​Introducción a la genética cuantitativa y al análisis de QTL​

​El​​fenotipo​​es​​cualquier​​carácter​​que​​medimos​​en​​un​​individuo.​​Ej:​​color​​del​​fruto,​​longitud​​del​​fruto,​​marcadores​
​moleculares, concentración de un metabolito, transcriptómica (cantidad de expresión de un gen)…​

​✰ El fenotipo es una combinación del genotipo de la planta más el ambiente (todo lo que no se controla en el​
​experimento: ej: si la planta está bajo el foco y la otra está entre dos focos, si en una hay pulgón y en otra no…). ✰​

​Podemos​​encontrar​​dos​​tipos​​de​​variación:​​la​​variación​​cuantitativa​​y​​la​​cualitativa.​​La​​variación​​cualitativa​​son​​los​
​genes​​mendelianos,​​el​​fenotipo​​se​​da​​por​​un​​gen,​​hay​​una​​segregación​​discreta,​​ej:​​guisantes​​amarillos​​o​​verdes,​
​planta resistente o susceptible... La variación cuantitativa da lugar a una segregación continua, como la altura.​

​Cuando​ ​se​ ​cruza​ ​un​ ​guisante​​verde​​con​​un​​amarillo,​​la​​F1​​es​​toda​​verde​​pero​​si​​está​​se​​autofecunda​​da​​lugar​​a​

​guisantes​​verdes​​y​​a​​guisantes​​amarillos.​​Se​​creía​​que​​esto​​pasaba​​porque​​los​​híbridos​​eran​​inestables.​​El​​truco​​de​
​Mendel fue​​contar​​, calculó una proporción 3:1 y vió​​que había una relación de dominancia.​

​Mendel creía que los genes eran unidades sueltas pero Morgan confirmó que están en cromosomas.​

​✿​ ​Caracteres complejos​

​Sin​​embargo,​​cuando​​hay​​una​​variación​​cuantitativa,​​no​​podemos​​contar​​ya​​que​​la​​segregación​​no​​mendeliana​​es​
​continua,​ ​tiene​ ​un​ ​máximo,​ ​un​ ​mínimo​ ​y​ ​un​ ​número​ ​indeterminado​ ​de​ ​valores​ ​intermedios.​ ​Ronald​ ​Fisher​
​desarrolló la teoría para explicar los caracteres complejos:​
​P = G + E + G x E​
​El fenotipo es una combinación del genotipo y el ambiente. Es decir:​
​-​ ​Dos​​individuos​​fenotípicamente​​idénticos​​pueden​​ser​​distintos​​genéticamente​​pero​​el​​efecto​​ambiental​
​hace que sean iguales.​
​-​ ​Dos​ ​individuos​ ​fenotípicamente​ ​distintos​ ​pueden​ ​ser​ ​muy​ ​parecidos​ ​genéticamente​ ​pero​ ​por​
​cuestiones del ambiente son distintos.​

​El efecto ambiental no se puede separar del genotípico en un individuo.​

​El gen A tiene dos alelos: A y a.​ ​A aumenta 10 gramos el peso del fruto.​
​aa: 40g​ ​Aa: 50g​ ​AA: 60g​
​Para un gen hay tres fenotipos distintos.​

​El gen B también afecta al peso del fruto, B incrementa 10 gramos:​

​bb​ ​Bb​ ​BB​

​aa​ ​40​ ​50​ ​60​

​Aa​ ​50​ ​60​ ​70​

​AA​ ​60​ ​70​ ​80​

​La​​planta​​homocigota​​para​​aa​​bb​​tiene​​menor​​tamaño​​y​​la​​homocigota​​para​​AA​​BB​​tiene​​el​​mayor.​​Con​​solo​​dos​
​genes hay 9 genotipos y 5 fenotipos a los que hay que sumar el​​efecto del ambiente.​

​El​​efecto​​del​​ambiente​​es​​desconocido​​y​​distinto​​para​​cada​​planta​​individual.​​Puede​​aumentar​​o​​disminuir​​el​​valor​
​el​ ​carácter​ ​de​ ​manera​ ​que​ ​para​ ​cada​ ​genotipo​​tenemos​​que​​aumenta​​o​​disminuye​​el​​fenotipo​​y​​acaba​​dando​
​lugar​ ​a​ ​una​ ​distribución​ ​continua​​para​​cada​​mismo​​genotipo​​(ej:​​aabb​​con​​sequía​​30g,​​aabb​​con​​poca​​luz​​35g,​
​aabb óptimas 40…).​

​Si​​conociéramos​​exactamente​​el​​genotipo​​y​​cogiésemos​​todas​​las​​plantas​​de​​mismo​​genotipo​​sabríamos​​el​​valor​
​del​​ambiente​​para​​el​​gen.​​->​​El​​valor​​medio​​del​​fenotipo​​de​​los​​individuos​​corresponde​​al​​valor​​genético​​de​​cada​
​alelo sin el ambiente​​. Esto permite conocer el valor​​del ambiente para cada individuo.​

​Si tengo un solo gen (A) con dos alelos (A y a), hay tres genotipos posibles: AA, Aa, aa.​
​Si tengo dos genes (A y B) con dos alelos cada uno (A, a, B, b) hay 9 genotipos y 5 fenotipos posibles.​
​Si tengo tres genes con dos alelos cada uno, hay 27 genotipos y 7 fenotipos posibles.​
​…​
​Cuantos más genes hay, más parece una distribución contínua, y si se suma el ambiente acaba siendo contínua.​
​Las leyes son las mismas que las mendelianas solo que hay muchos genes con diferentes efectos.​

​El​​objetivo​​es​​estudiar​​qué​​proporción​​de​​lo​​que​​vemos​​se​​hereda​​en​​los​​genes,​​no​​nos​​interesa​​el​​ambiente.​​¿Qué​
​proporción de la variación se hereda?​

​✿​ ​Valores genotípicos​

​Se puede estimar el efecto de los genes individuales:​
​○​ ​Efecto aditivo​​: sustituir un alelo por el otro. Por​​cada A aumenta 10g -> aa=40, Aa=50 y AA=60 // d=0​
​○​ ​Dominancia​​:​ ​el​ ​heterocigótico​ ​tiene​ ​un​ ​valor​ ​distinto​ ​al​ ​valor​ ​medio​ ​por​ ​la​ ​desviación​ ​causada​ ​por​
​dominancia​​(tiene​​varios​​grados).​​No​​es​​tan​​alto​​como​​AA​​ni​​tan​​bajo​​como​​aa​​(hay​​dominancia​​de​​igual​
​manera que en Mendel: el heterocigótico era verde porque el verde dominaba el amarillo)​​.​
​-​ ​Parcial (1>d>0): El heterocigoto no tiene un valor tan alto como algún homocigoto.​
​-​ ​Dominante (d=a): El heterocigoto tiene el valor de uno de los homocigotos.​
​-​ ​Sobredominancia (d>a): El heterocigoto tiene valor superior a ambos homocigotos.​

​a = aditividad​ ​d = dominancia​

​El​​cálculo​​del​​valor​​aditivo​​es​​la​​mitad​​de​​la​​diferencia​​entre​​los​​dos​​padres​​(a=​​(B-bb)/2)​​y​​el​​cálculo​​del​​valor​​de​​la​
​dominancia​ ​es​ ​el​ ​valor​ ​del​ ​heterocigoto​ ​y​ ​cuánto​ ​se​ ​desvía​ ​de​ ​la​ ​media​ ​de​ ​la​ ​suma​ ​de​ ​los​ ​dos​ ​homocigotos​
​(d=Bb-(BB+bb)/2).​

​-​ ​Si hay efecto aditivo, no hay dominancia: BB=60, Bb=50 y bb=40 -> a=10 y​​d=0​
​-​ ​Si es parcial, el valor de la dominancia es entre 0 y 1: BB=50, Bb=45 y bb=30 -> a=10 y d=0,5​
​-​ ​Si es dominante, la relación dominancia y aditividad es 1. BB=50, Bb=50, bb=30 -> a=10 y d=1​
​-​ ​Si​​hay​​sobredominancia,​​la​​relación​​dominancia​​y​​aditividad​​es​​superior​​a​​1.​​BB=50,​​Bb=70,​​bb=30​​->​​a=10​
​y d=30.​

​a​​= 10 significa que al cambiar el alelo b por B,​​el fruto aumenta/disminuye 10 gramos (por ejemplo).​
​El valor​​d​​siempre hay que mirarlo relativo al valor​​a. El signo indica la dirección: si es negativo significa que el​
​heterocigoto tiene un valor inferior al valor medio de los dos homocigotos, si es positivo es superior.​

​Se trabaja con la relación entre la dominancia y la aditividad.​

​Hay​​que​​tener​​en​​cuenta​​que​​en​​los​​individuos​​no​​hay​​un​​solo​​gen,​​sino​​varios​​que​​pueden​​interactuar​​entre​​ellos.​
​La interacción se llama epistasia.​​El genotipo tiene​​tres componentes​​: la​​aditividad​​, la​​dominancia​​y​​la​​epistasia​​.​

​Como​ ​nos​ ​interesa​ ​saber​ ​qué​ ​proporción​ ​del​ ​fenotipo​​se​​debe​​al​​ambiente​​y​​qué​​proporción​​a​​la​​aditividad,​​la​

​dominancia​​y​​la​​epistasia,​​no​​podemos​​trabajar​​con​​individuos,​​es​​necesario​​trabajar​​con​​poblaciones​​en​​las​​que​
​hay una media fenotípica y una varianza fenotípica.​

​✿​ ​Análisis poblacional: Varianzas​

​La​ ​varianza​ ​fenotípica​ ​de​ ​una​ ​población​ ​tiene​ ​dos​ ​componentes:​ ​la​ ​componente​ ​genotípica​ ​(variación​ ​de​ ​los​
​genes​ ​entre​ ​individuos)​ ​y​ ​la​ ​ambiental​ ​(cada​ ​individuo​ ​vive​ ​en​ ​un​ ​ambiente).​ ​La​​varianza​​genotípica​​también​
​tiene​ ​tres​ ​componentes:​ ​la​ ​aditiva​ ​(cada​ ​individuo​ ​tendrá​​una​​variación​​distinta​​entre​​los​​alelos),​​la​​dominante​
​(cada​ ​individuo​ ​tendrá​ ​una​ ​variación​ ​del​ ​grado​ ​de​ ​heterocigosis​ ​de​ ​sus​ ​genes)​ ​y​ ​la​ ​epistática​​(cada​​individuo​
​tendrá una combinación distinta de genes por lo que la interacción cambia).​

​V​​P​​=V​​G​+
​ V​​E​=
​ V​​A​+
​ V​​D​+
​ V​​I​+
​ V​​E​

​ ​2​ ​​P​=
σ ​2​ ​2​
​ σ​ ​A​​+σ​ ​D​+
​2​ ​2​
​ σ​ ​I​​+σ​ ​E​

​Cuando​​vemos​​variación​​queremos​​saber​​qué​​parte​​se​​debe​​a​​los​​genes,​​concretamente​​qué​​parte​​se​​debe​​a​​la​
​parte​​aditiva​​y​​qué​​a​​la​​no​​aditiva​​(la​​interacción​​entre​​alelos​​de​​un​​mismo​​gen​​=​​dominancia​​y​​la​​interacción​​entre​
​alelos de genes distintos = epistasia).​
 ​✿​ ​Varianza aditiva​
​Varianza aditiva (V​​A​​) -> BB = 2a, Bb = a, bb =​​0​
​El componente aditivo tiene reglas de transmisión:​
​-​ ​si​ ​cruzo​ ​BB​​(2a)​​con​​BB​​(2a),​​los​​hijos​​serán​​BB​​(2a)​​y​​tendrán​​el​​mismo​​componente​​aditivo,​​se​​puede​
​fijar.​
​-​ ​si cruzo Bb (a) con Bb (a), la descendencia será BB (2a), Bb (a) y bb (0). Solo se habrá fijado en un hijo.​
​El valor aditivo de un gen puede fijarse!​

​✿​ ​Varianza​​dominante​
​Varianza del heterocigoto (V​​D​)​ -> BB = 0, Bb = d,​ ​bb = 0​

​-​ ​si cruzo BB x BB, como no hay dominancia, no la estoy transmitiendo, por eso es 0.​
​-​ ​si cruzo Bb x Bb, se obtiene BB (0), Bb (d), bb (0).​
​El valor dominante es un parámetro que nunca se puede fijar, en cada segregación segrega!​

​✿​ ​Heredabilidad​
​La​ ​heredabilidad​ ​(h​​2​​),​​parámetro​​entre​​0​​y​​1,​​indica​​qué​​parte​​de​​la​​variación​​fenotípica​​es​​debida​​a​​la​​variación​
​genética​​.​​Si​​está​​cerca​​de​​1,​​significa​​que​​la​​mayoría​​se​​debe​​a​​variación​​genética,​​si​​está​​cerca​​del​​0​​es​​debida​​a​
​variaciones ambientales.​

​-​ ​En sentido amplio: qué proporción de la variación fenotípica es debida a los genotipos. h​​2​B​ ​​=V​​G​​/ V​​P​
​-​ ​En​​sentido​​estricto:​​qué​​proporción​​de​​la​​variación​​fenotípica​​se​​transmite​​de​​padre​​a​​hijos​​(​solo​​tiene​​en​
​cuenta la variación aditiva, no la dominante​​) h​​2​​N​=
​ V​​A​​/ V​​P​

​Ejemplo:​
​Obtenemos datos de varios individuos de tres variedades genéticamente homogéneas (A, B y C).​

​La​​variación​​del​​fenotipo​​de​​cada​ ​individuo​​de​​la​​misma​​variedad​​(no​​hay​​variación​​genética)​​permite​​estimar​​la​
​variación ambiental.​

​Con​​las​​medias​​de​​cada​​variedad​​(A=3,​​B=4​​y​​C=2)​​vemos​​que​​hay​​variación​​->​​La​​varianza​​entre​​variedades​​da​​una​
​estimación de la​​variación genética​​.​

​✿​ ​V​A​ ​ ​y heredabilidad en sentido estricto -> Correlación (r) parent-offspring​

​Una manera sencilla de estimar la heredabilidad transmisible es hacer una​​regresión padres-hijos​​.​

​Si​​sabemos​​para​​cada​​población,​​el​​valor​​del​​carácter​​de​​interés​​para​​los​​padres​​y​​los​​hijos,​​podemos​​calcular​​el​
​valor​ ​medio​ ​de​ ​los​ ​padres​ ​y​ ​ver​ ​si​ ​se​ ​correlaciona​ ​con​ ​el​ ​valor​ ​de​ ​los​ ​hijos.​ ​Si​ ​no​ ​se​ ​correlaciona,​ ​no​ ​hay​
​heredabilidad​​(0),​​son​​independientes.​​Si​​se​​correlaciona​​significa​​que​​hay​​una​​transmisión,​​los​​padres​​se​​parecen​
​a los hijos y la heredabilidad es similar a 1.​

​Si​​la​​heredabilidad​​en​​sentido​​estricto​​es​​0​​no​​significa​​que​​los​​genes​​no​​contribuyan​​al​​carácter,​​significa​​que​​no​
​hay​ ​variación​ ​genética​ ​para​ ​el​ ​carácter​​.​ ​Ejemplo:​ ​todos​ ​tenemos​ ​2​ ​ojos,​ ​la​ ​heredabilidad​ ​es​ ​0​ ​porque​ ​no​​hay​
​variación genética pero obviamente los genes están contribuyendo, solo que es un carácter muy protegido.​

