分类目录归档：

2023
04-25

群体遗传进化专题之选择性清除分析

所谓选择性清除：当一个有利突变发生后，这个突变基因的适合度越高，就越容易被选择固定。当这个基因被快速固定之后，与此基因座连锁的染色体区域，由于搭车效应也被固定下来，大片紧密连锁的染色体区域因此失去多态性，这种由于搭车效应引起多态性下降的现象，遗传上称为选择清除。下图可以形象的展示受选择后的结果。    圈子不同，别瞎凑合。...阅读全文>>... 阅 读 全 部 >
2023
04-25

LncRNA相关研究这么多，这些策略你知道吗？

对于乳腺癌来说，MALAT1到底是抑制了转移还是促进了转移呢？今天就以发表在Nature Genetics这篇“Long noncoding RNA MALAT1 suppresses breast cancer metastasis”文章为切入点，说的是lncRNA MALAT1抑制乳腺癌的转移，问题是大部分文章是说MALAT1促进乳腺癌等肿瘤的转移。到底哪里出问题了呢? 之所以会出现促进转移的... 阅 读 全 部 >
2023
04-24

单细胞组学测序分析中实用性超强的配受体对数据库

不论是做实验还是做高通量测序分析，我们往往离不开要对分子层面的作用机制进行研究，而其中基因可以编码下游蛋白，通过调控蛋白之间的相互作用或是影响蛋白质本身行使的功能从而最终影响表型的变化。这么一来，对于蛋白作用的了解就显得格外重要了。这些信息可以来源于KEGG数据库的注释也可来源于Uniprot对蛋白功能的注释，但不论是存在于KEGG还是Uniprot数据库的信息，都过于分散，是否有已经整理好的蛋白... 阅 读 全 部 >
2023
04-24

进化论VS中性突变理论

进化论VS中性突变理论查尔斯·罗伯特·达尔文（英语：CharlesRobert Darwin，1809年2月12日－1882年4月19日），英国生物学家，其“进化论”被列为19世纪自然科学的三大发现之一（其他两个是细胞学说、能量守恒转化定律），对人类有杰出的贡献。达尔文早期因为地质学研究而著名，而后又提出科学证据，证明所有生物物种是由少数共同祖先，经过长时间的自然选择过程后演化而成。到了193..... 阅 读 全 部 >
2023
04-24

肿瘤全外的点突变有哪些分类呢？| 肿瘤全外专题

肿瘤突变的类型丰富多样，包括点突变，杂合性缺失，缺失突变，倒位等等。如下图所示：小师妹最近在学习肿瘤克隆进化的过程中，发现人类的点突变的分类与农学里的差异较大，为了厘清这里边的关系，小师妹觉得非常有必要做一个系统的梳理。农学中的点突变，之前在Nature Genetics|从GWAS结果里挖掘候选基因方法微文中有描述，在GWAS定位的LD block中，将所有的SNP分为5类，再一次摘抄下来如下：... 阅 读 全 部 >
2023
04-24

全基因组关联分析GWAS专题2——连锁不平衡

连锁不平衡（linkage disequilibrium, LD）分析是群体遗传学研究中常见的分析内容，也是关联分析的基础，在很多的GWAS文章中都会出现LD衰减图及单倍型block图，接下来一起连锁不平衡（linkage disequilibrium, LD）初探。图1 水稻自然群体连锁不平衡衰减与桃果糖含量位点相关单倍型区块1、LD的概念当位于某一座位的特定等位基因与另一座位...阅读全文&g... 阅 读 全 部 >
2023
04-24

关联分析和连锁分析解析玉米籽粒大小的遗传结构|群体遗传专题

上上上期靠谱er在连锁分析和关联分析的稿子（ 关联分析和连锁分析 | 群体遗传专题 ）最后留了个尾巴，这次就把这个尾巴续上，讲讲连锁分析和关联分析的文献案例。总览玉米籽粒相关性状和产量直接相关。本文通过关联群体和双亲杂交群体解析三个籽粒性状（籽粒长度，籽粒快递，籽粒厚度）的遗传基础。在四种环境下共检测到21个和以上三个性状关联的位点。另又在7种环境下通过B73和Mo17构建的D...阅读全文>... 阅 读 全 部 >
2023
04-23

群体遗传分析—LD连锁不平衡

群体遗传学研究中，LD连锁不平衡分析是最常见的分析内容，也是关联分析的基础。在很多的遗传进化GWAS的文章中都会出现LD衰减及单体型block图，如果你还不是很了解的话，是时候补补课了哦～～LD概念当位于某一座位的特定等位基因与另一座位的某一等位基因同时出现的概率大于群体中因随机分布的两个等位基因同时出现的概率时，就称这两个座位处于连锁不平衡状态（linkage disequilibri...阅读... 阅 读 全 部 >
2023
04-23

连锁不平衡图的绘制

连锁不平衡图，用来可视化不同SNP之间的连锁程度，前同事间俗称“倒三角”图。本文使用自己的数据，因为安装R包后使用内置数据集运行出结果较容易，但是自己的数据就可能会有一些不大不小的“坑”，我替你们趟了。。。一 、载入R包数据数据为内置CEUData保存后，进行了“细微”的处理（去掉SNP碱基之间的“/”），因为这种基因型形式文件很常见；library("LDheatmap")#读入数据SNP ..... 阅 读 全 部 >
«... 30 31 32 33 34 35 36 37 38 39 40 ... »