نقشه یابی QTL

هدف نقشه یابی QTL

هدف از مکان یابی QTL شناسایی نواحی از ژنوم است که تنوع در صفت مورد نظر را تحت تأثیر قرار می دهد. این اطلاعات در بهبود محصولات کشاورزی-دامی و همچنین در فهم اساس بیوشیمیایی صفات، جهت تولید دارو در داروسازی می تواند مفید باشد.

تجزیه تک نشانگری

روش های مختلفی برای مکان یابی QTL وجود دارد که ساده ترین آنها استفاده از روش تک نشانگری است. تجزیه تک نشانگری روشی مناسب برای آموختن مکان یابی QTL و نیز برای تجزیه عملی داده هاست. این روش بر اساس مقایسه های میانگین فنوتیپی گروه های نشانگری استوار است. بنابراین می توان در هر بار، داده های فنوتیپی را با یک نشانگر مورد تجزیه قرار داد. در این صورت هر بار پیوستگی QTL با یک جایگاه ژنی نشانگری بررسی می شود و در نتیجه آزمون برای هر یک از نشانگرها مستقل از نشانگرهای دیگر انجام می گیرد. بنابراین اگر کروموزومی n نشانگر داشته باشد، نیاز به n آزمون مستقل برای بررسی پیوستگی QTL با تک تک نشانگرها خواهد بود.

تشخیص پیوستگی در روش تک نشانگری

تشخیص پیوستگی در روش تک نشانگری ساده است و به نقشه پیوستگی بین نشانگرها نیاز ندارد. در این روش در صورتی که میانگین فنوتیپی صفت مورد مطالعه در کلاس های ژنوتیپی یک نشانگر متفاوت باشد، گفته می شود QTL در اطراف آن نشانگر قرار گرفته است.

روش آزمون تک نشانگری فقط برای شناسایی وجود یک QTL مفید است، در حالیکه به کمک آن نمی توان به طور دقیق از محل QTL و اثر آن اطلاعاتی به دست آورد. در حقیقت به دلیل ادغام اثر و فاصله QTL نه تنها برآورد اثر QTL اریب خواهد داشت، بلکه مکان یابی QTL نیز دقیق نخواهد بود.

روش تک نشانگری به سه صورت قابل انجام است:

1.  آزمون تجزیه واریانس (ANOVA)
2. تجزیه رگرسیون
3. حداکثر درست نمایی

آزمون تجزیه واریانس (ANOVA)

در روش اول اختلاف فنوتیپی بین کلاس های نشانگری به کمک آزمون t و یا تجزیه واریانس بررسی می شود. در صورت معنی دار شدن آزمون t یا F پیوستگی بین QTL و نشانگر ثابت می گردد، در غیر این صورت QTL فرضی، با نشانگر پیوستگی نخواهد داشت.

تجزیه رگرسیون

تجزیه رگرسیون بر اساس برازش رگرسیونی مقادیر صفت مورد نظر، روی یک متغیر موهومی برای ژنوتیپ های نشانگری، بر مدل زیر استوار است:

yj = B0 + B1 X1 +E j

حداکثر درست نمایی

در روش حداکثر درست نمایی از کل اطلاعات موجود در توزیع داده ها (میانگین ها و واریانس ها) استفاده می شود. اساس این روش بر این اصل استوار است که برای برآورد پارامتر مجهول جامعه، مقداری از نمونه را برگزینیم که به ازای آن احتمال بدست آوردن داده های مشاهده شده حداکثر باشد.

روش نقشه یابی فاصله ای

از روش های دیگر نقشه یابی QTL که امروزه بسیار مورد استفاده قرار می گیرد، نقشه یابی فاصله ای است که توسط لندر و بوتستین (۱۹۸۹) مطرح گردید. در این روش وجود QTL در نقاط مختلف بین دو نشانگر بر اساس یک مدل خاص بررسی میشود. بنابراین هر بار آزمون برای یک جفت نشانگر مجاور همدیگر انجام می شود. در حقیقت اگر کروموزومی n نشانگر داشته باشد، نیاز به ۱-n آزمون خواهد بود. از این روش زمانی استفاده می شود که نقشه پیوستگی بین نشانگرها در دسترس باشد.

