Биоинформатик (WGS / GWAS / Селекционная геномика)

Требуется специалист для выполнения комплексного биоинформатического анализа данных полногеномного секвенирования (WGS) сельскохозяйственных культур (пшеница, рапс, подсолнечник) с последующим формированием ДНК-маркерных панелей и моделированием селекционных стратегий.

Проект охватывает полный цикл — от обработки сырых данных до рекомендаций по схемам скрещивания.

🧪 Задачи

1. Первичная обработка NGS-данных

• Контроль качества (QC), тримминг и фильтрация ридов
• Картирование на референсный геном
• Вызов вариантов (SNP, InDel) с учетом полиплоидности
• Фильтрация VCF (динамические параметры)
• Расчет статистик картирования
• Функциональная аннотация вариантов

2. Импутация генотипов

• Импутация с использованием:
  • публичных референсных панелей (при наличии)
  • или внутри выборки

3. Популяционная генетика

• Расчет наблюдаемой гетерозиготности
• PCA (PC1–PC10)
• Матрицы генетических дистанций и родства
• Admixture-анализ
• Филогенетическое дерево (bootstrap ≥ 1000)
• Комплексная интерпретация структуры популяции

4. GWAS-анализ

• Проведение GWAS с использованием ≥10 моделей
  • линейные
  • смешанные
  • мультилокусные
• Учет популяционной структуры (PC 2–20)
• Подбор метода коррекции множественного тестирования
• LD-анализ (параметры подбираются индивидуально)
• Формирование списка значимых ассоциаций
• Работа с признаками без значимых ассоциаций (top SNP / корректировка порога)

5. Селекционная аналитика

• Формирование панели ДНК-маркеров
• Валидация панели:
  • кросс-валидация
  • независимая выборка (при наличии)
  • сопоставление с QTL
• Ранжирование образцов:
  • по отдельным признакам
  • по комплексному индексу
• Моделирование скрещиваний:
  • все комбинации (♀ × ♂)
  • прогноз потомства (genomic prediction + сегрегация маркеров)
• Разработка селекционных схем:
  • возвратные
  • трехлинейные и др.

🌱 Объекты анализа

• Пшеница мягкая (гексаплоид, ~16 Gb, 350–400 образцов)
• Рапс (яровой и озимый, ~1.13 Gb, 100–150 образцов)
• Подсолнечник (~3.6 Gb, 100–150 образцов)

📥 Входные данные

• WGS (PE150, ≥20×), FASTQ
• Фенотипы (≥2 признаков, ≥2 локаций, мультигодовые данные)

📊 Ожидаемые результаты

• VCF (до/после фильтрации, с импутацией)
• QC-отчеты
• PCA-графики, Manhattan и QQ plots
• Матрицы дистанций и родства
• Филогенетические деревья
• Таблицы ассоциаций
• Панели ДНК-маркеров
• Ранжирование образцов
• Матрицы скрещиваний
• Рекомендации по селекционным стратегиям

🧠 Требования

• Опыт работы с NGS/WGS данными
• Уверенное владение инструментами:
  • BWA / Bowtie2
  • GATK / FreeBayes / bcftools
  • PLINK / ADMIXTURE / EIGENSOFT
  • GWAS-пакеты (GEMMA, GAPIT, Tassel и др.)
• Опыт работы с полиплоидными геномами (обязательно)
• Знание популяционной генетики и GWAS
• Опыт genomic prediction (желательно)
• Навыки работы с большими данными (HPC)

➕ Будет плюсом

• Опыт в агрогеномике / селекции растений
• Знание QTL-анализа