[发明专利]用于亲权鉴定的SSR位点的筛选方法和应用

权利要求书

1.一种用于亲权鉴定的SSR位点的筛选方法，其特征在于，包括：

（S1）筛选出待筛选SSR位点的物种的全基因组序列所有潜在的SSR位点，再筛选出位于基因区间内的SSR位点，再过滤掉单核苷酸重复类型的SSR位点；然后筛选出具有多态性的SSR位点；

（S2）然后过滤掉满足如下条件的SSR位点，得到候选SSR位点：（a1）缺失值比例＞50%；（a2）哈温平衡检验显著性＜0.01；

（S3）计算候选SSR位点的LD衰减距离；

（S4）将候选SSR位点按照PE值排序，然后筛选出符合如下条件的SSR位点：（b1）MAF值≤M；（b2）缺失值比例＜10%；（b3）任意两个SSR位点的距离＞LD衰减距离；（b4）重复单元≥N；

其中，所述M和所述N按照如下方法得到：

模拟产生具有SSR位点的亲代个体，所述亲代个体满足如下条件：（c1）亲代个体的SSR位点距离≥LD衰减距离；（c2）亲代个体的基因型满足哈温平衡；

然后将亲代个体作为父本，按照如下条件产生子代个体：（d1）杂交过程完全随机杂交；（d2）重组过程无连锁现象；（d3）个体不产生随机突变；

然后模拟计算如下指标：

（e1）不同MAF的条件下亲子关系准确率，得到亲子关系准确率至少为99.9%时的MAF值，记为M；

（e2）不同SSR分型类型、不同位点规模下CPE的变化，以确定SSR位点的重复单元数，记为N；

其中，所述待筛选SSR位点的物种为牦牛；将牦牛的候选SSR位点按照PE值排序，然后筛选出符合如下条件的SSR位点：（b1）MAF值≤0.3；（b2）缺失值比例＜10%；（b3）任意两个SSR位点的距离＞2kb；（b4）重复单元≥3。

2.根据权利要求1所述的SSR位点的筛选方法，其特征在于，以待筛选SSR位点的物种的高通量测序数据作为全基因组序列的数据来源。

3.根据权利要求2所述的SSR位点的筛选方法，其特征在于，从NCBI SRA 数据库中筛选所述物种的相同测序平台下，并且数据质量整齐度一致的测序样本，然后进行数据校准和整理以及重复序列标记和合并。

4.根据权利要求3所述的SSR位点的筛选方法，其特征在于，所述数据校准和整理包括：收集到的SRA数据首先用sra-tool kit的“fastq-dump-split-3”命令将其转换为FASTQ数据格式，用cutadapt程序去除序列分数＜20的低质量测序片段/残基，得到过滤后测序数据，再用Burrows-Wheeler Alignment（BWA）tool对比工具的“bwa mem-T 30-h 5”程序将过滤后测序数据比对到牦牛基因组上，同时检查比对质量，把质量分值低于30的过滤掉以减少假阳性，然后用Samtools软件将比对结果进行格式转换及排序，产生对比后BAM数据文件格式。

5.根据权利要求3所述的SSR位点的筛选方法，其特征在于，所述重复序列标记和合并包括：用Picard Mark Duplicates软件来鉴定和标记每个比对后产生的BAM数据文件，将过度重复测到的冗余BAM数据文件进行合并，以保证每个样本产生一个对应的单独BAM数据文件。

6.根据权利要求1所述的SSR位点的筛选方法，其特征在于，使用scikit-learnpackage模拟产生具有SSR位点的亲代个体。

7.根据权利要求1所述的SSR位点的筛选方法，其特征在于，使用VCFtools对候选SSR位点数据进行LD分析，计算位点间的LD水平，并绘制LD衰减图。

8.根据权利要求1所述的SSR位点的筛选方法，其特征在于，所述筛选方法还包括分析潜在的SSR位点的特征，以用于作为模拟筛选的SSR位点库；

所述特征包括采用PSR Modify version统计具有多态性的SSR位点，及未检测到多态性的位点；统计SSR重复类型及其重复性占比；统计群体中每个个体纯合位点及杂合位点的数量和统计位点分型及MAF值。