​✿​ ​Heredabilidad y respuesta a la selección​

​La​ ​heredabilidad​ ​es​ ​importante​​ya​​que​​cuando​​hacemos​​selección​​para​​un​​carácter,​​la​​respuesta​​a​​la​​selección​
​que obtenemos depende de la heredabilidad​​. Si tenemos​​una baja heredabilidad, habrá poca respuesta.​
 ​✿​ ​Cuestiones a resolver para la genética cuantitativa​

​○​ ​Cuantos genes controlan el carácter​

​◇​ ​Según Mather hay muchos genes con un efecto alélico pequeño e igual.​
​◇​ ​Según Robertson hay pocos genes con efectos importantes y muchos con efecto pequeño.​
​El​​estudio​​de​​los​​genes​​de​​forma​​individual​​solo​​se​​puede​​llevar​​a​​cabo​​si​​el​​modelo​​correcto​​es​​el​
​de Robertson​

​○​ ​Proporción de la varianza fenotípica debida al genotipo​​(h​​2​B​ ​​) -> peso de los genes en la variación​
​○​ ​Proporción de la varianza fenotípica que se puede usar para mejora o selección​​(h​​2​​N​)​ ​
​○​ ​Interacción de los genotipos en los diferentes ambientes​​(GxE)​
​○​ ​Interacción entre genes​​(GxG)​
​○​ ​Heterosis​​-> Muchos híbridos tienen un valor más alto​​que ambos padres. Casi un 20% del cereal.​
​○​ ​Segregación​ ​transgresiva​ ​->​ ​Consiste​ ​en​ ​cruzar​ ​dos​ ​variedades​ ​y​ ​ver​ ​como​ ​en​ ​la​ ​segregación​
​aparecen individuos muy distintos a los parentales con más potencial que ellos.​

​○​ ​Aumentar​​la​​respuesta​​a​​la​​selección​​->​​Aumentar​​la​​heredabilidad​​en​​sentido​​estricto​​para​​tener​
​una mejor respuesta​
​○​ ​Manejar mejor el germoplasma exótico​

​✿​ ​Diseccionar caracteres cuantitativos: introducción al análisis de QTLs​

​Un​​QTL​​es un sitio del genoma que tiene un o varios​​genes relacionados con el carácter de interés.​

​Si​​en​​una​​población​​tenemos​​una​​distribución​​continua,​​esta​​está​​compuesta​​por​​las​​distribuciones​​de​​cada​​uno​
​de los genes que tienen que ver con el carácter de interés.​

​El​ ​objetivo​ ​es​​desgranar​​la​​distribución​​común​​compuesta​​por​​todos​​los​​genes​​para​​ver​​la​​distribución​​de​​cada​

​gen.​
​P = G + E = ∑ QTL + E​

​En​​este​​ejemplo​​podemos​​ver​​como​​cada​​genotipo​​tiene​​una​​distribución​​fenotípica,​​diferente​​entre​​sí​​y​​diferente​
​a la distribución fenotípica de la población. Cada genotipo tiene su propia variación.​

​✿​ ​¿Cuántos QTLs pueden detectarse?​

​Cada​​carácter​​que​​estudiamos​​puede​​estar​​bajo​​el​​control​​de​​pocos​​o​​muchos​​genes,​​por​​ello​​es​​necesario​​saber​
​cuántos​​genes​​hay.​​Esto​​tiene​​que​​ver​​con​​el​​diseño​​experimental,​​ya​​que​​puede​​tener​​ciertas​​limitaciones​​como​
​la​​heredabilidad​​:​​si​​es​​alta​​habrá​​poca​​variación​​genética​​por​​lo​​que​​será​​difícil​​detectarlos​​y​​si​​es​​baja​​habrá​​más​
​QTLs​​con​​efecto​​pequeño.​​Además,​​es​​necesario​​que​​el​​gen​​implicado​​en​​el​​carácter​​tenga​​variación​​poblacional,​
​si​ ​no​ ​tiene​ ​variación​ ​no​ ​lo​ ​podemos​ ​detectar.​ ​También​ ​es​ ​muy​ ​importante​ ​el​ ​tamaño​ ​poblacional​ ​por​ ​la​
​estadística​​que​​hay​​detrás​​(poblaciones​​grandes).​​Ejemplo:​​el​​gen​​de​​tener​​dos​​ojos​​no​​lo​​detectariamos​​porque​
​no hay variación.​
 ​✿​ ​Localización de los QTLs en un mapa de marcadores moleculares​

​Si​ ​tenemos​ ​una​ ​distribución​ ​continua​ ​de​ ​un​ ​fenotipo,​ ​generaremos​ ​un​ ​mapa​ ​genético​ ​con​ ​marcadores​
​moleculares,​​en​​el​​que​​ubicaremos​​los​​QTLs.​​Si​​tenemos​​la​​población​​fenotipada​​y​​sabemos​​dónde​​está​​el​​QTL,​
​sabremos​​qué​​individuos​​van​​a​​ser​​homocigotos​​y​​heterocigotos.​​Esto​​permitirá​​estimar​​el​​fenotipo​​de​​los​​QTLs​​ya​
​que​​al​​tenerlos​​localizados​​y​​sabiendo​​el​​genotipo​​de​​cada​​planta​​para​​esa​​región,​​podemos​​estimar​​el​​efecto​​de​
​cada QTL, ver cuál tiene mayor efecto, cuál tiene mayor dominancia… y hacer un catálogo de QTLs.​
​(A​​partir​​del​​fenotipo​​de​​los​​marcadores,​​inferimos​​el​​fenotipo​​del​​QTL,​​lo​​que​​permitirá​​inferir​​la​​dominancia​​y​​el​
​efecto​​aditivo).​​Ejemplo:​​Si​​un​​QTL​​tiene​​una​​aditividad​​de​​5​​y​​otro​​de​​10,​​el​​último​​tendrá​​un​​efecto​​mayor.​​Esto​
​también se puede ver con la dominancia, permitiendo ver si es aditivo, parcial, dominante o sobredominante.​

​✿​ ​Contribución del QTL a la variancia fenotípica​

​Un parámetro que se utiliza mucho es R​​2​,​ la proporción​​de la varianza que se atribuye a una variable QTL.​
​Un​​QTL​​menor​​explica​​menos​​del​​10%​​de​​la​​variación,​​esto​​significa​​que​​la​​distribución​​que​​tiene​​para​​cada​​clase​
​fenotípica​ ​del​ ​QTL​ ​es​ ​muy​ ​amplia.​ ​En​ ​cambio,​​los​​QTL​​mayores,​​R​​2​ ​superiores​​al​​20%​​explican​​más​​la​​variación​
​fenotípica.​

​Todo​​esto​​sirve​​para​​incrementar​​la​​respuesta​​a​​la​​selección​​ya​​que​​está​​depende​​de​​la​​heredabilidad​​en​​sentido​
​estricto.​ ​Ya​ ​que​ ​cuando​​tenemos​​un​​marcador​​no​​hay​​varianza​​ambiental​​,​​sólo​​vemos​​variabilidad​​genética.​​La​
​heredabilidad​ ​del​ ​marcador​ ​molecular​ ​bien​ ​hecho​ ​es​ ​1,​ ​todas​ ​las​ ​plantas​ ​con​ ​el​ ​marcador​ ​tendrán​ ​el​ ​gen​ ​de​
​interés.​​Sin​​embargo,​​el​​fenotipo​​si​​está​​influenciado​​por​​el​​ambiente.​​Esto​​es​​rutinario​​para​​genes​​de​​resistencia​​o​
​caracteres monogénicos.​
 ​Métodos de análisis de QTLs​

​✿​ ​¿Cómo mapear un QTL?​

​Partiendo​ ​de​ ​una​ ​variación​ ​fenotípica,​ ​¿cómo​ ​podemos​ ​llegar​ ​a​ ​saber​ ​dónde​ ​está​ ​el​ ​QTL​ ​en​ ​el​ ​mapa​ ​de​
​marcadores moleculares?​

​Se lleva a cabo un​​análisis de ligamiento​​teniendo​​en cuenta que son caracteres​​cuantitativos​​y no categóricos.​

​En​ ​el​ ​caso​ ​de​ ​los​ ​caracteres​ ​categóricos,​ ​los​ ​marcadores​ ​están​ ​ligados,​ ​ejemplo:​ ​aa​ ​y​ ​ab​ ​=​ ​resistente,​ ​bb=​
​susceptible​ ​->​ ​el​ ​marcador​ ​a​ ​ligado​ ​a​ ​la​ ​resistencia.​ ​Mientras​ ​que​ ​en​ ​los​ ​caracteres​ ​cuantitativos​ ​hay​​muchos​
​valores numéricos que hay que asociar a la variación de los marcadores, no es tan sencillo.​

​✿​ ​¿Qué necesitamos para mapear QTLs?​

​Para mapear QTLs es necesario una población en la que los marcadores y los fenotipos segreguen.​
​Primero,​ ​se​ ​genotipa​ ​la​ ​población​ ​que​ ​segregue​ ​para​ ​el​ ​carácter​ ​de​ ​interés,​ ​se​ ​hace​ ​un​ ​mapa​ ​genético​ ​y​ ​se​
​fenotipa. Luego se utiliza un método de análisis de QTLs.​

​Hay​ ​muchas​ ​poblaciones​ ​para​ ​el​ ​análisis​ ​de​ ​QTLs:​ ​retrocruzamientos,​ ​F​2​ ​​,​ ​doble​ ​haploide,​ ​RILs*,​ ​líneas​ ​de​
​introgresión...​

​*​ ​RILS:​ ​se​ ​cruzan,​ ​se​ ​obtienen​ ​muchos​ ​individuos​ ​que​ ​se​ ​autofecundan​ ​varias​ ​veces,​ ​disminuyendo​ ​la​
​heterocigosidad​​y​​obteniendo​​en​​cada​​línea​​una​​combinación​​de​​un​​parental​​en​​homocigosis.​​Requiere​​mucho​
​tiempo.​

​✿​ ​Poblaciones del mapeado de la siguiente generación​

​Multiparent​ ​Advanced​ ​Generation​ ​Inter-Cross​ ​(​MAGIC​​)​ ​->​​se​​parte​​de​​8​​parentales​​y​​se​​generan​​individuos​​con​
​una baraja de ocho genomas distintos.​

​Nested​ ​Association​ ​Mapping​ ​(​NAM​​)​ ​->​ ​se​ ​parte​ ​de​ ​una​ ​gran​ ​cantidad​ ​de​ ​fundadores​ ​que​ ​se​ ​cruzan​ ​con​ ​un​
​parental común en todas las líneas. Cada población proviene de uno de los fundadores + el común.​

​Otra​ ​opción​ ​es​ ​llevar​ ​a​ ​cabo​ ​un​ ​GWAS,​ ​mapeando​ ​directamente​ ​en​ ​poblaciones​ ​naturales​ ​o​ ​colecciones​ ​de​
​germoplasma.​

​✿​ ​Como mapeamos los QTLs​

​¿Cómo​​mapeamos​​los​​QTLs​​partiendo​​de​​datos​​que​​corresponden​​a​​variación​​genética​​(del​​marcador)​​y​​variación​
​fenotípica numérica (del carácter)?​
​Nuestros​ ​datos​ ​son​ ​valores​ ​numéricos​ ​respecto​ ​al​ ​fenotipo​ ​y​ ​una​
​batería​​de​​marcadores,​​cada​​cuál​​con​​una​​segregación​​distinta.​​Para​
​ver​ ​qué​ ​marcador​ ​está​ ​asociado​ ​al​​fenotipo,​​se​​empieza​​agrupando​
​los​ ​datos​ ​por​ ​genotipo​ ​(AA,​ ​Aa,​ ​aa),​ ​se​ ​calcula​ ​la​ ​media​ ​del​ ​valor​
​fenotípico​​numérico​​para​​cada​​genotipo​​(AA=49,​​Aa=40,​​aa=34).​​Si​​las​
​medias son distintas hay un QTL cerca, si son iguales no​​.​

​Hay​ ​que​ ​realizar​ ​un​ ​screening​ ​de​ ​todo​ ​el​ ​genoma,​ ​con​ ​todos​ ​los​
​marcadores​​posibles​​y​​ver​​en​​cuáles​​hay​​medias​​distintas​​y​​en​​cuáles​
​no.​ ​En​ ​los​ ​marcadores​ ​que​ ​se​ ​observe​ ​una​ ​media​​distinta​​entre​​los​
​alelos, tendremos un QTL.​

​Ejemplo​​D19​​->​​Distribución​​según​​su​​altura,​​blanco​​=​​mujeres​​y​​negro​
​= hombres -> se debe a la presencia o ausencia del cromosoma Y.​

​En​​el​​ejemplo​​inferior​​hay​​dos​​marcadores,​​el​​A​​(AA​​y​​aa)​​y​​el​​B​​(BB​​y​
​bb).​ ​Se​ ​separan​ ​ambos​ ​marcadores​ ​y​ ​se​ ​calculan​ ​las​ ​medias​ ​para​
​cada​​caso.​​Se​​hace​​una​​t-student,​​la​​cual​​indica​​si​​la​​diferencia​​de​​las​
​medias es significativa o no para concluir que hay un QTL. En el caso de A no lo sería.​

​Si las medias del homocigoto dominante y el homocigoto recesivo​

​son muy diferentes posiblemente tengamos un marcador.​

​En​ ​la​ ​tabla​ ​de​ ​la​ ​izquierda​ ​partimos​

​con​ ​siete​ ​marcadores​ ​distintos​ ​y​ ​tras​
​la​ ​t-student,​ ​solo​ ​uno​ ​da​ ​un​ ​valor​
​significativo.​

​Tabla​ ​derecha:​ ​Si​ ​conocemos​ ​el​

​genotipo​ ​del​ ​marcador,​ ​a​​partir​​de​​la​
​media​ ​podemos​ ​calcular​ ​el​
​componente​ ​aditivo,​ ​la​ ​variación​ ​de​
​dominancia y la relación d/a.​

​Que​ ​un​ ​individuo​ ​sea​ ​homocigoto​

​para​​un​​marcador​​no​​significa​​que​​sea​
​homocigoto para un QTL.​
​Si​ ​conocemos​ ​la​ ​posición​ ​de​ ​los​ ​marcadores​ ​en​ ​el​ ​genoma,​
​podemos​ ​usar​ ​esta​ ​información​ ​junto​ ​a​ ​la​ ​significancia​ ​del​ ​test​
​estadístico​ ​para​ ​representar​ ​un​​gráfico​​que​​nos​​permitirá​​ver​​una​
​región con mucha asociación, esto indicará la posición del QTL.​

​En​ ​el​ ​caso​ ​de​ ​ejemplo,​ ​los​ ​marcadores​ ​más​ ​cercanos​ ​al​​QTL​​son​
​TG155​​y​​CT50.​​¿El​​marcador​​CT173​​está​​asociado​​al​​QTL?​​Sí,​​porque​
​está cerca, pero CT50 lo está más.​

​Para​​esto​​se​​utiliza​​un​​software​​standard​​(SAS,​​Systat,​​Statviez,​​JMP,​​Statgraph…).​​El​​problema​​está​​en​​que​​el​​sitio​
​exacto donde está el QTL no lo podemos identificar.​

​Limitaciones​​:​​poco​​poder​​de​​detección​​de​​QTLs,​​infraestimación​​del​​efecto​​del​​QTL,​​baja​​resolución​​de​​la​​posición​
​del QTL y estimaciones confusas sobre el efecto y la posición del QTL.​

​✿​ ​Interval​​mapping​
​Para​ ​intentar​ ​mejorar​ ​las​ ​limitaciones,​ ​se​ ​lleva​ ​a​ ​cabo​ ​el​ ​método​ ​interval​ ​mapping​ ​que​​en​​vez​​de​​estudiar​​los​
​marcadores​​individualmente,​​divide​​el​​mapa​​en​​intervalos​​para​​estimar​​la​​probabilidad​​de​​la​​presencia​​de​​un​​QTL​
​entre dos marcadores.​

