evaluaciones genÓmicas luis varona genética ......luis varona genética cuantitativa y mejora...
Post on 11-Oct-2020
5 Views
Preview:
TRANSCRIPT
EVALUACIONES GENÓMICAS
Luis Varona
Genética Cuantitativa y Mejora Animal
Universidad de Zaragoza
MEJORA GENÉTICA
SELECCIÓN
Elección de reproductores
CRUZAMIENTO
ComplementariedadHeterósis
( )L
aariR aσ××
=ˆ,
SELECCIÓN
Evaluación de reproductores (ai)
1. Selección individual
2. Índice de selección
3. Mejor predictor lineal insesgado (BLUP)
4. Selección asistida por genes y marcadores
5. Selección genómica
SELECCIÓN INDIVIDUAL
1y
2y
3y
)(ˆ1
2
1 µ−= yha
)(ˆ2
2
2 µ−= yha
)(ˆ3
2
3 µ−= yha
ÍNDICE DE SELECCIÓN
1. Información individual
2. Datos procedentes de parientes (matriz de parentesco)
3. Datos procedentes de caracteres correlacionados (multicáracter)
4. Predicción para genotipo agregado (H) de varios caracteres
MEJOR PREDICTOR LINEAL INSESGADO (BLUP)
1. Información individual
2. Datos procedentes de parientes (matriz de parentesco)
3. Datos procedentes de caracteres correlacionados (multicáracter)
4. Predicción para genotipo agregado (H) de varios caracteres
5. Corrige por efectos ambientales
BLUP UNIVARIANTE
1y
2y
3y
b
b
1a
2a
3a
1e
2e
3e
b
= + +
=
=
+
+
+
+
Parentesco
BLUP UNIVARIANTE
eZaXby ++=
=
+−
yZ
yX
a
b
AZZXZ
ZXXX
'
'
1ˆ
ˆ
''
''
α
2
2
a
e
σ
σα =
BLUP MULTICARACTER
12
11
y
y
22
21
y
y
32
31
y
y
2
1
b
b
2
1
b
b
12
11
a
a
22
21
a
a
32
31
a
a
12
11
e
e
22
21
e
e
22
21
e
e
2
1
b
b
= + +
=
=
+
+
+
+
rg
rg
rg
re
re
re
Parentesco
BLUP MULTICARACTER
1221111ˆˆˆ awawH +=
2222112ˆˆˆ awawH +=
3223113ˆˆˆ awawH +=
PONDERACIÓN
ECONÓMICA
MODELOS DE EVALUACIÓN GENÉTICA
1. Modelo Animal
2. Modelo Animal con medidas repetidas
3. Modelo Animal con efectos maternos
4. Modelo Umbral
5. Modelo Test-Day
6. Curvas de crecimiento, datos longitudinales
Etc, etc, etc.
POLIMORFISMO: VALORES GENOTÍPICOS
AA Aa aa
+g -g0
Polimorfismo Causal
Polimorfismo en Desequilibrio de Ligamiento con la mutación causal
SELECCIÓN ASISTIDA POR GENES Y MARCADORES
1y
2y
3y
b
b
1a
2a
3a
1e
2e
3e
b
= + +
=
=
+
+
+
+
g
g
+
+
-
0
AA
Aa
aa
SELECCIÓN ASISTIDA POR GENES Y MARCADORES
1y
2y
3y
b
b
1a
2a
3a
1e
2e
3e
b
= + +
=
=
+
+
+
+
ag
ag
+
+
-
0
AA
bb
Aa
BB
aa
Bb
- bg
+ bg
+ 0
SELECCIÓN ASISTIDA POR GENES Y MARCADORES
Caracteres difíciles de medirResistencia a enfermedades
Caracteres con baja heredabilidadReproductivos
Caracteres expresados en un solo sexoProducción Leche
Medibles en la madurez del individuoLongevidad, reproductivos
Medibles después del sacrificioCalidad de carne
SELECCIÓN ASISTIDA POR GENES Y MARCADORES
- Exige conocer los genes o los marcadores
- El desequilibrio de ligamiento se rompe por recombinación
- El polimorfismo causal se fija rápidamente- Cada carácter está asociado a genes o
marcadores diferentes- A largo plazo, la respuesta es menor
SNP (Single Nucleotide Polymorphisms)
BovineSNP50 BeadChip. 50K SNP.OvineSNP50 BeadChip. 50K SNP.
PorcineSNP60 BeadChip. 60K SNP.
