1、群體遺傳學的基本概念與原理 單核苷酸多態(tài)與等位頻率基本內(nèi)容基因頻率與基因型頻率 12345遺傳物質(zhì)染色體的基本概況單核苷酸多態(tài)單核苷酸多態(tài)的測定及數(shù)據(jù)格式全基因組范圍內(nèi)分析SNP應注意的問題人類基因組的構成人類基因組包含23對染色體，其中22對常染色體（按照染色體長短編碼1-22），一對性染色體（男性為X+Y；女性為X+X）。同源染色體的一條來自于父親，另一條來自于母親。一、染色體的基本概況一、染色體的基本概況一、染色體的基本概況一、染色體的基本概況一、染色體的基本概況一、染色體的基本概況一、染色體的基本概況同源染色體與DNA雙鏈同源染色體（homologous chromosomes）：是指

2、在二倍體生物細胞中，形態(tài)、結構基本相同的染色體，并在減數(shù)第一次分裂的四分體時期中彼此聯(lián)會，最后分開到不同的生殖細胞（即精子、卵細胞）的一對染色體，在這一對染色體中一個來自母方，另一個來自父方。DNA雙鏈：一對同源染色體共包含兩條染色體，每一條都是由兩條鏈構成的，每一條鏈都是由四種堿基排列而成，兩條鏈之間堿基互補配對。這四種堿基為：腺嘌呤(A)、鳥嘌呤(G)、胞嘧啶(C)和胸腺嘧啶(T)。其中配對規(guī)則是A與T配對、G與C配對，也稱之為堿基對（base pair）。一、染色體的基本概況一、染色體的基本概況同源染色體數(shù)據(jù)的抽象表述我們通常用A、G、C、T的組合來抽象的表述染色體的堿基排列。由于DNA

3、是雙螺旋結構，因此一對同源染色體共包含四條鏈，即兩對互補配對的DNA鏈。對于其中的一對互補鏈，只要我們知道一條鏈的序列堿基排列，就可以依據(jù)互補原則確定另一條鏈的堿基排列。因此對于一對互補鏈來說，我們只要檢測一條鏈的序列信息即可。這樣，一對同源染色體（原本四條序列）就可以用兩條序列來表述。以后，我們將用兩條由A、G、C、T組合而成的序列代表一對同源染色體。一、染色體的基本概況染色體物理位置與人類堿基對的數(shù)目 物理位置：是將染色體短臂端在上，長臂端在下放置，至上而下計算堿基對的個數(shù)，第一個堿基對處為1bp，第二個堿基處為2bp，依次類推。（注：此時假定一對同源染色體等長）。每個位置也成為一個位點。

4、單位換算：1kb=1000bp；1mb=1000kb。一、染色體的基本概況表1.1 人類染色體上堿基對的數(shù)目染色體序號堿基對數(shù)目染色體序號堿基對數(shù)目1247,249,71913114,142,9802242,951,14914106,368,5853199,501,82715100,338,9154191,273,0631688,827,2545180,857,8661778,774,7426170,899,9921876,117,1537158,821,4241963,811,6518146,274,8262062,435,9649140,273,2522146,944,32310135,3

5、74,7372249,691,43211134,452,384X154,913,75412132,349,534Y57,772,954合計：3,080,419,480從上表中，我們大致可以看出，人類基因組中約30億個堿基。AGATAAGGCTAAACTTGGGGGTTTTTAAGCCCCTTAGATAAGGCTAAACTTGGGGGTTTTTAAGCCCCTT1chr6個體序列AGATAAGGCTAAACTTGGGGGTTTTTAAGCCCCTTAGATAAGGCTAAACTTGGGGGTTTTTAAGCCCCTT2chr6AGATAAGGCTAAACTTGGGGGTTTTTAAGCCCCTT

