Locus de trazo cuantitativo

(Redirección desde «QTL»)

Un locus de trazo cuantitativo ou QTL (do inglés quantitative trait locus) é unha sección de ADN (o locus) que se correlaciona cunha variación nun fenotipo (o trazo ou carácter cuantitativo).[1] O QTL está ligado ou contén os xenes que controlan ese fenotipo. Os QTLs mápanse identificando que marcadores moleculares (como SNPs ou AFLPs) se correlacionan co trazo observado. Este é a miúdo un paso inicial na identificación e secuenciación dos xenes exactos que causan a variación no trazo.

Os trazos cuantitativos son fenotipos (características) que varían gradualmente e que poden ser atribuídas a efectos polixénicos, é dicir, o produto de dous ou máis xenes e das influencias ambientais.

Historia editar

Os principios da herdanza mendeliana foron descubertos a mediados do século XIX e redescubertos a principios do século XX. A medida que as ideas de Mendel se espallaron os xenetistas empezaron a conectar as leis de Mendel da herdanza de factores sinxelos coa evolución darwinista. Para os primeiros xenetistas non estaba claro que a variación gradual en trazos como o tamaño corporal (é dicir, dominancia incompleta) fose causada pola herdanza de factores xenéticos sinxelos. Aínda que o propio Darwin observou que as características endogámicas de razas peculiares de pombas se herdaban de acordo coas leis de Mendel (malia que Darwin non coñecía as leis de Mendel naquel momento), non era obvio que estas características seleccionadas por criadores de razas de pombas puidesen explicar de maneira similar as variacións cuantitativas na natureza.[2]

Un intento temperán feito por William Ernest Castle de unificar as leis da herdanza mendeliana coa teoría de especiación de Darwin supoñía a idea de que as especies se fan diferentes unhas doutras a medida que algunha das especies adquire un novo factor mendeliano.[3] As conclusións de Castle estaban baseadas na observación de que novos trazos que poden ser estudados no laboratorio e que mostran patróns de herdanza mendeliana reflicten unha gran desviación do tipo silvestre, e Castle cría que a adquisición de tales características é a base da "variación descontinua" que caracteriza a especiacion.[3] Darwin discutiu a herdanza de características mutantes similares pero non o considerou un requisito para a especiación.[2] En vez diso, Darwin usou a emerxencia de tales características en poboacións endogámicas como evidencia de que a mutación pode ocorrer aleatoriamente en poboacións reprodutoras, o que é unha premisa central do seu modelo de selección na natureza.[2] En etapas posteriores da súa carreira, Castle refinaría o seu modelo de especiación para permitir que pequenas variacións contribúan á especiación co paso do tempo. Tamén puido demostrar este punto por cruzamento selectivo de poboacións de ratas de laboratorio para obter un fenotipo chamado hooded (cunha pigmentación no corpo que parece que ten unha carapucha) en varias xeracións.[4]

Os intentos de Castle foron quizais os primeiros intentos feitos na literatura científica de dirixir por selección artificial a evolución dun trazo cunha variación subxacente continua, aínda que a práctica fora empregada amplamente no desenvolvemento da agricultura e gandería para obter plantas e gando con características favorables das poboacións que mostran variación cuantitativa en trazos como o tamaño corporal ou rendemento dos grans.

Os traballos de Castle están entre os primeiros intentos de unificar as leis daquela acabadas de redescubrir da herdanza mendeliana coa teoría de Darwin da evolución. Porén, pasarían case trinta anos ata que o marco teórico dos trazos complexos da evolución fose amplamente formalizado.[5] Nun resumo inicial da teoría da evolución da variación continua, Sewall Wright, un estudante graduado que se adestrou baixo a dirección de Castle, resumiu o pensamento contemporáneo sobre a base xenetica da variación natural cuantitativa: "A medida que continuaron os estudos xenéticos, mesmo se atopaba que as pequenas diferenzas mendelizan, e calquera carácter, suficientemente investigado, resultou estar afectado por moitos factores."[5] Wright e outros formalizaron a teoría da xenética de poboacións na que se estivera traballando nos 30 anos anteriores, explicando como eses trazos poden ser herdados e crear poboacións con apareamento estables con características únicas. A xenética dos trazos cuantitativos hoxe fai uso das observacións de Wright sobre as relacións estatísticas entre xenotipo e fenotipo en familias e poboacións para comprender como certas características xenéticas poden afectar á variación en poboacións naturais e derivadas.