SELECCIÓN GENÓMICA
1111 )()( egaaGgAAGby iiii
Ng
i
iiii +=−=+= ∑
2222 )()( egaaGgAAGby iiii
Ng
i
iiii +=−=+= ∑
3333 )()( egaaGgAAGby iiii
Ng
i
iiii +=−=+= ∑
SELECCIÓN GENÓMICA
- BLUP genómico- Bayes A- Bayes B- Bayes C- Lasso
BLUP GENÓMICO
1. Todos los marcadores influyen en carácter 2. Todos los marcadores se asume que proceden de una
distribución normal única.
( )2,0~ gN σg
eWgy +=
BAYES A
1.Todos los marcadores influyen en carácter 2.Cada marcador se asume que procede de una
distribución normal particular
( )2,0~igi Ng σ
eWgy +=
BAYES B
1. Un porcentaje prefijado de marcadores incluye en el carácter.
2. Cada marcador se asume que procede de una distribución normal particular
( ) 0)0(,0)1(~ 2 ×=+×= kINkIgigi σ
eWgy +=
BAYES C
1. Un porcentaje no prefijado de marcadores incluye en el carácter.
2. Este porcentaje es estimado.3. Cada marcador se asume que procede de una
distribución normal particular
( ) 0)0(,0)1(~ 2 ×=+×= kINkIgigi σ
eWgy +=
BAYESIAN LASSO
1. Todos o parte de los marcadores influyen en carácter
2. Los marcadores se asume que proceden de una distribución exponencial doble (Laplace)
( )
−=b
x
bgf i exp
2
1
eWgy +=
SELECCIÓN GENÓMICA: MÉTODOS NO PARAMÉTRICOS
111 )( efby ++= G
222 )( efby ++= G
333 )( efby ++= G
POBLACIÓN
GENOTIPADOSFENOTIPADOS
GENOTIPADOSNO FENOTIPADOS
NO GENOTIPADOSFENOTIPADOS NO GENOTIPADOS
NO FENOTIPADOS
MODELO LINEAL MIXTO: BLUP UNIVARIANTE
eZaXby ++=
=
+−
yZ
yX
a
b
AZZXZ
ZXXX
'
'
1ˆ
ˆ
''
''
α
MODELO LINEAL MIXTO: BLUP UNIVARIANTE GENÓMICO
eZaXby ++=
=
+−
yZ
yX
a
b
GZZXZ
ZXXX
'
'
1ˆ
ˆ
''
''
α
22
2
/')(
')(
ag
g
kaar
aar
σσ
σ
GWWV
WWV
Wga
==
=
=
BLUP UNICARACTER
1y
2y
3y
b
b
1a
2a
3a
1e
2e
3e
b
= + +
=
=
+
+
+
+
Parentesco genómico
BLUP UNIVARIANTE GENÓMICO
=
+−
yZ
yX
a
b
HZZXZ
ZXXX
'
'
1ˆ
ˆ
''
''
α
−=
−
−−−−
GAGA
GAAAAAAGAAAH
21
1
22
1
221221
1
221221
1
22
1
2212
−+=
−−
−−
1
22
1
11
AG0
00AH
SUBPOB 1NO GENOTIPADOS
SUBPOB 2GENOTIPADOS
BLUP MULTIVARIANTE GENÓMICO
- Puede considerar relaciones entre caracteres
BLUP Multivariante
- Incluye parentesco genómico y genealógico
- Utiliza todo la información disponible
- Aprovecha la estructura de selección disponible
- CLAVE: Elección de individuos a genotipar
RESPUESTA A LA SELECCIÓN
( )L
aariR aσ××
=ˆ,
-Intensidad: Permite seleccionar animales no valorados
-Precisión: Incremente la precisión de los predictores
-Intervalo Generacional: Permite seleccionar animales más jovenes
RESPUESTA A LA SELECCIÓN
( )L
aariR aσ××
=ˆ,
-Intensidad: Permite seleccionar animales no valorados
-Precisión: Incremente la precisión de los predictores
-Intervalo Generacional: Permite seleccionar animales más jovenes
RESULTADOS PRECISIÓN (h2=0.20)
SEL. GEN.
1QTL
9%1SNP
39%31%1BLUP
78%68%28%1IND
QTLSNPBLUPIND
RESULTADOS PRECISIÓN (h2=0.40)
SEL. GEN.
1QTL
6%1SNP
31%20%1BLUP
50%37%14%1IND
QTLSNPBLUPIND
SELECCIÓN GENÓMICA. POSIBILIDADES.
