Zukünftige Entwicklungen und Anwendungen der genomischen Selektion (GS)

Transkript

1 SV agung vom 29. März 2012, Universität Irchel, Zürich Zukünftige Entwicklungen und nwendungen der genomischen Selektion (GS) Ruedi Fries und Hubert Pausch Lehrstuhl für ierzucht echnische Universität München

2 GS 1.0 beim Milchrind Die Vorhersage des QL Status basiert auf gekoppelten Markern. Die QL-rchitektur ist nicht bekannt Das Kopplungsungleichgewicht ist über Generationen und Populationen hinweg nicht stabil. Nicht-additive Effekte werden nicht berücksichtigt. Ist teuer und deshalb im Wesentlichen auf männliche iere beschränkt. UM ierzucht 2

3 GS '000 Marker Genort für Merkmal (QL) Einer von 54'000 Markern 60% 30% 10% UM ierzucht 3

4 GS '000 Marker Genort für Einer von Merkmal 777'000 (QL) Markern 60% 30% 5% 5% UM ierzucht 4

5 GS 2.0 beim Milchrind Direkte Erfassung der QL durch die Sequenzierung individueller Genome Berücksichtigung der QL-rchitektur Flächendeckende, kostengünstige genomische Evaluierung Vorhersage des genomischen Produktionswertes von ieren UM ierzucht 5

6 GS 2.0 Sequenz Genort für Merkmal (QL) 60% 30% 5% 5% UM ierzucht 6

7 Sequenzierung individueller Genome UM ierzucht 7

8 More than Moore

9 Hochdurchsatz-Sequenzierung: State-of-the-art Frühling 2012 BI Roche BI* Illumina BI 3730 GSFLX SOLiD 4 HiSeq 2000 Basen / Lauf 70 kb 400 Mb 300 Gb 600 Gb Leselänge 750 bp 400 bp 75 bp 100 bp *Life echnologies

10 Herbst 2012? Sequenzierautomat der 3. Generation (Oxford Nanopore)

11 BGI's sequencing power

12 HiSeq 2000: Flow cell 8 channels Surface of flow cell coated with a lawn of oligo pairs

13 2 x n* pictures / cluster *n = Sequenzierlänge

14 HiSeq2000 output: wo fastq files per lane (20 50 Gigabytes per CGCCGGGCCCCCGGCCCCCCCCCCCCCCGGGGCGG CCCCGCCCCGGGCGCGGC + HHHHHHHHHHHHHHHCGGGGHGHHFHHHEHHHHCGHHHHFHHFHFHHHDHHFG GCGCGGGCGCGCCCCGGGGGGGCGCCCGCGGCCCG GCGCCGCCGCGCCGGCCCCCCCGCGGCCGG + FFFFEFFEDEB@@@EDEEEFFFEDFFFFFCECEEFFFFDBEEEECB>=EC5C7B<== >=EE?D>DDCDF@>F=413)807*44B=CCCBB37;09;76 Phred quality: 0-93, SCII (python: ord und chr functions)

15 lignment with bwa bam* Reference sequence: UMD3.1, 2.66 billion bases ** 3x * Binary version of sam (sequence aligment / map) - format 6x covered ** PCR duplicate (arising during library construction)

16 Visualization of bam file

17 Sequenzierung von Schlüsseltieren Die Sequenzierung von ausenden von Individuen einer Populationen ist (noch) nicht möglich. Sequenzierung von Schlüssel-ieren! Populationsweite Imputation der Sequenz UM ierzucht 17

18 Identifizierung von Schlüsseltieren Schlüsseltiere = iere, die möglichst viel zum aktuellen Genpool beitragen. nzahl hängt von der effektiven Populationsgröße ab. Ne Holstein ca. 80 Ne Fleckvieh ca. 140 UM ierzucht 18

19 Fleckvieh D Holstein nteil am Genpool nzahl Schlüsseltiere UM ierzucht 19

20 Sequenzierung von 43 Schlüsselieren der Fleckviehrasse Decken 68% des Genpools ab Durchschnittlich 7.4-fache Sequenzabdeckung mit Illumina Instrumenten 17.3 Millionen variable Positionen UM ierzucht 20

21 bweichung von HD (777K) -Genotypen (Non-Reference-Discrepancy-Rate, NRD) Seq. Genotypen HD-Genotypen B BB -NRD = UM ierzucht B BB rot blau + rot 21