Trazos cuantitativos editar

A herdanza polixénica é a herdanza dunha característica fenotípica (trazo) que é atribuíble a dous ou máis xenes e pode ser medida cuantitativamente. A herdanza multifactorial é a herdanza polixénica que tamén inclúe interaccións co ambiente. A diferenza dos trazos monoxénicos, os trazos polixénicos non seguen os patróns da herdanza mendeliana (categorías discretas), senón que os seus fenotipos varían tipicamente ao longo dun gradiente continuo representado por unha curva campá de distribución normal.[6]

Un exemplo de trazo polixénico é a variación da cor da pel humana. Varios factores xénicos que determinan a cor pa pel natural dunha persoa, que modifican só un deses xenes pode cambiar a cor da pel lixeiramente ou, nalgúns casos, como en SLC24A5, moderadamente. Moitas desordes con compoñentes xenéticos son polixénicas, incluíndo o autismo, cancro, diabetes e moitas outras. A maioría das características fenotípicas son o resultado da interacción de múltiples xenes.

Exemplos de enfermidades consideradas un resultado dunha etioloxía multifactorial son:

Malformacións conxénitas

Enfermidades que comezan na idade adulta

As enfermidades herdadas multifactorialmente considérase que son a maioría dos trastornos xenéticos humanos que orixinan hospitalizacións ou coidados especiais.[10][11]

Os trazos multifactoriais en xeral editar

Son os trazos controlados tanto polo ambiente coma por un factor xenético. Usualmente, os trazos multifactoriais, ademais dos casos de enfermidades, resultan no que vemos como características continuas en organismos, especialmente en humanos como: altura,[10] cor da pel, e masa corporal.[12] Todos estes fenotipos son complicados pola gran cantidade de interaccións que hai entre os xenes e os efctos ambientais.[10] A distribución continua de trazos como a altura e a cor da pel descritas antes, reflicte a acción de xenes que non manifestan os típicos patróns de dominancia e recesividade. En vez diso, as contribucións de cada locus implicado crese que son aditivas. Os autores distinguiron este tipo de herdanza como polixénica, ou cuantitativa.[13]

Así, debido á natureza dos trazos polixénicos, a herdanza non segue o mesmo patrón que un simple cruzamento monohíbrido ou dihíbrido.[11] A herdanza polixénica pode explicarse como herdanza mendeliana en moitos loci,[10] que ten como resultado un trazo con distribución normal. Se n é o número de loci implicados, entón os coeficientes da expansión binomial de (a + b)2n dará a frecuencia da distribución da combinación de n alelos. Para un n suficientemente alto, esta distribución binomial empezará a lembrar unha distribución normal. Desde este punto de vista, unha doenza farase aparente nun dos extremos da distribución, superado un determinado valor limiar. Esperaranse estados de enfermidade de gravidade crecente canto máis se pase do limiar e máis lonxe da media estatística.[13]

Tipicamente, os QTLs determinan trazos biolóxicos continuos (que varían de forma gradual continua, como a altura) a diferenza dos trazos discretos (que teñen só dous ou varios valores concretos do carácter; por exemplo, os chícharos de superficie lisa ou engurrada dos experimentos de Mendel).

Ademais, un só trazo fenotípico é xeralmente determinado por moitos xenes. En consecuencia moitos QTLs están asociados cun só trazo.

Un locus de trazo cuantitativo (QTL) é unha rexión do ADN que está asociada cun determinado trazo fenotípico. Estes QTLs están xeralmente en distintos cromosomas. Coñecer o número de QTLs que explica a variación no trazo fenotípico informa da arquitectura xenética do trazo. Pode servir para saber que a altura dunha planta, por exemplo, está controlada por moitos xenes cada un cun pequeno efecto, ou por uns poucos xenes con grande efecto. Outro uso dos QTLs é para identificar os xenes candidatos responsables de orixinar un trazo. Unha vez que se identifica que unha rexión do ADN contribúe ao fenotipo, esta pode ser secuenciada. A secuencia de ADN dos xenes desta rexión pode ser comparada coas dunha base de datos de ADN de xenes con función coñecida.

Nun desenvolvemento recente, as análises de QTL clásicas son combinadas con perfís de expresión xénica, como as micromatrices de ADN. Estes QTLs de expresión QTLs (eQTLs) describen elementos de control que actúan en cis e en trans da expresión de xenes que xeralmente están asociados a enfermidades.[14] Os efectos epistáticos observados foron útiles para identificar o xene responsable por unha validación cruzada de xenes dentro dos loci interaccionantes coa información contida en bases de datos de rutas metabólicas e na literatura científica.