Caracteres difíciles de medirResistencia a enfermedades
Caracteres con baja heredabilidadReproductivos
Caracteres expresados en un solo sexoProducción Leche
Medibles en la madurez del individuoLongevidad, reproductivos
Medibles después del sacrificioCalidad de carne
Desequilibrio de Ligamiento (r2)Selección Genómica
R2 = 0.7063
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
GENERACIÓN 0
GE
NE
RA
CIÓ
N 1
Desequilibrio de Ligamiento (r2) Sin selección
R2 = 0.8344
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
GENERACIÓN 0
GE
NE
RA
CIÓ
N 1
Desequilibrio de Ligamiento (r2)Selección Individual
R2 = 0.8134
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
GENERACIÓN 0
GEN
ER
AC
iON
1
RESPUESTA VARIAS GENERACIONES h2=0.40
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
0 1 2 3 4 5 6
GENERACIÓN
RE
SP
UE
ST
A
A L
A S
EL
EC
CIÓ
N
SEL. GEN.
SEL. MASAL
POBLACIONES MULTIPLES
FRECUENCIAS GÉNICAS QTL (5 GEN.)
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
POPULATION 1
PO
PU
LA
TIO
N 2
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
POPULATION 1
PO
PU
LA
TIO
N 2
FRECUENCIAS GÉNICAS QTL (100 GEN.)
POBLACIONES MÚLTIPLES (PRECISIÓN)
0.232 (0.040)
0.787 (0.008)
0.756 (0.015)
0.782 (0.008)
1000.35
0.743 (0.038)
0.792 (0.010)
0.777 (0.011)
0.771 (0.011)
250.35
0.851 (0.033)
0.809 (0.010)
0.805 (0.010)
0.773 (0.011)
50.35
0.256 (0.044)
0.690 (0.013)
0.653 (0.014)
0.686 (0.013)
1000.15
0.609 (0.049)
0.703 (0.013)
0.693 (0.013)
0.682 (0.013)
250.15
0.777 (0.028)
0.727 (0.013)
0.719 (0.014)
0.685 (0.015)
50.15
CorrelacionSNP
Pob.Ponderada
Pob. Conjunta
Pob. Indiv.
G*h2
MODELO CON DOMINANCIA
11111 )()()( edaAGIgaaGIgAAGIbyNm
i
iiiiiiii
Nm
i
iiii +=+=−=+= ∑∑
22222 )()()( edaAGIgaaGIgAAGIbyNm
i
iiiiiiii
Nm
i
iiii +=+=−=+= ∑∑
33333 )()()( edaAGIgaaGIgAAGIbyNm
i
iiiiiiii
Nm
i
iiii +=+=−=+= ∑∑
DISEÑO DE APAREAMIENTOS
H10
H9
H8
H7
H6
H5
H4
H3
H2
H1
M5M4M3M2M1
DISEÑO DE APAREAMIENTOS
H10
H4
H3
H2
M4M1
DISEÑO DE APAREAMIENTOS
xH10
xH4
xH3
xH2
M4M1
DISEÑO DE APAREAMIENTOS
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 0.5 1 1.5 2 2.5
GENERATION
GE
NE
TIC
RE
SP
ON
SE
GSA/GSA+MAGSA/GSAGSA+MA/GSAGSA+MA/GSA+MA
COMPLEMENTARIDAD Y HETEROSIS
LD x LW DUROC
LW LD
PRODUCTO FINAL
CONCEPTOS DE EVALUACIÓN GENÓMICA
- NO utiliza las mutaciones causales. - Utiliza el DESEQUILIBRIO DE LIGAMIENTO con:
SustitucionesDeleccionesInversionesInsercionesVariación del número de copias
- Es necesario REEVALUAR el desequilibrio de ligamiento.- Caracteres complejos: MUCHOS GENES CAUSALES- GENES DISTINTOS en cada población. - No sustituye a la GENÉTICA CUANTITATIVA- Permite seleccionar CARACTERES DIFICILES DE MEDIR
FenotipadoReevaluación frecuente
POSIBILIDADES FUTURAS
1. Diseño de apareamientosSelección de cruces, no de individuos
2. Chips Reducidos3. Utilización de información de poblaciones relacionadas
4. Selección para cruzamientoSelección reciproca recurrente (PORCINO)
5. Tratamientos individualizadosNutrigenómicaSanidad
6. Nueva información600K SNP CHIPNext Generation Sequencing
CONCLUSIONES GENERALES
- La información procedente de SNP chips es útil para la mejora genética
- La selección genómica no sustituye a la genética cuantitativa ni al BLUP y requiere control de producciones y genealógicos sistemáticos
- La selección genómica permite reorientar los procedimientos de selección (ej. Diseño de apareamientos)
- Puede permitir seleccionar para nuevos caracteres difíciles de registar.
- El muestro de individuos a genotipar debe diseñarse en cada población para maximizar el beneficio
- La viabilidad técnica debe ser estudiada en cada especie y población mediante una evaluación de costes y beneficios
top related