Prática Aplicada II - Uso de marcadores moleculares

Cristiane Taniguti e Matheus Krause
27/07/2017

Característica de interesse

fen <- read.csv("Feijao_Lavras_para_Genotipos.csv")
mean_cult <- tapply(fen$Produtividade, fen$Cultivar, mean)
mean_cult

        1         2         3         4         5         6         7 
1046.6667  846.6667  733.3333  920.0000  836.6667  966.6667  940.0000 
        8         9        10 
 633.3333  610.0000  910.0000 

colfunc<-colorRampPalette(c("royalblue","red"))
image(as.matrix(mean_cult), col=colfunc(10))

Marcadores moleculares - Breve descrição

  • Identificação de variações no genoma entre invíduos
    • SNPs

Marcadores moleculares

  • Phaseolus vulgaris L.

  • Espécie diplóide com n=11

  • Genoma sequenciado Schmytz et al. 2014

  • Variação 1 = A

  • Variação 2 = a

df.markers <- read.table("df.markers.tot.txt")
dim(df.markers)

[1] 10 25

df.markers[1:3,1:10]

     M1 M2 M3 M4 M5 M6 M7 M8 M9 M10
IND1 Aa AA AA Aa AA AA Aa Aa AA  Aa
IND2 Aa Aa AA aa aa AA AA Aa AA  AA
IND3 AA aa aa aa aa Aa aa aa aa  Aa

Associação Fenótipo e Genótipo (A ideia)

  • Marcadores ligados à característica

Associação Fenótipo e Genótipo (A ideia)

  • Marcadores ligados à característica

Associação Fenótipo e Genótipo (A ideia)

  • Marcadores não ligados à característica

Associação Fenótipo e Genótipo (A ideia)

  • Marcadores não ligados à característica

Associação Fenótipo e Genótipo (A ideia)

  • A realidade

Associação Fenótipo e Genótipo (A ideia)

  • A realidade

Analises estatísticas

  • Análise de marcador individual
  • Mapeamento de QTLs
  • Mapeamento associativo
  • Seleção genômica

Aplicações

  • Desvendar arquitetura genética
  • Destaque de genes candidatos
  • Seleção assistida

Análise de marcador individual

  • Várias alternativas: teste t, ANAVA, regressão linear, LRT, LOD Score,…

par(mfrow=c(1,2))
plot(mean_cult ~ df.markers[,3])
plot(mean_cult ~ df.markers[,4])

Análise de marcador individual

mark3 <- as.factor(df.markers[,3])
mean_cult <- as.numeric(mean_cult)

modelo <- lm(mean_cult ~ mark3)
summary(modelo)


Call:
lm(formula = mean_cult ~ mark3)

Residuals:
    Min      1Q  Median      3Q     Max 
-97.778 -43.056  -1.389  46.667 102.222 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept)   658.89      42.14  15.635 1.06e-06 ***
mark3Aa       249.44      55.75   4.475  0.00288 ** 
mark3AA       285.56      59.60   4.792  0.00199 ** 
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 72.99 on 7 degrees of freedom
Multiple R-squared:  0.8005,    Adjusted R-squared:  0.7435 
F-statistic: 14.04 on 2 and 7 DF,  p-value: 0.003548

Análise de marcador individual

mark4 <- as.factor(df.markers[,4])

modelo <- lm(mean_cult ~ mark4)
summary(modelo)


Call:
lm(formula = mean_cult ~ mark4)

Residuals:
    Min      1Q  Median      3Q     Max 
-180.00  -73.33   28.33   85.83  178.33 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept)   813.33      55.74  14.593 1.69e-06 ***
mark4Aa       180.00     111.47   1.615    0.150    
mark4AA       -25.00     111.47  -0.224    0.829    
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 136.5 on 7 degrees of freedom
Multiple R-squared:  0.302, Adjusted R-squared:  0.1025 
F-statistic: 1.514 on 2 and 7 DF,  p-value: 0.2842