Work

Detecting signals of polygenic variability in domestication and in breeding

Year: 2023
Type: dissertation
Abstract: Els trets més complexos d’interès estan controlats per molts gens amb efecte petit que experimenten canvis subtils en la seva freqüència, cosa que dificulta el detectar un patró específic derivat al genoma. De fet, encara està per revelar l’arquitectura genètica subjacent a la variació fenotípica de la majoria de trets complexos. Aquesta tesi pretén comprendre els efectes poligènics des de la perspectiva de la genètica de poblacions (mitjançant inferència) i genètica quantitativa (mitjançant predicció). Raonem que l’observació de com es formen els patrons de variabilitat en diferents condicions selectives i demogràfiques, com ara la domesticació, pot revelar patrons d’adaptació poligènics en el genoma de les espècies. A més, l’associació entre els trets fenotípics i les variants causals no s’hauria de limitar als polimorfismes nucleotídics (SNP). Els polimorfismes d’inserció transposables (TIP) i les variacions estructurals (SV) també podrien explicar una part important de la variabilitat. En primer lloc, la tesi se centra a detectar el senyal poligènic del procés de domesticació al genoma mitjançant l’anàlisi de la distribució d’efectes selectius (DFE). Estudiem el DFE conjunt mitjançant l’espectre de freqüència bidimensional (2D-SFS) entre les poblacions salvatge i domèstica de dues maneres: (i) descrivim i comparem els patrons de diversitat genètica entre les poblacions en deu escenaris de domesticació derivats de simulacions, i (ii) proposem un nou model per mesurar el DFE conjunt dissenyat per quantificar un senyal de domesticació. Hem recuperat aquest senyal amb èxit en presència de polimorfismes compartits. Finalment, destaquem els punts forts i les limitacions dels models genètics poblacionals actuals a l’hora de detectar un senyal poligènic de domesticació sota diferents arquitectures genètiques i demogràfiques. En segon lloc, investiguem si els TIP poden augmentar l’eficàcia de la predicció genòmica (GP) dels trets en comparació amb l’ús només de SNP. Hem utilitzat onze trets d’importància agronòmica originats per cinc grups diferents de població d’arròs (Aus/Boro, Indica, Aromàtic, Japonica i Admixed), 738 mostres en total. En un escenari només amb mostres dins de grup, vam predir el rendiment de les varietats millorades Indica utilitzant la resta de varietats. En un escenari transversal, es van predir totes les mostres aromàtiques i mixtes utilitzant la resta de poblacions. La nostra anàlisi va demostrar que els TIP poden explicar una fracció important de la variància genètica total i també millorar la predicció genòmica de trets complexos. El tercer propòsit d’aquesta tesi és afegir SV per explorar la seva capacitat per predir trets agronòmics complexos en l’arròs. Els SV com les supressions, les inversions i les duplicacions, es poden trobar en una proporció elevada en els genomes de les plantes. Com en els TIP, vam trobar que els SV poden explicar una fracció important de la variació genètica en els trets d’interès. A més, els nostres resultats suggereixen que els models d’aprenentatge profund superen el 50% dels casos estudiats. Finalment, aprenentatge profund sembla millorar la capacitat de predicció de trets continus en comparació amb els models bayesians quan l’entrenament i el conjunt de dades estan llunyanament relacionats.
Language: Catalan
Subfield: Genetics
Open Access status: green
OpenAlex ID: W7065011729
Cites: 339
Cited by: 1
Related to: 9