w przypadku organizmów, których genomy są znane, można teraz spróbować wykluczyć geny w zidentyfikowanym regionie, których funkcja jest znana z pewną pewnością, aby nie była związana z daną cechą. Jeśli Genom nie jest dostępny, może to być opcja sekwencjonowania zidentyfikowanego regionu i określenia domniemanych funkcji genów przez ich podobieństwo do genów o znanej funkcji, zwykle w innych genomach. Można to zrobić za pomocą BLAST, narzędzia online, które pozwala użytkownikom wprowadzić pierwotną sekwencję i wyszukać podobne sekwencje w bazie danych BLAST genów różnych organizmów. Często nie jest to rzeczywisty Gen leżący u podstaw cechy fenotypowej, ale raczej region DNA, który jest ściśle związany z genem
innym zainteresowaniem genetyków statystycznych wykorzystujących mapowanie QTL jest określenie złożoności architektury genetycznej leżącej u podstaw cechy fenotypowej. Na przykład, mogą być zainteresowani wiedzą, czy fenotyp jest kształtowany przez wiele niezależnych loci, czy przez kilka loci,i czy te loci oddziałują. Może to dostarczyć informacji na temat ewolucji fenotypu.
w ostatnim czasie Klasyczne analizy QTL połączono z profilowaniem ekspresji genów, np. za pomocą mikromacierzy DNA. Taka ekspresja QTLs (eQTLs) opisuje elementy cis – i trans kontrolujące ekspresję genów często związanych z chorobą. Zaobserwowane epistatyczne efekty okazały się korzystne dla identyfikacji genu odpowiedzialnego przez krzyżową walidację genów w obrębie interakcji loci ze szlakiem metabolicznym – i bazami literatury naukowej.
Analiza wariancji
najprostszą metodą mapowania QTL jest analiza wariancji (ANOVA, czasami nazywana „regresją markerową”) w loci markera. W tej metodzie, w backcrossie, można obliczyć statystykę t, aby porównać średnie z dwóch grup genotypu markera. W przypadku innych rodzajów krzyżówek (takich jak krzyżówka), w których istnieje więcej niż dwa możliwe genotypy, stosuje się bardziej ogólną formę ANOVA, która zapewnia tak zwaną statystykę F. Podejście ANOVA do mapowania QTL ma trzy ważne słabości. Po pierwsze, nie otrzymujemy oddzielnych szacunków lokalizacji QTL i efektu QTL. Lokalizacja QTL jest wskazywana tylko przez sprawdzenie, które markery dają największe różnice między średnimi grup genotypów, a pozorny efekt QTL przy markerze będzie mniejszy niż prawdziwy efekt QTL w wyniku rekombinacji między markerem a QTL. Po drugie, musimy odrzucić osoby, których genotypów brakuje na markerze. Po trzecie, gdy znaczniki są szeroko rozmieszczone, QTL może być dość daleko od wszystkich znaczników, a więc moc wykrywania QTL spadnie.
mapowanie Interwałówedit
Lander i Botstein opracowali mapowanie interwałów, które pokonuje trzy wady analizy wariancji w loci markera. Mapowanie interwałowe jest obecnie najpopularniejszym podejściem do mapowania QTL w krzyżówkach eksperymentalnych. Metoda wykorzystuje genetyczną mapę typowanych markerów i, podobnie jak analiza wariancji, zakłada obecność pojedynczego QTL. W mapowaniu interwałowym każde locus jest rozpatrywane pojedynczo, a logarytm ilorazu szans (Lod score) jest obliczany dla modelu, że dane locus jest prawdziwym QTL. Stosunek szans jest związany ze współczynnikiem korelacji Pearsona między fenotypem a genotypem markera dla każdego osobnika w doświadczalnym krzyżowaniu.
termin „mapowanie interwałów” jest używany do szacowania położenia QTL w obrębie dwóch markerów (często oznaczanych jako „marker-nawias”). Mapowanie interwałów jest pierwotnie oparte na maksymalnym prawdopodobieństwie, ale istnieją również bardzo dobre przybliżenia możliwe dzięki prostej regresji.
zasada mapowania QTL jest następująca:1) prawdopodobieństwo można obliczyć dla danego zestawu parametrów (w szczególności efektu QTL i pozycji QTL), biorąc pod uwagę obserwowane dane dotyczące fenotypów i genotypów markerowych.2) szacunki dla parametrów są te, w których prawdopodobieństwo jest najwyższe.3) próg istotności można ustalić przez testowanie permutacji.
konwencjonalne metody wykrywania ilościowych cech loci (QTL) opierają się na porównaniu pojedynczych modeli QTL z modelem zakładającym brak QTL. Na przykład w metodzie „interval mapping” Prawdopodobieństwo dla pojedynczego domniemanego QTL jest oceniane w każdej lokalizacji w genomie. Jednak QTL umiejscowione w innym miejscu genomu mogą mieć wpływ zakłócający. W konsekwencji Siła wykrywania może być zagrożona, a szacunki lokalizacji i skutków QTLs mogą być stronnicze (Lander and Botstein 1989; Knapp 1991). Mogą pojawić się nawet nieistniejące tak zwane „ghost” QTLs (Haley and Knott 1992; Martinez and Curnow 1992). W związku z tym wiele QTL może być mapowanych wydajniej i dokładniej przy użyciu wielu modeli QTL. Jednym z popularnych podejść do obsługi mapowania QTL, w którym wiele QTL przyczynia się do Cechy, jest iteracyjne skanowanie genomu i dodawanie znanego QTL do modelu regresji w miarę identyfikowania QTL. Metoda ta, zwana composite interval mapping określa zarówno lokalizację, jak i wielkość efektów QTL dokładniej niż podejścia single-QTL, zwłaszcza w małych populacjach mapowania, gdzie wpływ korelacji między genotypami w populacji mapowania może być problematyczny.
Composite interval mapping (CIM)Edytuj
w tej metodzie wykonuje się mapowanie interwałów przy użyciu podzbioru loci markera jako kowariatów. Znaczniki te służą jako proxy dla innych QTL w celu zwiększenia rozdzielczości mapowania interwałów, poprzez uwzględnienie połączonych QTL i zmniejszenie pozostałej zmienności. Kluczowy problem z CIM dotyczy wyboru odpowiednich loci znaczników, które służą jako kowarianty; po ich wybraniu CIM zamienia problem wyboru modelu w jednowymiarowy skan. Wybór kowariatów markerowych nie został jednak rozwiązany. Nic dziwnego, że odpowiednimi znacznikami są te, które są najbliższe prawdziwym QTL, więc jeśli można je znaleźć, problem z mapowaniem QTL i tak byłby kompletny.
Family-pedigree based mappingEdit
family based QTL mapping, czyli mapowanie oparte na rodowodzie rodzinnym (mapowanie powiązań i asocjacji), obejmuje wiele rodzin zamiast jednej rodziny. Family based QTL mapping has been the only way for mapping of genes where experimental crosses are difficult to make. Jednak, ze względu na pewne zalety, teraz genetycy roślin próbują włączyć niektóre z metod pionierskich w genetyce człowieka. Omówiono stosowanie podejścia opartego na rodowodzie rodzinnym (Bink et al. 2008). Rodzinne powiązanie i Stowarzyszenie zostało pomyślnie wdrożone(Rosyara et al. 2009)