Selecci贸n Gen贸mica en poblaciones de tama帽o reducido Luis Varona Universidad de Zaragoza
Polimorfismo genético. Valores Genotípicos
Polimorfismo Causal Polimorfismo en Desequilibrio de Ligamiento con la mutación causal
AA +g
Aa
aa
0
-g
Selecci贸n asistida por genes y marcadores
AA
y1
Aa
y2
aa
y3
=
b
=
=
+
a1
+
g
b
+
a2
+
0
b
+
a3
-
g
e1
+
+
+
e2
e3
Selecci贸n asistida por genes y marcadores
AA
y1
=
b
+
a1 + ga -
gb
+
e1
bb
Aa
y2
=
b
a2 +
+
gb
0 +
+
e2
BB
aa Bb
y3
=
b
+
a3 - ga
+
0
+
e3
SelecciĂłn asistida por genes y marcadores Caracteres difĂciles de medir Resistencia a enfermedades
Caracteres con baja heredabilidad Reproductivos
Caracteres expresados en un solo sexo Prolificidad
Medibles en la madurez del individuo Longevidad, reproductivos
Medibles despuĂŠs del sacrificio Calidad de carne
Selecciรณn asistida por genes y marcadores
-
Exige conocer los genes o los marcadores
- El desequilibrio de ligamiento se rompe por recombinaciรณn - El polimorfismo causal se fija rรกpidamente - Cada carรกcter estรก asociado a genes o marcadores diferentes - A largo plazo, la respuesta es menor
Selecci贸n Gen贸mica
SNP (Single Nucleotide Polymorphisms) Bovine 3K GoldenGate BeadChip, 3,072 SNP BovineLD BeadChip. 7,931 SNP BovineSNP50 v2 BeadChip. 54,609 SNP BovineHD BeadChip. 777,000 SNP GeneSeek Genomic Profiles, 78,000 SNP
Selección genómica
y1
=
b
+
a1 +
å genot
1j
* gj +
e1
j
y2
=
b
a2 +
+
å genot
2i
* gj + e2
j
y3
=
b
+
a3 -
å genot j
3i
* gj +
e3
Selección genómica
y1
=
b
å genot
+
1j
* gj +
e1
j
y2
=
b
+
å genot
2i
* gj + e2
j
y3
=
b
+
å genot j
3i
* gj +
e3
Distribuciones a-priori • • • • •
Normal. Gaussian Blup. T-student: Bayes A T-student: Bayes B, Bayes C(Pi) Doble Exponencial: Bayesian Lasso Métodos no paramétricos: – – – –
Boosting Bagging Redes Neuronales Etc, etc
Resultados • Depende de la arquitectura del carácter • El modelo gaussiano funciona razonablemente bien para caracteres poligénicos • Los modelos no gaussiano ofrecen ligeras ventajas en presencia de genes mayores.
BLUP Genómico 1
y = Xb+ Zu+ e
X' Z X' y bˆ X' X 2 Z' X Z' Z A1 e2 Z' y uˆ u
1
- G: PARENTESCO REALIZADO - A: PARENTESCO ESPERADO
X' Z X' y bˆ X' X 2 Z' X Z' Z G 1 e2 Z' y uˆ u
G vs A
G vs A a = 0, g = 0
a = 0.5, g = 0.5
a = 0.5, g = 0.5
a = 0.5, g = 0.5
G vs A a = 0, g = 0
a = 0.5, g = 0.5
a = 0.5, g = 0.5
a = 0.5, g = 0.5
G vs A
a = 0.5, g = 0.67
a = 0.5, g = 0.33
a = 0.5, g = 0.00
GBLUP VENTAJAS - Se puede implementar con el software de BLUP - REML, CARACTERES MULTIPLES INCONVENIENTES - Calculo de G - No tiene en cuenta la presencia de genes mayores
BLUP Univariante Genómico SUBPOB 2 GENOTIPADOS
SUBPOB 1 NO GENOTIPADOS
X' Z X' X ' ˆ b X y 2 1 e ' Z ' X Z ' Z H 2 u ˆ Z y u A12A221GA221A21 A12A221A21 A12A221G H 1 GA22A21 G 0 0 H A 1 1 0 G A 22 1
1
A vs H
?
