系列文章链接
文章目录
一、全转录组、全表观基因组和其组学结合的行为分析
在人类中发现的许多重要的GWAS hint都位于非编码区，这些hint不太可能改变序列的位点蛋白质产物，但更有可能改变基因表达或亚型的使用（isoform usage）：表达多少，在何处或何时表达不同版本的蛋白质。
RNAseq全方位优于microarray，除了略贵和分析起来麻烦。
基因表达数据和许多其他分子数据集可被视为微表型（microphenotypes），QTL使我们能够识别变体与表达之间的关系。当eQTL映射到与表型的QTL相同的位置时，则支持以下假设：分子表达变异是基因型和行为表型之间的中间步骤（内表型endophenotype）。
使用转录组数据要小心样本年龄带来的影响：随着时间的推移细胞转录组具有不同的表达谱。
首先，如果表型随年龄变化，则表达量的变化可能源自年龄变化而非源自表型，或者表达量和表型各自与年龄independently相关。
其次，某些年龄似乎是转录组轨迹的转折点（TTTP， transcriptome trajectory turning points），到了这个点，基因表达可能会反向或平稳。一个例子，小鼠在雄性约156天，雌性约165天的时候（分别相当于人类雄性和雌性的26.0岁和27.5年）抵达了TTTP，TTTP影响了疾病（表型）发作的时间。
详见：
https://pubmed.ncbi.nlm.nih.gov/28893375/
甲基化研究也可以从chip过渡到seq。例如还原亚硫酸氢盐测序（RRBS）和全基因组亚硫酸氢盐测序（WGBS或BS-seq）。
还有全蛋白质组和全代谢组分析。
二、降低复杂性杂交：一种依赖全基因组序列的新方法
降低复杂性杂交(Reduced Complexity Crosses)
将基因变异定位到复杂性状上通常需要高度遗传多样的杂交或种群。
很多人一直认为，从两个方面来说，更多的变异会更好：提供更高水平的表型差异，以及提供大量潜在的序列差异。有两个例子：行为遗传学的主要社区资源现在包括分离出来约500万个变体(variants)的BXD小鼠家族，分离了约700万个SNP的CFW杂种群体。
但我们认为较少的变体实际上可以更有效率，尤其是在分离修饰行为表型的特定序列变体时。
通过交配两个或更多个同基因或密切相关的品系—— isogenic or closely related substrains，例如：C57BL / 6J，C57BL / 6NJ，C57BL / 6ByJ和C57BL / 6JEiJ，可以生成降低复杂性的杂交(RCC，reduced complexity cross)。F1杂种杂交后代可产生F2后代或回交。产生的RCC分离了那些构成祖先品系之间行为差异的variants。常规交叉(convetional intercross)会导致QTL间隔包含数百个多态性基因和数千个变体，而RCC中的QTL间隔包含的候选基因变体少了几个数量级。
例如，考虑C57BL / 6（B6）品系之间的杂交，cross A是B6J和B6NJ子品系之间的RCC，cross B是常见的B6J与DBA/2J之间常见的F2杂交，A组的variants会减少250倍。当然，能做RCC的品系可能不表达的全部范围在野生种群看到的表型（长期室内驯化），等位基因也可能丢失。
成功进行RCC设计的秘诀：
-
两个近等基因品系(isogenic strains)之间存在可遗传的，效应明显且可重现的行为差异（可能只有部分行为满足）；
-
在两个近等基因的亲本近交系之间产生F2杂交或回交；
-
精确测量所得重组子代中的目标行为；
-
RCC后代的基因分型；
-
遗传定位和/或fine-mapping以解析QTL和性状变异背后的定量性状基因。
三、基因分型
array可以提供分型，比较便宜，typical spacing for an F2 cross in mice is ~10 to 20 cM or 20 to 40 Mb，测感兴趣的marker。
另一种方法是挑选marker，使用多重定量PCR（multiplex quantitative PCR)。
还有其它方法，比如使用多重PCR从目标标记位点集中生成数百至数千个等位基因特异性产物，然后可以通过DNA-seq对其进行鉴定。对每个样品中包含SNP标记的基因组位点进行多重靶向扩增，然后对所得文库进行测序，再align并call variants以鉴定基因型。
使用测序方法进行基因分型（GBS，genotyping by sequencing)，无需对于marker的先验知识，不需要父本母本的测序数据。在典型的GBS方法中，使用限制酶来精简待测基因组，主要看那些能影响限制性酶切位点或邻近区域的多态性的地方。这个方法能找到新的marker。
另一种GBS方法是RNA测序F1或F2。RNA测序F1可以用来分析等位基因特异性表达来指出与cis-eQTLs相关的变异。再测F2的转录组来找出能用来genotyping的variants。这些variant主要集中在coding region，虽然测序深一点的话noncoding region也能测到，如果这个intron有不寻常的表达量的话。这个方法的优点之一是，能够同时分析表达量和genotyping，但是在用在RCC上的时候还是要小心，因为可能找的不全，检测范围主要还是coding region而已。
中等测序深度，40X。
四、一些研究热点
1.社会遗传学 social genetics
目前大家重点一直放在直接遗传效应(DGE，dierect genetic effects)上,个体基因型对其自身表型的影响。
但是，个体A的基因型可能会对个体B的表型产生影响，并且这些效应在任何一组相互作用的个体中都非常明显。为了产生社会遗传效应，该表型必须是可塑的，以响应相互作用的个体的表型。这种间接效应必须具有遗传基础。实际上，如果没有社会互动，某些行为就不可能存在，例如求爱，侵略性，父母照料等。
鉴定出的一些最早的社会遗传效应是产妇遗传效应(MGE，maternal genetic effects)，这些遗传效应已在牲畜中进行了广泛研究。
有人拿老鼠做实验，发现母亲行为的任何变化都可以映射到其寄养后代的基因型。在这两个实验设计中，已经表明，对于某些表型，社会遗传效应比直接遗传效应可以解释更多的表型变异
参考链接：
https://pubmed.ncbi.nlm.nih.gov/28121987/
2.对野生动物进行研究，不囿于模式动物
3.行为遗传学，大脑结构和连接组(connectome)
4.在模式生物和人类中的直接同源行为(Directly homologous behaviors)
参考文献
Ashbrook, D. G., Mulligan, M. K., & Williams, R. W. (2018). Post-genomic behavioral genetics: From revolution to routine. Genes, brain, and behavior, 17(3), e12441. https://doi.org/10.1111/gbb.12441
图源/谷歌图片