Инструмент исследования ассоциаций путей для анализа GWAS информации о метаболических путях
Summary
Запустив Pathway Association Study Tool (PAST), либо через приложение Shiny, либо через консоль R, исследователи могут получить более глубокое понимание биологического значения результатов своего общегеномного ассоциативного исследования (GWAS), исследуя вовлеченные метаболические пути.
Abstract
Недавно была разработана и выпущена новая реализация ранее описанного метода интерпретации данных общегеномного ассоциативного исследования (GWAS) с использованием анализа метаболических путей. Инструмент исследования Ассоциации Pathway (PAST) был разработан для решения проблем, связанных с удобством для пользователя и медленным анализом. Этот новый удобный инструмент был выпущен на Bioconductor и Github. В тестировании PAST проводил анализы менее чем за один час, что ранее требовало двадцати четырех или более часов. В этой статье мы представляем протокол для использования приложения Shiny или консоли R для запуска PAST.
Introduction
Общегеномные ассоциативные исследования (GWAS) являются популярным методом изучения сложных признаков и связанных с ними геномныхобластей 1,2,3. В этом типе исследования сотни тысяч маркеров однонуклеотидного полиморфизма (SNP) проверяются на их связь с признаком, и оценивается значимость ассоциаций. Ассоциации маркеров-признаков, которые соответствуют порогу ложного уровня обнаружения (FDR) (или какому-либо другому типу порога значимости), сохраняются для исследования, но истинные ассоциации могут быть отфильтрованы. Для сложных полигенных признаков эффект каждого гена может быть небольшим (и, следовательно, отфильтрованным), а некоторые аллели экспрессируются только в определенных условиях, которые могут отсутствовать в исследовании3. Таким образом, хотя многие SMP могут быть сохранены как связанные с признаком, каждый из них может иметь очень небольшой эффект. Слишком много вызовов SNP будет отсутствовать, а интерпретация биологического значения и генетической архитектуры признака может быть неполной и запутанной. Анализ метаболических путей может помочь решить некоторые из этих проблем, сосредоточив внимание на комбинированных эффектах генов, сгруппированных в соответствии с их биологической функцией4,5,6.
Несколько исследований были завершены с использованием предыдущей реализации метода, описанного в этой статье. Накопление афлатоксина7,резистентность к кукурузному ушному червю8и биосинтез масла9 были изучены с предыдущей реализацией. Хотя эти анализы были успешными, процесс анализа был сложным, трудоемким и громоздким, потому что инструменты анализа были написаны в комбинации R, Perl и Bash, а конвейер не был автоматизирован. Из-за специализированных знаний, необходимых для модификации этого метода для каждого анализа, в настоящее время разработан новый метод, которым можно поделиться с другими исследователями.
Инструмент изучения Pathway Association (PAST)10 был разработан для устранения недостатков предыдущего метода, требуя меньшего знания языков программирования и проводя анализ за более короткий период. Хотя метод был протестирован на кукурузе, PAST не делает никаких видовых предположений. PAST можно запускать через консоль R, как приложение Shiny, и ожидается, что онлайн-версия скоро будет доступна на MaizeGDB.
Protocol
Representative Results
Discussion
Основной целью PAST является доведения анализа метаболических путей данных GWAS до более широкой аудитории, особенно для нечеловеческих и неживотных организмов. Альтернативными методами PAST часто являются программы командной строки, которые фокусируются на людях или животных. Удобство использования было основной целью в разработке PAST, как при выборе разработки приложения Shiny, так и при выборе использования R и Bioconductor для выпуска приложения. Пользователям не нужно учиться компилировать программы, чтобы использовать PAST.
