1760016829
2025-10-09 13:06:00
データ概要
PigGTEx プロジェクトから、遺伝子型と遺伝子発現データが一致する 386 個の血液サンプルを収集しました [9]。これらの血液サンプルの詳細は表S1に記載されています。 MetaPred を使用して欠落している性別情報を予測しました (https://github.com/FarmGTEx/metadata-prediction-v1) 遺伝子発現データに基づく。性情報の予測には、PigGTExプロジェクトから派生した遺伝子発現データ（transcripts per million、TPM）を利用し、20倍×5回の繰り返し回数を利用して各サンプルの性情報の予測確率を求めました。次に、性情報の予測確率が 95% を超えるサンプルを下流分析用に保持しました。遺伝子型データについては、GATK (v4.0.8.1) を使用して RNA-seq データから低密度一塩基多型 (SNP) を呼び出しました。 [22]。その後、Beagle (v5.1) の豚ゲノミクス参照パネルを使用して、低密度の遺伝子型が高密度の遺伝子型に代入されました。 [23]。品質管理後、サンプル全体で 2,833,585 個の共通両対立遺伝子 SNP (マイナー対立遺伝子頻度 (MAF) > 0.05) がさらなる分析のために維持されました。遺伝子型データの処理の詳細については、PigGTEx プロジェクトを参照してください。 [9]。品質管理の後、既知の性別情報を持つ 384 個のサンプル (男性 156 人、女性 228 人を含む) が下流分析のために保管されました。
差次的に発現される遺伝子の解析
低発現遺伝子 (平均読み取り数 24]。次に、smartSVA R パッケージ (v 0.1.3) を使用して、性別を除く正規化遺伝子発現データのサロゲート変数 (交絡因子) を算出しました。 [25]。交絡因子の調整に関する手順は以下の通りである。まず、性別情報によってグループ化された num.sv() 関数を利用して、サロゲート変数の数 (2 つのサロゲート変数を含む) を計算しました。次に、smartsva.cpp(n.sv = 2) 関数を使用してサロゲート変数を計算しました。その後、limma R パッケージ (v3.60.6) の RemoveBatchEffect() 関数を使用して、正規化された遺伝子発現データのサロゲート変数を調整しました。 [26]。調整された遺伝子発現データを利用して、Wilcox テスト法を使用して発現差のある遺伝子分析を実行しました。最後に、性別に偏った遺伝子を取得するための閾値として偽発見率 (FDR) 2(倍変化)|> 1.5 を設定しました。
性別混合および性別階層化 cis-h2
男性と女性の間の遺伝子発現の遺伝的分散の類似点と相違点を調査するために、性別を組み合わせたおよび性別階層化した遺伝子発現の差異を推定しました。 シス-h2 OmiGA を使用した血液中の遺伝子発現の解析 (v1.0.4.250515_beta2) [27]。遺伝子発現データの処理では、まず常染色体上に位置する遺伝子を維持しました。次に、edgeR R パッケージを使用して TPM 28]で遺伝子を削除し、TMM の逆正規変換を実行しました。男女混合を推定するには シス-h2、データセット全体を利用して推定しました シス-h2。性別階層を推定するには シス-h2、遺伝子型と遺伝子発現データを男性と女性の層別データセットに分離し、男性層と女性層を推定しました。 シス-h2、 それぞれ。統計モデルは次のとおりです。
$${varvec{y}}={varvec{X}}{varvec{b}}+{{varvec{g}}}_{{varvec{a}}{varvec{c}}}+{varvec{e}}$$
ここで、 ({varvec{y}}) は各遺伝子の正規化された発現ベクトル、 ({varvec{b}}) は OmiGA によって推定された表現型と遺伝子型の主成分 (PC) を含む共変量です。 ({{varvec{g}}}_{{varvec{a}}{varvec{c}}}sim {varvec{N}}left(0,{{varvec{G}}}_{{varvec{a}}{varvec{c}}} {{varvec{upsigma}}}_{{varvec{a}}{varvec{c}}}^{2}right)) です シス-相加遺伝効果 ({{varvec{upsigma}}}_{{varvec{a}}{varvec{c}}}^{2}) は、 シス-相加的な遺伝的分散、({{varvec{G}}}_{{varvec{a}}{varvec{c}}}) は相加的です シス-ゲノム関係行列 (シス-GRM) にある遺伝子型によって構築されます。 シス-遺伝子の転写開始部位 (TSS) の約 1 Mb の領域。 ({varvec{e}}sim {varvec{N}}left(0,{varvec{I}}{{varvec{sigma}}}_{{varvec{e}}}^{2}right)) は残差です。 ({{varvec{sigma}}}_{{varvec{e}}}^{2}) は残差分散です。 ({varvec{X}}) は ({varvec{b}}) の設計行列です。
PC の表現型と遺伝子型については、OmiGA のパラメーター「–dprop-pc-covar 0.001」を持つ PC を考慮しました。男女混合および男女階層化の推定にはパラメータ「–h2-model Ac」を使用しました。 シス-h2。
