Luis Felipe Lancheros Jimenez

Informe 3 Taller Práctico Análisis de QTLs

Mejoramiento Vegetal asistido por marcadores moleculares

Con el fin de evaluar la significancia de cada método y evaluar cómo estos resultados influyen
en la toma de decisiones en proyecto de investigación se realizó un análisis de una base de
datos con dos métodos estadísticos con las siguientes características..

No. individuals: 500

No. phenotypes: 1
Percent phenotyped: 100

No. chromosomes: 10
Autosomes: 1 2 3 4 5 6 7 8 9 10

Total markers: 1000

No. markers: 100 100 100 100 100 100 100 100 100 100
Percent genotyped: 100
Genotypes (%): AA:50.0 AB:50.0

Mediante el paquete estadístico R-studio se obtuvo la siguiente información bajo los dos
análisis

Gráfica 1. QTLs encontrados por el metodo de analisis de intervalo simple.

Gráfica 2. QTLs encontrados por el metodo de analisis de intervalo simple.

Com se puede observar en la grafica 1 y 2 los mapas donde se ubican los QTLs significativos
bajo el supuesto estadístico de LOD, que para este análisis, según las 1000 permutaciones
establecidas y el 5% de significancia, fue de 3.46. Como dice Weeks, E., et al 1990 es el valor
óptimo para el análisis ya que si se aumentara el LOD ó la confianza del análisis, los resultados
no variaron por encima del LOD inicial. Según esto los cromosomas 5,8,9 y 10 no tienen una
región que afecte significativamente sobre la varianza fenotípica (Clerget-Darpoux, F., 1986).
Pero según el segundo análisis, de intervalo compuesto, se hallan más marcadores que podrían
o no tener un efecto en el fenotipo.

Tabla 1.Marcadores obtenidos por intervalo simple Tabla 2.Marcadores obtenidos por intervalo compuesto

Una marcada diferencia entre los dos análisis, fue la identificación de más marcadores en el
intervalo compuesto, esto se debe atribuir al principio estadístico que maneja ya que al tener
una ventana de marcadores para analizar puede obtener la relación del cambio alelico según
cada marcador, es decir que tiene en cuenta la influencia de los marcadores que estén
físicamente cercanos pero su porcentaje de variación no pasa el umbral establecido como se
observa en las tablas 1 y 2; de igual manera asegurarse que la variación fenotípica se deba a
esta región del genoma o cromosoma.

Tabla 3. . Porcentaje de varianza fenotípica explicada por el QTL

Como se observa en la tabla 3, no hay ningún QTL mayor bajo ninguno de los dos análisis,
aun así en contraste bajo el análisis de intervalo compuesto muestra valores mucho más altos,
se puede inferir que este análisis sería una herramienta más apropiada para una estudio en la
cual la relación GENOTIPO x AMBIENTE tenga un factor relevante en la variable respuesta
así como el mapeo de los mismos (Moen, T., et al, 2009).

Gráfica 3. QTLs encontrados en el cromosoma 3 por el metodo de analisis de intervalo simple.

Gráfica 4. QTLs encontrados en el cromosoma 3 por el metodo de analisis de intervalo Complejo.

En muchos casos no hay un contraste marcado entre el dos tipo de análisis ya que se ha
reportado que detectan la misma de QTL, como es el caso de número de espiguilla en trigo
(Kato, K., et al, 2000). Mediante la diferencia entre los dos análisis se pudo determinar que en
dos cromosomas hay efectos aditivos (Kato, K., et al, 2000), en el análisis de intervalo
compuesto, como se contrasta en las Gráficas 3 y 4. Según su distancia en centimorgans en el
cromosoma 3 y 7 resultados que se hubieran omitido de tomar un LOD menor o un análisis
simple.

Bibliografía

Clerget-Darpoux, F., Bonaiti-Pellie, C., & Hochez, J. (1986). Effects of misspecifying genetic
parameters in lod score analysis. Biometrics, 393-399.

Kato, K., Miura, H., & Sawada, S. (2000). Mapping QTLs controlling grain yield and its
components on chromosome 5A of wheat. Theoretical and Applied Genetics, 101(7), 1114-
1121.

Moen, T., Baranski, M., Sonesson, A. K., & Kjøglum, S. (2009). Confirmation and fine-
mapping of a major QTL for resistance to infectious pancreatic necrosis in Atlantic salmon
(Salmo salar): population-level associations between markers and trait. BMC genomics,
10(1), 368. (Moen, T., et al, 2009)

Weeks, D. E., Lehner, T., Squires‐Wheeler, E., Kaufmann, C., Ott, J., & Rao, D. C. (1990).
Measuring the inflation of the lod score due to its maximization over model parameter values
in human linkage analysis. Genetic epidemiology, 7(4), 237-243. (Weeks, E., et al 1990)