2019-02-23 QTL (publicado nuevamente desde Zhihu)

Vine aquí para ordenar mis pensamientos. Los amigos pueden comentar y corregir.

1. La idea básica del mapeo QTL

El nombre completo de QTL es loci de rasgos cuantitativos. Como sugiere el nombre, hay algunos loci en el genoma que tienen un cierto efecto cuantitativo sobre ciertos rasgos específicos. El punto clave aquí es que el rasgo que nos interesa es un rasgo cuantitativo, con muchos niveles diferentes, más que un rasgo cualitativo. El ejemplo más típico de esto último es la enfermedad (enfermar/no enfermar). En términos generales, cualquier rasgo complejo (rasgo determinado por múltiples genes) puede considerarse un rasgo cuantitativo (de hecho, creo que es extraño traducir cantidad en "cantidad" aquí, pero será mejor si todos lo entiendan cuando es una convención) , como la altura de una persona/peso/CI, altura de la planta/rendimiento de los cultivos, etc.

El principio básico del mapeo QTL es determinar un determinado rasgo cuantitativo (fenotipo) de un grupo de individuos y su genotipo (es decir, algunos marcadores genéticos en el genoma, como SNP/RFLP, etc. , pero no necesariamente es el genoma completo), y luego encontrar la correspondencia entre genotipo y fenotipo. Por ejemplo:

& img data-raw height = " 476 " data-raw width = " 681 " src = "/86 ad 0 f 0d 98491 fcb 0 df 999 be 79 be 07 e 3 _ b jpg " class = " origin _ image zh-light box-thumb " width = " 681 " data-original = "/86 ad 0 f 0d 9491 fcb 0 df 999 be 79 be 079ampgt;

En. En la figura, el eje X es el valor del rasgo cuantitativo y el eje Y indica cuántos individuos de la población tienen el rasgo cuantitativo correspondiente. Todos los loci muestran la misma distribución normal, mientras que el genotipo en el locus B. está relacionado con el rasgo cuantitativo, el valor del rasgo cuantitativo es relativamente pequeño en el genotipo bb'. La correlación entre el sitio A y los valores del rasgo cuantitativo es más obvia. La esencia del mapeo QTL es descubrir qué marcadores genéticos hay. El genoma tiene la correlación más fuerte con los rasgos cuantitativos. Tenga en cuenta que lo que se dice aquí no significa "correlación directa/efecto determinante", porque el sitio A solo puede estar vinculado a genes decisivos. Por lo tanto, después del mapeo de QTL, es necesario diseñar. más experimentos para verificar/encontrar genes/sitios con efectos genéticos

2. Los principales factores que afectan los resultados del análisis QTL

65438+

En términos generales, Se utilizan varios ancestros (con diferencias obvias en rasgos cuantitativos) para realizar varios cruces, y luego se utiliza su descendencia para determinar el tipo de expresión y el genotipo, y finalmente localizar QTL a través de dos tipos de correlaciones. Por otro lado, los estudios de asociación generalmente capturan un grupo de individuos (antecedentes genéticos desconocidos y salvajes) para medir directamente los fenotipos y genotipos, y luego analizan ambos tipos de correlaciones QTL que tienden a utilizar poblaciones con antecedentes genéticos bien definidos (es decir, aquellos con algunos cruces ancestrales) porque entonces los resultados de QTL no se ven afectados por la estructura de la población, como las siguientes correlaciones. El método de análisis consiste en reunir un grupo de personas blancas y amarillas para encontrar QTL de altura. Se estima que la diferencia es. básicamente racial y no tiene nada que ver con la altura (pero el análisis de asociación también tiene sus propias ventajas. Por ejemplo, puede cubrir más diversidad genética. No solo esos genotipos ancestrales. Además, no es que los datos del análisis de asociación no puedan usarse para el mapeo de QTL , solo tenga mucho, mucho cuidado)

2. Poder estadístico

ANOVA (ANOVA)/Modelo lineal generalizado (GLM) es un método estadístico para la posición QTL. cuello de botella - poder estadístico

Este cuello de botella es particularmente obvio hoy en día cuando el costo de la secuenciación de genes se ha reducido considerablemente. Para identificar QTL, se utilizarán cada vez más marcadores genéticos. Como resultado, hay demasiadas pruebas de hipótesis en estadística (una prueba para cada marcador). Una vez que se realizan correcciones de pruebas múltiples, habrá muy pocos sitios significativos.