6、AGATAAGGCTAAACTTGGGGGTTTTTAAGCCCCTT3chr6AGATAAGGCTAAACTTGGGGGTTTTTAAGCCCCTTAGATAAGGCTAAACTTGGGGGTTTTTAAGCCCCTT4chr6無變異+祖先AGATACGGCTAAACTTGGGGGTTTTTAAACCCCTTAGATAAGGCTAAACTTGGGGGTTTTTAAGCCCCTT1chr6個體序列AGATAAGGCTAAACTTGGGGGTTTTTAAGCCCCTTAGATAAGGCTAAACTTGGGGGTTTTTAAACCCCTT2chr6AGATACGGCTAAACTTGGGGGTTTT

7、TAAGCCCCTTAGATACGGCTAAACTTGGGGGTTTTTAAGCCCCTT3chr6AGATAAGGCTAAACTTGGGGGTTTTTAAACCCCTTAGATAAGGCTAAACTTGGGGGTTTTTAAACCCCTT4chr6二、單核苷酸多態(tài)（多為2態(tài)SNP）突變率低，一次突變，自然選擇使得等位擴增單核苷酸多態(tài)性(single nucleotide polymorphism，SNP) 主要是指在基因組水平上由單個核苷酸的變異所引起的DNA序列多態(tài)性。它是人類可遺傳的變異中最常見的一種。二、單核苷酸多態(tài)（多為2態(tài)SNP）單核苷酸多態(tài)的統(tǒng)計學描述 為了加深理解，可以理解為：

8、突變是一次性歷史事件，自然選擇使得突變堿基在群體擴張。另外，為了描述方便，我們通過一個示例來進行闡述。 例：假定某個人群中有N個個體、某位點原有的堿基為G，則初始狀態(tài)中任何個體在該位點處均為純合子G/G，如果該位點發(fā)生了一次突變（假設核輻射引起），使得部分個體的G突變?yōu)锳，則突變個體具有的基因型狀態(tài)為G/A或者A/A，如果A能夠使得個體更適應外部環(huán)境（也就是說含有A的個體更容易生存），則A將會在群體中擴張，含有A的個體所占的比例會越來越多。二、單核苷酸多態(tài)（多為2態(tài)SNP）SNP等位（Allele）從上例中，我們可以看出包含該位點的染色單體共2N條（因為同源染色體，所以乘以2），這2N個染色單

9、體一共有兩種堿基類型G和A，每個堿基類型成為一個等位（Allele）。野生型：上例中，G為群體初始狀態(tài)具有的等位，稱為野生型。突變型：上例中，A為突變后新產(chǎn)生的等位，稱為突變型。二、單核苷酸多態(tài)（多為2態(tài)SNP）SNP基因型（genotype）對于群體中的每個個體，一對同源染色體中的每條在該位點處的取值為G或A。因此，每個個體的同源染色體在該位點處的相型為G/G(野生型純合)或G/A（雜合）或A/A（突變型純合）。SNP基因型：同源染色體在同一位點的兩個等位組成的相型。二、單核苷酸多態(tài)（多為2態(tài)SNP）大多數(shù)的單核苷酸多態(tài)都是二態(tài)的 從表1.1中，我們可以看出，人類大約有30億個堿基，如果突變

10、的發(fā)生是隨機的，則某個位點處突變一次的可能性為1/30億。在該位點再突變一次的概率為（1/30億）*（1/30億）=1/900億。而到目前為止只有約1%的位點發(fā)生一次突變，還未有足夠的時間發(fā)生第二次突變，因此絕大部分的單堿基突變?yōu)槎B(tài)。因此，我們可以二態(tài)的SNP進行數(shù)學抽象。二、單核苷酸多態(tài)（多為2態(tài)SNP）SNP等位的數(shù)學抽象：通常用A、a或1、2表示兩個等位。SNP基因型的數(shù)學抽象：通常用AA，Aa，aa，或0,1,2來表示三個基因型。SNP的數(shù)學編碼在后面的分析中會經(jīng)常用到。二、單核苷酸多態(tài)（多為2態(tài)SNP）注：理論上講，SNP既可能是二等位多態(tài)性，也可能是3個或4個等位多態(tài)性，但實際上