​❀​ ​LOD​​score​
​El​ ​LOD​ ​score​ ​es​ ​una​ ​prueba​ ​de​ ​probabilidades​ ​->​​en​​una​​posición​​del​​genoma​​cual​​es​​la​​probabilidad​​de​​que​
​haya un QTL relativa a la probabilidad de que no haya.​

​Está en escala logarítmica:​

​-​ ​LOD1: la probabilidad de que haya un QTL es 10 veces superior a que no la haya.​
​-​ ​LOD2: la probabilidad de que haya un QTL es 100 veces superior a que no la haya.​
​…​
​El QTL está en las zonas de máximo LOD.​

​El​​output​​del​​interval​​mapping​​es​​un​​valor​​de​​LOD​​para​​cada​​posición​​del​​genoma.​
​El​​sitio​​más​​probable​​es​​el​​máximo​​LOD​​.​​Cada​​pico​​es​​una​​estimación​​de​​la​​posición​
​del QTL, pero como es una estimación hay un​​error asociado​​.​

​¿Cuál​ ​es​ ​el​ ​error?​ ​La​ ​estrategia​ ​más​ ​común​ ​es​ ​hacer​ ​intervalos​​alrededor​​de​​dos​
​valores​​de​​LOD​​a​​partir​​del​​LOD​​máximo.​​Con​​esto​​se​​obtiene​​una​​posición​​dentro​
​de​​un​​intervalo​​de​​confianza,​​pero​​no​​es​​exacta.​​Cuanto​​más​​estrecha​​sea​​la​​curva​
​de LOD, el error será más pequeño, en cambio, si es amplia será mayor.​

​¿De​​qué​​depende​​que​​una​​curva​​de​​LOD​​sea​​más​​ancha​​o​​no?​​Depende​​del​​efecto​
​del​ ​QTL​ ​(QTLs​ ​con​ ​poco​ ​efecto​ ​=​​picos​​aplanados;​​QTLs​​con​​mucho​​efecto​​=​​pico​
​alto),​​del​​tamaño​​de​​la​​población​​y​​recombinación​​(más​​individuos​​=​​más​​recombinación​​=​​más​​fácil​​ubicar​​QTL;​
​pocos individuos = poca recombinación = poca resolución = más difícil ubicar el QTL = pico ancho).​

​El​​interval​​mapping​​funciona​​bien​​si​​solo​​hay​​un​​QTL​​en​​el​​cromosoma​​(como​​si​​fuese​​unigénico,​​A).​​Si​​hay​​más​
​de uno da cosas raras. Pueden haber dos QTLs pero que solo dé un pico, detectando uno (B) o no ver nada (E).​
 ​✿​ ​Composite Interval Mapping (CIM)​
​Dadas​ ​las​ ​limitaciones​ ​del​ ​interval​ ​mapping,​ ​se​ ​desarrolló​ ​el​ ​“composite​ ​interval​ ​mapping”​​(CIM),​​teniendo​​en​
​cuenta que tratamos problemas multigénicos.​

​Primero​ ​se​ ​hace​ ​un​ ​análisis​ ​estándar​ ​para​ ​ver​ ​qué​ ​marcadores​ ​están​ ​asociados​ ​al​ ​carácter.​ ​Por​ ​ejemplo:​ ​Los​
​marcadores​​en​​rojo​​están​​asociados​​al​​carácter,​​vamos​​a​​ver​​si​​el​​QTL​​está​​en​​la​​región​​amarilla.​​Para​​saber​​cual​​es​
​el​​LOD​​para​​esa​​posición,​​hay​​que​​tener​​en​​cuenta​​los​​marcadores​​que​​están​​en​​esa​​región​​pero​​también​​aquellos​
​marcadores asociados fuera de la región de interés, conocidos como​​cofactores​​.​

​Utilizando​ ​cofactores​ ​se​ ​absorbe​ ​la​ ​varianza​ ​de​ ​otros​ ​QTLs​ ​que​ ​no​ ​están​ ​en​​la​​zona,​​lo​​que​​permite​ ​reducir​​el​
​ruido genético​​de otras zonas causado por otros QTLs.​

​La​​idea​​es​​la​​misma​​que​​el​​interval​​mapping,​​va​​por​​intervalos​​y​​en​​cada​​sitio​​calcula​​el​​LOD​​.​​A​​diferencia​​de​​que​
​al​ ​hacer​ ​un​​screening​​tiene​​en​​cuenta​​donde​​hay​​otros​​QTLs,​​de​​manera​​que​​la​​varianza​​que​​producen​​es​​más​
​pequeña​​y​​se​​reduce​​el​​ruido​​genético.​​Reducir​​la​​varianza​​dentro​​de​​cada​​media​​nos​​ayuda​​a​​tener​​más​​potencia​
​de detección​​.​

​Las​​gráficas​​de​​LOD​​de​​IM​​y​​CIM​​son​​muy​​parecidas​​pero​​con​​más​​potencia​​de​​detección​​en​​el​​caso​​de​​CIM,​​ya​
​que los picos son más estrechos. En CIM, si hay 2 QTLs lo suficientemente separados es capaz de diferenciarlos.​

​✿​ ​Otros métodos de QTLs​

​Son extensiones de los métodos explicados, nadie ha inventado nada nuevo.​

​✿​ ​Threshold para determinar QTLs significativos estadísticamente​

​Tenemos un pico pero, ¿cómo sabemos que un pico es significativo o no como para considerar que hay un QTL?​
​Se define un​​umbral estadístico​​para diferenciar entre​​ruido y LOD significativo.​
​Inicialmente​ ​se​ ​definió​ ​un​ ​umbral​ ​de​ ​2,​ ​pero​ ​había​ ​muchos​​falsos​​positivos.​​En​​un​​experimento,​​puedes​​tener​
​muchas​ ​tipologías​ ​de​ ​variación​ ​en​ ​un​ ​carácter,​ ​por​ ​lo​ ​que​ ​no​ ​puedes​ ​aplicar​ ​el​ ​mismo​ ​LOD​ ​para​ ​todas.​ ​Es​
​necesario​​calcular el valor apropiado para cada variable​​y experimento​​con un test de​​permutación​​.​

​Se​ ​tienen​ ​datos​ ​genotípicos​ ​(marcadores)​ ​y​ ​los​ ​fenotipos.​​Se​​coge​​el​​fenotipo​​y​​se​​randomiza,​​separándolo​​del​

​genotipo​​y​​rompiendo​​asociaciones​​genotipo-fenotipo,​​con​​el​​fenotipo​​randomizado​​se​​hace​​una​​distribución​​y​
​se​ ​ve​ ​el​ ​resultado​ ​fruto​ ​del​ ​azar.​ ​Este​ ​proceso​ ​se​​repite​​muchas​​veces,​​randomizando​​el​​fenotipo​​más​​de​​1000​
​veces​​para​​eliminar​​asociaciones.​​Para​​cada​​randomización​​se​​ha​​obtenido​​un​​LOD​​máximo,​​por​​lo​​que​​al​​final​​se​
​consiguen​ ​1000​ ​LODs​ ​máximos​​frutos​​del​​azar.​​Con​​los​​LOD​​máximos​​de​​cada​​vez​​se​​hace​​una​​distribución,​​se​
​obtiene​​un​​LOD​​medio​​y​​se​​calculan​​los​​percentiles​​para​​ver​​el​​P95​​(a​​partir​​del​​P95​​hay​​un​​5%​​de​​probabilidad​​de​
​que el valor sea aleatorio) y así ver la probabilidad de que el LOD sea por azar.​
​En el caso de la imagen anterior:​
​Si tenemos un LOD mayor a 2,9 la probabilidad de que sea al azar es menor al 5%. Se da por positivo.​
​Si tenemos un LOD menor a 2,9 la probabilidad de que sea al azar es más del 5%. No es positivo.​

​En​ ​esta​ ​imagen,​ ​tenemos​ ​11​ ​cromosomas​ ​y​ ​varios​ ​picos​ ​de​ ​LOD.​ ​¿Qué​ ​picos​ ​cogemos​ ​como​ ​significativos?​
​Primero​​hacemos​​el​​test​​de​​permutaciones​​y​​calculamos​​el​​LOD​​significativo.​​Una​​vez​​tenemos​​la​​curva​​de​​LOD​​y​
​el threshold decidimos que solo los tres del asterisco son significativos.​

​La altura del LOD está relacionada con el efecto:​

​-​ ​LOD grande = efecto grande = curva más estrecha​
​-​ ​LOD pequeño = efecto pequeño = curva más ancha.​

​Conclusión​​del​​tema​​según​​Antonio:​​A​​partir​​de​​una​​distribución​​fenotípica,​​con​​los​​marcadores​​(genética)​​y​​los​
​métodos​ ​estadísticos​ ​ubicamos​ ​algunos​ ​genes​​que​​no​​sabíamos​​donde​​estaban​​además​​de​​tener​​información​
​sobre sus efectos.​
 ​Diseño experimental de las QTLs. Interpretación de los resultados​

​✿​ ​Esquema de un experimento de mapeo de QTLs​

​Es un proceso largo, dura muchos años, por lo que es necesario tenerlo todo muy claro antes de empezar.​

​El​​primer​​paso​​hay​​que​​tener​​claro​​y​​decidi​​r​​qué​​carácter​​queremos​​estudiar​​1​​.​​Luego​​hay​​que​​elegir​​los​​mejores​
​parentales​​2​ ​para​ ​ese​ ​carácter,​ ​para​ ​ello​ ​son​​necesarios​ ​estudios​​de​​variabilidad​​genética,​​ya​​que​​si​​conocemos​
​muy bien la variabilidad genética de la especie, elegiremos mucho mejor los parentales óptimos.​

​El​ ​siguiente​ ​paso​ ​es​ ​generar​ ​una​ ​población​​de​​mapeo​​3​​.​​Hay​​varias​​poblaciones​​de​​mapeo​​y​​cada​​una​​permite​

​obtener una información u otra, por lo que es un paso importante.​
​-​ ​Inmortal: RILs, LDH, ILs​
​-​ ​Temporal: F2, BC, AB-BC​

​Luego​​es​​necesario​​genotipar​​la​​población​​4​ ​usando​​marcadores,​​además​​de​​fenotiparla​​5​ ​(en​​QTLs​​complejos,​​es​

​necesario caracterizar la misma población varias veces, en los journals de prestigio piden mínimo 3 veces).​
​Una vez hecho todo esto, el siguiente paso es hacer un​​análisis de QTLs​​6​ ​para identificar dónde están.​

​Esto​​es​​solo​​el​​principio​​ya​​que​​una​​vez​​hechos​​los​​seis​​pasos​​es​​necesarios​​hacer​​más​​experimentos​​para​​verificar​
​el efecto de los QTLs. Ya que el objetivo de estos analisis no es ubicarlos solo, sino trabajar con los QTLs.​

​✿​ ​Objetivos y parentales​

​¿Qué objetivos tenemos? ¿Qué parentales hemos de elegir?​
​En​​los​​inicios,​​se​​quería​​ver​​si​​para​​el​​planteamiento​​funcionaba,​​se​​cruzaban​​variedades​​con​​especies​​silvestres​​o​
​muy alejadas, obteniendo mucha variedad genética.​

​Para​​mapear​​genes​​interesantes​​relacionados​​con​​el​​fenotipo​​hay​​que​​ir​​a​​cultivares,​​ya​​que​​una​​especie​​silvestre​
​a​ ​nivel​ ​de​ ​productividad,​ ​calidad..​ ​no​ ​es​ ​tan​ ​interesante.​ ​Aunque​ ​las​ ​especie​ ​silvestres​ ​pueden​ ​revelar​ ​genes​
​ocultos​​que​​pueden​​mejorar​​la​​calidad​​o​​bién​​pueden​​tener​​genes​​que​​den​​tolerancia​​a​​algún​​estrés​​abiótico​​o​
​biótico, ya que en general están mejor adaptadas.​

​Podemos tener dos aproximaciones:​

​-​ ​target: me interesa este caracter, busco quien lo tiene y lo cruzo con quien no lo tiene.​
​-​ ​untarget: cruzo la variedad con la que trabajo con cosas muy raras para ver qué sale.​

​Los​​padres​​deben​​ser​​polimórficos​​a​​nivel​​fenotípico​​y​​a​​nivel​​molecular.​​Hasta​​hace​​poco​​esto​​era​​un​​probelma​​al​
​trabajar​​con​​cultivares​​ya​​que​​la​​variación​​molecular​​es​​muy​​baja​​en​​comparación​​con​​la​​fenotípica​​(ej:​​tomates,​
​excepción: melón). Pero hoy en día, gracias a las herramientas de secuenciación masiva no es un problema.​

​✿​ ​Población​
​La​​elección​​de​​la​​población​​dependrá​​del​​poder​​de​​detección​​de​​QTLs​​que​​tenga,​​que​​tipo​​de​​efecto​​podemos​
​estudiar​​y​​el​​tamaño​​poblacional,​​que​​determina​​la​​potencia​​del​​experimento.​​En​​cuanto​​al​​tamaño​​poblacional,​
​es conveniente que sea mayor de 100, y si se pueden superar los 200 mejor.​

​Tipos de poblaciones:​
​○​ ​Retrocruzamientos​​-> Una meiosis, solo uno de los​​cromosomas es recombinante.​

​○​ ​Retrocruzamientos avanzados​​-> Dos meiosis, solo uno​​de los cromosomas es recombinante​
 ​○​ ​F2 -> Una meiosis, cromosomas heterocigotos.​

​○​ ​Doble haploides​

​○​ ​RILs​
​○​ ​ILs​

​Siguiente generación de poblaciones de mapeo: Con muchos parentales -> MAGIC, NAM​
​También​ ​se​ ​pueden​ ​llevar​ ​a​ ​cabo​ ​GWAS,​ ​mapeando​ ​directamente​ ​poblaciones​ ​naturales​ ​o​ ​colecciones​ ​de​
​germoplasma.​

​Cada población tiene una estructura genética distinta:​

​-​ ​A nivel de potencia estadística:​
​○​ ​F2 -> hay homocigotos y heterocigotos. La segregación es [Link]​
​○​ ​RILs, LDH, NAM y MAGIC -> son homocigotas, no hay heterocigotas. La segregación es 1:1.​
​○​ ​BC1 y BC2 -> hay heterocigotos y homocigotos pero falta uno de los homocigotos.​

​-​ ​¿Qué efectos genéticos podemos estudiar en cada una?​

​○​ ​F2 -> efectos aditivos y dominantes​
​○​ ​RILs,​​LDH,​​NAM​​y​​MAGIC​​->​​solo​​efecto​​aditivo,​​como​​solo​​hay​​homocigotos​​no​​podemos​​estudiar​
​la dominancia. No interesan a la hora de hacer híbridos ya que no hay heterocigotos.​
​○​ ​BC1​​y​​BC2​​->​​como​​uno​​de​​los​​homocigotos​​no​​está​​presente,​​los​​efectos​​genéticos​​no​​se​​pueden​
​detectar porque es una especie de combinación entre el efecto aditivo y dominante.​

