Comparação dos algoritmos delineação rápida em cadeia e seriação, para a construção de mapas genéticos

Pesquisa Agropecuária Brasileira

Marcelo Mollinari¹  Gabriel Rodrigues Alves Margarido¹  Antonio Augusto Franco Garcia¹ 

[1] ,Escola Superior de Agricultura Luiz de Queiroz Departamento de Genética Piracicaba SP

关键词: algoritmo ripple;    dados perdidos;    marcadores dominantes e co-dominantes;    método Monte Carlo;    QTL;    ripple algorithm;    missing data;    dominant and codominant markers;    Monte Carlo method;    QTL;   

DOI  :  10.1590/S0100-204X2008000400009

来源: SciELO

【 摘 要 】

O objetivo deste trabalho foi avaliar a eficiência, na construção de mapas genéticos, dos algoritmos seriação e delineação rápida em cadeia, além dos critérios para avaliação de ordens: produto mínimo das frações de recombinação adjacentes, soma mínima das frações de recombinação adjacentes e soma máxima dos LOD Scores adjacentes, quando usados com o algoritmo de verificação de erros " ripple" . Foi simulado um mapa com 24 marcadores, posicionados aleatoriamente a distâncias variadas, com média 10 cM. Por meio do método Monte Carlo, foram obtidas 1.000 populações de retrocruzamento e 1.000 populações F2, com 200 indivíduos cada, e diferentes combinações de marcadores dominantes e co-dominantes (100% co-dominantes, 100% dominantes e mistura com 50% co-dominantes e 50% dominantes). Foi, também, simulada a perda de 25, 50 e 75% dos dados. Observou-se que os dois algoritmos avaliados tiveram desempenho semelhante e foram sensíveis à presença de dados perdidos e à presença de marcadores dominantes; esta última dificultou a obtenção de estimativas com boa acurácia, tanto da ordem quanto da distância. Além disso, observou-se que o algoritmo " ripple" geralmente aumenta o número de ordens corretas e pode ser combinado com os critérios soma mínima das frações de recombinação adjacentes e produto mínimo das frações de recombinação adjacentes.

【 授权许可】

CC BY   
 All the contents of this journal, except where otherwise noted, is licensed under a Creative Commons Attribution License