niiden eliöiden osalta, joiden genomit tunnetaan, voitaisiin nyt yrittää sulkea pois tunnistetun alueen geenit, joiden funktio tiedetään jokseenkin varmasti niin, että ne eivät liity kyseiseen ominaisuuteen. Jos genomia ei ole saatavilla, voi vaihtoehtona olla sekvensoida tunnistettu alue ja määrittää geenien oletetut toiminnot niiden samankaltaisuuden perusteella geeneihin, joilla on tunnettu funktio, yleensä muissa genomeissa. Tämä voidaan tehdä käyttämällä BLAST, online-työkalu, jonka avulla käyttäjät voivat syöttää ensisijainen sekvenssi ja etsiä samanlaisia sekvenssejä BLAST tietokannassa geenejä eri organismeista. Usein kyseessä ei ole varsinainen fenotyyppisen ominaisuuden taustalla oleva geeni, vaan pikemminkin DNA: n alue, joka liittyy läheisesti geeniin
toinen tilastollisten geneetikkojen intressi käyttää QTL-kartoitusta on määrittää fenotyyppisen ominaisuuden taustalla olevan geneettisen arkkitehtuurin monimutkaisuus. Heitä saattaa esimerkiksi kiinnostaa tietää, muotoutuuko fenotyyppi monista itsenäisistä lokuksista vai muutamista lokuksista, ja ovatko nämä lokukset vuorovaikutuksessa keskenään. Näin voidaan saada tietoa siitä, miten fenotyyppi mahdollisesti kehittyy.
viimeaikaisessa kehityksessä klassiset QTL-analyysit yhdistettiin geeniekspressioprofilointiin eli DNA-mikrorakenteisiin. Tällaiset lausekkeet QTLs (eQTLs) kuvaavat cis – ja transkontrolloivia elementtejä usein sairauteen liittyvien geenien ilmentymistä varten. Havaitut epistaattiset vaikutukset ovat osoittautuneet hyödyllisiksi vastuussa olevan geenin tunnistamisessa risteyttämällä geenejä vuorovaikutussuhteessa olevien lokusten ja metaboliareitin välillä-ja tieteellisten kirjallisuustietokantojen välillä.
varianssiarvon analyysi
yksinkertaisin menetelmä QTL-kartoituksessa on varianssin (ANOVA, jota joskus kutsutaan ”marker regressioksi”) analysointi markkerin lokuksessa. Tässä menetelmässä voidaan backcrossissa laskea t-statistiikka, jolla vertaillaan kahden merkkigenotyyppiryhmän keskiarvoja. Muissa lajeissa (kuten intercross), joissa on enemmän kuin kaksi mahdollista genotyyppiä, käytetään yleisempää muotoa ANOVA, joka tarjoaa niin sanotun F-statistin. ANOVA lähestymistapa QTL kartoitus on kolme tärkeää heikkoutta. Ensinnäkään emme saa erillisiä arvioita QTL-sijainnista ja QTL-vaikutuksesta. QTL-sijainti ilmoitetaan vain tarkastelemalla, mitkä merkit antavat suurimmat erot genotyyppiryhmän keskiarvojen välillä, ja merkkiaineen näennäinen QTL-vaikutus on pienempi kuin todellinen QTL-vaikutus merkkiaineen ja QTL: n rekombinaation seurauksena. Toiseksi meidän on hylättävä yksilöt, joiden genotyypit puuttuvat merkistä. Kolmanneksi, kun merkkiaineet ovat laajalti toisistaan erillään, QTL voi olla melko kaukana kaikista merkkiaineista, joten QTL-tunnistuksen teho vähenee.
Interval mappingEdit
Lander ja Botstein kehittivät intervallikartoituksen, joka päihitti markkerin lokuksen varianssin analysoinnin kolme haittapuolta. Intervallikartoitus on tällä hetkellä suosituin menetelmä QTL-kartoitukseen kokeellisissa risteytyksissä. Menetelmässä käytetään tyypitettyjen merkkiaineiden geneettistä karttaa, ja varianssin analyysin tavoin oletetaan yhden QTL: n olemassaolo. Intervallikartoituksessa jokaista lokusta pidetään yksi kerrallaan ja todennäköisyyssuhteen logaritmi (Lod-pisteet) lasketaan sille mallille, että annettu lokus on todellinen QTL. Odds ratio liittyy Pearsonin korrelaatiokertoimeen fenotyypin ja markkerigenotyypin välillä kunkin kokeellisessa risteytyksessä olevan yksilön osalta.
termiä ”intervallikartoitus” käytetään arvioitaessa QTL: n sijaintia kahden merkkiaineen sisällä (merkitään usein ”marker-bracket”). Intervallikartoitus perustuu alun perin maksimitodennäköisyyteen, mutta on olemassa myös erittäin hyviä likiarvoja, jotka ovat mahdollisia yksinkertaisella regressiolla.