Как и в большинстве типов аналитического программного обеспечения, результаты PAST хороши настолько, насколько хороши входные данные; если входные данные имеют ошибки или неправильно отформатированы, PAST не будет запущен или выдать неинформативные результаты. Обеспечение правильного форматирования данных GWAS, данных LD, аннотаций и путей имеет решающее значение для получения правильных выходных данных от PAST. PAST анализирует только двухаллельные маркеры и может выполнять только один признак для каждого набора входных данных. Кроме того, данные GWAS, полученные в результате плохого генотипирования или неправильного или неточного фенотипирования, также вряд ли приведут к четким или повторяемым результатам. PAST может помочь в биологической интерпретации результатов GWAS, но вряд ли прояснит хаотические наборы данных, если изменения окружающей среды, экспериментальные ошибки или структура популяции не были должным образом учтены.
Пользователи могут изменить некоторые параметры анализа, как в приложении Shiny, так и путем передачи этих параметров функциям PAST в консоли R. Эти параметры могут изменять результаты, сообщаемые PAST, и пользователи должны проявлять осторожность при изменении их по умолчанию. Поскольку LD измеряется пользователями, как правило, с использованием того же набора маркерных данных, который также использовался в GWAS, измерения LD специфичны для населения. Для всех исследований, особенно для других видов, кроме кукурузы (особенно самоопыляющихся, полиплоидных или сильно гетерогенных видов), могут быть оправданы изменения в значениях по умолчанию.
Disclosures
The authors have nothing to disclose.
Acknowledgements
Никакой.
Materials
| Computer | NA | NA | Any computer with 8GB RAM should be sufficient |
| R | R Project | NA | R 3.6 or greater is required to install from Bioconductor |
References
- Rafalski, J. Association genetics in crop improvement. Current Opinion in Plant Biology. 13 (2), 174-180 (2010).
- Yan, J., Warburton, M., Crouch, J. Association Mapping for Enhancing Maize (Zea mays L.) Genetic Improvement. Crop Science. 51 (2), 433-449 (2011).
- Xiao, Y., Liu, H., Wu, L., Warburton, M., Yan, J. Genome-wide Association Studies in Maize: Praise and Stargaze. Molecular Plant. 10 (3), 359-374 (2017).
- Wang, K., Li, M., Bucan, M. Pathway-Based Approaches for Analysis of Genomewide Association Studies. The American Journal of Human Genetics. 81 (6), 1278-1283 (2007).
- Weng, L., et al. SNP-based pathway enrichment analysis for genome-wide association studies. BMC Bioinformatics. 12 (1), 99 (2011).
- Tang, J., Perkins, A., Williams, W., Warburton, M. Using genome-wide associations to identify metabolic pathways involved in maize aflatoxin accumulation resistance. BMC Genomics. 16 (1), 673 (2015).
- Warburton, M., et al. Genome-Wide Association Mapping of Aspergillus flavus and Aflatoxin Accumulation Resistance in Maize. Crop Science. 55 (5), 1857-1867 (2015).
- Warburton, M., et al. Genome-Wide Association and Metabolic Pathway Analysis of Corn Earworm Resistance in Maize. The Plant Genome. 11 (1), 170069 (2018).
- Li, H., Thrash, A., Tang, J., He, L., Yan, J., Warburton, M. Leveraging GWAS data to identify metabolic pathways and networks involved in maize lipid biosynthesis. The Plant Journal. 98 (5), 853-863 (2019).
- Thrash, A., Tang, J., DeOrnellis, M., Peterson, D., Warburton, M. PAST: The Pathway Association Studies Tool to Infer Biological Meaning from GWAS Datasets. Plants. 9 (1), 58 (2020).
- Adam, T., Mason, D. . PAST: Pathway Association Study Tool (PAST). Bioconductor version: Release (3.10). , (2020).
- Thrash, A., DeOrnellis, M. . IGBB/PAST. , (2019).
- Bradbury, P., et al. TASSEL: software for association mapping of complex traits in diverse samples. Bioinformatics. 23 (19), 2633-2635 (2007).
- Subramanian, A., et al. Gene set enrichment analysis: A knowledge-based approach for interpreting genome-wide expression profiles. Proceedings of the National Academy of Sciences U.S.A. 102, 15545-15550 (2005).
