galvenā atšķirība starp QTL un GWAS ir atkarīgs no analīzē izmantoto secību veida. QTL izmanto saišu gēnu lokusus, lai analizētu fenotipiskās iezīmes, kas saistītas ar poligēno mantojumu, savukārt GWAS izmanto veselu genomu sekvences, lai analizētu konkrēta stāvokļa atsevišķu nukleotīdu polimorfismus.
QTL kartēm un GWAS ir nozīmīga loma dažādu pazīmju ģenētiskajā analīzē. Turklāt tie ir svarīgi, analizējot dažādus slimības stāvokļus ar nezināmu etioloģiju. Turklāt secībai ir galvenā loma abos paņēmienos. Šīs metodes var arī savienot ar citām augstas caurlaides metodēm, lai palielinātu precizitāti un precizitāti.
1. Pārskats un galvenās atšķirības
2. Kas ir QTL
3. Kas ir GWAS?
4. Līdzības starp QTL un GWAS
5. Salīdzinājums blakus - QTL vs GWAS tabulas formā
6. Kopsavilkums
QTL nozīmē Kvantitatīvā iezīme. Tas ir DNS reģions, kas saistīts ar fenotipisko iezīmi. Parasti QTL rada poligēnu iedarbību. QTL sadalījums mainās, un QTL skaits norāda uz konkrētas fenotipiskās iezīmes variācijas pakāpi. Turklāt tie parasti kodē nepārtrauktas pazīmes, nevis diskrētas pazīmes.
Identificējot QTL reģionus, ir svarīgi secēt noteiktu QTL apgabalu. Turklāt, lai atvieglotu izmeklēšanu un izpēti, sekvencēšana un kopējo QTL reģionu datu glabāšana notiek, iesaistot bioinformātiku. Mēs to saucam par QTL kartēšanu. Pēc tam tiek veidota datu bāze ar QTL reģiona sekvencēm.
01. attēls: QTL skenēšana
Turklāt QTL secību pielietojums galvenokārt ir atkarīgs no BLAST rīka, kur var noteikt secības līdzību. Tas ir svarīgi, lai secinātu attiecības starp organismiem. Turklāt tas ir svarīgi, lai noteiktu konkrēta poligēna fenotipa sarežģītību. Tas arī nosaka noteiktas pazīmes attīstību.
Pašlaik QTL analīze tiek apvienota ar citām augstas caurlaides metodēm, piemēram, DNS mikroarāmiem. Tas ir svarīgi fenotipa izteiksmes analīzē. Pašlaik zinātnieki ir ļoti ieinteresēti QTL datu bāzes attīstībā, jo QTL reģioni ir atbildīgi par daudzām svarīgām dažādu sugu iezīmēm.
GWAS nozīmē Genoma plašās asociācijas pētījums. Tas attiecas arī uz visa genoma asociācijas pētījumiem. Šie pētījumi galvenokārt koncentrējas uz novērošanas pētījumiem. Tajā tiek analizēti dažādu indivīdu ģenētiskie varianti, kas parasti saistīti ar noteiktu pazīmi. Turklāt GWAS analīzē ir svarīgs viss genoms.
02 attēls: GWAS
GWAS ir svarīgs rīks, analizējot atsevišķos nukleotīdu polimorfismus, kas saistīti ar dažādiem slimības stāvokļiem. Šis ir arī dažādu atsevišķu nukleotīdu polimorfismu salīdzinošs pētījums plašā populācijā. Turklāt GWAS pētījumu paraugs ir ļoti augsts; tātad tas ir arī šķērsgriezuma kohortas pētījuma formāts.
Turklāt pirmais GWAS pētījums notika saistībā ar miokarda infarktu un analizēja gēnus, kas saistīti ar miokarda infarktu. Pašlaik GWAS ir svarīga loma sarežģītu slimību ar nezināmu etioloģiju ģenētiskā fona noteikšanā.
QTL analizē fenotipiskās iezīmes, kas saistītas ar poligēno mantojumu, izmantojot saistītos gēnu lokusus, savukārt GWAS analizē konkrēta stāvokļa atsevišķu nukleotīdu polimorfismus, izmantojot veselas genoma secības. Tādējādi šī ir galvenā atšķirība starp QTL un GWAS. QTL kartēšana ir salīdzinoši mazāk sarežģīta metode nekā GWAS, jo tai nepieciešama visa genoma secība.
Zemāk esošajā infografikā tabulas veidā ir apkopota atšķirība starp QTL un GWAS.
QTL kartēšanai un GWAS ir liela loma dažādu fenotipisko īpašību ģenētiskā fona noteikšanā. Viņi arī palīdz analizēt dažādu slimību ģenētisko fonu. QTL kartēšana kartē sasaistes gēnus, kas ir atbildīgi par nepārtrauktām pazīmēm, kā arī ietver poligēno mantojuma gēnu kartēšanu. No otras puses, GWAS notiek ar visa genoma analīzi, analizējot atsevišķu nukleotīdu polimorfismus. Turklāt tas notiek lielākam iedzīvotāju skaitam. Tādējādi šis ir kopsavilkums par atšķirību starp QTL un GWAS.
1. Liu, Ruixian, et al. “GWAS analīze un QTL šķiedru kvalitātes īpašību un ražas komponentu identificēšana kalnu kokvilnā, izmantojot bagātinātus augsta blīvuma SNP marķierus.” Robežas augu zinātnē, Frontiers Media S.A., 2018. gada 13. septembris, pieejams šeit.
2. “GWAS Vs. Qtl kartēšana? ” Jaunākās ziņas, pieejamas šeit.
1. “Genoma mēroga QTL skenēšanas piemērs no PLoS bioloģijas” Autori: Styrkarsdottir U, Cazier JB, Kong A, Rolfsson O, Larsen H, et al. (2003) Osteoporozes sasaiste ar 20p12 hromosomu un asociācija ar BMP2. PLoS Biol 1 (3): e69 (CC BY 2.5), izmantojot Commons Wikimedia
2. Bush WS un Moore JH “GWAS slimības alēles efekti” - Bush WS, Moore JH (2012) 11. nodaļa: Genoma plašās asociācijas pētījumi. PLoS Comput Biol 8 (12): e1002822. doi: 10.1371 / journal.pcbi.1002822, (CC BY 2.5), izmantojot Commons Wikimedia