CC BY
15DOI: 10.12731/2227-930X-2016-2-55-66
компьютерные методы генетического анализа
Осипов А.Л., Трушина В.П., Чентаева Е.А.
Рассматриваются основные статистические методы, которые используются при проведении генетического анализа признаков человека. Исследованы методы сегрегационного анализа, анализа сцепления и аллельных ассоциаций. Разработано программное обеспечение для реализации этих методов.
Ключевые слова: сцепление; ассоциация; принятие решений; статистические методы; программирование; картирование; выборка; анализ.
computer methods of genetic analysis
Osipov A.L., Trushina V.P., Chentaeva E.A.
The basic statistical methods used in conducting the genetic analysis of human traits. We studied by segregation analysis, linkage analysis and allelic associations. Developed software for the implementation of these methods support.
Keywords: clutch; association; decision making; statistical methods; programming; mapping; sampling; analysis.
Генетический анализ — это область генетики, занимающаяся выяснением механизмов генетической детерминации различных признаков. В рамках этого раздела решаются вопросы о том, сколько и, каких генов участвует в обеспечении полиморфизма
признака, где они локализованы, как функционируют, взаимодействуют ли друг с другом, модифицируются ли внешними факторами и др. [2, с. 6]. Одним из важнейших этапов генетического анализа является картирование генов, которое позволяет получать информацию о позиции гена и оказывать огромное влияние на понимание механизма зарождения и развития многих болезней.
Рис. 1. Главная форма приложения
Целью работы является разработка программного обеспечения для генетического анализа признаков человека с помощью статистических методов анализа сцепления и ассоциаций. Основная идея картирования с помощью анализа ассоциаций заключается в следующем. Если у большинства больных в популяции мутант-ный аллель имеет общее происхождение, окружающие маркеры находятся с ним в неравновесии по сцеплению. Для локализации гена, контролирующего болезнь, надо найти такой маркер, один из аллелей которого преобладает у больных [3, с. 381]. С помо-
щью анализа ассоциаций можно картировать как простые бинарные, так и количественные признаки. Материалом для анализа могут служить случайные выборки из популяции, независимые группы больных и здоровых людей или выборки родственных особей [1, с. 34]. Многообразие дизайнов эксперимента привело к созданию большого количества статистических методов анализа, соответствующих типу признака, числу и типу маркеров, структуре выборки. В разрабатываемом программном приложении имеется одна главная форма, представленная на рис. 1.
Рассмотрим работу приложения на примерах с использованием реальных данных. Пусть маркерный локус представлен тремя аллелями, распределение которых у больных и здоровых показано в таблице 1.
Таблица 1.
Пример данных для метода Case-control
Аллели Больные Здоровые
1 104 75
2 86 33
3 56 104
На рис. 2 показана форма Case-control и расчет показателей:
Рис. 2. Форма Case-control
Результат теста, полученный с помощью метода case-control при расчете критерия хи-квадрат, показан на рис. 3:
Резул ьтат
Х^ = 40.4 больше граничного (5.99).
Частоты маркерных аллелей у больных и здоров-ых представителей популяции отличаются.
ОК
Рис. 3. Результат теста с помощью метода case-control
Рассмотрим еще один пример. Пусть в группу больных попали 28 человек с генотипом MM, 48 - с генотипом Mm и 19 человек с генотипом mm. В группе здоровых 29 человек с генотипом MM, 17 - с генотипом Mm и 8 человек с генотипом mm. Из этих данных легко получить распределение аллелей маркерного локуса среди больных и здоровых людей, которое и заносится в таблицу на форме Case-control. Произведем расчет критерия Odds Ratio, выбрав его из списка справа, от таблицы. На рис. 4 показана форма Case-control после ввода данных контрольного примера и расчета показателей.
Рис. 4. Форма Case-control после ввода данных
Результат теста, полученный с помощью метода case-control при расчете критерия Odds Ratio, показан на рис. 5:
Рис. 5. Результат теста с помощью метода case-control при расчете OR
В качестве примера для метода HHRR рассмотрим выборку, состоящую из 100 больных детей и их родителей, и сформируем таблицу, характеризующую трансмиссию аллелей, данные которой приведены в таблице 2:
Таблица 2.
Пример данных для метода HHRR
Переданные аллели Непереданные аллели
аллель 1 аллель 2
Аллель M 93 31
Аллель m 63 13
Значения, приведенные в этой таблице, используем для вычисления критерия ННИК На рис. 6 показана форма ННИИ после ввода данных:
Рис. 6. Форма HHRR после ввода данных
Результат теста с помощью метода HHRR показан на рис. 7:
Рис. 7. Результат теста с помощью метода ННИЯ
В качестве данных для примера тестирования с помощью метода TDT рассмотрим значения, приведенные выше в таблице 2. На рис. 8 показана форма TDT после ввода данных.
Рис. 8. Форма TDT после ввода данных
Результат теста, полученный с помощью метода TDT при расчете обычного критерия, показан на рис. 9:
Рис. 9. Результат теста с помощью метода TDT
На рис. 10 показана форма TDT после ввода данных и расчета критерия TDT, основанного на отношении правдоподобия.
