katsayılarının karmaşık fonksiyonları olan beklentilere sahiptir ve bu da önyargılı tahminlere yol açar Başka bir akraba çiftleşme katsayısı McQuillan ve diğerleri tarafından önerildi.

Kaynak ve devamına Buradan ulaşabilirsiniz.