Detecting major genetic loci controlling phenotypic variability in experimental crosses.
Detecting major genetic loci controlling phenotypic variability in experimental crosses.
复制标题
DOI：
10.1534/genetics.111.127068
复制
发表时间：
2011-06
期刊：
影响因子：
3.3
通讯作者：
Valdar W
中科院分区：
文献类型：
--
作者：
Rönnegård L;Valdar W
检测影响人类或动物模型复杂疾病、牲畜产奶量或其他感兴趣性状的基因的传统方法一直在询问基因型的变异是否会导致该性状平均值的变化。但关注均值差异会忽略该均值变异性的差异。个体性格的稳健性或一致性不仅在医学遗传学和食品生产中具有重要的实际意义，而且还具有科学和进化意义（例如，心脏病动物模型中的血压、猪的产仔数、植物的开花时间）。我们描述了一种检测控制表型变异的主要基因的方法，将这些基因称为 vQTL。我们的方法使用带有基于线原点概率的线性预测器的双广义线性模型。我们在模拟 F2 和协作交叉数据以及真实的 F2 交叉数据上评估了我们的方法，证明了其对普通均值控制 QTL 存在的准确性和鲁棒性。我们还说明了 vQTL 和参与上位性的 QTL 之间的联系，解释了这些概念如何重叠。我们的方法可以应用于广泛的常用实验杂交，并且可以更广泛地扩展到遗传关联。
Traditional methods for detecting genes that affect complex diseases in humans or animal models, milk production in livestock, or other traits of interest, have asked whether variation in genotype produces a change in that trait’s average value. But focusing on differences in the mean ignores differences in variability about that mean. The robustness, or uniformity, of an individual’s character is not only of great practical importance in medical genetics and food production but is also of scientific and evolutionary interest (e.g., blood pressure in animal models of heart disease, litter size in pigs, flowering time in plants). We describe a method for detecting major genes controlling the phenotypic variance, referring to these as vQTL. Our method uses a double generalized linear model with linear predictors based on probabilities of line origin. We evaluate our method on simulated F2 and collaborative cross data, and on a real F2 intercross, demonstrating its accuracy and robustness to the presence of ordinary mean-controlling QTL. We also illustrate the connection between vQTL and QTL involved in epistasis, explaining how these concepts overlap. Our method can be applied to a wide range of commonly used experimental crosses and may be extended to genetic association more generally.
登录
查看更多内容
影响因子：
3.8
作者：
HALEY, CS;KNOTT, SA
通讯作者：
KNOTT, SA
影响因子：
2.9
作者：
LANDE, R
通讯作者：
LANDE, R
影响因子：
13.2
作者：
Brunelli, Steven M.;Thadhani, Ravi I.;Feldman, Harold I.
通讯作者：
Feldman, Harold I.
影响因子：
1.8
作者：
HOAGLIN, DC;WELSCH, RE
通讯作者：
WELSCH, RE
DOI：
10.1073/pnas.0906183107
发表时间：
2010-01-26
影响因子：
11.1
作者：
Feinberg, Andrew P.;Irizarry, Rafael A.
通讯作者：
Irizarry, Rafael A.