几个月前就听说华大万物联合上海师范大学开发了基因组选择的工具CropGS，一直比较好奇。近日文章已经发表见刊，得以一窥究竟。
[图片上传失败...(image-6f067e-1704807606032)]
主要内容
以往的作物GWAS数据库集中在表型和基因型之间的关联，只有少数数据库充分利用表型和基因型资源来构建和托管农艺性状的基因组预测模型。如NHGRI-EBI GWAS Catalog、GWAS Central、GWASdb、GWAS Atlas和easyGWAS中，前三者基本上是针对人类和模式动物开发，旨在识别因果变异并了解开发新疗法的疾病机制。GWAS Atlas涵盖动植物，easyGWAS则不限物种。
CropGS-Hub是一个综合数据库/一站式平台，包含主要作物的基因型、表型和基因组关联分析信号，并提供了内置算法用于基因组预测和杂交设计。
具体而言，数据库包含了来自7个主要作物（水稻、玉米、大豆、棉花、谷子、鹰嘴豆、油菜），14个代表性群体，3000多个个体，2240亿个基因型数据点，43.4万个表型数据点，166641个GWAS关联位点并提供变异注释以识别特定性状的致因基因。实现了三个完整的功能性基因组选择相关模块，包括表型预测、用户自定义模型训练和杂交设计，每个模块都提供了传统统计和机器学习的6种GS算法，以及开发了一个SNP基因型检测工具SNPGT（Windows版本WinSNPGT和Linux版本LinSNPGT），旨在帮助作物科学家和育种家进行基因组设计育种和基因组选择。
[图片上传失败...(image-e84583-1704807606032)]
[图片上传失败...(image-f4244a-1704807606032)]
[图片上传失败...(image-d1dbdd-1704807606032)]
CropGS-Hub的三个功能模块：
- 表型预测（Phenotype Prediction）是基于7种作物的14个群体数据开发，用户上传目标材料的基因型文件，即可获得6种GS模型（GBLUP、rrBLUP、BayesL、BayesR、BayesCpi和LightGBM）预测的目标表型信息。
- 杂交设计（Crossing Design）是基于水稻或玉米杂交种群体，用户可上传自交系亲本基因型，在网站中选择按照“一对多”或者“多对多”的方式进行组配，获得组配的F1子代基因型，并完成表型预测。
- 用户模型训练（User Model Training）功能不限于数据库中的7种作物，用户可上传任何物种育种群体的表型和基因型数据，平台可根据用户所选模型完成建模以及目标样本的表型预测。
平台在完成GS分析后，会自动将结果报告通过邮件发送给用户，以html格式提供可视化的图表，方便用户选择候选材料。
最后，研究人员以杂交水稻和西瓜为例，测试了CropGS-Hub。作为一个以GS功能为主的综合性作物基因组育种平台，该平台在推动GS育种普遍化和数据合作共享上有着重要意义。
[图片上传失败...(image-f5a73d-1704807606032)]
更多信息请查看以下链接：
- CropGS-Hub：https://iagr.genomics.cn/CropGS/
- SNPGT：https://github.com/Min-Zer0/WinSNPGT
示例报告：
- https://iagr.genomics.cn/static/gstool/task/TPP000210_demo/results/TPP000210_demo.Report.html
- https://iagr.genomics.cn/static/gstool/task/TCD000211_demo/results/TCD000211_demo.Report.html
- https://iagr.genomics.cn/static/gstool/task/TUM000212_demo/results/Report.html
GropGS-Hub和WinSNPGT使用教程视频：
- https://space.bilibili.com/93870206
小编碎碎念
本研究的技术路线描述是非常清晰的，具体到基因型检测、过滤、填补、注释，以及GS模型的参数调整、数据合并等细节。不过小编思考了下，觉得可能还存在以下问题需要探讨：
- 模型的适用性/泛化能力。GS模型受群体结构影响较大，要求训练群（参考群）和测试群（候选群）具有较近的亲缘关系。该数据库中的群体还是比较有限的，因此，是否具有足够代表性来预测其他的项目？
- 基因型Panel的代表性。GS的原理是基于连锁不平衡（LD），SNP数量和有效性对GS影响较大。研究虽然用到了很多方法，如估计标记有效数量、LD过滤、SNP注释分类、GWAS因果位点筛选、以及根据交叉验证预测准确性来筛选特定SNP，但究竟最后如何确定基因型密度，以及如何综合选择出最有代表性位点似乎没有明确说明。此外，从WGS中提取靶点来做GS，是不是显得有点浪费数据了？毕竟，现在限制GS应用的一大主要因素还是基因分型的成本太高。当然，如果说华大的测序可以再降个十倍，那很多问题就简单了。
- 计算的限制。CropGS-Hub 是在具有弹性计算资源（32 个 CPU、64 GB RAM 和 1000 Gb 存储）的云服务器上开发的。这个对于计算资源较高的基因组预测而言，并发数是不是不能太高了，尤其是对于Bayes类的算法。不过，既然都是免费的资源，还能要什么自行车？
- 尴尬的用户群体。小编初步测试了下平台，可能觉得还是需要有一点数量遗传学或者生信基础的人才能用得比较顺利。这种感觉就有点像测序公司为科服市场提供的云平台，面临一个较为尴尬的局面：有基础做分析的用户基本不会在平台上使用，没有基础的用户则教不会或者懒得学。不知道黄老师前期开发的水稻基因定位导航系统RiceNavi有没有遇到过这种局面。当然，如果后续老师们有更多相关的培训，那是极好的。