计算解析小麦根系生长形态模式潜在的遗传因素：一种科学数据分析方法

《Scientific Reports》：Computationally unraveling genetic factors underlying morphological patterns of wheat’s root growth: a scientific data analysis approach

　　

摘要

53 个小麦品种的根系生长轨迹集合被聚类为七种不同的形态生长模式。在超过 3 万个 DNA 变异中，我们使用类别探索性数据分析（CEDA）来检查这些模式之间的所有 21 组成对对比。短的单位点和多位点基因型组合通过熵减以及基于备择和零假设列联表集合的有限样本可靠性检查进行评估。小麦品种与保留的基因型组合之间的二分网络以存在 - 缺失热图的形式展示，以揭示特定于对的块结构。作为对间负对照，从每个目标对中衍生的基因型组合在未进行特征重新选择的情况下，在属于其他五个表型组的品种中进行了检查。这些排除组未能重现目标对的块结构，这支持了所分析数据集中显示信息的对特异性。为了提供方法学背景，相同的样本、标记和表型也使用混合模型关联、交互作用检测和机器学习方法进行了分析。在四个反复出现的 CEDA 标记中，RAC875_c60191_947 的标记水平支持最强，其 FarmCPU PC1 Benjamini-Hochberg 校正值为 \(q=0.0275\)，并在同一数据集中按随机森林重要性排第九。这些比较表征了互补的、特定于方法的输出。因此，CEDA 表征了与该小麦群体中 MRL 轨迹相关的基因型模式信息。在 21 组成对对比中，反复出现的类别相关基因型突出了两个位点上的三个推定的位置或功能候选者。