Оценка меры информационного полиморфизма генетического разнообразия
Автор: Чесноков Ю.В., Артемьева А.М.
Журнал: Сельскохозяйственная биология @agrobiology
Рубрика: Биоинформатика и математическая статистика
Статья в выпуске: 5 т.50, 2015 года.
Бесплатный доступ
Одна из основных целей генетики растений и животных - это идентификация и картирование генов. При определении генетического сцепления обычно стараются установить, какие маркерные локусы (маркеры) имеют аллели, косегрегирующие с аллелями желаемого локуса. Пригодность маркера для указанных целей зависит от числа аллелей, которые имеет этот маркер, и их соответствующих относительных частот. Количественно степень полиморфизма обычно измеряется двумя различными величинами, или показателями (мерами), - гетерозиготностью (heterozygosity, Н), для которой объективный алгоритм оценки и формула изменчивости хорошо известны (M. Nei с соавт., 1974; M. Nei с соавт., 1979), и величиной информационного полиморфизма (рolymorphism information content, PIC) (D. Botstein с соавт., 1980). Исходя из этого в работе на основе данных литературы описаны статистические подходы, применяемые для анализа информационного полиморфизма. Рассмотрены меры информационного полиморфизма, гетерозиготности и некоторых сопутствующих величин, определяемых при оценке генетического разнообразия как на межвидовом, так и на внутривидовом популяционном уровне. Мера, или величина, информационного полиморфизма (PIC) определяется способностью маркера устанавливать полиморфизм популяции в зависимости от числа обнаруживаемых аллелей и распределения их частот (D. Botstein c соавт., 1980). Таким образом, PIC выявляет дискриминационную способность маркера, фактически зависит от числа известных (устанавливаемых) аллелей и распределения их частот и тем самым эквивалентна генному разнообразию. Для доминантных маркеров максимальное значение PIC составляет 0,5. Следует отметить, что в случае маркеров с равным распределением частот внутри популяции величина PIC выше. Маркеры с множественными аллелями имеют еще большие значения этого показателя, однако при этом величина PIC также зависит от распределения частот аллелей. С помощью 21 пары SSR (simple sequence repeats) и 12 пар S-SAP (sequence specific amplified polymorphism) праймеров у 96 образцов Brassica rapa L. из стержневой коллекции ВИР мы обнаружили 135 SSR и 123 S-SAP полиморфных маркера. Среднее значение PIC для обоих типов маркеров - 0,316, тогда как для микросателлитных маркеров - 0,257, для S-SAP маркеров - 0,379, то есть в среднем на 50 % выше. Ожидаемую (H E) гетерозиготность обычно определяют, когда описывают генетическое разнообразие, поскольку она менее чувствительна к размеру выборки, чем наблюдаемая гетерозиготность (Н О). Если H O и H E схожи (достоверно не различаются), скрещивание в популяции происходит практически случайно. При H OE, популяция инбредная. Если H O > H E, то в популяции система случайного скрещивания преобладает над инбридингом. Эффективное мультиплексное отношение (effective multiplex ratio, EMR) определяют как произведение общего числа полиморфных локусов (на праймер) и доли полиморфных локусов от их общего числа (W. Powell с соавт., 1996; J. Nagaraju с соавт., 2001). Маркерный индекс (marker index, MI) - статистическая величина, используемая для оценки суммарной пригодности маркерной системы (чем выше значение MI для методики, тем она лучше) (W. Powell с соавт., 1996; J. Nagaraju с соавт., 2001). Чтобы отразить способность сочетания «праймер-применяемая методика» устанавливать различия между большим числом генотипов, используют показатель разрешающей способности (resolving power, Rp) (J.E. Gilbert с соавт., 1999; A. Prevost с соавт., 1999). Представлена информация о некоторых продуктах программного обеспечения, которое может быть использовано для расчета величины информационного полиморфизма и гетерозиготности. Приведены формулы для установления эффективного мультиплексного отношения, маркерного индекса и показателя разрешающей способности комбинации «праймер-применяемая методика».
Гетерозиготность, величина информационного полиморфизма, эффективное мультиплексное отношение, маркерный индекс, показатель разрешающей способности, программное обеспечение
Короткий адрес: https://sciup.org/142133619
IDR: 142133619 | DOI: 10.15389/agrobiology.2015.5.571rus
Список литературы Оценка меры информационного полиморфизма генетического разнообразия
- Nei M., Roychoudhury A.K. Sampling variances of heterozygosity and genetic distance. Genetics, 1974, 76: 379-390.
- Nei M., Li W.H. Mathematical model for studying genetic variation in terms of restriction endonucleases. PNAS USA, 1979, 76: 5269-5273 ( ) DOI: 10.1073/pnas.76.10.5269
- Botstein D., White R.L., Skalnick M.H., Davies R.W. Construction of a genetic linkage map in man using restriction fragment length polymorphism. Am. J. Hum. Genet., 1980, 32: 314-331.
- Артемьева А.М., Чесноков Ю.В., Клоке Э. Морфолого-географический и молекулярно-генетический анализ коллекции белокочанной капусты ВИР. Доклады РАСХН, 2008, 5: 14-18.
- Артемьева А.М., Чесноков Ю.В., Клоке Э. Генетическое разнообразие и внутривидовые филогенетические взаимоотношения культур вида Brassica rapa L. по результатам анализа микросателлитов. Информационный Вестник ВОГиС, 2008, 12(4): 608-619.