​-​ ​El porcentaje del genoma de los parentales:​

​○​ ​F2​​->​​Cada​​planta​​tiene​​una​​mezcla​​distinta​​de​​los​​genomas​​de​​los​​parentales​​pero​​de​​media​​es​​el​
​50% de cada parental.​
​○​ ​RIL/LDH/NAM​​->​​Cada​​planta​​tiene​​una​​mezcla​​distinta​​de​​los​​genomas​​de​​los​​parentales​​pero​​de​
​media es el 50% de cada parental.​
​○​ ​BC1​ ​y​ ​BC2​ ​->​ ​Hay​ ​mas​ ​genoma​ ​del​ ​receptor​​que​​del​​donante​​.​​Esto​​hay​​que​​tenerlo​​en​​cuenta​
​cuando hacemos cruces con cosas raras.​
​Esto​​hay​​que​​tenerlo​​en​​cuenta,​​ya​​que​​si​​generamos​​líneas​​en​​las​​que​​el​​donante​​es​​el​​tomate​​silvestre​​y​
​el​​receptor​​el​​cultivado,​​el​​resultado​​cambiará​​mucho​​según​​la​​población.​​Si​​trabajamos​​con​​F2​​o​​RIL,​​las​
​líneas​ ​serán​ ​mitad​ ​donante​ ​-​ ​mitad​ ​silvestre,​ ​serán​ ​una​ ​mezcla​ ​rara​ ​entre​​ambos​​y​​será​​difícil​​sacarle​
​partido.​​Para​​cruzar​​con​​cosas​​raras​​es​​mejor​​utilizar​​retrocruces​​para​​que​​el​​resultado​​se​​parezcan​​a​​la​
​especie cultivada pero con características de la rara.​

​-​ ​La capacidad de resolución de cada población depende de la frecuencia de recombinación.​

​○​ ​F2,​ ​RIL,​ ​IL​ ​->​ ​Las​ ​poblaciones​ ​biparentales​ ​tienen​ ​poca​ ​recombinación,​ ​ya​ ​que​ ​se​ ​cruza​ ​y​ ​se​
​autofecunda (al autofecundar disminuye la recombinación y por tanto la resolución).​
​○​ ​MAGIC, NAM -> Las multiparentales tienen mucha recombinación.​
​○​ ​Association Map -> Al hacer GWAS, hay mucha recombinación y por tanto resolución.​

​Este​ ​gráfico​ ​compara​ ​la​ ​resolución​ ​de​ ​las​

​poblaciones​ ​y​ ​el​ ​tiempo​ ​que​ ​se​ ​tarda​ ​en​
​generarlas.​ ​Una​ ​buena​ ​población​ ​de​ ​RIL,​​NAM​​o​
​MAGIC​ ​tarda​ ​de​ ​4​ ​a​ ​5​ ​años​ ​pero​ ​tienen​ ​mayor​
​potencial.​ ​Las​ ​F2/BC​ ​tardan​ ​aproximadamente​ ​1​
​año,​​son​​una​​buena​​opción​​si​​se​​tiene​​prisa,​​pero​
​no son muy buenas (son la peor opción).​

​Al​ ​generar​ ​una​ ​población,​ ​no​ ​se​ ​hace​​pensando​

​que es un experimento, se hace como recurso.​
​Si​ ​es​ ​un​ ​carácter​ ​de​ ​genética​ ​sencilla​​y​​se​​tiene​​prisa,​​una​​F2​​o​​un​​BC​​sirve,​​pero​​si​​es​​un​​carácter​​de​​genética​
​compleja y queremos que dure en el tiempo, es necesario generar una buena línea con RILs, MAGIC…​

​Esta tabla es una comparación de las poblaciones:​

​Diapositiva 22:​​Conclusión sobre qué población elegir según lo que queramos estudiar​
​-​ ​QTLs aditivos -> cualquiera.​
​-​ ​Dominancia -> F2 o DHL, RIL, NAM, MAGIC, IL​
​-​ ​Reject recessive QTLs -> BC​
​-​ ​Disminuir esterilidad, problemas de ligamiento y para aplicaciones de mejora -> BC2 y IL​
​-​ ​QTLxE -> DHL, RIL, IL,MAGIC, NAM​
​-​ ​Testeo de múltiples alelos -> MAGIC, NAM​
​-​ ​Mapeo de alta resolución -> MAGIC, NAM​

​✿​ ​Marcadores​
​Hoy en día solo se usan SNPs, genotipado masivo o secuenciación. Ha dejado de ser un problema.​

​Es​​necesario​​fenotipar​​la​​población.​​Esto​​es​​lo​​más​​importante​​de​​todo,​​hay​​que​​ser​​cuidadosos​​a​​la​​hora​​de​​hacer​
​el diseño experimental, por ejemplo:​
​❁​ ​Poner​ ​varias​ ​réplicas​ ​de​ ​cada​ ​genotipo​​,​ ​no​ ​solo​ ​una​​planta,​​de​​esta​​forma​​reducimos​​el​​posible​​error​
​ambiental.​
​❁​ ​Repetir el experimento​​en distintos sitios para ver​​si las QTLs son estables.​

​Ejemplo:​​Una​​población​​F2​​de​​200​​individuos,​​con​​11​​cromosomas.​​En​​la​​tabla,​​las​​columnas​​son​​individuos​​y​​las​
​filas marcadores. La última fila es el valor del carácter que hemos medido para cada planta.​

​El​​mapa​​de​​ligamiento​​indica​​en​​qué​​cromosomas​​están​
​los​ ​marcadores,​ ​en​ ​qué​ ​orden​ ​y​ ​la​ ​distancia​ ​entre​ ​los​
​marcadores.​ ​Trabajamos​ ​con​ ​distancia​​genética​​ya​​que​
​esta​ ​depende​ ​de​ ​la​ ​recombinación​ ​y​ ​esta​ ​no​ ​es​
​homogénea​​(los​​centrómeros​​no​​recombinan),​​mientras​
​que​ ​la​ ​distancia​​física​​no​​nos​​sirve,​​porque​​depende​​de​
​los nucleótidos (ignora la recombinación).​

​Una​ ​vez​ ​tenemos​ ​estas​ ​la​ ​tabla​ ​y​ ​el​​mapa,​​hacemos​​el​

​análisis QTL con el software QTL Cartographer.​

​El​​primer​​análisis​​de​​QTLs​​que​​debemos​​hacer​​es​​el​​más​
​sencillo,​ ​el​ ​single​ ​marker​ ​analysis​ ​->​ ​asociación​ ​por​
​asociación. Es el más sencillo, debe ser coherente con los análisis posteriores, que son más complejos.​
​Este análisis va marcador por marcador viendo si alguno está asociado con el carácter. El output es el siguiente:​

​En​​el​​cromosoma​​1,​​el​​marcador​​1​​no​​es​​significante​​(0,184),​​en​​cambio,​​el​​marcador​​2​​si​​(0,027).​​En​​el​​cromosoma​
​8,​​está​​muy​​cerca​​del​​0,05​​por​​lo​​que​​es​​justito​​(0,043).​​En​​el​​cromosoma​​6​​y​​en​​el​​10​​tenemos​​varios​​marcadores​
​con​ ​selección​ ​muy​ ​alta,​ ​por​ ​lo​ ​que​ ​son​​zonas​​interesantes.​​->​​Este​​análisis​​sencillo​​será​​nuestra​​referencia​​para​
​tener una visión de por dónde están los QTLs (parece que el 6 y 10 pero hay que verlo con más análisis).​

​El siguiente paso es llevar a cabo el interval mapping. Esto da un gráfico muy similar al anterior: .​

​El​​siguiente​​paso​​es​​llevar​​a​​cabo​​el​​composite​​interval​​mapping,​​en​​el​​que​​en​​cada​​región​​incluimos​​marcadores​
​que​ ​están​ ​en​ ​varios​ ​cromosomas​ ​para​ ​reducir​ ​el​ ​ruido​ ​que​ ​generan​ ​los​ ​QTLs​ ​presentes​ ​en​ ​otras​​regiones​​del​
​genoma. Hay que indicar al programa cuántos marcadores puede usar, el software de normal pone 5, está bien.​
​Como resultado, no cambia mucho, sigue destacando el 6 y el 10, aunque resalta más el 3 que el resto.​

​El​ ​hecho​ ​de​ ​que​ ​el​ ​single​ ​marker​ ​y​​el​​interval​​mapping​​den​​gráficos​​parecidos​​tiene​​sentido​​ya​​que​​el​​IM​​está​

​pensado​​para​​usarse​​con​​pocos​​marcadores​​y​​al​​tener​​muchos,​​los​​intervalos​​son​​muy​​pequeños​​(5​​cM)​​por​​lo​​que​
​hay poca recombinación y poco a resaltar.​
​El CIM cambia un poco al añadir los cofactores, esto permite obtener picos más finos.​
 ​✿​ ​Escoger un threshold estadístico p<0,05​
​¿Qué picos son significativos? Hay que hacer el test de permutación.​

​En​​este​​ejemplo​​se​​han​​hecho​​500​​permutaciones.​​En​​una​​de​​las​​veces​​salió​​un​
​LOD de 4,92, en dos veces 4,31…​

​El​ ​5%​​de​​500​​es​​25,​​por​​lo​​que​​en​​un​​5%​​de​​veces​​ha​​salido​​un​​LOD​​de​​3,46​​o​
​superior.​​Es​​decir,​​si​​tenemos​​un​​LOD​​de​​3,46​​o​​superior,​​la​​probabilidad​​de​​que​
​sea​ ​por​ ​azar​ ​es​ ​menor​ ​del​ ​5%.​ ​Si​ ​queremos​ ​un​ ​error​ ​menor,​ ​como​ ​del​ ​1%,​
​calculamos el 1% de 500, que es 5 y sale un LOD de 4,13 o superior.​
​Esto permite catalogar el error de los QTLs.​

​Para​ ​un​ ​experimento​ ​ideal,​​con​​una​​población​​de​​200​​líneas,​​un​​carácter​​con​

​distribución normal, etc, los LODs están por encima de 3.​
​Si la distribución no es normal, pueden salir LODs superiores.​
​En el ejemplo, con el threshold, el IM da como output dos QTLs significativos (6 y 10) y el CIM da tres (3, 6, 10).​
​No es qué sólo haya 3 QTLs significativos, es que se han podido detectar 3!​

​¿Cuáles​ ​son​ ​los​ ​efectos​ ​de​ ​los​ ​QTL​​significativos?​​Queremos​​saber​​en​​qué​​cromosoma​​está,​​cuál​​es​​la​​posición​

​dentro​ ​del​ ​cromosoma,​ ​cual​ ​es​ ​el​ ​efecto​ ​aditivo,​ ​si​ ​hay​ ​dominancia​ ​de​ ​qué​ ​valor​ ​y​​cuál​​sería​​el​​porcentaje​​de​
​varianza que explica este QTL. Hay programas actuales que esto lo hacen directamente. En la tabla vemos:​

​✾​ ​El​​QTL​​3.1​ ​tiene​​un​​LOD​​de​​5,​​aumenta​​0,56​​u​​el​​carácter​​cuando​​cambia​​el​​alelo​​a​​por​​el​​A​​(AA-aa=1,12u),​

​hay dominancia parcial y explica un 10% de la variación de la población.​
​✾​ ​El​ ​QTL​ ​6.4​ ​tiene​ ​un​ ​LOD​ ​de​ ​11.06,​ ​aumenta​ ​0.9​ ​u​ ​el​ ​carácter​ ​cuando​ ​cambia​ ​el​ ​alelo​ ​a​ ​por​ ​el​ ​A​
​(AA-aa=1,8u), no hay dominancia, es aditivo y explica un 22% de la variación (QTL mayor).​
​✾​ ​El​ ​QTL​ ​10.1​ ​tiene​ ​un​ ​LOD​ ​de​ ​7.​ ​Tiene​ ​un​ ​valor​ ​aditivo​ ​negativo​ ​por​ ​el​ ​orden​​de​​los​​padres​​dado​​en​​el​
​programa, al ser negativo es el padre 1 el que aumenta el carácter y no el 2 como en los positivos.​

​✿​ ​QTLs en distintos ambientes​

​¿Los QTLs son estables? Es necesario repetir el experimento para comprobarlo, hay que hacerlo mínimo 3 veces.​
​En este ejemplo de melón, se repitió el experimento tres veces, dos en campo y una en invernadero.​

​Se​ ​observa​ ​claramente​​un​​QTL​​robusto​​en​​el​

​cromosoma​ ​8​ ​en​ ​todos​ ​los​ ​ensayos.​ ​En​ ​el​
​cromosoma​ ​2​ ​se​ ​observa​ ​un​ ​QTL​​en​​los​​tres​
​casos, de efecto muy pequeño.​

​Luego​ ​hay​ ​posibles​ ​QTLs​ ​que​ ​solo​ ​se​

​observan​​en​​el​​campo​​y​​no​​se​​observan​​en​​el​
​invernadero,​​como​​en​​el​​10.​​En​​el​​invernadero​
​el​ ​manejo​ ​de​ ​las​​plantas​​es​​distinto,​​además​
​de​ ​no​ ​haber​ ​estreses,​ ​por​ ​eso​​pueden​​darse​
​estas variaciones.​
​Los​​gráficos​​no​​tienen​​porque​​ser​​tan​​claros​​e​​iguales​​entre​​si.​​En​​estos​​gráficos​​vemos​​el​​contenido​​de​​azúcar​​del​
​melón. Hay mucha variabilidad ambiental en este carácter, por lo que hay mucho ruido.​
​En​ ​el​ ​campo​ ​vemos​ ​tres​ ​QTLs​ ​significativos,​​más​​un​​cuarto​​de​​efecto​​pequeño.​​Al​​repetir​​el​​experimento​​en​​el​
​campo​​otra​​vez,​​solo​​se​​ven​​dos​​de​​los​​vistos​​la​​vez​​anterior.​​En​​el​​invernadero​​se​​ven​​también​​dos​​pero​​distintos​​a​
​los​ ​del​ ​campo,​ ​como​ ​es​ ​un​ ​carácter​ ​que​ ​tiene​ ​tanto​​efecto​​ambiental,​​en​​este​​caso​​es​​muy​​dificil​​poder​​ver​​lo​
​mismo que en campo.​

​En los carácteres de alta heredabilidad salen outputs robustos y suficiente constantes,​
​en cambio, en caracteres con mucho efecto ambiental suelen ser tener más ruido.​

​✿​ ​Verificar el efecto de los QTLs​

​Es necesario verificar que los QTLs son estables. ¿Cómo? Mediante​​líneas de introgresión​​.​
​Los​​individuos​​de​​la​​población​​de​​mapeo​​tienen​​una​​mezcla​​de​​dos​​parentales​​(el​​genoma​​del​​receptor​​y​​varios​
​trozos​ ​del​ ​donante).​ ​Tras​ ​detectar​ ​dónde​ ​están​ ​los​ ​QTLs​ ​en​ ​los​ ​cromosomas,​ ​cómo​ ​está​ ​todo​ ​genotipado,​
​sabremos qué plantas tienen la región del QTL y cuáles no.​

​Los​ ​individuos​ ​que​ ​tienen​ ​el​ ​QTL​ ​también​ ​tienen​ ​regiones​ ​que​ ​no​ ​son​ ​del​ ​QTL,​ ​haciendo​ ​mejora​​asistida​​por​
​marcadores​​se​​pueden​​obtener​​más​​generaciones​​y​​seleccionar​​a​​favor​​de​​la​​región​​de​​la​​QTL​​y​​en​​contra​​de​​las​
​que​​no​​nos​​interesan​​para​​eliminar​​el​​resto​​de​​fragmentos.​​Con​​esto​​se​​pueden​​obtener​​líneas​​para​​cada​​QTL​​(el​
​resultado​ ​final​ ​es​ ​el​ ​genoma​ ​del​ ​receptor​ ​+​ ​la​ ​zona​ ​del​ ​QTL​ ​seleccionado,​ ​no​ ​hay​ ​nada​​más​​del​​otro​​parental​
​porque se elimina).​