Enfermidades herdables e herdanza multifactorial editar

 
Unha QTL para a osteoporose no cromosoma 20 humano.

As mutacións que orixinan un estado de enfermidade adoitan ser recesivas, polo que ambos os alelos presentes deben ser mutantes para que a enfermidade se exprese fenotipicamente. Unha enfermidade ou síndrome pode tamén ser o resultado da expresión de alelos mutantes en máis dun locus. Cando intervén máis dun xene, con ou sen causantes ambientais, dicimos que a enfermidade é resultado de herdanza multifactorial.

Cantos máis xenes estean implicados no cruzamento, máis se parecerá a distribución xenotípica á distribución normal ou de Gauss.[10] Isto mostra que a hedanza multifactorial é polixénica, e que as frecuencias xenéticas poden ser preditas por medio dun cruzamento mendeliano polihíbrido. As frecuencias fenotípicas son un asunto diferente, especialmente se se ven complicadas polo efecto de factores ambientais.

O paradigma da herdanza polixénica que se utilizou para definir a enfermidade multifactorial encontrou moita oposición. Turnpenny (2004) discutiu como a herdanza polixénica non pode explicar algunhas enfermidades como o inicio da diabetes melitus tipo I, e que en casos coma estes non todos os xenes se cre que fan unha contribución igual.[13]

O que se acepta como herdanza polixénica é que todos os loci implicados fan unha contribución igual aos síntomas da enfermidade. Isto debería orixinar unha curva de distribución normal de xenotipos. Cando non se produce isto, a idea de herdanza polixénica non se pode soster para esa enfermidade.

Ademais dos exemplos anteriores de enfermidades con compoñente xenético e ambiental hai outros como o eccema, dermatite;[10]espiña bífida, e a anencefalia (cranio aberto).[7] Aínda que a esquizofrenia os biopsiquiatras consideran amplamente que ten unha causa multifactorial xenética, non se puideron determinar marcadores xenéticos características con seguridade.

Mapado de QTL editar

 
Exemplo dun escaneado de xenoma completo para QTL para a osteoporose.

Para organismos con xenoma coñecido, poderíase tratar de excluír xenes na rexión identificada cuxa función se sabe con certa certeza que non estaría conectada co trazo en cuestión. Se non se dispón do xenoma, unha opción pode ser secuenciar a rexión identificada e determinar as funcións aparentes dos xenes polas súas semellanzas con xenes con función coñecida, usualmente noutros xenomas. Isto pode facerse usando a ferramenta en liña BLAST, que permite aos usuarios introducir unha secuencia primaria e buscar secuencias similares dentro da base de datos BLAST de xenes de varios organismos. Xeralmente non é o xene que realmente inflúe no trazo fenotípico, senón unha rexión do ADN que está estreitamente ligada co xene.

Outro interese dos xenetistas estatísticos para usar o mapado ou cartografía de QTL é determinar a complexidade da arquitectura xenética subxacente no trazo fenotípico. Por exemplo, poden estar interesados en saber se un fenotipo está conformado polo efecto de moitos loci independentes, ou por uns poucos loci, e aqueles loci que interaccionan. Isto pode proporcionar información sobre como pode estar evolucionando o fenotipo.

Análise da varianza editar

O método máis simple de mapado de QTL é a análise de varianza (ANOVA, ás veces chamada "regresión de marcador") nun loci marcador. Neste método, nun cruzamento retrógrado, pode calcularse un estastístico t para comparar as medias de dous grupos xenotípicos de dous marcadores. Para outros tipos de cruzamentos (como os intercruzamentos), nos que hai máis de dous posibles xenotipos, úsase unha forma máis xeral de ANOVA, que proporciona un estatístico F. O enfoque ANOVA para o mapado de QTL ten tres importantes puntos febles. Primeiro, non recibimos estimacións separadas da localización QTL e o efecto QTL. A localización QTL indícase só observando que marcadores dá as maiores diferenzas entre as medias dos grupos xenotípicos, e o efecto QTL aparente nun marcador será menor que o verdadeiro efecto QTL como resultado da recombinación entre o marcador e o QTL. Segundo, débese descartar os individuos cuxos xenotipos se perderon no marcador. Terceiro, cando os marcadores están amplamente espazados, o QTL pode estar bastante lonxe de todos os marcadores, e así o poder para a detección de QTL diminúe.