روش نقشه یابی فاصله ای به چهار صورت قابل انجام است:

۱- روش حداکثر درست نمایی 

امروزه از روش حداکثر درست نمایی برای بررسی مناسب بودن مدل، به وفور استفاده می شود. روش حداکثر درست نمایی شامل جست و جو برای پارامترهای QTL است، بطوریکه بهترین تخمین را برای توزیع صفت کمی مشاهده شده برای هر کلاس نشانگری داشته باشد. مدل ارائه شده از طریق محاسبه درست نمایی توزیع های مشاهده شده در دو حالت وجود و عدم وجود QTL ارزیابی می گردد. مقادیر LR یا LOD به ترتیب Ln یا Log نسبت بیشترین درست نمایی وجود QTL به عدم وجود QTL در هر جایگاه بین دو نشانگر مجاور را نشان می دهند.

جشنواره پاییزه

جشنواره فروش بذر های خاص و کمیاب با بیش از ۱۲۰۰ رقم تنوع

همین الآن خرید کنید

امروزه از روش حداکثر درست نمایی برای بررسی مناسب بودن مدل، به وفور استفاده می شود. روش حداکثر درست نمایی شامل جست و جو برای پارامترهای QTL است، بطوریکه بهترین تخمین را برای توزیع صفت کمی مشاهده شده برای هر کلاس نشانگری داشته باشد. مدل ارائه شده از طریق محاسبه درست نمایی توزیع های مشاهده شده در دو حالت وجود و عدم وجود QTL ارزیابی می گردد. مقادیر LR یا LOD به ترتیب Ln یا Log نسبت بیشترین درست نمایی وجود QTL به عدم وجود QTL در هر جایگاه بین دو نشانگر مجاور را نشان می دهند.

• مزیت:

روش نقشه یابی فاصله ای از طریق حداکثر درست نمایی، دارای چندین مزیت نسبت به روش تک نشانگری است که مهم ترین آنها تخمین اثرات QTL دقیق تر است. مکان یابی QTL بر اساس منحنی LOD تعیین می گردد. هرچه LOD در یک جایگاه بیشتر باشد امکان وجود QTL در آن مکان بیشتر می شود. مهمتر از همه برای داده های نشانگری ناقص نیز کاربرد دارد.

• معایب:

از جمله معایب این روش این است که در صورت وجود چند QTL، نتایج آن اریب خواهد بود.

۲- روش نقشه یابی فاصله ای مرکب 

روش نقشه یابی فاصله ای از طریق حداکثر درست نمایی، دارای چندین مزیت نسبت به روش تک نشانگری است که مهم ترین آنها تخمین اثرات QTL دقیق تر است، مکان یابی QTL بر اساس منحنی LOD تعیین می گردد. هرچه LOD در یک جایگاه بیشتر باشد امکان وجود QTL در آن مکان بیشتر می شود. مهمتر از همه برای داده های نشانگری ناقص نیز کاربرد دارد. از جمله معایب این روش این است که در صورت وجود چند QTL، نتایج آن اریب خواهد بود.

در روش نقشه یابی فاصله های مرکب، نقشه یابی فاصله ای با در نظر گرفتن گروهی از نشانگرها به عنوان متغیرهای کمکی صورت می گیرد. مشکل اصلی این روش انتخاب نشانگرهای صحیح به عنوان متغیرهای کمکی است. بی گمان نشانگر هایی که به QTL های واقعی نزدیک ترند، متغیرهای کمکی بهتری به شمار می آیند.

۳- روش نقشه یابی فاصله ای چندگانه

روش دیگر نقشه یابی QTL که بر اساس توسعه روش نقشه یابی فاصله ای برای چندین QTL است، در اصطلاح نقشه یابی فاصله ای چندگانه نامیده می شود. در این روش نه تنها می توان مکان QTL ها را در بین نشانگرها مشخص کرد، بلکه می توان اثرهای متقابل QTL ها را نیز محاسبه نمود. مرحله بعد از شناسایی نشانگرهای پیوسته با صفت QTL، انتخاب لاین ها در داخل جمعیت است. بطوریکه فقط لاین هایی که دارای آلل های با اثر مثبت در صفت کمی می باشند انتخاب و به نسل بعد منتقل می شوند.

منبع: کتاب نشانگرهای مولکولی، انتشارات دانشگاه تهران

دکتر فاطمه سکه چی