利用混合图马尔可夫模型绘制 eQTL 网络

表达数量性状位点 (eQTL) 定位是一个具有挑战性的问题，原因之一是基因表达性状具有高维多变量性质。除了由混杂因素和其他非期望变异源产生的表达异质性外，间接效应还会因遗传、分子和环境扰动而在基因间传播。从多变量角度来看，人们希望校正所有这些因素的影响，从而得到一个连接从基因型到表型路径的直接关联网络。在本文中，我们利用混合图马尔可夫模型、高阶条件独立性和 q 阶相关图来应对这一挑战。这些模型表明，加性遗传效应作为基因 - 基因相关性的函数在网络中传播。我们对一个经过充分研究的酵母数据集 underlying 的 eQTL 网络的估计，导出了一个稀疏结构，其中包含更多直接的遗传和调控关联，使得跨染色体比较基因表达的遗传控制变得直接明了。有趣的是，结果还揭示 eQTL 解释了网络枢纽基因的大部分表达变异性。