主成分の力とライトの固定指数分析の評価が適用され、ホルスタイン牛の群れの間のゲノム全体の遺伝的違いを明らかにする

背景：SNPアレイ技術の出現により、集団と品種の遺伝的違いのゲノム全体の分析が、以前は達成不可能なレベルで可能になりました。ライトの固定指数（FST）と主成分分析（PCA）は、動物遺伝学研究で広く使用されています。紙では、これらの方法の力を比較しました。それらは互いに補完し、どれが最も強力ですか。 結果：Power主成分分析（PCA）とFSTの比較分析を実施して、ホルスタイン化された牛の群れの遺伝的違いを明らかにしました。完全に、現在の研究では、13群の牛の牛の803 bovinesnp50遺伝子型が使用されました。得られたFST値は0.002-0.012（平均0.0049）の範囲でしたが、MAF 0.0001-0.005のまれなSNPの場合、0.001-0.01（平均0.0027）の範囲でさらに小さかった。群れの牛の遺伝的関連性は、そのような小さなFST値の原因でした。FST値へのMAF 0.0001-0.01を伴うまれな対立遺伝子の寄与は、一般的な対立遺伝子よりもはるかに少なく、この効果は連鎖不均衡（LD）に依存します。MAFスペクトルの大幅な変化とSNPの数にもかかわらず、FSTデータに対するLDベースのプルーニングの効果サイズが小さくなりました。PCA分析により、相互混合物と群れの間の小さな遺伝的違いが確認されました。さらに、視覚化に基づく群れのPCA分析は、単一の固有ベクトルの結果を使用して群れを大幅に区別することはできません。合計された固有ベクトルのみを使用して、PCAの全力を実現して、群れの遺伝的差異を区別する必要があります。最後に、FSTデータの重要性は、これらの方法を使用して群れの遺伝的違いを明らかにするためにPCAデータの重要性をはるかに超えるという証拠を提示しました。 結論：LDベースの剪定は、FSTおよびPCA分析の所見にわずかな影響を及ぼしました。したがって、弱く構造化された集団の場合、LDベースの剪定は効果的ではありません。さらに、我々の結果は、FST分析によって得られた群れの遺伝的違いの重要性がPCAの値を超えることを示しています。提案されている、群れまたは低い構造化された集団を区別するために、主にFSTアプローチを使用してPCAを使用することをお勧めします。

BACKGROUND: Due to the advent of SNP array technology, a genome-wide analysis of genetic differences between populations and breeds has become possible at a previously unattainable level. The Wright's fixation index (Fst) and the principal component analysis (PCA) are widely used methods in animal genetics studies. In paper we compared the power of these methods, their complementing each other and which of them is the most powerful. RESULTS: Comparative analysis of the power Principal Components Analysis (PCA) and Fst were carried out to reveal genetic differences between herds of Holsteinized cows. Totally, 803 BovineSNP50 genotypes of cows from 13 herds were used in current study. Obtained Fst values were in the range of 0.002-0.012 (mean 0.0049) while for rare SNPs with MAF 0.0001-0.005 they were even smaller in the range of 0.001-0.01 (mean 0.0027). Genetic relatedness of the cows in the herds was the cause of such small Fst values. The contribution of rare alleles with MAF 0.0001-0.01 to the Fst values was much less than common alleles and this effect depends on linkage disequilibrium (LD). Despite of substantial change in the MAF spectrum and the number of SNPs we observed small effect size of LD - based pruning on Fst data. PCA analysis confirmed the mutual admixture and small genetic difference between herds. Moreover, PCA analysis of the herds based on the visualization the results of a single eigenvector cannot be used to significantly differentiate herds. Only summed eigenvectors should be used to realize full power of PCA to differentiate small between herds genetic difference. Finally, we presented evidences that the significance of Fst data far exceeds the significance of PCA data when these methods are used to reveal genetic differences between herds. CONCLUSIONS: LD - based pruning had a small effect on findings of Fst and PCA analyzes. Therefore, for weakly structured populations the LD - based pruning is not effective. In addition, our results show that the significance of genetic differences between herds obtained by Fst analysis exceeds the values of PCA. Proposed, to differentiate herds or low structured populations we recommend primarily using the Fst approach and only then PCA.