Para os organismos cujos genomas são conhecidos, pode-se, agora, a tentativa de excluir genes identificados região cuja função é conhecido com alguma certeza, não para ser conectado com o traço em questão. Se o genoma não estiver disponível, pode ser uma opção para sequenciar a região identificada e determinar as funções putativas dos genes por sua similaridade com genes com função conhecida, geralmente em outros genomas. Isto pode ser feito usando BLAST, uma ferramenta online que permite aos usuários entrar em uma sequência primária e procurar sequências semelhantes dentro do banco de dados BLAST de genes de vários organismos. Muitas vezes não é o real genes subjacentes a característica fenotípica, mas, ao invés de uma região do DNA que está intimamente ligado com o gene
Outro interesse de estatística geneticistas usando o mapeamento de QTL é determinar a complexidade da arquitetura genética subjacente uma característica fenotípica. Por exemplo, eles podem estar interessados em saber se um fenótipo é moldado por muitos loci independentes, ou por alguns loci, e fazer esses loci interagem. Isso pode fornecer informações sobre como o fenótipo pode estar evoluindo.
em um desenvolvimento recente, as análises clássicas de QTL Foram combinadas com o perfil de expressão genética, ou seja, por microarrays de DNA. Tal expressão QTLs (eQTLs) descreve elementos cis e trans – controlando para a expressão de genes frequentemente associados a doenças. Os efeitos epistáticos observados foram considerados benéficos para identificar o gene responsável por uma validação cruzada dos genes no loci interagindo com as vias metabólicas-e as bases de dados da literatura científica.
Analysis of varianceEdit
The simplest method for QTL mapping is analysis of variance (ANOVA, sometimes called “marker regression”) at the marker loci. Neste método, em um cruzamento, pode-se calcular uma estatística em t para comparar as médias dos dois grupos do genótipo marcador. Para outros tipos de cruzamentos (como o intercross), onde existem mais de dois genótipos possíveis, Um usa uma forma mais geral de ANOVA, que fornece uma chamada F-statistic. A abordagem ANOVA para o mapeamento QTL tem três pontos fracos importantes. Primeiro, não recebemos estimativas separadas de localização QTL e efeito QTL. A localização do QTL é indicada apenas olhando para os marcadores que dão as maiores diferenças entre as médias do grupo do genótipo, e o efeito QTL aparente num marcador será menor do que o verdadeiro efeito QTL como resultado da recombinação entre o marcador e o QTL. Em segundo lugar, devemos descartar indivíduos cujos genótipos estão faltando no marco. Em terceiro lugar, quando os marcadores são amplamente espaçados, o QTL pode estar muito longe de todos os marcadores, e assim o poder para detecção de QTL irá diminuir.
Mappingedit intervalo
Lander e Botstein desenvolveram mapeamento de intervalos, o que supera as três desvantagens da análise da variância no marcador loci. Mapeamento de intervalos é atualmente a abordagem mais popular para mapeamento QTL em cruzes experimentais. O método faz uso de um mapa genético dos marcadores tipados, e, como a análise da variância, assume a presença de um único QTL. No mapeamento de intervalos, cada locus é considerado um de cada vez e o logaritmo da razão de probabilidades (pontuação LOD) é calculado para o modelo que o locus dado é um QTL verdadeiro. A razão de probabilidade está relacionada com o coeficiente de correlação de Pearson entre o fenótipo e o genótipo marcador para cada indivíduo na cruz experimental.
o termo “mapeamento do intervalo” é usado para estimar a posição de um QTL dentro de dois marcadores (frequentemente indicado como “marcador-bracket”). O mapeamento de intervalos é originalmente baseado na probabilidade máxima, mas também há aproximações muito boas possíveis com regressão simples.
o princípio para o mapeamento QTL é: 1) a probabilidade pode ser calculada para um determinado conjunto de parâmetros (particularmente efeito QTL e posição QTL), dados os dados observados sobre fenótipos e genótipos marcadores.2) as estimativas para os parâmetros são aqueles onde a probabilidade é maior.3) um limiar de significância pode ser estabelecido por teste de permutação.
métodos convencionais para a detecção de traços quantitativos loci (QTLs) são baseados em uma comparação de modelos QTL únicos com um modelo assumindo nenhum QTL. Por exemplo, no método do” mapeamento do intervalo ” a probabilidade de um único putativo QTL é avaliada em cada local no genoma. No entanto, QTLs localizados em outros lugares do genoma podem ter um efeito interferente. Como consequência, o poder de detecção pode ser comprometido, e as estimativas das localizações e efeitos da QTLs podem ser tendenciosas (Lander e Botstein 1989).; Knapp 1991). Mesmo os chamados” ghost ” QTLs não existentes podem aparecer (Haley e Knott 1992; Martinez e Curnow 1992). Portanto, múltiplos QTLs poderiam ser mapeados de forma mais eficiente e mais precisa usando vários modelos QTL. Uma abordagem popular para lidar com o mapeamento QTL onde múltiplos QTL contribuem para uma característica é digitalizar iterativamente o genoma e adicionar QTL conhecido ao modelo de regressão como QTLs são identificados. Este método, denominado mapeamento de intervalos compósitos, determina tanto a localização e o tamanho dos efeitos da QTL com mais precisão do que as abordagens single-QTL, especialmente em pequenas populações de mapeamento onde o efeito da correlação entre genótipos na população do mapeamento pode ser problemático.
mapeamento em intervalos compostos (CIM)edita
neste método, realiza-se mapeamento em intervalos usando um subconjunto de loci Marcador como covariantes. Estes marcadores servem como proxies para outros QTLs para aumentar a resolução do mapeamento de intervalos, contabilizando QTLs ligados e reduzindo a variação residual. O problema chave com a CIM diz respeito à escolha de loci marcador adequado para servir como covariantes; uma vez que estes tenham sido escolhidos, a CIM transforma o problema de seleção do modelo em um scan unidimensional. No entanto, a escolha das covariações de marcadores não foi resolvida. Não surpreendentemente, os marcadores apropriados são aqueles mais próximos do verdadeiro QTLs, e assim se alguém pudesse encontrar estes, o problema de mapeamento QTL seria completo de qualquer maneira.
Mappingedit baseado na família-genealogia
Mapping baseado na família QTL, ou mapeamento baseado na família-genealogia (Linkage and association mapping), envolve várias famílias em vez de uma única família. Mapeamento QTL baseado em família tem sido a única maneira de mapear genes onde Cruzes experimentais são difíceis de fazer. No entanto, devido a algumas vantagens, agora os geneticistas de plantas estão tentando incorporar alguns dos métodos pioneiros na genética humana. Foi discutida a utilização de uma abordagem baseada no pedigree familiar (Bink et al. 2008). A ligação e associação com base na família foi implementada com sucesso (Rosyara et al. 2009)