Mapado de intervalo editar

Lander e Botstein desenvolveron mapados de intervalos, que evitan as tres desvantaxes da análise de varianza en loci marcadores. O mapado de intervalo é actualmente a aproximación máis utilizada para o mapado de QTL en cruzamentos experimentais. O método fai uso dun mapado xenético de marcadores tipados, e, como análise de varianza, asume a presenza dun só QTL. No mapado de intervalo, cada locus é considerado un por un e calcúlase o logaritmo das razóns de probabilidades (LOD score) para o modelo que o locus dado é un verdadeiro QTL. A razón de probabilidades está relacionada co coeficiente de correlación de Pearson entre os fenotipos e os xenotipo marcador para cada individuo no cruzamento experimental.[15]

O termo "mapado de intervalo" é usado para estimar a posición dun QTL dentro de dous marcadores (a miúdo indicados como "tramo de marcadores" ("marker-bracket"). O mapado de intervalo está baseado orixinalmente na máxima probabilidade pero hai tamén moi boas aproximacións posibles con simples regresións.

Os principios de mapado de QTL son: 1) A probabilidade pode ser calculada para un conxunto dado de parámetros (particularmente o efecto QTL e a posición QTL) dados os datos observados nos fenotipos e xenotipos marcadores. 2) As estimacións para os parámetros son aquelas nas que as probabilidades son maiores. 3) Pode establecerse un limiar de significancia por unha proba de permutación.[16]

Os métodos convencionais para a detección de loci de trazos cuantitativos (QTLs) están baseados na comparación de modelos dun só QTL con modelos que asumen ningún QTL. Por exemplo no método de “mapado de intervalo”[17] estímase a probabilidade para un só QTL putativo en cada localización no xenoma. Porén, os QTLs localizados noutra parte do xenoma poden ter un efecto interferente. Como consecuencia, o poder de detección pode quedar comprometido, e as estimacións das localizacións e efectos dos QTLs poden estar nesgadas (Lander ed Botstein 1989; Knapp 1991). Mesmo poden aparecer QTLs non existentes denominados "fantasmas" (Haley e Knott 1992; Martínez e Curnow 1992). Por tanto, é obvio que poden maparse máis eficazmente e con maior exactitude múltiples QTLs usando modelos de múltiples QTL.[18] Un enfoque moi usado para tratar o mapado de QTL cando múltiples QTL contribúen ao trazo é escanear iterativamente o xenoma e engadir QTLs coñecidos ao modelo de regresión a medida que se identifican os QTLs. Este método, denominado mapado de intervalo composto determina tanto a localización coma o tamaño dos efectos dos QTL con máis exactitude que os enfoques de QTL simples, especialmente en poboacións mapadas pequenas nas que o efecto de correlación entre xenotipos na poboación mapada pode ser problemático.

Mapado de intervalo composto editar

No método do mapado de intervalo composto (CIM, Composite interval mapping) realízase o mapado de intervalo usando un subconxunto de loci marcadores como covariables. Estes marcadores serven como proxies para outros QTLs para incrementar a resolución do mapado de intervalo, ao ter en conta os QTLs ligados e reducir a variación residual. O problema clave dos CIM ten que ver coa probabilidade de que uns loci marcadores axeitados sirvan como covariables; unha vez que se elixiron, o CIM converte o problema de selección de modelo nun escaneo unidimensional. Porén, aínda non se resolveu o problema da elección da covariable marcadora. Non é sorprendente que os marcadores apropiados son os que están máis próximos aos verdadeiros QTLs, e así se se poden encontrar estes, o problema do mapado de QTL podería completarse de todos modos.

Mapado baseado na xenealoxía familiar editar

O mapado de QTL baseado na familia ou mapado baseado no pedigree familiar (mapado de asociación e ligamento), implica a múltiples familias en vez de a unha soa familia. O mapado de QTL baseado na familia foi a única maneira de mapar xenes nos casos en que era difícil facer cruzamentos experimentais. Porén, debido a algunhas desvantaxes, agora os xenetistas de plantas están intentando incorporar algúns dos métodos que se aplicaron primeiramente en xenética humana.[19] O uso desta estratexia baseada no pedigree familiar foi discutido (Bink et al. 2008).[20] A asociación e ligamento baseado na familia foi aplicado con éxito (Rosyara et al. 2009).[21][22]

