Métodos aplicados aos estudos de associação genômica via regiões cromossômicas considerando efeitos aditivos e de dominância

• Ano de defesa: 2021
• Autor(a) principal: Lima, Leísa Pires
• Orientador(a): Azevedo, Camila Ferreira
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Viçosa
• Área do conhecimento CNPq: Estatística
• Link de acesso: https://locus.ufv.br//handle/123456789/28627

Os avanços na biologia molecular e as inovações nas tecnologias de sequenciamento e de genotipagem permitiram o desenvolvimento de novos marcadores moleculares favorecendo os estudos de associação genômica ampla (Genome Wide Association Studies - GWAS). A análise via marcas únicas se destaca como o principal procedimento para estudar a associação entre marcas e QTL (Quantitative Trait Loci), porém metodologias que consideraram grupos de marcadores para flanquear regiões genômicas vem elucidando importantes resultados para estudos de associação. Várias abordagens estatísticas veem sendo propostas no âmbito da GWAS, no entanto, estudos comparativos revelam que os métodos bayesianos são superiores em termos do poder em detectar marcadores com associações significativas. Entre os critérios existentes de seleção de regiões se destacam, a seleção pela porcentagem da variância explicada por regiões genômicas (%var), o critério de seleção de tagSNPs (tagSNPs) e a seleção com base na probabilidade a posteriori da associação de regiões genômicas (WPPA - Window Posterior Probability of Association). Para também detectar regiões potencialmente associadas, foi proposto o critério baseado na probabilidade a posteriori do intervalo (Posterior Probability of Interval - ) que visa selecionar regiões com base nos marcadores de maiores efeitos estimados via método bayesiano, neste estudo o BayesD. Além disso, uma metodologia alternativa, denominada mapeamento de herdabilidades regionais (Regional Heritability Mapping - RHM) vem apresentando importantes resultados. Dessa forma, o primeiro capítulo deste trabalho consiste em uma revisão de literatura sobre a GWAS apresentando sua definição e importância no melhoramento genético e abordando detalhes teóricos acerca dos critérios citados acima. Já o capítulo 2 visa propor a medida e compará-la às demais abordagens, tagSNP, %var, WPPA conjuntamente ao BayesD e metodologia de marcas únicas, quanto a eficiência em selecionar e identificar marcadores ou regiões associados a QTL. Para isso, utilizou-se dados simulados considerando seis cenários diferentes, sendo os SNPs alocados em regiões genômicas não sobrepostas. Os resultados do segundo capítulo indicaram que para características com herança oligogênica, o critério WPPA seguido dos critérios %var e se mostraram superiores, apresentando maiores valores de poder de detecção, capturando maiores porcentagens de variância genética e maiores áreas. Para características com herança poligênica, os critérios e WPPA foram considerados superiores aos demais. Ademais, o capítulo 3 avalia os critérios, e WPPA, que se mostraram superiores no capítulo 2 junto aos métodos de análise via marcas únicas e o RHM. No entanto, a eficiência em termos de poder de detecção e de falsos positivos destes métodos foi avaliada considerando ou não a inclusão dos efeitos de dominância nos modelos estatísticos. Para isso, foram utilizados dados simulados em dezoito cenários com diferentes níveis de herdabilidade, arquitetura genética e grau médio de dominância. Os resultados indicaram que para os efeitos aditivos considerando características com arquitetura genética oligogênica, os critérios WPPA, RHM e se mostraram superiores para todos os graus de dominância analisados. Já para características com herança poligênica, os critérios e WPPA podem ser considerados superiores aos demais. Considerando apenas os efeitos devido à dominância, os critérios WPPA, RHM, análise via marcas únicas e apresentaram resultados relevantes com relação as medidas de eficiência para as características controladas por 3 QTL. Palavras-chave: Regiões Genômicas. Marcadores Moleculares. Métodos Bayesianos. Variância Genética.