mgwas(metabolome-based genome-wide association studies)的研究方法和gwas類似,只是將代謝物含量作為表型性狀來與基因位點進行關聯。但同時它也有自己獨特的優勢,首先,因為表型測定是比較複雜的,尤其是數量性狀表型,極易受環境影響,人為測量可能會有偏差,表型本身變化也會不穩定。代謝物的含量測定相對而言更加穩定和單一,這為我們資料分析減少了難度,代謝物相當於充當了中間橋梁。
第二,在研究的內容上會比gwas更加豐富,代謝物測定本身是一種生理生化指標,在以往的研究中可作為反向遺傳學研究手段,因此gwas的正向遺傳學研究和代謝組反向研究相結合,除了解析基因控制位點,還可進行代謝物調控機理機制研究。
一般研究思路:自然群體若有分群,做代謝物差異,mgwas尋找位點,重點關注控制差異代謝物的位點,基因轉殖,找到變異調控代謝物的機理;位點比較,進行演化和群體遺傳研究;然後再研究代謝物如何影響表型變化(如通路水平)。
mgwas能做到什麼程度?華農和海大的羅傑教授基於這一方法搭建實驗室平台,發了不少高水平成果,而且建立了邁維代謝。中國農科院的黃三文研究員在這一領域也發表了不少高水平文章。rewiring of the fruit metabolome in tomato breeding 這一篇文章就是兩人合作利用這一方法對番茄的育種研究,研究思路很有意思,值得拜讀。
除了在農學領域的應用,mgwas現在醫學領域研究也相繼展開,但因為材料的限制,相對較少,這算是在組學領域中,農學強於醫學的少數特例吧。值得注意的是,很多文章將微生物組全基因組關聯分析也稱之為mgwas,畢竟microbiome和metabolome都是m。微生物組全基因組關聯研究主要用於闡明宿主遺傳變異與微生物組的相互作用,研究的是微生物基因組的變異如何影響宿主或病原體表型,例如耐藥性,毒力,宿主特異性和預後。然而,早在幾年前,bgi的王俊就提出了metagenome-wide association studies (mwas)的方法,應該跟後面那些人提的mgwas是一回事?
所以,我們還是將基於代謝組的全基因組關聯分析稱之為mgwas吧。
GAN框架研究與思路整理
本文內容將著重分析當前gan原理及其應用場景,比對其相對於傳統深度學習方法在影象生成等方面的區別 原始gan 中的思想為生成模型與判別模型間的零和博弈,通過對抗式的訓練,生成模型g捕捉樣本資料的資料分布,判別模型則是乙個二分類模型 估計乙個樣本來自訓練資料 而非生成資料 的概率。g和d一般都是非線性...
U盤量產大致研究思路
這幾天搞了一波u盤量產,很多年前玩的基本都是些皮毛,比如u盤分割槽,u盤啟動,以及台電u盤的光碟機啟動等等,這些現在看起來其實都不入眼,只是簡單的將u盤分個區,並且沒玩到主控上面去。下面是一些自己的理解 1 先確定主控是什麼,主控相當於乙個作業系統,管理快閃儲存器的檔案系統,啟動,寫和讀管理也就是速...
點雲 研究的一些思路
1.如何從一群點完成mesh重建?a.3維掃瞄器中的ply網格生成演算法。b.我自己設想的點雲虛擬實境,向量重置輔助建模法。2.點雲向雲計算方向的發展 a.點雲檔案很大,場景檔案30g左右時,分布式能起到什麼作用。b.我們能夠將 render pipeline 上的stage中的渲染的各個環節,分布...