Mapowanie loci genów cech ilościowych

Prezentacja na temat: "Mapowanie loci genów cech ilościowych"— Zapis prezentacji:

1 Mapowanie loci genów cech ilościowych
2007

2 Aby zmapować gen cechy ilościowej
cecha powinna być uwarunkowa genem o dużym efekcie, jego locus to QTL musimy znać mapę markerową, tzn. markery i odległości genetyczne między nimi konieczna jest nierównowaga gametyczna między QTL i najbliższym markerem w populacji należy zbadać genotypy markerowe zwierząt i fenotypy (np. przyrost dzienny)

3 Poligeniczny i mieszany model dziedziczenia cechy ilościowej
poligeny ABcde ABcde abcde ABCDE abCDE poligeny + gen o dużym efekcie Qq QQ qq

4 Mapy markerowe To zestawy markerów zebranych w grupy sprzężeniowe i przypisane do konkretnych chromosomów 0 cM Pozycja markerów musi być znana. 50 cM Mikrosatelity to bardzo dobre markery do mapowania wstępnego. Dokładne mapowanie w oparciu o SNP markery o znanych pozycjach 120 cM

5 Częstość rekombinacji

6 Rekonbinacje a crossing over
Rekombinacje obserwujemy tylko przy nieparzystej liczbie crossing over między dwoma loci.

7 Odległość genetyczna rAC  rAB + rBC xAC = xAB + xBC A B C
chromosom A B C markery Częstość rekombinacji NIE jest addytywna ! rAC  rAB + rBC Częstość rekombinacji należy przeliczyć na częstość crossing over. Zastosuj funkcję mapową. xAC = xAB + xBC

8 Funkcja mapowa Kosambiego
x = 25  ln[ (1+2r) / (1-2r) ] r = 0,5  [ (e0,04x - 1) / (e0,04x + 1)] x = liczba centimorganów r = częstość rekombinacji

9 Funkcje mapowe

10 Nierównowaga gametyczna
...gdy haplotypy występują w populacji w innych proporcjach niż wynika to z częstości genów QTL Q q M pQpM+D pqpM-D m pQpm-D pqpm+D marker

11 Nierównowaga gametyczna
NG utrzymuje się długo jeśli rekombinacja między genami zachodzi rzadko. Dt=D0(1-r)t nierównowaga pokolenie

12 Nierównowaga gametyczna
Grupy markerowe mają taką samą średnią fenotypową. ponieważ w każdej genotypy QTL są w tych samych proporcjach. Nierównowaga W grupie mm genotyp qq występuje bardzo często i obniża on średnią fenotypową w tej grupie.

13 Doświadczenie F2  F0 MM QQ F1 Mm Qq F2 MM QQ Qq qq Mm QQ Qq qq
Badanie genotypów we wszystkich 3 pokoleniach mm qq  F1 Mm Qq F2 MM QQ Qq qq Mm QQ Qq qq mm QQ Qq qq Pomiar fenotypów tylko w pokoleniu F2

14 Doświadczenie F2

15 Doświadczenie F2 L1 = P( QQ | MM ) × f( y1 | µQQ,  )
Świnia F2 o genotypie MM i fenotypie y1 L1 = P( QQ | MM ) × f( y1 | µQQ,  ) + P( Qq | MM ) × f( y1 | µQq,  ) + P( qq | MM ) × f( y1 | µqq,  ) Wszystkie swinie F2 L = L1 × L2 × L3 × ...

16 Doświadczenie F2 LR = -2ln[ maxLr / maxL]
MaxLr = maksymalna funkcja L przy braku QTL (np przy µQQ= µQq= µqq) MaxL = maksymalna funkcja L przy QTL w danej pozycji LR = -2ln[ maxLr / maxL] Obliczenia powtarzamy dla każdej hipotetycznej pozycji QTL, np. co 5 cM LOD  LR/4,61 LOD 120 cM

17 Mapowanie przedziałowe
50 70 100 A B xAQ=20cM  rAQ=0,19 Hipotetyczna pozycja QTL xQB=30cM  rQB=0,27 P( QQ | AA BB ) = (1-rAQ)2  (1-rQB)2 / (1-rAB)2 P( Qq | AA BB ) = 2rAQrQB(1-rAQ)  (1-rQB) / (1-rAB)2 P( qq | AA BB ) = rAQ2  rQB2 / (1-rAB)2

18 Fałszywe QTL Zwykłe mapowanie przedziałowe Composite interval mapping
Gdy model zakłada pojedynczy QTL, gdy faktycznie są dwa lub więcej, wyniki mogą być fałszywe. W composite interval mapping zmieniamy sposób obliczeń by obejść ten problem.