a = 0.5, h = 0.50
a = 0.5, h = 0.50
a = 0.5, g = 0.00
Selección Genómica • Genotipado en un número suficiente de individuos valorados con alta precisión para superar la precisión de la valoración clásica. – Poblaciones pequeñas: • Escasos individuos a genotipar • Poca implantación de la inseminación artificial
• Single Step – Combina la valoración clásica con la información genómica – ¿Qué ocurre cuando se genotipa un número reducido de individuos?
Single Step en poblaciones reducidas • PIRENAICA – Pedigree hasta 2013 (55.000 individuos aprox). – 25000 fenotipos aprox. – 600 individuos nacidos en 2014. – Capacidad predictiva sobre el valor genético de los individuos jóvenes
Single Step en Poblaciones Reducidas 8000 4000 2000 1000 500 250
Individuos Hist贸ricos
Padres
Madres
Candidatos
0.47
0.48
PRECISION
0.49
0.50
0.51
Caso 1. Candidatos No Genotipados
Sires
Sires_Dam
Sires+8000
Sires+4000
Sires+2000
Sires+1000
Sires+500
Sires+250
Sires+2000
Sires+1000
Sires+500
Sires+250
8000
4000
2000
1000
500
250
1.06 1.04 1.02 1.00
RATIO
1.08
1.10
Ped
Ped
Sires
Sires_Dam
Sires+8000
Sires+4000
8000
4000
2000
1000
500
250
0.54 0.52 0.46
0.48
0.50
PRECISION
0.56
0.58
Caso 2. Candidatos Genotipados
Sires
Sires_Dam
Sires+8000
Sires+4000
Sires+2000
Ped
Sires
Sires_Dam
Sires+8000
Sires+4000
Sires+2000
Sires+1000
Sires+500
Sires+250
8000
4000
2000
1000
500
250
1.15 1.10 1.05 1.00
RATIO
1.20
1.25
Ped
Sires+1000
Sires+500
Sires+250
8000
4000
2000
1000
500
250
Metapoblación • Aporta información la información procedente de poblaciones relacionadas • 7 poblaciones – – – – – – –
Asturiana de los Valles Avileña Negra Ibérica Bruna dels Pirineus Morucha Pirenaica Retinta Rubia Gallega
3000 genotipados 429 por población
Selecci贸n gen贸mica: Metapoblaci贸n
Conclusiones • La información genómica siempre incrementa la precisión usando Single Step. • Si los candidatos son genotipados este incremento es relevante. • La información de otras poblaciones aumenta la precisión, sobre todo en los individuos no genotipados.
Optimate Francisco CantĂn, Luis Varona Universidad de Zaragoza
Optimate • Inputs – Genealogía o información molecular (Formato PLINK) – Valores genéticos estimados – Lista de machos y hembras candidatos
• Outputs – Contribuciones optimas (machos y hembras) – Recomendación de apareamiento
Optimate Parámetros y Ficheros
Minimiza Parentesco Medio Genealógico o Molecular
Respuesta: Incremento de Parentesco
Variabilidad Maximiza Mérito Genético
Minimiza Consanguinidad
Optimo Intermedio: MATE SELECTION
Recomendación de Apareamientos Contribuciones optimas de machos y hembras
Ejemplos • Caso 1. Información genealógica. Maximización de la variabilidad. • Caso 2. Información genealógica. Maximización de la respuesta. • Caso 3. Información genealógica. Optimo Intermedio • Caso 4. Información molecular. Maximización de la variabilidad. • Caso 5. Información molecular. Maximización de la respuesta.