​Una​ ​vez​ ​obtenemos​ ​la​ ​línea​ ​para​ ​el​ ​QTL​ ​hemos​ ​de​ ​verificar​ ​su​ ​efecto​ ​y​ ​si​ ​al​ ​eliminar​ ​el​ ​fondo​ ​genético​ ​se​
​mantiene.​ ​Si​ ​hemos​ ​visto​ ​que​ ​el​ ​QTL​ ​aumenta​ ​el​ ​tamaño​ ​del​ ​fruto,​ ​toda​ ​la​ ​línea​ ​debe​ ​tener​ ​el​ ​tamaño​
​aumentado.​

​El​ ​problema​ ​multigénico​ ​inicial​ ​ha​ ​pasado​ ​a​ ​un​ ​análisis​ ​casi​ ​mendeliano,​ ​ya​ ​que​ ​acabamos​ ​con​ ​solo​ ​un​ ​QTL​
​segregando. Al cambiar el fondo genético, muchos de los QTLs desaparecen.​

​Ejemplo línea de introgresión de melón​​:​

​Se​​hizo​​un​​cruzamiento​​de​​la​​variedad​​de​​melón​​piel​​de​​sapó​​y​​una​​variedad​​asiática​​3M1.​​Se​​estudiaba​​la​​forma​
​del​​fruto,​​el​​color​​del​​fruto​​y​​el​​color​​externo.​​Según​​el​​mapeo​​inicial,​​en​​el​​cromosoma​​1​​había​​una​​zona​​asociada​
​al​​color​​verde​​a​​la​​pulpa​​y​​una​​a​​la​​forma,​​mientras​​que​​en​​el​​cromosoma​​9​​había​​una​​zona​​asociada​​a​​la​​forma​​y​
​al color externo.​

​Se​​generó​​una​​línea​​de​​introgresión​​que​​tenía​​las​​zonas​​relacionadas​​con​​el​​carácter​​de​​interés​​en​​el​​cromosoma​​1​
​y​​9​​de​​la​​variedad​​asiática​​pero​​el​​resto​​del​​genoma​​del​​melón​​de​​piel​​de​​sapó.​​Al​​genotipar​​se​​obtuvo​​un​​melón​
​más alargado y una pulpa verde, verificando el QTL.​
 ​Preguntas y respuestas tras el análisis de QTLs. Ejemplos de artículos​

​Al​ ​abordar​ ​un​ ​experimento​ ​para​ ​conocer​ ​la​ ​base​ ​genética​ ​de​ ​un​ ​carácter​ ​que​ ​tiene​ ​una​ ​genética​ ​compleja,​
​interesa saber:​
​-​ ​cuántos genes están implicados en ese carácter​
​-​ ​cómo están distribuidos a lo largo del genoma​
​-​ ​cuáles​​son​​los​​efectos​​individuales​​de​​cada​​uno​​de​​ellos:​​el​​efecto​​aditivo,​​la​​dominancia​​y​​el​​porcentaje​
​de​ ​varianza​ ​que​ ​explica​ ​el​ ​QTL.​​En​​el​​ejemplo​​del​​tema​​anterior​​vimos​​como​​hay​​QTLs​​con​​picos​​muy​
​altos, que explican un gran porcentaje de la varianza, pero también QTLs con efecto pequeño.​
​-​ ​la relación entre el QTL y la heterosis y las segregaciones transgresivas.​
​-​ ​cómo interactúan entre ellos los genes que afectan a un mismo carácter (epistasia).​
​-​ ​si los efectos del QTL observados en experimentos se mantienen o están influidos por el ambiente​
​-​ ​¿se puede hacer mejorada basada en QTLs en lugar de la basada en fenotipos?​

​✿​ ​¿Cuántos QTLs están implicados en el carácter?​

​En​ ​el​ ​artículo​ ​de​ ​E.​ ​van​ ​der​ ​Knaap​​y​​S.D.​​Tanksley​​(2001)​

​cruzaron​​un​​tomate​​alargado​​con​​uno​​silvestre​​pequeño​​y​
​redondo​ ​con​ ​el​ ​objetivo​ ​de​ ​encontrar​ ​QTLs​ ​relacionados​
​con el alargamiento del fruto.​

​Encontraron​​un​​QTL​​que​​explicaba​​el​​8%​​de​​la​​variación​​de​
​la población.​

​En​ ​el​ ​artículo​ ​de​ ​Bernacchi​ ​et​ ​al.,​ ​1998,​ ​tenían​ ​el​ ​mismo​
​objetivo​​que​​en​​el​​anterior.​​Utilizaron​​una​​especie​​silvestre​
​distinta y encontraron 10 QTLs pero con muy poco efecto.​

​El resultado entre ambos artículos es distinto porqué la variación genética en los cruces es distinta.​

​En​​el​​artículo​​de​​Schon​​et​​al.,​​2004​​trabajaron​​con​​una​​gran​​población​
​de maíz (1000 plantas), por lo que encontraron muchos QTLs.​

​En​​la​​revisión​​de​​Kearsey​​et​​Farquhar​​de​​1998,​​contaron​​la​​cantidad​​de​
​QTLs​ ​encontrados​ ​en​ ​cada​ ​paper​ ​publicado.​ ​En​ ​una​ ​población​
​asumible​ ​(200),​ ​dependerá​ ​del​ ​carácter,​ ​encontrar​ ​4​ ​o​ ​5​ ​QTLs​ ​es​ ​lo​
​normal (sería raro encontrar 15).​

​¿Por​​qué​​encontramos​​un​​bajo​​número​​de​​QTLs​​si​​según​​la​​teoría​​clásica​​un​​carácter​​complejo​​está​​controlado​
​por​​muchos​​genes?​​Puede​​que​​haya​​caracteres​​controlados​​por​​pocos​​genes​​o​​puede​​que​​muchos​​QTLs​​no​​sean​
​detectados​​por​​la​​baja​​potencia​​de​​detección​​del​​diseño​​experimental​​o​​por​​la​​baja​​variabilidad​​genética​​entre​​los​
​parentales​​(no​​podemos​​detectar​​aquello​​que​​no​​tenga​​variedad​​genética​​->​​si​​cruzo​​dos​​variedades​​de​​tomate​
​grande es fácil que no haya variedad genética para el tamaño).​

​El​ ​tamaño​ ​de​ ​la​ ​población​ ​afecta​ ​a​​la​​detección​​de​​QTLs.​​Con​​poblaciones​​relativamente​​pequeñas​​se​​pueden​

​detectar​​QTLs​​con​​mucho​​efecto,​​pero​​no​​QTLs​​de​​poco​​efecto.​​Si​​aumenta​​el​​tamaño​​poblacional​​se​​empiezan​​a​
​ver QTLs con efectos más pequeños.​

​Estos​ ​gráficos​​son​​ejemplos​​del​​efecto​​de​​distintos​​tamaños​​poblacionales​​y​​heredabilidad​​de​​un​​carácter​​en​​la​
​detección de QTLs. Los puntos negros son los QTLs presentes que tendrían que detectarse.​

​En​​el​​primer​​ejemplo,​​hay​​una​​heredabilidad​​del​​0.3,​​es​​decir,​​el​​70%​​de​​la​​variación​​de​​este​​carácter​​es​​ambiental,​
​podemos​ ​ver​​como​​solo​​detecta​​2​​QTLs​​que​​pasen​​el​​umbral.​​En​​el​​ejemplo​​inferior,​​la​​heredabilidad​​es​​del​​0,8​
​por lo que el componente genético es muy importante en la variación, en este caso, se detectan 7.​
​Si el carácter tiene alta heredabilidad, hay más probabilidad de detectar QTLs.​
​En el tercer caso, hay una heredabilidad del 0,8 pero el tamaño poblacional es de 100 y solo se detectan 3 QTLs.​
​Menos plantas, menos capacidad de detección​

​En​ ​el​ ​último​ ​caso,​ ​hay​ ​una​ ​heredabilidad​ ​del​​0,6​​y​​hay​​muchos​​QTLs,​​varios​​por​​cromosoma.​​Algunas​​veces​​se​

​resuelve y se detectan dos, pero a veces no se podrá distinguir si hay más de uno.​

​La pregunta de “cuántos QTLs hay” tiene dos intenciones:​

​-​ ​cuantos QTLs hay en la población​
​-​ ​cuántos QTLs son responsables de la variación fenotípica de una especie.​

​Para​​contestar​​la​​segunda​​pregunta​​hay​​que​​analizar​​QTLs​​en​​muchas​​poblaciones,​​así​​sabremos​​cuantos​​están​
​presentes en la especie generando la variación observada.​

​En​​tomate​​hay​​mucha​​variación,​​para​​estudiarla​​se​​han​​hecho​​cruces​​del​​tomate​​cultivado​​con​​tomates​​silvestres​
​para​​analizar​​muchas​​poblaciones.​​En​​este​​gráfico​​podemos​​ver​​los​​distintos​​QTLs​​detectados​​en​​varias​​especies​
​relacionados con el contenido de azúcares:​

​Aunque a nivel de población se detecten pocos, globalmente, dentro de las especies de tomate, hay muchos.​

​Este​​otro​​ejemplo​​es​​de​​variedades​​de​​melones​​cultivados.​​Se​​hicieron​​cruzamientos​​entre​​los​​melones​​típicos​​de​
​aquí​ ​y​ ​las​​de​​países​​exóticos​​->​​cada​​color​​corresponde​​a​​una​​variedad,​​podemos​​ver​​la​​gran​​cantidad​​de​​QTLs,​
​prácticamente todos los cromosomas tienen QTLs de todas las variedades.​

​En​​otro​​ejemplo​​de​​maíz​​trabajan​​con​​poblaciones​​NAM,​​en​​las​​que​​se​​cruza​​el​​control​​con​​más​​de​​20​​variedades​
​distintas​​obteniendo​​una​​gran​​variabilidad.​​Para​​caracteres​​de​​tipo​​agronómico​​hay​​muchos​​QTLs​​(+​​de​​30),​​pero​
​para caracteres bioquímicos el número es menor.​

​✿​ ​Efectos​​aditivos​
​Una​​vez​​contados​​los​​QTLs,​​queremos​​saber​​cómo​​son​​sus​​efectos.​​Los​​QTLs​​que​​tienen​​efectos​​contrarios​​a​​los​
​que esperamos son muy comunes.​
​La​​mayoría​​de​​los​​QTLs​​que​​se​​ven​​no​​tienen​​un​​efecto​​muy​​grande​​(menor​​al​​10%),​​pero​​si​​se​​encuentran​​QTLs​
​con efecto grande.​
​Cuando​ ​se​ ​trabaja​ ​en​ ​caracteres​​complejos​​como​​la​​producción​​de​​los​​cereales,​​suelen​​haber​​muchos​​QTLs​​de​
​efecto​ ​pequeño,​ ​en​ ​cambio,​ ​cuando​ ​se​ ​trabaja​ ​con​ ​resistencia​ ​a​ ​patógenos,​ ​suele​ ​ser​ ​un​ ​solo​ ​gen.​ ​En​ ​los​
​caracteres​ ​de​ ​la​ ​apariencia​ ​del​ ​fruto​ ​como​ ​el​ ​color,​ ​la​ ​forma,​ ​etc​ ​hay​ ​pocos​ ​QTLs​ ​con​ ​efectos​ ​grandes,​​lo​​que​
​facilita manipular el carácter.​

​✿​ ​Segregación​​transgresiva​
​Un​​fenómeno​​muy​​interesante​​en​​mejora​​es​​la​​segregación​​transgresiva​​.​​En​​este​​ejemplo​​en​​el​​que​​se​​estudia​​la​
​forma​ ​del​ ​melón,​​un​​parental​​es​​la​​variedad​​de​​piel​​de​​sapo​​(ovalado)​​y​​otro​​es​​una​​variedad​​alargada.​​En​​la​​F2​
​aparecen​ ​melones​ ​muy​ ​redondos​ ​y​ ​melones​ ​muy​ ​largos​ ​(fenotipo​ ​mayor​ ​que​ ​los​ ​parentales).​ ​¿Por​ ​qué​ ​este​
​resultado?​​En​​la​​población​​había​​dos​​QTLs​​con​​un​​gran​​efecto:​​en​​el​​cromosoma​​2​​el​​alelo​​del​​hindu​​aumentaba​
​la longitud y en el cromosoma 8 había un alelo que hacía lo contrario.​

​Consideración​​:​ ​El​ ​fenotipo​ ​final​ ​de​ ​una​ ​variedad​ ​es​ ​el​​efecto​​de​​la​​suma​​de​​todos​​los​​genes​​implicados​​en​​ese​

​carácter.​ ​Si​ ​el​ ​fenotipo​ ​final​ ​es​ ​alargado,​ ​no​ ​significa​ ​que​ ​todos​ ​los​​genes​​que​​tenga​​produzcan​​alargamiento,​
​puede ser que haya de ambos tipos pero en el balance final tengan más peso los alargados.​

​La​​segregación​​transgresiva​​se​​da​​porque​​en​​los​​padres​​no​​todos​​los​​genes​​tienen​​la​​misma​​dirección​​,​​de​​manera​
​que​​al​​cruzar,​​la​​variación​​es​​más​​grande,​​aparecen​​nuevos​​fenotipos​​por​​combinación​​entre​​los​​cuales​​están​​los​
​fenotipos superiores a los fenotipos parentales.​

​Cuando​​vemos​​una​​especie​​silvestre​​podemos​​pensar​​que​​no​​tiene​​nada​​interesante​​en​​relación​​al​​fruto​​pero​​es​
​muy​​probable​​que​​tenga​​alelos​​escondidos​​que​​con​​el​​análisis​​por​​QTLs​​podemos​​sacar​​a​​la​​luz​​y​​estudiar.​​Esto​
​representa una ventaja a la mejora tradicional.​

​✿​ ​Heterosis​
​En​​algunos​​casos,​​sin​​hacer​​mejora,​​los​​híbridos​​tienen​​una​​mayor​​producción​​que​​los​​parentales.​​Representa​​un​
​20% del cereal que comemos.​

​¿Por​ ​qué​ ​hay​ ​heterosis?​ ​Si​ ​fuese​ ​una​ ​razón​ ​sencilla​ ​podría​ ​ser​ ​por​​sobredominancia​​(el​​heterocigoto​​tiene​​un​
​valor​ ​superior​ ​al​ ​parental).​ ​No​ ​hay​ ​una​ ​respuesta​ ​clara,​ ​pero​ ​una​ ​causa​ ​podría​ ​ser​ ​la​ ​complementación​ ​por​
​dominancia​​.​​A​​la​​hora​​de​​llevar​​a​​cabo​​un​​cruce,​​tenemos​​dos​​parentales​​con​​alelos​​buenos​​y​​malos​​en​​distinta​
​combinación​​(AAbbCC​​y​​aaBBcc).​​A ,​​B​​y​​C​​son​​dominantes,​​de​​manera​​que​​al​​estar​​en​​heterocigosis​​(F1:​​AaBbCc)​
​aumenta el carácter.​

​¿Cuál​​es​​la​​base?​​¿Por​​qué​​hay​​dominancia​​en​​heterosis?​​No​​hay​​respuesta​​pero​​se​​cree​​que​​la​​heterosis​​se​​debe​
​a​​las​​variaciones​​estructurales​​.​​Entre​​las​​variedades​​hay​​mucha​​variación​​estructural,​​de​​manera​​que​​a​​algunas​​les​
​faltan​​genes,​​otras​​tienen​​genes​​duplicados…​​y​​el​​número​​de​​genes​​es​​diferente​​para​​cada​​variedad.​​Al​​obtener​​el​
​híbrido,​ ​este​ ​tiene​ ​los​ ​genes​ ​de​ ​ambas​ ​variedades,​ ​si​​los​​genes​​presentes​​en​​una​​variedad​​y​​no​​en​​otra​​tienen​
​efectos dominantes, el híbrido tendrá más genes implicados en el carácter.​

