| Summary: | Submitted by Priscila Arrigucci Bernardes (p.arrigucci@yahoo.com.br) on 2018-07-25T18:53:46Z
No. of bitstreams: 1
Tese_Priscila_Arrigucci_Bernardes.pdf: 3025957 bytes, checksum: 866a988a470ab68070a7e7a922fc2993 (MD5) === Approved for entry into archive by Karina Gimenes Fernandes null (karinagi@fcav.unesp.br) on 2018-07-26T10:33:53Z (GMT) No. of bitstreams: 1
bernardes_pa_dr_jabo.pdf: 3025957 bytes, checksum: 866a988a470ab68070a7e7a922fc2993 (MD5) === Made available in DSpace on 2018-07-26T10:33:53Z (GMT). No. of bitstreams: 1
bernardes_pa_dr_jabo.pdf: 3025957 bytes, checksum: 866a988a470ab68070a7e7a922fc2993 (MD5)
Previous issue date: 2018-06-29 === Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) === Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) === Dentre as informações fornecidas pelas metodologias que utilizam marcadores do tipo polimorfismo de nucleotídeo único (SNPs), as de segmentos de homozigose (ROH) e de desequilíbrio de ligação têm colaborado para estudos de aplicação direta da informação genômica em populações de bovinos de corte, como em estudos de associação com cobertura ampla do genoma, de seleção genômica e de estrutura da população, dentre outros. Atualmente a imputação vem sendo utilizada principalmente para reduzir custos com a genotipagem dos animais e pode ser utilizada combinando informações genômicas de diferentes painéis. Para que dados imputados sejam utilizados de forma eficiente, é necessário que a imputação tenha sido implementada de forma que todos os animais tenham seus genótipos inferidos com elevada acurácia. No entanto, esta é verificada apenas se houver o genótipo real para avaliar a confiabilidade do genótipo imputado. Dessa maneira, os objetivos deste trabalho foram: (1) estudar a imputação de painéis comercial e customizados de baixa densidade para painéis de alta densidade (Illumina e Affymetrix), assim como para um painel combinado (Illumina + Affymetrix) para bovinos da raça Nelore, e estudar o desequilíbrio de ligação e conformação de blocos de haplótipos antes e após a imputação; (2) estudar estratégias para predição da acurácia de imputação, utilizando redes neurais artificiais e regressão linear múltipla; (3) estudar os segmentos de homozigose e, com isso, a endogamia presente em uma população de bovinos da raça Nelore, assim como identificar os genes presentes nos segmentos de homozigose mais frequentes na população. Os estudos de ROH foram realizados com utilização de informações de 34 touros de diferentes linhagens e suas progênies, totalizando 809 animais genotipados da raça Nelore com informação de 509.107 SNPs (Illumina). Para as análises de imputação e de predição da acurácia de imputação foram utilizados os mesmos animais, sendo que 93 destes também foram genotipados com o painel “Axion Genome-Wide BOS 1 Array Plate”. A partir dos resultados das análises de imputação demonstrou-se que o uso combinado de painéis pode ser uma alternativa para aumentar a densidade e o número de bloco de haplótipos, aumentando a probabilidade de obter um marcador próximo a um QTL de interesse. Além disso, essa estratégia indica que a escolha de SNPs em comum entre os painéis de alta densidade (Ilumina e Affymetrix) pode ser utilizada para customizar um painel de menor densidade, permitindo elevar a acurácia de imputação do painel da Illumina e Affymetrix. Na análise de predição da acurácia de imputação, a utilização de redes neurais artificiais foi mais eficiente comparada ao modelo de regressão linear múltipla, podendo ser utilizada com esta finalidade. A partir dos resultados das análises de ROH observou-se que a população encontra-se com baixo nível de endogamia, no entanto os reprodutores apresentaram maior valor de endogamia comparado a progênie, o qual somado a presença de segmentos de homozigose mais longos nestes animais podem indicar que tenha ocorrido intensa utilização de poucos reprodutores nas gerações mais recentes em algumas famílias. === Among all the information provided by methodologies that use single nucleotide polymorphism (SNPs), the runs of homozygosity (ROH) and linkage disequilibrium have been used for studies that explore genomic information in beef cattle population, as the genome-wide association, genomic selection, the structure of population and others. Nowadays, the imputation is used in these studies to reduce genomic costs and this also can be used combining genomic information from different panels. The animals used to be imputed should present genotypes inferred with high accuracy to allow the use imputed genotypes in other studies. However, the accuracy is verified only if there is a real genotype to evaluate the imputed genotype. Therefore, this study aimed: (1) Evaluate imputation of commercial and customized low density panels to high density panels (Illumina and Affymetrix), as well as to a combined panel (Illumina + Affymetrix) in Nelore beef cattle, and estimating linkage disequilibrium and haplotype blocks conformation to high density panels individually and after imputation; (2) Study a strategy to predict imputation accuracy using artificial neural network and linear regression; (3) Study runs of homozygosity and inbreeding in a populations from Nelore beef cattle, as well as identify genes present in ROH with high frequency in population. For ROH studies were used 34 bulls from different lines and the progeny, totalizing 809 Nelore animals genotyped with information of 509.107 SNPs (Illumina). The imputation analysis and imputation accuracy prediction used the same animals, wherein 93 were also genotyped with Axion Genome-Wide BOS 1 Array Plate. The imputation analysis demonstrates that the combined panels used from different panels can be considered due to increasing the density and number of haplotype blocks, increasing the probability to find a marker close to an important QTL. Furthermore, this strategy indicates that the choice for common SNPs between high-density panels Illumina and Affymetrix to customize a lower density panel can increase the imputation accuracy to Illumina and Affymetrix. The prediction of imputation accuracy analysis showed that the neural network is more efficient compared to linear regression, and could be used for this purpose. The results from ROH analysis showed low population inbreeding, however the sires presented higher inbreeding compared to progenies and longer runs of homozigosity, which suggest that has occurred intense use of few sires in recent generations in some families. === FAPESP: 2015/25096-6 e 2016/22940-3.
|
|---|