性別を組み合わせたおよび性別階層化した cis-eQTL マッピング
血液中の遺伝子発現の遺伝的影響を調査するために、OmiGA を使用して cis-eQTL マッピングを実行しました。組み合わせたものについては、 シス-eQTL マッピングでは、データセット全体を利用して実行しました シス-eQTLマッピング。性別階層化された人々にとって シス-eQTLマッピングでは、遺伝子型と遺伝子発現データを男性と女性の層別データセットに分離し、男性層化と女性層化を実施しました。 シス-それぞれ eQTL マッピング。統計モデルは次のとおりです。
$${varvec{y}}={varvec{X}}{varvec{b}}+{{varvec{s}}}_{{varvec{g}}}{{v arvec{beta}}}_{{varvec{g}}}+{{varvec{g}}}_{{varvec{a}}}+{varvec{e}}$$
ここで、 ({{varvec{beta}}}_{{varvec{g}}}) は SNP の遺伝的影響です。 ({{varvec{s}}}_{{varvec{g}}}) は、0、1、2 としてコーディングされる遺伝子型のベクトルです。 ({{varvec{g}}}_{{varvec{a}}}sim {varvec{N}}left(0,{{varvec{G}}}_{{varvec{a}}}{{varvec{upsigma}}}_{{varvec{a}}}^{2}right)) は添加剤です 遺伝的影響。 ({{varvec{upsigma}}}_{{varvec{a}}}^{2}) は、相加的な遺伝的分散です。 ({{varvec{G}}}_{{varvec{a}}}) は、遺伝子型によって構築された相加的 GRM です。他の変数は統計モデルと同じです。 シス-h2。
性相互作用の cis-eQTL マッピング
私たちは性行為を行いました シス-OmiGA を使用した eQTL マッピング。統計モデルには、線形モデル (LM) と線形混合モデル (LMM) が含まれます。性的相互作用のための LMM シス-eQTL マッピングは次のとおりです。
$$begin{aligned}{varvec{y}}=&{varvec{X}}{varvec{b}}+{{varvec{s}}}_{{var vec{g}}}{{varvec{beta}}}_{{varvec{g}}}+{{varvec{s}}}_{{varvec{g}}}times {varvec{s}}{varvec{e}}{varvec{x}}boldsymbol{*}{{varvec{beta}}}_{{varvec{g}}times {varvec{s}}{varvec{e}}{varvec{x}}}\&+{varvec{s}}{varvec{e}}{varvec{x}}boldsymbol{*}{{varvec{b eta}}}_{{varvec{s}}{varvec{e}}{varvec{x}}}+{{va rvec{g}}}_{{varvec{a}}}+{varvec{e}}end{aligned}$$
ここで ({varvec{s}}{varvec{e}}{varvec{x}}) は性別のベクトルです。 ({{varvec{beta}}}_{{varvec{g}}times {varvec{s}}{varvec{e}}{varvec{x}}}) は、性と遺伝子型の相互作用の効果です。 ({{varvec{beta}}}_{{varvec{s}}{varvec{e}}{varvec{x}}}) はセックスの影響です。他の変数は統計モデルと同じです。 シス-eQTLマッピング。
LM と LMM の相違点と類似点を調査するために、性相互作用を実行するために線形モデルも利用しました。 シス-eQTLマッピング。 LMは以下の通りでした。
$$begin{aligned}{varvec{y}}=&{varvec{X}}{varvec{b}}+{{varvec{s}}}_{{var vec{g}}}{{varvec{beta}}}_{{varvec{g}}}+{{varvec{s}}}_{{varvec{g}}}times {varvec{s}}{varvec{e}}{varvec{x}}boldsymbol{*}{{varvec{beta}}}_{{varvec{g}}times {varvec{s}}{varvec{e}}{varvec{x}}}\&+{varvec{s}}{varvec{e}}{varvec{x}}boldsymbol {*}{{varvec{beta}}}_{{varvec{s}}{varvec{e}}{varvec{x}}}+{varvec{e}}end{aligned}$$
線形モデルでは、性相互作用を実行するために、統計モデルの相加遺伝効果 ({{varvec{g}}}_{{varvec{a}}}) の要素を削除しました。 シス-eQTLマッピング。
集約コーシー相関テスト (ACAT) を実行しました。 [29] q値（偽発見率、FDR）を計算し、FDR cis-eQTLマッピングを設定する方法を使用して、遺伝子を男性特異的遺伝子（男性のみで有意）、女性特異的遺伝子（女性のみで有意）、共有遺伝子（両性で有意、「両方」）、および非有意遺伝子（どちらの性別でも有意ではない、「どちらも」）の4つのカテゴリーに分類しました。
ブタとヒトにおけるフェノムワイド関連研究 (PheWAS)
#豚の血液の遺伝子発現に対する性別の遺伝的影響 #BMCゲノミクス