Estudios de asociación genómica en poblaciones animales independientes

En mejoramiento genético animal, uno de los principales enfoques para explicar la arquitectura genética de caracteres de importancia económica son los estudios de asociación del genoma completo (GWAS), que no suelen ser particularmente potentes dado el reducido tamaño muestral. Un enfoque para aumentar la potencia de detección de QTL es combinar datos de poblaciones diferentes en un análisis conjunto de asociación (JA). Sin embargo, este enfoque tiene limitaciones tales como la definición de efectos a ser modelados entre poblaciones y la dificultad en el acceso a los genotipos de poblaciones comerciales. Alternativamente, se pueden combinar resultados obtenidos de GWAS independientes mediante el meta-análisis (MA-GWAS). El objetivo central de esta tesis es describir e implementar métodos para GWAS a nivel poblacional y también, combinando datos de varias poblaciones (JA), así como combinando resultados de GWAS independientes (MA-GWAS). La aplicación en datos reales mostró que MA aumentó la potencia para detectar QTL significativos en contraste con los GWAS poblacionales y el JA, considerando la estructura genética, la heterogeneidad de los componentes de varianza entre poblaciones y evitando problemas del JA tales como el acceso a los datos y definición de los efectos fijos. Los resultados del MA fueron usados en la búsqueda de genes candidatos, identificando nuevas posiciones para algunos de los caracteres de calidad de carne porcina evaluados. En conclusión, el trabajo describe métodos novedosos para integrar resultados de evaluaciones genómicas independientes, a fin de detectar asociaciones significativas entre poblaciones e identificar nuevos genes asociados con caracteres de importancia económica.

Estudios de asociación genómica en poblaciones animales independientes

En mejoramiento genético animal, uno de los principales enfoques para explicar la arquitectura genética de caracteres de importancia económica son los estudios de asociación del genoma completo (GWAS), que no suelen ser particularmente potentes dado el reducido tamaño muestral. Un enfoque para aumentar la potencia de detección de QTL es combinar datos de poblaciones diferentes en un análisis conjunto de asociación (JA). Sin embargo, este enfoque tiene limitaciones tales como la definición de efectos a ser modelados entre poblaciones y la dificultad en el acceso a los genotipos de poblaciones comerciales. Alternativamente, se pueden combinar resultados obtenidos de GWAS independientes mediante el meta-análisis (MA-GWAS). El objetivo central de esta tesis es describir e implementar métodos para GWAS a nivel poblacional y también, combinando datos de varias poblaciones (JA), así como combinando resultados de GWAS independientes (MA-GWAS). La aplicación en datos reales mostró que MA aumentó la potencia para detectar QTL significativos en contraste con los GWAS poblacionales y el JA, considerando la estructura genética, la heterogeneidad de los componentes de varianza entre poblaciones y evitando problemas del JA tales como el acceso a los datos y definición de los efectos fijos. Los resultados del MA fueron usados en la búsqueda de genes candidatos, identificando nuevas posiciones para algunos de los caracteres de calidad de carne porcina evaluados. En conclusión, el trabajo describe métodos novedosos para integrar resultados de evaluaciones genómicas independientes, a fin de detectar asociaciones significativas entre poblaciones e identificar nuevos genes asociados con caracteres de importancia económica.

Imputación de genotipos y detección de regiones genómicas aditivas para caracteres de crecimiento y deposición de grasa en una población cruza porcina

Los estudios de asociación genómica (GWAS) llevan consigo un algo costo monetario, y a su vez requieren algoritmos complejos de análisis de información que consumen tiempo y memoria computacional. En este sentido, el objetivo principal de esta tesis es presentar un esquema de genotipado apropiado para poblaciones cruza, junto con un algoritmo eficiente para GWAS de caracteres complejos productivos. Inicialmente, se presenta un esquema de genotipado que maximiza la exactitud de imputación de genotipos en alta densidad (HD) a partir de paneles de baja densidad (LowD), reduciendo el costo de genotipificación. Posteriormete, se propone un algoritmo que facilita identificar regiones genómicas que explican parte de la variabilidad de un carácter, reduciendo la tasa de falsos positivos, el tiempo de cálculo y el requerimiento de memoria RAM. De igual manera, el algoritmo evalúa segmentos candidatos a partir de las posiciones detectadas significativas y calcula la fracción de la varianza aditiva total explicada por cada segmento. Finalmete se presentan estudios de asociación para características de crecimiento y deposición de grasa, empleando el algoritmo propuesto junto con genotipos imputados en HD. La implementación de dicho algoritmo permite identificar regiones significativas relevantes y genes candidatos que explican parte de la variación de los caracteres evaluados. En conclusión, la tesis propone un enfoque estructurado, práctico y eficiente para la realización de GWAS de caracteres complejos aplicado en poblaciones experimentales con fines productivos.