Notas editar

  1. Miles, C; Wayne, M (2008). "Quantitative trait locus (QTL) analysis". Nature Education (1.1). 
  2. 2,0 2,1 2,2 "Copia arquivada". Arquivado dende o orixinal o 03 de outubro de 2013. Consultado o 30 de xuño de 2016. 
  3. 3,0 3,1 Castle WE (1903). "MENDEL'S LAW OF HEREDITY". Science 18: 396–406. PMID 17752783. doi:10.1126/science.18.456.396. 
  4. http://www.genetics.org/content/36/3/254.long
  5. 5,0 5,1 http://www.genetics.org/content/16/2/97.long
  6. Ricki Lewis (2003). "Multifactorial Traits". McGraw-Hill Higher Education. .
  7. 7,0 7,1 Proud, Virginia & Roberts, Helen (31 December 2005). "Medical Genetics: Multifactorial Inheritance". Children's Hospital of the King's Daughters. Arquivado dende o orixinal o 15 de outubro de 2006. Consultado o 6 January 2007. 
  8. 8,0 8,1 "Multifactorial Inheritance". Pregnancy and Newborn Health Education Centre. The March of Dimes. Arquivado dende o orixinal o 02 de novembro de 2006. Consultado o November 12, 2014. 
  9. Emery's Elements of Medical Genetics
  10. 10,0 10,1 10,2 10,3 10,4 10,5 Tissot, Robert. "Human Genetics for 1st Year Students: Multifactorial Inheritance". Consultado o 6 January 2007. 
  11. 11,0 11,1 Birth Defects Genetics Centre, University of South Dakota School of Medicine. "Multifactorial Inheritance". Clinical Genetics: A Self-Study Guide for Health Care Providers. University of South Dakota School of Medicine. Arquivado dende o orixinal o 30 de decembro de 2006. Consultado o 6 January 2007. 
  12. "Definition of Multifactorial inheritance". MedicineNet.com MedTerms Dictionary. MedicineNet.com. Arquivado dende o orixinal o 17 de decembro de 2013. Consultado o 6 January 2007. 
  13. 13,0 13,1 13,2 Turnpenny, Peter (2004). "Emery's Elements of Medical Genetics" (PDF) (12th ed.). Elsevier. Consultado o 6 January 2007. 
  14. Westra HJ, et al. (2013). "Systematic identification of trans eQTLs as putative drivers of known disease associations". Nat Genet 45 (10): 1238–1243. doi:10.1038/ng.2756. 
  15. Lynch, M. & Walsh, B. Genetics and Analysis of Quantitative Traits edn 1 (Sinauer Associates, 1998).
  16. Bloom J. S.; Ehrenreich I. M.; Loo W. T.; Lite T.-L. V.; Kruglyak L. (2013). "Finding the sources of missing heritability in a yeast cross". Nature 494 (7436): 234–237. doi:10.1038/nature11867. 
  17. Mapping mendelian factors underlying quantitative traits using RFLP linkage maps. ES Lander and D Botstein. Genetics. 1989
  18. http://www.genetics.org/content/135/1/205.full.pdf
  19. Jannink, J; Bink, Mc; Jansen, Rc (Aug 2001). "Using complex plant pedigrees to map valuable genes". Trends in Plant Science 6 (8): 337–42. ISSN 1360-1385. PMID 11495765. doi:10.1016/S1360-1385(01)02017-9. 
  20. Bink MCAM, Boer MP, ter Braak CJF, Jansen J, Voorrips RE, van de Weg WE: analysis of complex traits in pedigreed plant populations.
  21. Rosyara, U. R.; Maxson-stein, K.L.; Glover, K.D.; Stein, J.M.; Gonzalez-hernandez, J.L. (2007). "Family-based mapping of FHB resistance QTLs in hexaploid wheat". Proceedings of National Fusarium head blight forum. 
  22. Rosyara U.R., J.L. Gonzalez-Hernandez, K.D. Glover, K.R. Gedye and J.M. Stein. 2009. Family-based mapping of quantitative trait loci in plant breeding populations with resistance to Fusarium head blight in wheat as an illustration Theoretical Applied Genetics 118:1617–1631 Arquivado 12 de setembro de 2019 en Wayback Machine.

Véxase tamén editar

Bibliografía editar

  • Garnier, Sophie, Truong, Vinh, Genome-Wide Haplotype Analysis of Cis Expression Quantitative Trait Loci in Monocytes [1]

Ligazóns externas editar