外觀
QTL 分析與定位 (QTL Analysis & Mapping)
數量性狀位點 (quantitative trait locus, QTL) 是影響連續性狀的基因組區域。性狀可以是身高、產量這類生物體表型,也可以是分子表型:基因表現量 (eQTL)、剪接 (sQTL)、蛋白質濃度 (pQTL)、代謝物 (mQTL)、甲基化 (meQTL)。
兩種定位策略
| 連鎖定位 (linkage mapping) | 關聯定位 (association mapping) | |
|---|---|---|
| 族群 | 家系或實驗雜交(F2、RIL、回交) | 無血緣關係的自然族群 |
| 原理 | 追蹤標記與性狀在世代間的共同傳遞 | 利用歷史重組留下的 LD |
| 解析度 | 低(數 Mb) | 高(數十 kb) |
| 常見於 | 動植物育種、罕見孟德爾疾病 | 人類 GWAS、分子 QTL |
分子 QTL 流程
text
基因型 + 分子表型(如 RNA-seq 表現量)
──► 表型標準化(log / inverse normal transform)
──► 共變數:基因型 PCs + 隱藏因子(PEER、表現量 PCs)+ 已知批次
──► 每個基因 × 鄰近變異(cis 窗口,常為 TSS ± 1 Mb)做關聯檢定
──► 基因內 permutation → 基因層級 p 值 → 跨基因 FDR
──► eGene / lead variant ──► fine-mapping、colocalization| 名詞 | 意義 |
|---|---|
| cis-QTL | 變異位在受影響基因附近(同一條染色體,通常 ±1 Mb) |
| trans-QTL | 變異位在遠處或其他染色體;效應小、需要大樣本 |
| eGene | 至少有一個顯著 cis-eQTL 的基因 |
| lead variant | 一個 QTL 訊號中最顯著的變異 |
常用工具:tensorQTL(GPU 加速)、QTLtools、FastQTL、MatrixEQTL;連鎖定位用 R/qtl。
相關統計方法
| 步驟 | 統計問題 | 筆記 |
|---|---|---|
| 校正族群結構 | genotype PCs 當共變數,避免族群分層造成假關聯 | PCA、干擾與偏誤 |
| 親緣 / 重複量測 | 個體間不獨立 → 線性混合模型(kinship 當隨機效應,如 GEMMA、BOLT-LMM) | 混合效應模型 |
| 表現量當 phenotype | 計數要先轉換(log / inverse normal),或用計數模型 | GLM 計數模型 |
| 檢定上百萬個 variant × 數萬個基因 | genome-wide 門檻(5 × 10⁻⁸)或 permutation / FDR | 多重檢定 |
各類分子 QTL 見 eQTL、sQTL、pQTL;與 GWAS 整合見 Colocalization。