​En​ ​mejora,​ ​la​ ​segregación​ ​transgresiva​ ​es​ ​crucial​ ​para​ ​generar​ ​variación​ ​=​ ​nuevos​ ​fenotipos​ ​y​ ​la​ ​dominancia​
​permite​ ​que​ ​los​ ​híbridos​ ​produzcan​ ​más​ ​que​ ​los​ ​parentales​ ​=​ ​heterosis.​ ​Sin​ ​segregación​ ​transgresiva​ ​no​ ​hay​
​mejora!​

​✿​ ​Selección asistida por marcadores​

​Para​ ​seleccionar​ ​por​ ​QTLs​ ​y​ ​no​ ​por​​fenotipos,​​podemos​​usar​​marcadores​​.​​Si​​tenemos​​marcadores​​que​​definen​
​qué​ ​plantas​ ​tienen​ ​el​ ​QTL​ ​que​ ​no​ ​interesa,​ ​podemos​ ​seleccionar​ ​por​ ​marcadores.​ ​Si​ ​no​ ​nos​ ​equivocamos,​ ​la​
​variación​ ​que​ ​hay​ ​en​ ​un​ ​marcador​ ​es​ ​sólo​ ​genética,​ ​eso​ ​hace​ ​que​ ​la​ ​heredabilidad​​sea​​máxima​​con​​lo​​que​​la​
​respuesta a la selección es alta.​
​Recuerda​​->​​QTL​​es​​una​​región​​del​​genoma,​​hay​​que​​usar​​varios​​marcadores​​de​​la​​región​​(no​​solo​​uno!)​​para​​estar​
​seguros de que al seleccionar el QTL se selecciona la región entera, no solo una parte.​

​Si​​queremos​​introducir​​un​​QTL​​en​​una​​variedad​​usando​​marcadores,​​estos​​deben​​estar​​mínimo​​flanqueando​​los​
​extremos​​y en el medio.​

​Una​ ​forma​ ​de​ ​mejora​ ​por​ ​marcadores​ ​es​ ​mediante​ ​retrocruces​​.​ ​Se​ ​hacen​ ​varias​ ​rondas​ ​de​ ​retrocruzamiento​
​sobre el receptor, hasta obtener al receptor con el QTL.​

​Hay​​varias​​estrategias​​a​​favor​​del​​QTL​​que​​se​​quiere​​introducir,​​siempre​​utilizando​​marcadores​​que​​flanqueen​​la​
​región​​para​​estar​​seguro​​de​​que​​se​​arrastre​​el​​QTL​​entero​​y​​no​​solo​​una​​parte.​​El​​QTL​​es​​una​​región​​,​​no​​un​​solo​
​gen,​​por​​tanto​​pueden​​estar​​arrastrándose​​otros​​genes​​con​​un​​efecto​​no​​deseado.​​Por​​este​​motivo,​​es​​interesante​
​hacer experimentos en paralelo con el objetivo de reducir el tamaño del QTL y así introducir lo justo posible.​

​Se puede acelerar la selección si utilizamos marcadores de fondo en otros cromosomas.​

​Este​​tipo​​de​​mejora​​no​​siempre​​funciona.​​Pese​​tener​​buenos​​marcadores​​para​​carácteres​​de​​herencia​​sencilla,​​hay​
​pocos​ ​marcadores​ ​para​ ​carácteres​ ​complejos.​ ​¿Por​ ​qué?​ ​Los​ ​investigadores​ ​mapean​ ​más​ ​que​ ​aplican,​ ​en​ ​los​
​últimos​ ​10​ ​años​ ​hay​ ​10673​ ​publicaciones​ ​sobre​ ​marcadores​ ​en​ ​plantas,​​pero​​solo​​620​​de​​selección​​asistida​​por​
​marcadores.​
​Es más fácil hallar QTLs que utilizarlos después.​

​Utilizar​​los​​marcadores​​en​​mejora​​es​​muy​​complicado,​​si​​estamos​​trabajando​​con​​QTLs​​que​​expliquen​​el​​5%​​de​​la​
​varianza,​​introducirlos​​en​​otro​​cultivar​​tendrá​​muy​​poco​​efecto,​​no​​vale​​la​​pena.​​Solo​​se​​trabaja​​con​​aquellos​​QTLs​
​que tengan un gran efecto. Además, muchas veces no dan el efecto esperado al introducirse en otra variedad.​

​QTLs​​effects​​are​​biased!​​->​​Una​​causa​​de​​que​​pase​​esto​​es​​estadística.​​Los​​investigadores​​detectan​​un​​número​​de​
​QTLs y las estimaciones que hacen es a partir de lo que detectan, obviando lo que no detectan y sobreestimando.​

​✿​ ​Razones que explican el bajo impacto de MAS​

​🙗​ ​La​​aplicación​​de​​los​​QTLs​​para​​generar​​variedades​​se​​lleva​​a​​cabo​​en​​empresas​​que​​mantienen​​privados​
​los resultados. No se publican los resultados y por tanto hay poca información.​
​🙗​ ​El​ ​mapeo​​original​​del​​QTL​​se​​detecta​​en​​una​​población​​concreta,​​hay​​que​​trabajar​​muy​​bien​​el​​diseño​
​experimental para asegurarse de que está bien hecho. No siempre es fácil.​
​🙗​ ​El​​efecto​​del​​mapa​​genético​​->​​el​​QTL​​se​​detecta​​en​​una​​población,​​pero​​si​​se​​introduce​​en​​una​​variedad​
​con​ ​otro​ ​fondo​ ​distinto​ ​puede​ ​que​ ​el​ ​QTL​ ​no​ ​funcione​​en​​ese​​fondo​​genético.​​Por​​ello​​es​​importante​
​trabajar desde un principio con un fondo genético que tenga sentido.​
​🙗​ ​Gap​ ​de​ ​aplicación​ ​->​ ​si​ ​el​ ​QTL​ ​se​ ​detecta​​en​​un​​instituto​​de​​investigación​​puede​​no​​ser​​interesante​​a​
​nivel de mejora. Muchos QTLs detectados no interesan a las empresas por el bajo efecto.​
​🙗​ ​Gap​ ​de​ ​conocimiento​ ​->​ ​el​ ​análisis​ ​de​ ​QTLs​ ​es​ ​multidisciplinar.​ ​La​​base​​es​​la​​genética​​cuantitativa,​​al​
​hacer​​poblaciones​​se​​entra​​en​​mejora​​y​​se​​trabaja​​con​​genomas​​(genómica​​y​​transcriptómica).​​Luego​​las​
​poblaciones​​están​​en​​invernaderos,​​campos…​​(agronomía).​​Los​​caracteres​​pueden​​ser​​sencillos​​(tamaño,​
​forma)​​pero​​también​​se​​pueden​​estudiar​​compuestos​​volátiles​​(metabolómica).​​Son​​análisis​​estadísticos​
​por lo que se requieren expertos.​​Es un problema muy complejo que requiere expertos muy amplios.​

​Todo​ ​esto​ ​puede​ ​sonar​ ​muy​​abstracto,​​la​​manera​​de​​demostrar​​si​​un​​QTL​​es​​un​​fantasma​​o​​no,​​es​​encontrar​​el​

​gen.​​La​​clonación​​por​​QTLs​​empezó​​muy​​lentamente​​a​​principios​​de​​los​​2000​​y​​ha​​ido​​aumentando.​​Es​​una​​tarea​
​ardua pero es posible llegar a partir de un pico de LOD al gen.​
 ​Incorporación de variabilidad genética exótica y librerías de introgresión​

​✿​ ​Dogma de la mejora​

​La​​variabilidad​​genética​​exótica​​proviene​​de​​especies​​silvestres​​o​​variedades​​antiguas​​que​​no​​tienen​​valor​​a​​día​​de​
​hoy pero pueden tener genes de interés que podemos aprovechar.​

​Los planes de mejora genética siguen el siguiente esquema general:​

​i.​ ​aparece un problema:​​enfermedad, estrés abiótico o calidad del fruto.​
​ii.​ ​la​ ​solución​ ​está​ ​en​ ​encontrar​ ​variabilidad​ ​genética​ ​(ej:​ ​un​ ​gen​ ​que​ ​aumente​ ​el​ ​sabor).​ ​¿Dónde?​ ​En​
​bancos de germoplasma en el que se guardan variedades silvestres o obsoletas.​
​iii.​ ​ensamblar​ ​las​ ​variedades​ ​modernas​ ​con​ ​la​ ​variedad​ ​que​ ​tiene​ ​la​ ​característica​ ​de​ ​interés​​.​
​Normalmente,​ ​las​ ​variedades​ ​que​ ​tienen​​el​​carácter​​que​​nos​​interesa,​​son​​malas​​para​​otros​​caracteres​
​comerciales.​ ​Solo​ ​se​ ​quiere​ ​introducir​ ​el​ ​carácter​ ​concreto.​ ​Una​ ​forma​ ​de​ ​introducirlo​​es​​mediante​​el​
​retrocruzamiento,​​para​​obtener​​una​​variedad​​con​​el​​genoma​​original​​de​​nuestra​​variedad​​y​​unos​​pocos​
​genes relacionados con la característica que queremos introducir.​
​iv.​ ​selección​​->​​los​​caracteres​​con​​heredabilidad​​muy​​baja​​pueden​​quedarse​​por​​el​​camino.​​De​​hecho,​​para​
​caracteres​ ​complejos,​ ​la​ ​respuesta​ ​a​ ​selección​ ​no​ ​siempre​ ​ha​ ​sido​ ​buena​ ​a​ ​lo​ ​largo​ ​de​ ​la​ ​historia.​
​Ejemplo:​​La​​producción​​de​​trigo,​​al​​principio​​del​​siglo​​20​​fue​​creciendo​​muy​​poco,​​luego​​creció​​rápido​​y​
​hoy en día está costando conseguir variedades con mejor producción.​

​¿​Por qué cuesta tener respuestas​​? Por la​​baja variabilidad genética​​y la​​poca heredabilidad​​.​
​¿​Por​ ​qué​ ​hay​ ​baja​ ​heredabilidad​​?​ ​Por​ ​que​ ​desde​ ​la​ ​domesticación​ ​hasta​ ​los​ ​cultivares​ ​actuales​ ​ha​
​habido​​un​​proceso​​de​​disminución​​de​​la​​diversidad​​por​​la​​mejora​​y​​por​​deriva.​​Si​​seguimos​​trabajando​
​con​ ​variedades​ ​actuales,​ ​tendremos​ ​poca​ ​diversidad.​ ​Una​ ​estrategia​ ​es​ ​incorporar​ ​nueva​ ​variación​ ​a​
​partir​​de​​fuentes​​externas​​(como​​por​​ejemplo​​variedades​​asiáticas​​de​​melón).​​Esto​​no​​es​​reciente,​​hace​
​tiempo​ ​que​ ​se​ ​introducen​ ​genes​ ​de​ ​resistencia​ ​abiótica​ ​y​ ​de​ ​tolerancia​​al​​estrés,​​ejemplo:​​el​​número​
​actuales de genes silvestres del tomate está en torno a 5 o 6.​

​✿​ ​Disección genética vía análisis QTLs​

​Mediante​ ​análisis​ ​de​ ​QTLs​ ​se​ ​pueden​ ​identificar​ ​y​ ​saber​ ​donde​ ​están,​ ​y​ ​a​ ​partir​ ​de​ ​allí,​ ​mediante​ ​el​ ​uso​ ​de​
​marcadores​​llevar​​a​​cabo​​el​​plan​​de​​mejora.​​Se​​empieza​​cruzando​​una​​especie​​silvestre​​con​​un​​cultivar,​​se​​lleva​​a​
​cabo un análisis de QTLs y se mira cuales no están presentes en el cultivar.​

​Hay​ ​que​ ​tener​ ​cuidado,​ ​al​ ​cruzar​ ​variedades​ ​silvestres​ ​o​ ​exóticas​ ​con​ ​una​ ​variedad​ ​moderna,​ ​en​ ​la​ ​primera​
​generación​ ​se​ ​obtienen​ ​frutos​ ​que​ ​son​ ​una​ ​mezcla​ ​rara​ ​que​ ​no​ ​hay​ ​por​ ​donde​ ​coger.​ ​Es​ ​necesario​ ​generar​
​poblaciones​​donde una gran parte del genoma (>80%) sea del cultivar, esto se consigue con​​retrocruzamientos​​.​

​Ejemplo:​​En​​tomate,​ ​hicieron​​varias​​poblaciones​​a​​partir​​de​​varias​​especies​​silvestres​​y​​encontraron​​distintos​​QTLs​
​con​​efectos​​favorables.​​Con​​esto​​demostraron​​que​​las​​especies​​silvestres​​tienen​​caracteres​​que​​pueden​​mejorar​​el​
​fruto pese a que fenotípicamente no lo parezca.​

​Ejemplo: En arroz, entre 1/3 y la mitad de los QTLs que se encontraban, tenían efectos favorables.​

​✿​ ​Consideraciones​
​🙗​ ​Algunos alelos exóticos tienen efectos favorables.​
​🙗​ ​La posición y efecto de los QTLs son aproximaciones.​
​🙗​ ​Los efectos de los QTLs deben verificarse.​
 ​✿​ ​Verificación del efecto de los QTLs y líneas de introgresión​

​La​ ​verificación​ ​de​ ​los​ ​QTLs​ ​se​ ​hace​ ​mediante​ ​la​ ​construcción​ ​de​ ​líneas​ ​de​ ​introgresión​ ​usando​ ​marcadores​
​moleculares.​​A​​partir​​de​​una​​población,​​como​​la​​BC2,​​en​​la​​que​​los​​individuos​​tienen​​el​​genoma​​del​​cultivar​​con​
​trozos​​del​​silvestre,​​mediante​​la​​selección​​asistida​​por​​marcadores​​,​​se​​selecciona​​a​​favor​​de​​la​​zona​​donde​​está​​el​
​QTL​​y​​en​​contra​​de​​las​​zonas​​en​​las​​que​​no​​está,​​generando​​líneas​​con​​el​​genoma​​del​​cultivar​​y​​la​​región​​del​​QTL​
​del​​silvestre.​​Según​​el​​carácter​​que​​afecte​​el​​QTL​​obtendremos​​líneas​​con​​un​​carácter​​mejorado,​​por​​ejemplo,​​si​​el​
​QTL aumenta el contenido de azúcares, obtendremos una línea con frutos más dulces.​

​✿​ ​Análisis QTLs usando ILs​

​❀​ ​Fijación, verificación y estimación del efecto en un fondo genético apropiado​
​Cuando​​trabajamos​​con​​ILs​​pasamos​​de​​un​​problema​​poligénico​​a​​un​​problema​​casi​​mendeliano​​.​​La​​diferencia​
​entre la línea de introgresión y el parental recurrente es solo un locus.​
​Mediante​ ​el​ ​uso​ ​de​ ​marcadores​ ​sabemos​ ​con​ ​exactitud​ ​qué​ ​plantas​ ​son​ ​homocigotas​ ​y​ ​heterocigotas.​
​Conociendo​​el​​genotipo​​del​​QTL​​podemos​​estimar​​sus​​efectos​​(efectos​​aditivos,​​dominancia…).​​Además​​el​​QTL​​ya​
​está en el fondo que nos interesa.​

​❀​ ​Estudio de las interacciones QTLxE y QTLxG​

​Una vez tenemos el QTL fijado y sabemos dónde está, podemos llevar a cabo distintas pruebas:​
​-​ ​¿Los efectos del QTL son consistentes en diferentes ensayos? Se cultiva en distintas condiciones.​
​-​ ​¿Si el QTL se introduce en otra variedad tendrá efecto?​

