voor organismen waarvan het genoom bekend is, zou men nu kunnen proberen genen uit te sluiten in het geïdentificeerde gebied waarvan de functie met enige zekerheid bekend is dat ze niet verbonden zijn met de eigenschap in kwestie. Als het genoom niet beschikbaar is, kan het een optie zijn om het geà dentificeerde gebied te rangschikken en de veronderstelde functies van genen door hun gelijkenis met genen met bekende functie, gewoonlijk in andere genomen te bepalen. Dit kan worden gedaan gebruikend ontploffing, een online hulpmiddel dat gebruikers toestaat om een primaire opeenvolging in te gaan en naar gelijkaardige opeenvolgingen binnen de ONTPLOFFINGSDATABASE van genen van diverse organismen te zoeken. Het is vaak niet het eigenlijke gen dat ten grondslag ligt aan de fenotypische eigenschap, maar eerder een gebied van DNA dat nauw verbonden is met het gen
een ander belang van statistische genetici die QTL-mapping gebruiken, is het bepalen van de complexiteit van de genetische architectuur die ten grondslag ligt aan een fenotypische eigenschap. Bijvoorbeeld, ze kunnen geïnteresseerd zijn in het weten of een fenotype wordt gevormd door vele onafhankelijke loci, of door een paar loci, en doen die loci interageren. Dit kan informatie opleveren over hoe het fenotype zich kan ontwikkelen.In een recente ontwikkeling werden klassieke QTL-analyses gecombineerd met genexpressieprofilering, d.w.z. met DNA-microarrays. Dergelijke expressie QTLs (eQTLs) beschrijven cis – en trans-controlerende elementen voor de expressie van vaak ziekte-geassocieerde genen. De waargenomen epistatische gevolgen zijn gevonden voordelig om het gen verantwoordelijk door een kruis-validatie van genen binnen de interagerende loci met metabolische weg – en wetenschappelijke literatuurdatabases te identificeren.
variantie-analyse
de eenvoudigste methode voor QTL-mapping is variantieanalyse (ANOVA, soms “markerregressie” genoemd) op de markerloci. In deze methode, in een backcross, kan men een T-statistiek berekenen om de gemiddelden van de twee marker genotype groepen te vergelijken. Voor andere soorten kruisingen (zoals de intercross), waar er meer dan twee mogelijke genotypes zijn, gebruikt men een algemenere vorm van ANOVA, die een zogenaamde F-statistiek levert. De ANOVA-aanpak voor QTL-mapping heeft drie belangrijke zwakke punten. Ten eerste ontvangen we geen afzonderlijke schattingen van QTL-locatie en QTL-effect. QTL locatie wordt alleen aangegeven door te kijken naar welke markers de grootste verschillen geven tussen genotype groep gemiddelden, en het schijnbare QTL effect bij een marker zal kleiner zijn dan het ware QTL effect als gevolg van recombinatie tussen de marker en de QTL. In de tweede plaats moeten we individuen waarvan de genotypes bij de marker ontbreken, van de hand wijzen. Ten derde, wanneer de markers wijd uit elkaar liggen, kan de QTL vrij ver van alle markers staan, en dus zal het vermogen voor QTL detectie afnemen.
Intervalmapping
Lander en Botstein ontwikkelden intervalmapping, die de drie nadelen van variantieanalyse bij markerloci overwint. Interval mapping is momenteel de meest populaire aanpak voor QTL mapping in experimentele kruisen. De methode maakt gebruik van een genetische kaart van de getypte tellers, en, als analyse van variantie, neemt de aanwezigheid van één enkele QTL aan. In interval mapping wordt elke locus één voor één beschouwd en wordt de logaritme van de odds ratio (LOD score) berekend voor het model dat de gegeven locus een echte QTL is. De odds ratio is gerelateerd aan de Pearson correlatiecoëfficiënt tussen het fenotype en het marker genotype voor elk individu in de experimentele kruis.
de term ‘interval mapping ‘wordt gebruikt voor het schatten van de positie van een QTL binnen twee markers (vaak aangeduid als’marker-bracket’). Interval mapping is oorspronkelijk gebaseerd op de maximale waarschijnlijkheid, maar er zijn ook zeer goede benaderingen mogelijk met eenvoudige regressie.
het principe voor QTL-mapping is: 1) de waarschijnlijkheid kan worden berekend voor een bepaalde reeks parameters (met name QTL-effect en QTL-positie) gezien de waargenomen gegevens over fenotypen en markergenotypen.2) De schattingen voor de parameters zijn die waar de waarschijnlijkheid het hoogst is.3) een significantiedrempel kan worden vastgesteld door permutatie testen.
conventionele methoden voor de detectie van kwantitatieve trait loci (QTLs) zijn gebaseerd op een vergelijking van enkele QTL-modellen met een model waarbij geen QTL wordt aangenomen. Bijvoorbeeld in de “interval mapping” methode wordt de waarschijnlijkheid voor een enkele vermeende QTL beoordeeld op elke locatie op het genoom. Echter, QTLs elders op het genoom kan een interfererend effect hebben. Als gevolg hiervan kan het detectievermogen in het gedrang komen en kunnen de schattingen van locaties en effecten van QTLs bevooroordeeld zijn (Lander en Botstein 1989; Knapp 1991). Zelfs niet-bestaande zogenaamde “ghost” QTLs kunnen verschijnen (Haley en Knott 1992; Martinez en Curnow 1992). Daarom kunnen meerdere QTLs efficiënter en nauwkeuriger in kaart worden gebracht door meerdere QTL-modellen te gebruiken. Een populaire aanpak om QTL in kaart te brengen waarbij meerdere QTL bijdragen aan een eigenschap is om iteratief het genoom te scannen en bekende QTL toe te voegen aan het regressiemodel als QTLs worden geïdentificeerd. Deze methode, genoemd samengestelde interval mapping bepalen zowel de locatie en effecten grootte van QTL nauwkeuriger dan single-QTL benaderingen, vooral in kleine mapping populaties waar het effect van correlatie tussen genotypes in de mapping populatie problematisch kan zijn.
Composite interval mapping (CIM)Edit
bij deze methode voert men intervalmapping uit met behulp van een subset van markeringsloci als covariaten. Deze markers dienen als proxies voor andere QTLs om de resolutie van intervaltoewijzing te verhogen, door rekening te houden met gekoppelde QTLs en de resterende variatie te verminderen. Het belangrijkste probleem met CIM betreft de keuze van geschikte marker loci om als covarianten te dienen; zodra deze zijn gekozen, verandert CIM het modelselectieprobleem in een eendimensionale scan. De keuze van marker covariaten is echter niet opgelost. Het is niet verrassend dat de juiste markers het dichtst bij de echte QTLs staan, en dus als men deze zou kunnen vinden, zou het probleem van de QTL-toewijzing toch compleet zijn.
familie-stamboom gebaseerde mappingEdit
familie-gebaseerde QTL mapping, of familie-stamboom gebaseerde mapping (Linkage and association mapping), omvat meerdere families in plaats van een enkele familie. Familie gebaseerde QTL in kaart brengen is de enige manier voor het in kaart brengen van genen waar experimentele kruisen moeilijk te maken zijn. Echter, als gevolg van een aantal voordelen, nu plantengenetici proberen om een aantal van de methoden pioniered in de menselijke genetica op te nemen. Met behulp van familie-stamboom gebaseerde aanpak is besproken (Bink et al. 2008). Familie-gebaseerde koppeling en vereniging is met succes geïmplementeerd (Rosyara et al. 2009)