Free Access
| Issue |
Genet. Sel. Evol.
Volume 32, Number 4, July-August 2000
|
|
|---|---|---|
| Page(s) | 357 - 381 | |
| DOI | https://doi.org/10.1051/gse:2000124 | |
DOI: 10.1051/gse:2000124
Genet. Sel. Evol. 32 (2000) 357-381
Detection and parameter estimation for quantitative trait loci using regression models and multiple markers
Yang Daa - Paul M. VanRadenb - Lawrence B. Schookc
aDepartment of Animal Science,
University of Minnesota, Saint Paul,
MN 55108, USA
bAnimal Improvement Programs Laboratory, ARS-USDA, Beltsville,
Maryland 20705, USA
cDepartment of Veterinary Pathobiology, University
of Minnesota, Saint Paul, MN 55108, USA
(
Abstract:
A strategy of multi-step minimal conditional regression analysis has
been developed to determine the existence of statistical testing and
parameter estimation for a quantitative trait locus (QTL) that are unaffected
by linked QTLs. The estimation of marker-QTL recombination frequency
needs to consider only three cases: 1) the chromosome has only one QTL,
2) one side of the target QTL has one or more QTLs, and 3) either side
of the target QTL has one or more QTLs. Analytical formula was derived
to estimate marker-QTL recombination frequency for each of the
three cases. The formula involves two flanking markers for case 1),
two flanking markers plus a conditional marker for case 2), and two
flanking markers plus two conditional markers for case 3). Each QTL
variance and effect, and the total QTL variance were also estimated
using analytical formulae. Simulation data show that the formulae for
estimating marker-QTL recombination frequency could be a useful
statistical tool for fine QTL mapping. With 1000 observations, a
QTL could be mapped to a narrow chromosome region of 1.5 cM if no
linked QTL is present, and to a 2.8 cM chromosome region if either side
of the target QTL has at least one linked QTL.
Keywords:
multiple markers / regression analysis / quantitative trait loci / QTL detection / QTL parameters
Résumé:
Détection d'un QTL et estimation de son effet par
analyses de régression sur plusieurs marqueurs.
On a développé une stratégie basée sur l'analyse de régression en
plusieurs étapes et à partir d'un nombre minimum de marqueurs pour
détecter un QTL et évaluer son effet individuel sur le caractère
indépendamment de l'existence d'autres QTL liés. Trois cas sont à
considérer pour estimer la fréquence de recombinaison entre le
marqueur et le QTL : 1) Il y a un seul QTL, 2) Il existe au moins un
autre QTL sur un des côtés du QTL recherché, 3) Il existe au moins un
QTL sur chacun des deux côtés du QTL recherché. La fréquence de
recombinaison a été estimée analytiquement dans les trois cas. La
formule obtenue utilise l'information sur les deux marqueurs flanquants
dans le cas 1), sur les deux marqueurs flanquants et sur un
marqueur plus éloigné dans le cas 2), sur les deux marqueurs flanquants et
sur deux marqueurs plus éloignés dans le cas 3). Pour chaque QTL
ainsi détecté, on a aussi développé analytiquement une estimation de
son effet et de sa variance, et, pour l'ensemble des QTL ainsi
validés, de leur contribution totale à la variance génétique. On a
montré par simulation que les formules pour la fréquence de
recombinaison pouvaient être utiles pour la cartographie fine de
QTL. Ainsi, 1000 observations permettaient de placer un QTL dans un
intervalle de seulement 1,5 cM s'il n'était pas lié à un autre QTL,
et de 2,8 cM s'il était lié à un autre QTL à sa droite ou à sa
gauche.
Mots clé :
marqueurs multiples / analyse de régression / QTL / détection de QTL / paramètres du QTL
Correspondence and reprints: Yang Da
e-mail: yda@tc.umn.edu
Copyright INRA, EDP Sciences