- Артемьева А.М., Клоке Э., Чесноков Ю.В. Анализ филогенетических связей вида Brassica oleracea L. (капуста огородная). Информационный вестник ВОГиС, 2009, 13(4): 759-771.
- Вишнякова М.А., Бурляева М.О., Алпатьева Н.В., Чесноков Ю.В. RAPD-анализ видового полиморфизма рода Чина (Lathyrus L.) сем. Fabaceae Lindl. Информационный вестник ВОГиС, 2008, 12(4): 595-607.
- Артемьева А.М., Чесноков Ю.В. Коллекция капусты ВИР: этапы формирования и изучения. Вавиловский журнал генетики и селекции, 2012, 16(4/2): 1047-1060.
- Иванов А.А., Буренин В.И., Чесноков Ю.В. Оценка филогенетических отношений видов рода Beta L. с помощью RAPD-маркеров. Доклады Россельхозакадемии, 2012, 3: 20-22.
- Чесноков Ю.В., Буренин В.И., Иванов А.А. RAPD-анализ коллекционных образцов дикой и культурной свеклы (Beta L.). Сельскохозяйственная биология, 2013, 3: 28-36 ( , 10.15389/agrobiology.2013.3.28eng) DOI: 10.15389/agrobiology.2013.3.28rus
- Liu B.H. Statistical genomics: linkage, mapping and QTL analysis. CRC Press, Boca Raton, 1998.
- Anderson J.A., Churchill G.A., Autrique J.E., Tanksley S.D., Sorrells M.E. Optimizing parental selection for genetic linkage maps. Genome, 1993, 36(1): 181-186 ( ) DOI: 10.1139/g93-024
- De Riek J., Calsyn E., Everaert I., Van Bockstaele E., De Loose M. AFLP-based alternatives for the assessment of distinctness, uniformity and stability of sugar beet varieties. Theor. Appl. Genet., 2001, 103: 1254-1265 ( ) DOI: 10.1007/s001220100710
- Артемьева А.М., Будан Х., Клоке Э., Чесноков Ю.В. Использование мобильных генетических элементов САСТА для уточнения филогенетических взаимоотношений внутри вида Brassica rapa L. Вавиловский журнал генетики и селекции, 2011, 15(2): 398-411.
- Xu Y., Beachell H., McCouch S.R. A marker-based approach to broadening the genetic base of rice (Oryza sativa L.) in the US. Crop Sci., 2004, 44: 1947-1959 ( ) DOI: 10.2135/cropsci2004.1947
- Bered F., Freitas Terra T., Spellmeier M., Neto J.F.B Genetic variation among and within sweet corn populations detected by RAPD and SSR markers. Crop Breed. Appl. Biotechnol., 2005, 5: 418-425.
- Karim K., Rawda A., Hatem C.-M. Genetic diversity in barley genetic diversity in local Tunisian barley based on RAPD and SSR analysis. Biological Diversity and Conservation, 2009, 2/1: 27-35 ( ) DOI: 10.1590/S0100-204X2015000200008
- Manifesto M.M., Schlatter A.R., Hopp H.E., Suarez E.Y., Dubcovsky J. Quantitative evaluation of genetic diversity in wheat germplasm using molecular markers. Crop Sci., 2001, 41: 682-690 ( ) DOI: 10.2135/cropsci2001.413682x
- Nagy S., Poczai P., Cernak I., Gorji A.M., Hegedus G, Taller J. PICcalc: An online program to calculate polymorphic information content for molecular genetic studies. Biochem. Genet., 2012, 50: 670-672 ( ) DOI: 10.1007/s10528-012-9509-1
- Bolaric S., Barth S., Melchinger A.E., Posselt U.K. Genetic diversity in European perennial ryegrass cultivars investigated with RAPD markers. Plant Breed., 2005, 124: 161-166 ( ) DOI: 10.1111/j.1439-0523.2004.01032.x
- Henry R.J. Practical applications of plant molecular biology. Chapman and Hall, London, 1997.
- Shete S., Tiwari H., Elston R.C. On estimating the heterozygosity and polymorphism information content value. Theor. Popul. Biol., 2000, 57: 265-271 ( ) DOI: 10.1006/tpbi.2000.1452
- Powell W., Morgante M., Andre C., Hanafey M., Vogel J., Tingey S., Rafalski A. The utility of RFLP, RAPD, AFLP and SSR (microsatellite) markers for germplasm analysis. Mol. Breed., 1996, 2: 225-238 ( ) DOI: 10.1007/BF00564200
- Nagaraju J., Damodar Reddy K., Nagaraja G.M., Sethuraman B.N. Comparison of multilocus RFLPs and PCR-based marker systems for genetic analysis of the silkworm, Bombyx mori. Heredity, 2001, 86: 588-597 ( ) DOI: 10.1046/j.1365-2540.2001.00861.x
- Gilbert J.E., Lewis R.V., Wilkinson M.J., Caligari P.D.S. Developing an appropriate strategy to assess genetic variability in plant germplasm collections. Theor. Appl. Genet., 1999, 98: 1125-1131 ( ) DOI: 10.1007/s001220051176
- Prevost A., Wilkinson M.J. A new system of comparing PCR primers applied to ISSR fingerprinting of potato cultivars. Theor. Appl. Genet., 1999, 98: 107-112 ( ) DOI: 10.1007/s001220051046