11、，后兩者非常少見，幾乎可以忽略。占所有已知多態(tài)性的90%以上。SNP數(shù)目：人類基因組中SNP的數(shù)目還是個未知數(shù)，據(jù)估計人類所有群體中存在大約3000 萬個SNP 位點（平均約每300 600 bp ) 存在一個堿基突變。 SNP以其分布廣、易于分型、檢查速度快和頻率易于估計的特性，作為第三代遺傳標記已被廣泛的應用。二、單核苷酸多態(tài)（多為2態(tài)SNP）非同義SNP與同義SNP從對生物的遺傳性狀的影響上來看，SNP又可分為2種：同義SNP(synonymous SNP)：即SNP所致的編碼序列的改變并不影響其所翻譯的蛋白質(zhì)的氨基酸序列，突變堿基與未突變堿基的含義相同。非同義SNP(non-synon

12、ymous SNP)：指堿基序列的改變可使以其為藍本翻譯的蛋白質(zhì)序列發(fā)生改變，從而影響了蛋白質(zhì)的功能。二、單核苷酸多態(tài)（多為2態(tài)SNP）非多態(tài)SNP（Nonpolymorphic SNP） 在理解SNP的概念需要注意的一個問題是，SNP是一個群體上的定義。對于多個群體而言，同一個SNP位點在所有的個體中存在兩種等位，但在單獨的某一個群體中只存在一個等位，此時我們稱這個SNP為這個群體中的非多態(tài)SNP。例如(找個實例進行補充)，某個SNP位點在全世界范圍內(nèi)有兩個等位A、T，而 在亞洲人群中卻只有1一個等位A，也就是說所有的亞洲個體都是純和子AA，這時，我們我們稱這個SNP是亞洲群體中的非多態(tài)SN

13、P。二、單核苷酸多態(tài)（多為2態(tài)SNP）dbSNP中SNP數(shù)據(jù)的格式：二、單核苷酸多態(tài)（多為2態(tài)SNP）三、單核苷酸多態(tài)的測定及數(shù)據(jù)格式（1）傳統(tǒng)檢測方法（2）SNP芯片（3）新一代測序技術三、單核苷酸多態(tài)的測定及數(shù)據(jù)格式假定，某個SNP兩個等位為T和A，PCR產(chǎn)物大小是：427bp，Kpnl限制性內(nèi)切酶識別T并將序列切斷，對于含有A的序列不切斷，經(jīng)過酶切后的產(chǎn)物是246bp+171bp兩個片段。然后片段通過瓊脂糖凝膠就會產(chǎn)生一些條帶信息，條帶信息分為3類：1個條帶、2個條帶和3個條帶。具體表示的分型信息如下（見下圖）：三、單核苷酸多態(tài)的測定及數(shù)據(jù)格式（1）如果個體是T/T純合子，同源染色體PC

14、R產(chǎn)物相同，都含有T，都被酶切斷，共形成246bp長度和171bp長度的段，經(jīng)過擴增后開始電泳，由于長度不同、質(zhì)量不同導致運動速度不同（短的速度快，長度速度慢），經(jīng)過一段時間后會形成兩個條帶。三、單核苷酸多態(tài)的測定及數(shù)據(jù)格式（2）如果個體是T/A雜合子，同源染色體PCR產(chǎn)物為不同的兩個，其中含有T的被酶切斷，形成246bp長度和171bp長度的段，而含有A的則沒有被酶切，長度仍然是427bp，最后的片段共三個長度：246bp、171bp和427bp。經(jīng)過擴增后開始電泳，經(jīng)過一段時間后會形成三個條帶。三、單核苷酸多態(tài)的測定及數(shù)據(jù)格式（3）如果個體是A/A雜合子，同源染色體PCR產(chǎn)物相同，都含有A