​❀​ ​Interacción QTLxQTL​

​Imagina​ ​que​ ​tenemos​ ​dos​ ​líneas​ ​de​ ​introgresión,​ ​con​ ​el​ ​mismo​ ​fondo​ ​genético​ ​pero​ ​cada​ ​una​ ​con​ ​un​ ​QTL​
​distinto.​​Es​​interesante​​combinarlas,​​para​​tener​​ambos​​QTLs​​presentes​​y​​ver​​si​​aumenta​​el​​carácter​​o​​bien​​no​​se​
​genera mucha mejora.​

​❀​ ​Aplicación en mejora​

​La​ ​IL​ ​que​ ​se​ ​obtiene​ ​puede​ ​considerarse​ ​una​ ​nueva​ ​variedad.​ ​Una​ ​IL​ ​en​ ​un​ ​fondo​ ​concreto​ ​puede​​despertar​
​interés en empresas ya que ven un tomate, no un LOD ni nada abstracto.​

​❀​ ​Recerca genómica​

​Con las ILs podemos llegar a ver cosas.​

​En​​California,​​a​​partir​​de​​3​​ILs​​distintas,​​generaron​​una​​línea​​que​​contiene​​los​​3​​QTLs.​​Esto​​lo​​cruzaron​​con​​híbridos​
​y generaron una variedad (AB 2) que fue de las más vendidas.​

​✿​ ​Usar germoplasma silvestre​

​Para utilizar el germoplasma silvestre en mejora, debemos:​

​i.​ ​Identificar regiones candidatas donde están los QTLs.​
​ii.​ ​Generar una IL.​
​iii.​ ​Verificar que se mantiene el efecto del QTL en la IL.​
​iv.​ ​Transferir el QTL a otras variedades o genotipos.​

​El​​cruzamiento​​inicial,​​no​​se​​hace​​porque​​la​​especie​​silvestre​​tenga​​más​​azúcar​​o​​mejor​​color,​​se​​hace​​porque​​es​
​muy distinta​​y a partir de ello aparecen nuevas características que al mapearlas hemos podido fijar.​

​✿​ ​Colección de ILs​

​Las​ ​ILs​ ​funcionan​ ​pero​ ​tienen​ ​una​​limitación​​por​​el​​análisis​​de​​QTLs.​​Además,​​las​​poblaciones​​que​​se​​usan​​son​
​“mortales”,​ ​una​ ​vez​ ​se​ ​acaba​ ​la​ ​población​ ​se​ ​acaba​ ​el​ ​experimento.​ ​La​ ​información​ ​que​ ​no​ ​mires​ ​y​ ​recopiles​
​mientras trabajes con ellas no podrás obtenerla posteriormente.​

​Para​ ​explotar​​las​​ILs,​​la​​idea​​es​​generar​​colecciones​​completas​​de​​líneas​​de​​introgresión,​​para​​tener​​un​​recurso​
​que​​pueda​​utilizar​​todo​​el​​mundo​​para​​estudiar​​otros​​caracteres.​​Vamos​​a​​obviar​​el​​análisis​​QTL​​inicial​​y​​vamos​​a​
​generar​​una​​población​​de​​línea​​de​​introgresión​​que​​cada​​una​​tenga​​un​​fragmento​​distinto​​del​​donador​​y​​entre​
​todas las ILs representemos el genoma completo de un donante​​.​

​Hay​ ​que​ ​hacer​​muchos​​retrocruzamientos,​​mucho​​genotipado,​​mapeados​​y​​mejora​​asistida​​por​​marcadores.​​El​

​mapeado se hace para todos los trocitos del genoma. Requiere mucho tiempo (mínimo 4 años).​
​La idea es la siguiente:​

​Generar​ ​líneas​ ​de​ ​introgresión​ ​en​ ​las​ ​que​ ​el​ ​fondo​ ​genético​ ​de​ ​todas​ ​las​ ​líneas​ ​sea​ ​el​​mismo​​y​​cada​​línea​​un​
​fragmento​​de​​un​​cromosoma​​concreto​​de​​la​​otra​​variedad.​​Idealmente,​​si​​sumamos​​todos​​los​​fragmentos​​se​​ve​​el​
​genoma​​entero​​representado.​​En​​la​​imagen​​vemos​​como​​el​​fondo​​genético​​(rojo)​​es​​el​​de​​piel​​de​​sapo​​y​​los​​trozos​
​azules son del genoma de la variedad PI161375.​

​El procedimiento es cortar en trozos el genoma del donante y meterlo en el genoma del cultivar moderno.​
​Las líneas que tengan algún gen implicado en el carácter de interés tendrán un fenotipo diferente.​

​✿​ ​Evaluación de una colección de ILs​

​Cada colección de ILs se evalúa para los caracteres que nos interesen.​
​Son​ ​experimentos​ ​grandes​ ​ya​​que​​para​​cada​​IL​​se​​necesitan​​entre​ ​5​​y​​10​​réplicas​​,​​además​​de​​muchas​​más​​(x5)​
​réplicas​​del​​parental​​recurrente​​ya​​que​​supone​​el​​control.​​Para​​evaluar​​la​​ILs,​​hay​​que​​ir​​una​​por​​una​​y​​compararlas​
​con​​el​​control​​(no​​entre​​ellas!)​​para​​identificar​​qué​​diferencia​​presentan​​respecto​​al​​control​​.​​El​​método​​estadístico​
​es el test de​​Dunnet​​.​

​Ejemplo​ ​1:​ ​Esta​ ​colección​ ​de​ ​ILs​​se​​hizo​​con​​el​​cultivar​​E6203​​y​​la​

​especie​ ​silvestre​ ​S.​ ​habrochaites​​.​ ​En​ ​la​ ​imagen​ ​se​ ​observan​ ​dos​
​tomates​ ​control,​ ​además​ ​del​ ​aspecto​ ​de​ ​los​ ​frutos​ ​de​ ​la​​especie​
​silvestre. Se separan los tomates por forma y color.​

​Los​ ​tres​ ​tomates​​de​​arriba-izquierda​​tienen​​el​​fondo​​genético​​del​

​cultivar​ ​con​ ​un​ ​fragmento​ ​del​ ​cromosoma​ ​4​ ​del​ ​silvestre​ ​y​
​presentan​ ​un​ ​color​ ​rojo​ ​más​ ​oscuro​​(=​​en​​el​​cr.​​4​​hay​​un​​QTL​​del​
​color).​​El​​tomate​​que​​tiene​​un​​fragmento​​en​​el​​cr.​​1​​es​​más​​naranja.​
​Los tomates que tienen un fragmento del cr. 2 son amarillos.​
​En​ ​cuanto​ ​a​ ​la​ ​forma,​ ​las​ ​líneas​ ​del​ ​cr.​ ​3​ ​y​ ​4​ ​son​​más​​alargados,​
​mientras​ ​que​ ​las​ ​del​ ​2,​ ​otro​ ​trozo​ ​del​ ​3,​ ​6,​ ​8​ ​y​ ​9​ ​son​ ​redondos.​ ​Hay​
​8 QTLs implicados en la forma del fruto.​

​Ejemplo​ ​2:​​Esta​​colección​​de​​ILs​​se​​hizo​​con​​un​​tomate​​silvestre​​(a)​​y​​un​
​tomate​ ​de​ ​procesado​ ​(b).​ ​El​ ​c​ ​es​ ​la​ ​F1.​ ​La​ ​IL3-2​ ​es​ ​naranja,​ ​la​ ​IL6-3​ ​es​
​alargado​ ​y​ ​naranja,​ ​en​ ​IL10-1​ ​vemos​ ​el​ ​sombreado​ ​verde​ ​(este​ ​gen​ ​no​
​estaba​ ​presente​ ​en​ ​el​ ​tomate​ ​de​ ​procesado​ ​ya​ ​que​ ​por​ ​intereses​​de​​la​
​industria había sido eliminado)...​

​Este​ ​tipo​ ​de​ ​estudio​ ​permite​​ver​​el​​efecto​​de​​los​​cromosomas​​viendo​​el​

​fenotipo de los frutos.​

​Ejemplo​​3:​​Esta​​colección​​de​​ILs​​se​​hizo​​con​​piel​​de​​sapo​​y​​una​​variedad​
​coreana.​​Se​​observan​​4​​QTLs​​que​​alargan​​el​​fruto​​y​​2​​QTLs​​que​​lo​​hacen​
​redondo.​
 ​✧ Si se ordenan las líneas por cromosomas, podemos hacer un paseo cromosómico por el invernadero ✧​

​Para​ ​caracteres​ ​no​ ​tan​ ​macroscópicos,​ ​como​ ​el​ ​peso,​ ​el​ ​tamaño​ ​o​ ​la​ ​cantidad​​de​​azúcar,​​podemos​​calcular​​la​
​media​​para​​cada​​IL​​y​​compararlo​​con​​el​​control​​(parental​​recurrente).​​El​​test​​de​​Dunnet​​dice​​a​​partir​​de​​qué​​valor​
​se puede declarar que la media de la IL es diferente al control.​

​*​
​*​​Una​​forma​​más​​clara​​de​​representar​​las​​medias​​es​​establecer​​el​​valor​​del​​control​​como​​0​​y​​poner​​las​​medias​​de​
​cada​ ​IL​ ​con​ ​respecto​ ​al​ ​control.​ ​En​ ​el​ ​caso​ ​del​ ​ejemplo,​ ​cada​ ​grupo​ ​de​ ​cuatro​ ​de​ ​barritas​​corresponde​​a​​una​
​misma IL pero de experimentos distintos (para ver si el efecto es estable). Las barras negras son significativas.​

​Ejemplo​​: Colección de ILs de melón.​

​El parental recurrente es piel de sapo y se han cogido fragmentos de la especie silvestre Ames 24297.​
​En​ ​los​ ​gráficos​ ​de​ ​evaluación​ ​de​ ​las​ ​ILs​ ​hay​ ​3​ ​barras​ ​que​ ​corresponden​​a​​3​​localidades​​y​​distintos​​colores​​que​
​corresponden a los cromosomas.​

​En​ ​la​ ​mayoría​ ​de​ ​líneas​ ​hay​ ​una​ ​reducción​ ​del​ ​peso​ ​(tiene​ ​sentido​ ​ya​ ​que​ ​la​ ​silvestre​ ​es​ ​pequeña),​ ​pero​ ​hay​
​excepciones.​ ​En​ ​cuanto​ ​a​ ​la​ ​forma​ ​del​ ​fruto​ ​hay​ ​una​ ​IL​ ​que​ ​genera​ ​frutos​ ​alargados​ ​(naranja).​ ​En​ ​cuanto​ ​al​
​contenido​​de​​azúcares,​​prácticamente​​ninguna​​IL​​es​​estadísticamente​​diferente​​al​​control,​​esto​​es​​bueno,​​ya​​que​
​esperaríamos que la especie silvestre provocase una disminución del nivel de azúcar y no pasa.​

​Ejemplo de la morfología del fruto para una colección de ILs de melón.​

 ​✿​ ​Una IL afecta a diversos caracteres​
​Hay​​que​​tener​​en​​cuenta​​que​​una​ ​IL​​no​​afecta​​a​​un​​solo​​carácter​​sino​​a​​varios​​,​​ya​​que​​puede​​haber​​varios​​genes​
​implicados​ ​en​ ​eso.​ ​Hay​ ​que​ ​ver​ ​si​ ​es​ ​el​ ​mismo​ ​gen​ ​(un​ ​gen​ ​afecta​ ​a​ ​varios​ ​caracteres​ ​->​ ​pleiotrópico)​ ​o​ ​son​
​distintos​​(hay​​ligamiento).​​En​​el​​caso​​de​​que​​sean​​varios​​genes,​​puede​​interesar​​separarlos,​​ya​​que​​podemos​​estar​
​interesados sólo en uno de ellos. El proceso de separarlos se llama​​Mapeo fino de QTL​​.​

​✿​ ​Mapeo​​fino de QTL​

​La​​resolución​​se​​aumenta​​por​​recombinación​​.​​Se​​parte​​de​​una​​IL​​que​​tiene​​el​​fragmento​​introgresado,​​el​​cual​​hay​
​que​​romper.​​Este​​fragmento​​está​ ​flanqueado​​por​​dos​​marcadores​​,​​TG155​​y​​TG464.​​Primero​​se​​obtiene​​la​​F1​​para​
​que sea heterocigoto, se autofecunda la F1 y en la meiosis pueden darse recombinaciones en la zona de interés.​
​¿Cómo​ ​se​​si​​es​​recombinante?​​Se​​genotipa​​la​ ​F2​​con​​los​ ​marcadores​​flanqueantes​​.​​Habrá​​plantas​​que​​darán​​el​
​mismo fenotipo (no son recombinantes) y habrá plantas con diferencias: heterocigotas (EH) para algún marcador.​

​El​​trozo​​recombinante​​está​​en​​heterocigosis,​​por​​lo​​que​​se​​autofecundan​​y​
​se​ ​seleccionan​ ​los​ ​individuos​ ​homocigotos​ ​para​ ​el​ ​fragmento​
​recombinante (más pequeño que el trozo grande).​

​Para​ ​saber​ ​la​ ​extensión​ ​del​​fragmento​​recombinante​​se​​usa​​una​​batería​

​de​​marcadores​​moleculares​​que​​permiten​​ver​​donde​​ha​​sido​​el​​punto​​de​
​recombinación de cada línea.​ ​->​

​Por ejemplo, TA1232 va del CT133 al TG464, el resto ha recombinado.​

​No es inusual que haya puntos de recombinación más frecuentes.​

​Esto​​permite​​determinar​​más​​precisamente​​dónde​​está​​el​​QTL​​detectado​
​en​ ​el​ ​trozo​ ​grande.​ ​¿Cómo?​ ​Evaluando​ ​las​ ​líneas​ ​fruto​ ​de​ ​la​
​recombinación​​según​​el​​carácter​​de​​interés.​​Este​​QTL​​está​​asociado​​a​​un​
​carácter​​bueno,​​que​​es​​el​​rojo​​intenso​​y​​a​​un​​carácter​​malo,​​las​​cicatrices​
​en la piel.​

​Se​ ​evalúa​ ​el​ ​fenotipo​ ​de​ ​los​ ​dos​ ​caracteres​ ​de​ ​interés​ ​en​ ​las​ ​líneas​
​recombinadas. Las rojas tienen fenotipo, las blancas no.​

​TA517​​es​​el​​original​​y​​tiene​​ambos​​caracteres.​​TA1232​​también​​tiene​​ambos​
​caracteres,​​lo​​que​​significa​​que​​los​​genes​​están​​en​​el​​fragmento​​pequeño​
​de​​esta​​línea​​recombinante.​​Si​​nos​​fijamos​​en​​las​​cicatrices,​​las​​líneas​​que​
​están​ ​en​ ​rojo​ ​son​ ​las​ ​que​​tienen​​el​​fragmento​​final​​del​​fragmento​​(zona​
​distal​ ​de​ ​la​ ​introgresión).​ ​Ahora​ ​miramos​ ​las​​líneas​​que​​tienen​​el​​color​​rojo​​pero​​no​​las​​cicatrices,​​podemos​​ver​
​cómo este gen está entre CT50 y CP57.​
 ​Map-based QTL cloning​

​Para​​llegar​​hasta​​el​​gen​​se​​sigue​​la​​estrategia​​denominada​​clonación​​posicional​​(como​​modificar​​un​​gen​​cuando​
​sabes dónde está en el genoma pero no sabes que es).​