Рис. 10. Форма TDT после ввода данных
Результат теста, полученный с помощью метода TDT при расчете критерия, основанного на отношении правдоподобия, показан на рис. 11:
Рис. 11. Результат теста с помощью метода TDT при расчете критерия, основанного на отношении правдоподобия
В качестве примера возьмем выборку, состоящую из трех ядерных родословных, в которых не известны генотипы обоих родителей, но генотипировано по несколько потомков, среди которых встречаются как больные, так и здоровые. Эти данные были внесены в таблицу на форме S-TDT и выделены в ней розовым цветом. На рис. 12 показана форма S-TDT после ввода данных и расчета статистики.
Рис. 12. Форма S-TDT после ввода данных и расчета статистики
Результат, полученный с помощью метода S-TDT, показан на рис. 13:
к-1.
Результат
Статистика 7- = 1.97 р = 0.025
ОК
|
Рис. 13. Результат теста с помощью метода S-TDT
Рис. 14. Форма «Дисперсионный анализ» после ввода данных
Заполним таблицу на форме «Дисперсионный анализ» значениями количественного признака у особей с различными генотипами маркерного локуса.
На рис. 14 показана форма для ввода данных и анализа ассоциаций с помощью дисперсионного анализа после загрузки данных из файла и расчетов:
64
идв, Мите 6, ЫитЬег 2, 2016
Результат дисперсионного анализа показан на рис. 15:
Результат
Р = 1.264 меньше табличного (3.153.
Генотип маркерного локуса н е оказывает значимого влияния на величину
количественного признака.,
[ ок 1
Рис. 15. Результат дисперсионного анализа
Для расчета равновесия Харди-Вайнберга возьмем выборку, состоящую из двухсот неродственных особей, которые были ге-нотипизированы по десяти SNP маркерам. Результаты генотипи-рования представлены в таблице 3.
Таблица 3.
Пример данных для расчета равновесия Харди-Вайнберга
Номер Наблюдаемые численности генотипов
маркера N° мм N° Мт N° гаш ^А
1 114 80 6 0
2 56 111 32 1
3 168 29 3 0
4 167 26 7 0
5 60 96 44 0
6 95 90 14 1
7 51 110 39 0
8 118 48 22 12
9 121 60 19 0
10 79 95 25 1
На рис. 16 показана форма для расчета равновесия Харди-Вай-нберга после загрузки данных из файла:
На рис. 17 показана эта же форма после расчета статистики. Полужирным шрифтом и розовым цветом в последнем столбце выделены отличия на уровне значимости р < 0.5. Это говорит о том, что численности генотипов трех из десяти маркеров не соответствуют ожидаемым при равновесии Харди-Вайнберга, и указывает на присутствие ошибок. Для устранения этих ошибок проводят коррекцию данных с последующим тестированием.
Наблюдаемые Ожидаемые численности
Номер маркера Я NO(MM) NO(Mm) NO(mm) N(NA) NE(MM) NE(Mm) NE(mm) N X2 p при df = 1
► 114 80 6 0
2 56 111 32 1
3 168 29 3 0 =
4 167 26 7 0
5 60 96 44 0
6 95 90 14 1
7 51 110 39 0
8 118 48 22 12
| Загрузить из файла ~| [ Очистить | [ Вычислить"
Рис. 16. Форма «Тест на равновесие Харди-Вайнберга» после загрузки данных из файла
Рис. 17. Форма «Тест на равновесие Харди-Вайнберга» после расчета статистики
Перечисленные выше методы, а также тест Хайди-Вайнберга, применяемый для контроля генотипирования случайной выборки особей из популяции, были реализованы в виде программного приложения для генетического анализа признаков человека на языке C# в среде Visual Studio 2012. Созданная программа будет полезна специалистам в области генетики, и поможет гораздо быстрее проводить генетические тесты.
Список литературы 1. Аксенович Т.И., Белоногова Н.М. Картирование генов с помощью неравновесия по сцеплению или аллельных ассоциаций: учебное
пособие / Новосибирский государственный ун-т. Новосибирск, 2008. 98 с.
2. Аксенович Т.И. Статистические методы генетического анализа признаков человека: учеб. пособие / Новосиб. гос. ун-т Новосибирск, 2003. 160 с.
3. Трушина В.П., Пятницев Д.В. Мобильное приложение для принятия решений с помощью методов анализа ассоциаций // В мире научных открытий. 2015. № 8.1 (68). С. 377-384.
References
1. Aksenovich T.I., Belonogova N.M. Kartirovanie genov s pomoshch'yu neravnovesiya po stsepleniyu ili allel'nykh assotsiatsiy [Mapping genes using linkage disequilibrium or allelic association]. Novosibirsk, 2008. 98 p.
2. Aksenovich T.I. Statisticheskie metody geneticheskogo analizaprizna-kov cheloveka [Statistical methods for the genetic analysis of human traits]. Novosibirsk, 2003. 160 p.
3. Trushina V.P., Pyatnitsev D.V. Vmire nauchnykh otkrytiy. 2015. № 8.1 (68), рр. 377-384.
данные об авторах
Осипов А.л., Трушина В.П., чентаева Е.А.
Новосибирский государственный университет экономики и управления
ул. Каменская 52/1, г. Новосибирск, 630099, Российская Федерация [email protected]
DATA ABOUT THE AUTHORS Osipov A.L., Trushina V.P., Chentaeva E.A.
Novosibirsk State University of Economics and Management 52/1, Kamenskaya Str., Novosibirsk, 630099, Russian Federation [email protected]