QTL-kartoituksen periaate on: 1) todennäköisyys voidaan laskea tietyille parametreille (erityisesti QTL-vaikutus ja QTL-sijainti) ottaen huomioon havaitut tiedot fenotyypeistä ja merkkigenotyypeistä.2) parametrien estimaatit ovat niitä, joissa todennäköisyys on suurin.3) merkitsevyyskynnys voidaan määrittää permutaatiotestillä.
konventionaaliset menetelmät kvantitatiivisen piirteen lokuksen (QTLs) toteamiseksi perustuvat yksittäisten QTL-mallien vertailuun mallilla, jossa oletetaan, ettei QTL: ää ole. Esimerkiksi ”intervallikartoitus” – menetelmässä arvioidaan yksittäisen oletetun QTL: n todennäköisyys jokaisessa genomin kohdassa. Muualla perimässä sijaitsevilla QTL: llä voi kuitenkin olla häiritsevä vaikutus. Tämän seurauksena havaintoteho voi vaarantua, ja QTLs: n sijaintien ja vaikutusten arviot voivat olla puolueellisia (Lander and Botstein 1989; Knapp 1991). Jopa olemattomat niin sanotut” ghost ” QTL: t voivat ilmestyä (Haley and Knott 1992; Martinez and Curnow 1992). Siksi useita QTL-malleja voitaisiin kartoittaa tehokkaammin ja tarkemmin käyttämällä useita QTL-malleja. Yksi suosittu tapa käsitellä QTL kartoitus jossa useita QTL edistää ominaisuus on iteratiivisesti skannata genomin ja lisätä tunnettu QTL regressiomalliin qtls tunnistetaan. Tämä menetelmä, jota kutsutaan yhdistetyksi intervallikartoitukseksi, määrittää sekä QTL: n sijainnin että vaikutusten koon tarkemmin kuin yhden QTL: n lähestymistavat, erityisesti pienissä kartoituspopulaatioissa, joissa kartoituspopulaation genotyyppien välisen korrelaation vaikutus voi olla ongelmallinen.
Composite interval mapping (CIM)Edit
tässä menetelmässä suoritetaan intervallikartoitus käyttäen kovariaatteina merkkilokusten osajoukkoa. Nämä merkkiaineet toimivat muiden QTLs: ien prokseina intervallikartoituksen resoluutiota lisäämällä laskemalla toisiinsa liittyvät QTLs: t ja vähentämällä jäljelle jäävää vaihtelua. CIM: n keskeinen ongelma koskee sopivan merkkilokuksen valintaa kovariaateiksi; kun nämä on valittu, CIM muuttaa mallinvalintaongelman yksiulotteiseksi skannaukseksi. Merkkikovariaattien valintaa ei ole kuitenkaan ratkaistu. Ei ole yllättävää, asianmukaiset merkit ovat lähimpänä todellista QTLs, ja niin jos voisi löytää nämä, QTL kartoitus ongelma olisi valmis joka tapauksessa.
sukutauluun perustuva mappingEdit
sukutauluun perustuva QTL-kartoitus eli sukutauluun perustuva kartoitus (Linkage and association mapping) käsittää useamman perheen yhden perheen sijaan. Perhepohjainen QTL-kartoitus on ollut ainoa tapa kartoittaa geenejä, joissa kokeellisia risteytyksiä on vaikea tehdä. Joidenkin etujen vuoksi kasvigeneetikot yrittävät nyt kuitenkin ottaa mukaan joitakin ihmisgenetiikan uranuurtajia. Käyttämällä perhe-sukutaulu perustuva lähestymistapa on keskusteltu (Bink et al. 2008). Perhepohjainen yhteys ja yhdessäolo on toteutettu onnistuneesti (Rosyara et al. 2009)