​La​​idea​​es​​ir​​generando​​recombinantes​​e​​ir​​verificando​​cuales​​mantienen​​el​​fenotipo​​que​​estudiamos​​y​​cuáles​​no​
​para​​ir​​descartando​​las​​regiones​​que​​no​​tienen​​el​​gen​​y​​quedarnos​​con​​las​​zonas​​que​​sí​​.​​Esto​​permite​​hacer​​más​
​pequeña la región inicial, la cual se va acotando hasta llegar a tener la región a nivel de gen (resolución de 10 kb).​

​✿​ ​Aterrizaje cromosómico​

​El​​aterrizaje​​cromosómico​​es​​en​​qué​​región​​del​​genoma​​está​​.​​Sabemos​​fehacientemente​​que​​el​​gen​​o​​QTL​​está​
​entre dos marcadores pero la distancia entre estos es muy grande como para mirar los genes uno por uno.​
​Hay que generar recombinantes en la región y fenotiparlos para ver cuales mantienen el carácter de interés.​

​En​​la​​segunda​​imagen,​​se​​han​​generado​​los​​recombinantes.​​Cada​​barra​​roja​​es​​un​​marcador.​​Solo​​las​​líneas​​con​
​estrella​​mantienen​​el​​fenotipo​​de​​interés​​(descartamos​​las​​regiones​​de​​las​​líneas​​sin​​estrella​​y​​nos​​quedamos​​con​
​las​​que​​la​​tienen).​​El​​gen​​está​​entre​​los​​dos​​marcadores​​encerclados​​en​​verde.​​Sabemos​​que​​justo​​donde​​están​​los​
​marcadores​ ​no​ ​está​​el​​gen​​(ya​​que​​en​​algunas​​líneas​​no​​está​​el​​marcador​​pero​​sí​​el​​carácter),​​pero​​no​​tenemos​
​ningún otro marcador que delimite y acorte más la introgresión. Con esto hemos acotado mucho la introgresión.​
​Buscamos​​los​​marcadores​​flanqueantes​​que​​no​​son,​​ya​​sabemos​​que​​no​​está​​allí​​el​​gen​​pero​​si​​nos​​quedamos​​con​
​los​ ​siguientes​ ​marcadores​​de​​más​​al​​interior,​​estaríamos​​descartando​​la​​zona​​entre​​el​​marcador​​del​​círculo​​y​​el​
​siguiente marcador, donde puede estar perfectamente el gen.​

​Una​​vez​​hemos​​acotado​​hay​​que​​volver​​a​​generar​​más​​recombinantes,​​ya​​que​​todavía​​pueden​​quedar​​más​​genes​
​en nuestra región acotada. Es necesario hacer screening de muchas plantas.​

​La​​distancia​​genética​​nos​​dice​​el​​porcentaje​​de​​recombinación​​entre​​los​​gametos.​​Si​​hay​​una​​distancia​​de​​20​​cM​​,​
​la​​probabilidad​​de​​recombinación​​para​​cada​​gameto​​es​​de​​0,2.​​Como​​las​​plantas​​son​​diploides,​​cada​​planta​​tiene​
​2​​gametos,​​por​​lo​​que​​la​​probabilidad​​de​​recombinación​​en​​alguno​​de​​los​​dos​​cromosomas​​es​​del​​0,4​​.​​Con​​100​
​plantas de la F2, esperaríamos encontrar 40 recombinantes. De manera que de 20 cM podemos pasar a 5 cM.​

​Si​​ahora​​la​​distancia​​es​​de​​5​​cM​​->​​5%​​de​​recombinación​​->​​10%​​por​​planta.​​Si​​miramos​​200​​plantas​​esperamos​​que​
​20​ ​sean​ ​recombinantes.​ ​Con​ ​esto​ ​pasamos​ ​a​ ​1​ ​cM​ ​->​ ​1%​ ​de​ ​recombinación​ ​->​​2%​​por​​plantas.​​Si​​miramos​​500​
​plantas,​​encontraremos​​10.​​Con​​eso​​nos​​pasamos​​a​​0,2​​cM.​​->​​0,002%​​de​​recombinación​​->​​0,004%​​por​​plantas.​​Si​
​miramos 1000 plantas, encontraremos 4.​

​Hay​​que​​tener​​mucho​​cuidado​​mientras​​se​​va​​acotando,​​ya​​que​​si​​te​​equivocas​​y​​descartas​​la​​región​​donde​​está​​el​
​gen……..​​💀​

​Esto​ ​debe​ ​llevarse​ ​a​ ​cabo​ ​hasta​ ​llegar​ ​a​​una​​zona​​en​​la​​que​​veamos​​genes​​candidatos​​.​​Si​​trabajamos​​con​​una​

​especie​​en​​la​​que​​editar​​o​​transformar​​es​​posible​​y​​no​​es​​costoso,​​podemos​​llevarlo​​a​​cabo​​y​​validar​​(knock​​outs​​y​
​eso).​ ​A​​veces,​​puedes​​no​​tener​​estar​​trabajando​​con​​una​​especie​​en​​la​​que​​no​​está​​puesto​​a​​punto​​el​​editado​​o​
​bien​ ​los​ ​genes​ ​en​ ​si​ ​no​ ​te​ ​dicen​ ​nada​ ​y​ ​has​ ​de​ ​tirar​ ​de​​más​​recombinantes​​para​​poder​​separar​​los​​genes​​por​
​recombinación.​
​Ejemplo​​: Piel de sapo y hindú. Hay 2 QTLs, uno redondea y el otro alarga el fruto.​
​Sabemos​ ​que​​el​​gen​​que​​da​​lugar​​al​​fruto​​redondo​​está​​al​​final​​del​​cromosoma​​8,​​en​​la​​región​​que​​va​​desde​​el​
​marcador​​GCM241​​al​​psi25ho3.​​Primero​​hay​​que​​validar​​el​​QTL,​​¿como?​​Introduciendo​​el​​fragmento​​cromosómico​
​mediante un sistema de recombinaciones hasta generar una IL de piel de sapo con el fragmento.​

​La​ ​región​​mide​​18​​cM​​(probabilidad​​de​​recombinación​​por​​planta​​=​
​0,36).​​De​​las​​230​​plantas,​​se​​obtuvieron​​64​​recombinantes.​​En​​la​​tabla​
​están​ ​las​ ​líneas​ ​que​ ​se​ ​obtuvieron,​ ​en​ ​rojo​ ​está​ ​marcada​ ​la​
​introgresión​ ​procedente​ ​del​ ​redondo​ ​y​ ​en​ ​azul​ ​del​ ​ovalado.​ ​No​
​utilizamos todos los recombinantes, solo los que dan información.​

​La​ ​siguiente​ ​aproximación​ ​es​ ​definir​ ​4​ ​regiones​ ​del​ ​genoma.​ ​La​
​planta​ ​recombinante​ ​tiene​ ​tres​ ​zonas​ ​heterocigotas​ ​y​ ​una​ ​zona​
​homocigota,​ ​¿como​ ​sabemos​ ​si​ ​tiene​ ​el​ ​gen?​ ​Primero​ ​debemos​
​obtener​ ​réplicas,​ ​por​ ​lo​ ​que​ ​autofecundamos​ ​la​ ​planta​ ​y​
​descartamos​​los​​homocigotos​​para​​todas​​las​​zonas​​y​​nos​​quedamos​
​con​​el​​que​​tiene​​tres​​zonas​​homocigotas​​para​​el​​alelo​​alargado​​y​​una​
​para​​el​​alelo​​redondo.​​No​​entiendo​​que​​dice​​([Link]),​​pero​​viendo​​el​
​segundo dibujo vemos cómo está entre el SNP1 y SNP2.​

​Está​ ​entre​ ​el​ ​SNP1​ ​y​​SNP2,​​en​​la​​zona​​76.​​Vamos​​a​​esa​​región​​y​​vemos​​como​​tenemos​​algunos​​recombinantes.​

​Buscamos​ ​los​ ​marcadores​ ​de​ ​la​ ​región​ ​y​​volvemos​​a​​hacer​​lo​​mismo.​​Nos​​quedamos​​entre​​197500​​y​​2923.​​Son​
​unas​​200kb,​​empezamos​​a​​ver​​genes​​(7).​​Es​​necesario​​realizar​​más​​recombinantes:​​se​​hace​​un​​screening​​de​​1000​
​seedlings y sacamos 3 recombinantes.​
​Repetimos​​lo​​mismo​​pero​​con​​marcadores​​para​​la​​zona​​de​​los​​tres​​recombinantes​​encontrados​​y​​pasamos​​de​​200​
​a 100 kb:​

​El​​siguiente​​paso​​es​​ir​​al​​genoma​​de​​melón​​y​​ver​​qué​​genes​​están​​presentes​​en​​estas​​100​​kb.​​Hay​​una​​zona​​de​​87​
​kb​​que​​son​​secuencias​​repetitivas​​y​​no​​hay​​genes.​​En​​el​​resto​​hay​​varios​​genes​​candidatos:​​la​​kinasa​​y​​la​​proteína​
​de la familia ovate.​

​Para​ ​saber​ ​a​ ​qué​ ​gen​ ​corresponde,​ ​estando​ ​ya​ ​tan​ ​cerca​ ​y​ ​con​ ​solo​ ​dos​ ​candidatos,​ ​se​ ​secuenciaron​ ​los​ ​dos​
​genotipos​​(PS​​y​​CALC_8-1).​​Se​​observó​​como​​en​​la​​variedad​​silvestre​​(CALC_8-1)​​hay​​una​​deleción​​en​​la​​zona​​de​​87​
​kb​​dónde​​habíamos​​dicho​​que​​no​​había​​genes,​​está​​presente​​la​​gibberellin-2-beta-dioxygenase​​2-like,​​la​​familia​
​ovate rodeada por otra deleción y un retrotransposón.​

​Dada​​la​​época​​en​​la​​que​​se​​realizó​​este​​estudio​​y​​con​​el​​objetivo​​de​​saber​​que​​gen​​era​​el​​responsable,​​realizaron​
​2000​​nuevos​​recombinantes,​​obteniendo​​líneas​​con​​solo​​uno​​de​​los​​genes​​y​​concluyeron​​que​​los​​recombinantes​
​que mantienen el gen de la familia ovate mantienen el fenotipo redondo.​

​Para​ ​llevar​ ​a​ ​cabo​ ​una​ ​validación​ ​funcional,​ ​sobreexpreesaron​ ​el​ ​gen​ ​de​ ​la​ ​familia​ ​ovate​ ​en​ ​Arabidopsis​​.​ ​y​
​obtuvieron unas silicuas más redondas.​

​Ovate​​es​​una​​familia​​génica.​​El​​primer​​gen​​ovate​​descubierto​​fue​​en​​tomate,​​que​​da​​lugar​​a​​tomates​​pequeños​
​con forma de pera. El gen ovate que identificaron es homólogo a otros ovates de tomate pero no al original.​

​No​ ​entiendo​ ​el​ ​cambio​ ​de​ ​tema​ ​a​ ​otra​ ​IL​ ​([Link]):​ ​También​ ​tenemos​ ​otra​ ​línea​ ​de​ ​introgresión​ ​a​ ​partir​ ​del​
​parental PI161375 que tiene un fruto alargado. El fenotipo se ve muy claro en los ovarios y las flores.​

​No​ ​hay​ ​diferencias​ ​en​ ​la​ ​proteína​ ​OVATE​ ​de​ ​PS,​ ​CALC8-1​ ​(redondo)​ ​y​ ​PI161375​ ​(alargado).​ ​Sin​ ​embargo,​​sí​​que​
​cambia​​la​​expresión​​CmOFP13​​(es​​el​​nombre​​de​​la​​proteína​​OVATE)​​durante​​el​​desarrollo​​del​​ovario,​​en​​CALC8-1​​se​
​expresa muchísimo comparado con los otros.​

​✿​ ​¿Qué genes tienen que ver con las variedades cultivadas?​
​El​​tomate​​es​​la​​especie​​en​​la​​cual​​se​​han​​clonado​​más​​QTLs.​​El​​primero​​fue​​uno​​relacionado​
​con​​el​​tamaño​​del​​fruto​​(​FW2​​.​2​),​​se​​vió​​que​​había​​diferencias​​en​​la​​expresión​​del​​gen.​​En​​el​
​cultivado​ ​se​ ​expresa​ ​muy​ ​pronto​ ​en​ ​el​ ​desarrollo​ ​del​​fruto,​​de​​manera​​que​​las​​células​​se​
​dividen​​muy​​rápido​​y​​el​​fruto​​tiene​​un​​tamaño​​mayor.​​En​​cambio,​​el​​gen​​del​​silvestre​​tarda​
​mucho más en expresarse y el fruto tiene menos célulos = es más pequeño.​

​Ovate​​se​​identificó​​en​​1999​​pero​​se​​clonó​​en​​2002.​​Se​​sabía​​que​​había​​un​​codón​​STOP​​en​​el​​gen​​que​​daba​​lugar​​a​
​una proteína truncada.​
​Sun​ ​es​ ​típico​ ​en​ ​Italia.​ ​El​ ​gen​ ​no​ ​mutante​ ​estaba​ ​en​​el​​cromosoma​​10​​al​​lado​​de​​un​​transposón​​RIDER,​​en​​un​
​momento​ ​concreto,​ ​el​ ​transposón​ ​RIDER​ ​saltó​ ​y​ ​se​ ​llevó​ ​consigo​ ​al​ ​gen​ ​Sun​ ​al​ ​cromosoma​ ​7.​ ​Esto​ ​provocó​
​cambios en la expresión del gen durante el desarrollo del ovario, provocando que se alargue.​

​Otro gen importante en el desarrollo del tomate tiene que ver con la formación de lóculos. El gen​​Levovil.​

​Fasciated​​tiene​​que​​ver​​con​​los​​tomates​​de​​ensalada​​que​​tienen​​muchos​​lóculos.​​Es​​fruto​​de​​una​​inversión​​de​​un​
​intrón.​

​Conociendo​​estos​​genos​​y​​conociendo​​cuales​​son​​los​​alelos​​cultivados​​y​​los​​silvestres​​podemos​​ver​​su​​historia.​​La​
​mayoría​​de​​especies​​silvestres​​tienen​​el​​alelo​​silvestre,​​aunque​​hay​​algunas​​que​​ya​​tenían​​el​​alelo​​cultivado.​​En​​los​
​modernos​​todos​​tienen​​fw3​​.2.​​En​​cambio,​​respecto​​a​​ovate​​,​​solo​​algunos​​cultivares​​tienen​​el​​alelo​​cultivado.​​sun​​se​
​dió en Italia. Hay una historia que permite ver cuando se generó el alelo y estudiar así la diversificación.​

​El​ ​Ovate​ ​con​ ​el​​que​​hemos​​trabajado​​en​​el​​ejemplo​​anterior,​​no​​es​​el​​ovate​​identificado​​originalmente,​​sino​​un​

​miembro​​de​​la​​familia.​​La​​mayoría​​de​​los​​genes​​que​​clonamos​​son​​miembros​​de​​la​​familia​​génica,​​por​​eso​​hay​​que​
​pensar en posibles funciones que pueden tener también los miembros de la familia.​

​Los paraguayos son una mutación en un gen homólogo de ovate.​

​✿​ ​Mutaciones subyacentes a los QTLs​

​Hay​​una​​tendencia​​muy​​clara,​​pues​​la​​mayoría​​de​​las​​mutaciones​​que​​hemos​​visto​​son​​estructurales​​,​​no​​dentro​
​del​​gen​​como​​con​​los​​genes​​mendelianos,​​trabajando​​con​​QTLs​​hay​​que​​ir​​fuera​​del​​gen​​,​​en​​regiones​​regulatorias.​
​La variación observada se da por los cambios en la expresión (más temprana, más tardía…).​