22 Effekt der Beagle-Imputation auf NRD 25 NRD [%] 20 roh imputiert usreißer bdeckung UM ierzucht 22

23 Reference homozygosity discrepancy rate (RHD) Seq. Genotypen HD Genotypen B BB B BB red RHD = blue + red UM ierzucht 23

24 RHD: Kontamination 7 RHD [%] 6 Egol 5 Balbo 4 3 Horror Zahner Redad Romanek Weinold Renner bdeckung UM ierzucht 24

25 Contamination during fragment-sizeselection step of library preparation Open electrophoresis system Samples can diffuse, leading to cross-well contamination E-Gel SizeSelect garose Gels (Invitrogen) UM ierzucht 25

26 Populationsweite Sequenz-Imputation UM ierzucht 26

27 Imputation 1. Schritt: Erstelle Haplotypen-Bibliothek bei den sequenzierten Schlüsseltieren C G UM ierzucht G G C G C C G C C C... 27

28 Imputation 2. Schritt: Populationsweite Genotypisierung (54K, 777K) C G UM ierzucht G G C G C C G C C C... 28

29 Imputation 3. Schritt: Leite Sequenz ab C G UM ierzucht G G C G C C G C C C G C GC C C 29

30 Sequenzimputation Medium density Bullen 1. Schritt: Genauigkeit > 99.5% 50K Genotypen High density Bullen 777K Genotypen High density (imputiert) Bullen 2. Schritt: Genauigkeit > 95% Intel E GB RM 16 threads Sequenz + 43 Founder 17 Mio Genotypen 640K Genotypen Sequenz (imputiert) Bullen 12 Mio Genotypen UM ierzucht 30

31 uf dem Weg zur GS 2.0 (1) Identifizierung von very important QL (VIQ) mit genomweiten ssoziationsstudien ca. 5 pro Merkmal und Population Identifizierung von quasi-kausalen Varianten im Bereich der VIQ Untersuchung nicht-additiver Effekte der VIQ bei Kühen UM ierzucht 31

32 FV: Genomweite ssoziationsstudie 3600 Bullen, 12 Mio SNPs, Fett% 305 age UM ierzucht 32

33 FV: Fett-% QL auf Chromosom 5 12 Mio SNPs Microsomal Glutathione S-transferase 1

34 HF: Fett-% QL auf Chromosom 5 54K SNPs

35 FV: Genomweite ssoziationsstudie 3600 Bullen, 12 Mio SNPs, Fett% age 8-12 UM ierzucht 35

36 FV: Fett-% QL auf Chromosom K SNPs UM ierzucht 36

37 FV: Fett-% QL auf Chromosom Mio SNPs

38

39

40

41

42 uf dem Weg zur GS 2.0 (2) Vorbereitung der flächendeckenden HD-Genotypisierung (> 600 SNPs für 30 pro ier) Entwicklung der Schätzung des genomischen Produktionswertes auf der Basis der imputierten Genomsequenz, der VIQ-Information und der allgemeinen ( = polygenen ) genomischen Formel UM ierzucht 42

43 30 pro ier für HD-Genotypisierung? 650K 777K UM ierzucht 43

44 Hubert Pausch und ich danken... dem BMBF für die Unterstützung im Rahmen von Genorack und Synbreed, Sebastian Eck, nna Benet-Pagès, Elisabeth Graf, homas Wieland, im Strom und homas Meitinger vom Lehrstuhl für Humangenetik der UM / Institut für Humangenetik des Helmholtz-Zentrums München für die Sequenzierung, Sandra Jansen, Bernhard igner, Xiaolong Wang, ini Wurmser und Michal Wysocki vom Lehrstuhl für ierzucht für die Organisation der DN-Logistik, Genotypisierung und Datenanalyse. UM ierzucht 44

45

46 Steve Jobs' quote on product design applied to genomic evaluation (1) When you start looking at a problem and it seems really simply, you don't really understand the complexity of the problem. Genomic evaluation and improvement of animals hen you get into the problem, and you see it's really complicated, and you come up with all these convoluted solutions. Bayes Z,... methods for genomic evaluation UM ierzucht 46

47 Steve Jobs' quote on product design applied to genomic evaluation (2) hat's sort of the middle, and that's where most people stop Genomic selection 1.0: keep genes in the black box But let's keep going and find the key, the underlying principle of the problem and come up with an elegant, really beautiful solution that works. Genomic selection 2.0: gene-based evaluation and selection UM ierzucht 47