15、，而含有A的沒有被酶切斷，長度仍然是427bp，最后的片段共一個，長度：427bp。經(jīng)過擴增后開始電泳，經(jīng)過一段時間后會形成一個條帶。三、單核苷酸多態(tài)的測定及數(shù)據(jù)格式SNP芯片這樣可以在芯片上打上30萬500萬個探針，一次性的檢測出一個個體的幾十萬的SNP，為全基因組范圍內(nèi)變異的掃描帶來方便。三、單核苷酸多態(tài)的測定及數(shù)據(jù)格式3.新一代測序技術新一代測序技術指的是高通量測序技術（High-throughput sequencing）又稱“下一代”測序技術（Next-generation sequencing technology），以能一次并行對幾十萬到幾百萬條DNA分子進行序列測定和一般讀長較

16、短等為標志。對無參考序列的物種，進行重頭測序（de novo sequencing），獲得該物種的參考序列，為后續(xù)研究奠定基礎；對有參考序列的物種，進行全基因組重測序（resequencing），在全基因組水平上掃描并檢測突變位點，發(fā)現(xiàn)個體差異的分子基礎。三、單核苷酸多態(tài)的測定及數(shù)據(jù)格式refTGACAATGGCTCCCGTCCGGGAGGGGAGGGTGGGGGGGTCGTGTCCCCGCCGGACAATGGCTCCCGTCCGGGAGGGGAGTCCGGGAGGGGAGGGTGGGGGGGTCGAATGGCTCCCGTCCGGGAGGGGAGGGCGGGAGGGGAGGGTGGGGGGGT

17、CGTGGGGAGGGGAGGGTGGGGGGGTCGTGTGGAGGGTGGGGGGGTCGTGTCCCCGCGAGGGTGGGGGGGTCGTGTCCCCGCCA/A三、單核苷酸多態(tài)的測定及數(shù)據(jù)格式refTGACAATGGCTCCCGTCCGGGAGGGGAGGGTGGGGGGGTCGTGTCCCCGCCGGACAATGGCTCCCGTCCGGGAGGGGGGTCCGGGAGGGGAGGGTGGGGGGGTCGAATGGCTCCCGTCCGGGAGGGGAGGGCGGGAGGGGGGGGTGGGGGGGTCGTGGGGAGGGGAGGGTGGGGGGGTCGTGTGGGGGGTGGGGGG

18、GTCGTGTCCCCGCGAGGGTGGGGGGGTCGTGTCCCCGCCA/G三、單核苷酸多態(tài)的測定及數(shù)據(jù)格式refTGACAATGGCTCCCGTCCGGGAGGGGAGGGTGGGGGGGTCGTGTCCCCGCCGGACAATGGCTCCCGTCCGGGAGGGGGGTCCGGGAGGGGGGGGTGGGGGGGTCGAATGGCTCCCGTCCGGGAGGGGGGGGCGGGAGGGGGGGGTGGGGGGGTCGTGGGGAGGGGGGGGTGGGGGGGTCGTGTGGGGGGTGGGGGGGTCGTGTCCCCGCGGGGGTGGGGGGGTCGTGTCCCCGCCG/G三

19、、單核苷酸多態(tài)的測定及數(shù)據(jù)格式新一代測序的一個優(yōu)點是不用事先已知一些SNP，可以通過多個個體的序列比對從而發(fā)現(xiàn)新的SNP位點。三、單核苷酸多態(tài)的測定及數(shù)據(jù)格式三種SNP檢測方法共同的缺點 三種SNP檢測方法有個共同的缺點，就是均無法對同源染色體中的每條的相形進行準確的估計 三、單核苷酸多態(tài)的測定及數(shù)據(jù)格式AGATACGGCTAAACTTGGGGGTTTTTAAACCCCTTAGATAAGGCTAAACTTGGGGGTTTTTAAGCCCCTT1chr6AGATAAGGCTAAACTTGGGGGTTTTTAAGCCCCTTAGATAAGGCTAAACTTGGGGGTTTTTAAACCCCTT2c

