Azon szervezetek esetében, amelyek genomja ismert, most megpróbálhatjuk kizárni azokat a géneket az azonosított régióban, amelyek funkciójáról bizonyos bizonyossággal tudjuk, hogy nem állnak kapcsolatban a kérdéses tulajdonsággal. Ha a genom nem áll rendelkezésre, lehetőség lehet az azonosított régió szekvenálása és a gének feltételezett funkcióinak meghatározása az ismert funkciójú génekkel való hasonlóságuk alapján, amelyek általában más genomokban találhatók. Ez elvégezhető a BLAST segítségével, egy olyan online eszközzel, amely lehetővé teszi a felhasználók számára, hogy megadjanak egy elsődleges szekvenciát, és a különböző organizmusokból származó gének BLAST adatbázisában keressenek hasonló szekvenciákat. Gyakran nem a fenotípusos tulajdonság hátterében álló tényleges génről van szó, hanem inkább egy olyan DNS-régióról, amely szorosan kapcsolódik a génhez
A QTL-térképezést alkalmazó statisztikai genetikusok másik érdeklődési területe a fenotípusos tulajdonság hátterében álló genetikai architektúra komplexitásának meghatározása. Például érdekelheti őket, hogy egy fenotípust sok független lókusz vagy néhány lókusz alakít-e, és hogy ezek a lókuszok kölcsönhatásban vannak-e egymással. Ez információt szolgáltathat arról, hogy a fenotípus hogyan fejlődik.
A közelmúltban a klasszikus QTL-elemzéseket kombinálták a génexpressziós profilalkotással, azaz DNS-mikrotáblák segítségével. Az ilyen expressziós QTL-ek (eQTL-ek) a gyakran betegséggel összefüggő gének kifejeződésének cisz- és transz-szabályozó elemeit írják le. A megfigyelt episztatikus hatásokat előnyösnek találták a felelős gén azonosítására a kölcsönhatásban lévő lókuszokon belüli géneknek a metabolikus útvonal- és tudományos irodalmi adatbázisokkal történő keresztellenőrzésével.
VarianciaanalízisSzerkesztés
A QTL-térképezés legegyszerűbb módszere a marker-lókuszok varianciaanalízise (ANOVA, néha “marker-regressziónak” is nevezik). Ennél a módszernél egy visszakeresztezésnél t-statisztikát számíthatunk a két markergenotípus-csoport átlagainak összehasonlítására. Más típusú keresztezéseknél (mint például az intercross), ahol kettőnél több lehetséges genotípus van, az ANOVA egy általánosabb formáját használjuk, amely egy úgynevezett F-statisztikát ad. A QTL-térképezés ANOVA-megközelítésének három fontos gyenge pontja van. Először is, nem kapunk külön becsléseket a QTL-lokációra és a QTL-hatásra. A QTL helyét csak az jelzi, hogy megnézzük, mely markerek adják a legnagyobb különbségeket a genotípuscsoportok átlagai között, és a marker és a QTL közötti rekombináció eredményeként a látszólagos QTL-hatás egy markernél kisebb lesz, mint a valódi QTL-hatás. Másodszor, el kell vetnünk azokat az egyedeket, amelyek genotípusa hiányzik a markernél. Harmadszor, ha a markerek nagy távolságra vannak egymástól, a QTL meglehetősen messze lehet az összes markertől, és így a QTL kimutatásának ereje csökken.
IntervallumtérképezésSzerkesztés
Lander és Botstein kifejlesztette az intervallumtérképezést, amely kiküszöböli a markerlociokon végzett varianciaelemzés három hátrányát. Az intervallumtérképezés jelenleg a QTL-térképezés legnépszerűbb megközelítése kísérleti keresztezésekben. A módszer a tipizált markerek genetikai térképét használja, és a varianciaanalízishez hasonlóan egyetlen QTL jelenlétét feltételezi. Az intervallumtérképezés során minden egyes lókuszt egyenként veszünk figyelembe, és kiszámítjuk az esélyhányados logaritmusát (LOD-pontszám) arra a modellre, hogy az adott lókusz valódi QTL. Az esélyhányados a fenotípus és a marker genotípusa közötti Pearson-féle korrelációs együtthatóval függ össze a kísérleti keresztezés minden egyes egyedére vonatkozóan.