Por otro lado, la interacción entre sitios también es importante, por ejemplo:

& img data-raw height = " 526 " data-raw width = " 600 " src = "/48d 6d 19 ecbd 78 Bab 21044 c 1152 e802 c 0 _ b . jpg " class = " origin _ image zh-light box-thumb " ancho = " 600 " data-original = "/48d 6d 19 ecbd 78 Bab 265438ampgt ;

Supongamos que las estrellas en la figura son individuos con rasgos cuantitativos altos y los círculos son individuos con rasgos cuantitativos bajos. Los ejes x1 y x2 representan los genotipos de los dos marcadores genéticos. En conjunto, están muy correlacionados con los rasgos cuantitativos, pero individualmente no existe ninguna correlación. X1 y x2 son dos QTL que interactúan. Si hay 10.000 loci en el genoma, hay que hacer 100 millones de suposiciones.

Aumentar el número de muestras en la población es una dirección obvia a seguir. Pero el beneficio no es enorme. Algunas personas también han intentado probar las interacciones desde una perspectiva genética [Genética PLoS: basada en genes. pruebas de interacción en estudios cuantitativos de asociación de rasgos]. Algunas personas piensan que las interacciones no serán tan "limpias" como en la imagen de arriba (x1 y x2 por sí solos no tienen ningún efecto, pero la interacción entre x1 y x2 es fuerte) La idea es encontrar. unos pocos loci que son individualmente efectivos y luego analizan las interacciones entre estos loci y todos los demás loci [PLoS: análisis de enlace de múltiples locus de expresión amplia del genoma en el año]

3. /p>

Idealmente, si todos los marcadores genéticos que se utilizan para el mapeo de QTL no están vinculados, entonces debería poder asignar con precisión el QTL a un marcador genético específico, porque el QTL de al lado no estará asociado con el cuantitativo. rasgo, pero, de hecho, es probable que los marcadores genéticos adyacentes estén vinculados, por lo que un conjunto de marcadores genéticos adyacentes parece estar fuertemente asociado con un QTL, a menos que su vínculo se interrumpa por la recombinación. El principal medio para aumentar la recombinación es aumentar. el número de generaciones cruzadas (demasiadas generaciones no son suficientes, ya que el genoma puede confundirse, de modo que los marcadores genéticos no pueden devolverse al genoma original)

En tercer lugar, análisis técnico derivado de QTL

1. De macro a micro

QTL inicialmente se utiliza para analizar rasgos macrocuantitativos, como la altura humana y el rendimiento de los cultivos mencionados anteriormente. Ahora cada vez más personas lo utilizan para analizar micro-. rasgos de nivel, como eQTL (QTL de expresión), pQTL (QTL de expresión de proteína QTL, sQTL (QTL de empalme), etc.

2. QTL extremo (xQTL)

[http://www.ncbi.nlm.nih.gov/pmc/articles/PMC2862354/]

En primer lugar, se utiliza un proceso de cruce similar al mapeo general de QTL: un cruce de dos (o más) ancestros. Después de varias generaciones, se seleccionan algunos individuos con rasgos cuantitativos extremadamente altos entre un gran número de descendientes y luego se determinan los genotipos de estos individuos. Porque después de la selección, aquellos genotipos (alelos) que pueden mejorar los rasgos cuantitativos aparecerán con frecuencia en la parte seleccionada del individuo. Este no fue el caso del grupo no seleccionado. Al comparar las diferencias de frecuencia de diferentes alelos en dos poblaciones, se puede localizar QTL.