20、hr6AGATACGGCTAAACTTGGGGGTTTTTAAGCCCCTTAGATACGGCTAAACTTGGGGGTTTTTAAGCCCCTT3chr6AGATAAGGCTAAACTTGGGGGTTTTTAAACCCCTTAGATAAGGCTAAACTTGGGGGTTTTTAAACCCCTT4chr6SNP1AGATAA/CGGCTAAACdbSNP&array:A/CdataPCRorGTTTTTAAA/GCCCCTTSNP2A/GPCRorPCR和芯芯片技術AGATACGGCTAAACTTGGGGGTTTTTAAACCCCTTAGATAAGGCTAAACTTGGGGGTTTTTAAGC

21、CCCTT1chr21AGATAAGGCTAAACTTGGGGGTTTTTAAGCCCCTTAGATAAGGCTAAACTTGGGGGTTTTTAAACCCCTT2chr21AGATACGGCTAAACTTGGGGGTTTTTAAGCCCCTTAGATACGGCTAAACTTGGGGGTTTTTAAGCCCCTT3chr21AGATAAGGCTAAACTTGGGGGTTTTTAAACCCCTTAGATAAGGCTAAACTTGGGGGTTTTTAAACCCCTT4chr211234C/AA/AC/CA/AG/GA/AA/GA/G等位1：A2：C1：A2：G野生型和突變型PCR和芯片技術，將染色

22、體割裂，導致恢復原來真實相形困難SNP數(shù)據(jù)的存儲格式1、家系數(shù)據(jù)2、群體數(shù)據(jù)三、單核苷酸多態(tài)的測定及數(shù)據(jù)格式家系數(shù)據(jù) 家系圖 （pedigree）表明親緣與婚姻關系的圖。 三、單核苷酸多態(tài)的測定及數(shù)據(jù)格式一般男用表示，女用表示；、以橫線連結的稱為婚姻線，表示為夫婦；從婚姻線的近中點向下作垂線，下端連上子女記號，子女如在二人以上，可按出生順序從左向右排列，世代數(shù)在圖左端以羅馬數(shù)字標出先證者，附以箭頭或手指圖等記號。完全的家系圖應一個不漏地包括死亡者、流產(chǎn)者和性別不明者。具有特別性狀的人以表示，或加斜線、縱線等以示區(qū)別； 三、單核苷酸多態(tài)的測定及數(shù)據(jù)格式家系圖數(shù)據(jù)存儲格式 在實際數(shù)據(jù)分析中，常常以

23、表格的形式對家系圖進行存儲，具體轉(zhuǎn)換成表格后每列的含義如下：第一列：家庭ID；第二列：個體ID；第三列：父親ID，沒有用0表示；第四列：母親ID，沒有用0表示；第五列：性別，1代表男性，2代表女性；第六列：受累狀態(tài)：1代表未受累，2代表受累 三、單核苷酸多態(tài)的測定及數(shù)據(jù)格式將下圖所示家系轉(zhuǎn)化為六列進行數(shù)據(jù)存儲三、單核苷酸多態(tài)的測定及數(shù)據(jù)格式家庭ID個體ID父親ID母親ID性別受累狀態(tài)1100211200121300211421111521211600121743211843121965221106511三、單核苷酸多態(tài)的測定及數(shù)據(jù)格式如何從家系數(shù)據(jù)中制作群體數(shù)據(jù)可以在家系數(shù)據(jù)中將父母為0的個體抽取出來作為無關個體進行群體分析。三、單核苷酸多態(tài)的測定及數(shù)據(jù)格式SNP數(shù)據(jù)說明：三、單核苷酸多態(tài)的測定及數(shù)據(jù)格式四、基因頻率與基因型頻率1、群體的遺傳結構 孟德爾群體(Mendelian population): 一個孟德爾群體，是一群能夠相互繁殖的個體，它們享有一個共同的基因庫。在有性繁殖的生物中，一個物種