Az “intervallumtérképezés” kifejezést egy QTL pozíciójának két markeren belüli (gyakran “marker-sáv”-ként jelzett) becslésére használják. Az intervallumtérképezés eredetileg a maximális valószínűségen alapul, de nagyon jó közelítések lehetségesek egyszerű regresszióval is.
A QTL-térképezés elve a következő:1) A valószínűség kiszámítható egy adott paraméterkészletre (különösen a QTL-hatásra és a QTL-pozícióra) a fenotípusokra és a marker genotípusokra vonatkozó megfigyelt adatok alapján.2) Azokra a paraméterekre vonatkozó becslések azok, ahol a valószínűség a legnagyobb.3) Permutációs teszteléssel szignifikancia küszöbérték állapítható meg.
A kvantitatív tulajdonsági lokuszok (QTL-ek) kimutatására szolgáló hagyományos módszerek egyetlen QTL modell és egy QTL-t nem feltételező modell összehasonlításán alapulnak. Például az “intervallumtérképezés” módszerében egyetlen feltételezett QTL valószínűségét értékelik a genom minden egyes helyén. A genomon máshol elhelyezkedő QTL-ek azonban zavaró hatást fejthetnek ki. Ennek következtében a kimutatási teljesítmény csökkenhet, és a QTL-ek helyére és hatására vonatkozó becslések torzítottak lehetnek (Lander és Botstein 1989; Knapp 1991). Még nem létező, úgynevezett “szellem” QTL-ek is megjelenhetnek (Haley és Knott 1992; Martinez és Curnow 1992). Ezért több QTL-t hatékonyabban és pontosabban lehetne feltérképezni több QTL-modell alkalmazásával. A QTL-térképezés egyik népszerű megközelítése, amikor több QTL járul hozzá egy tulajdonsághoz, a genom iteratív pásztázása és az ismert QTL-ek hozzáadása a regressziós modellhez a QTL-ek azonosításakor. Ez a kompozit intervallumtérképezésnek nevezett módszer pontosabban határozza meg a QTL-ek helyét és hatásuk méretét, mint az egy QTL-t tartalmazó megközelítések, különösen kis térképező populációkban, ahol a térképező populációban a genotípusok közötti korreláció hatása problémás lehet.
Kompozit intervallumtérképezés (CIM)Edit
Ez a módszer a markerloci egy részhalmazát kovariátorként használva végzi az intervallumtérképezést. Ezek a markerek más QTL-ek helyettesítőjeként szolgálnak, hogy növeljék az intervallumtérképezés felbontását azáltal, hogy figyelembe veszik a kapcsolódó QTL-eket és csökkentik a maradék variációt. A CIM legfontosabb problémája a kovariátorként szolgáló megfelelő markerloci kiválasztása; ha ezek kiválasztása megtörtént, a CIM a modellválasztási problémát egydimenziós letapogatássá alakítja. A marker kovariátumok kiválasztása azonban nem megoldott. Nem meglepő módon a megfelelő markerek azok, amelyek a legközelebb vannak a valódi QTL-ekhez, és így ha ezeket megtalálnánk, a QTL-térképezés problémája amúgy is teljes lenne.
Család-pedigree alapú térképezésSzerkesztés
A család alapú QTL-térképezés vagy család-pedigree alapú térképezés (Linkage and association mapping) egyetlen család helyett több családot foglal magában. A családalapú QTL-térképezés volt az egyetlen módszer olyan gének térképezésére, ahol a kísérleti keresztezések nehezen kivitelezhetőek. Néhány előnye miatt azonban a növénygenetikusok most megpróbálnak beépíteni néhányat a humángenetikában úttörő szerepet játszó módszerek közül. A család-pedigree alapú megközelítés alkalmazásáról már szó esett (Bink et al. 2008). Sikeresen alkalmazták a családalapú kapcsolódást és asszociációt (Rosyara et al. 2009)
.