Thesis (Ph. D.)--University of Washington, 1998. / Vita. Includes bibliographical references (p. [119]-127).

Thesis (Ph. D.)--Case Western Reserve University, 2005. / [School of Medicine] Department of Epidemiology and Biostatistics. Includes bibliographical references. Available online via OhioLINK's ETD Center.

Resumo: Estudos de associação baseados em desequilíbrio de ligação (DL) são importantes ferramentas para construção de mapas de ligação e utilização em programas de melhoramento assistidos por marcadores. Em geral, são utilizadas populações segregantes ou linhagens isogênicas para composição destes programas. Com o objetivo de comparar o desequilíbrio de ligação em linhagens duplo-haplóides (DH) e linhagens obtidas por meio de autofecundação, duzentas e quarenta e cinco linhagens - cento e setenta e cinco convencionais e setenta DHs - foram submetidas à análise de marcadores do tipo Single Nucleotide Polymorphism (SNP), utilizando-se mil duzentos e trinta e quatro marcadores distribuídos pelos dez cromossomos. O resultado da regressão entre as distâncias mostrou um R2 de 0,6546 para linhagens duplo-haplóides e uma equação de tendência logarítmica, sendo y= -0,024ln(x) + 0,159. Para as linhagens convencionais, o R2 foi de 0,5727, com a equação que explica a tendência, sendo y = -0,008ln(x) + 0,0659. Os dados de DL foram analisados individualmente, por cromossomo; e, assim como na análise conjunta, individualmente, todos os cromossomos tiveram o mesmo comportamento quando se comparam o DL de linhagens DH e os convencionais, sendo que os valores de DL nas linhagens DH foram em geral mais altos que nas convencionais. Os resultados indicam que, para a obtenção de linhagens DH, a recombinação ocorre em blocos maiores quando comparado com as linhagens convencionais. / Abstract: Association studies based on linkage disequilibrium (LD) are important tools for linkage maps construction and to use in marker-assisted breeding programs. Typically, segregating populations or isogenic lines are used to compose them. With objective of compare the linkage disequilibrium on double haploid lines (DH) and lines obtained by self pollination (Conventional), two hundred and forty five inbred lines, where one hundred seventy five conventional and seventy DHs where submitted to the analysis of Single Nucleotide Polymorphism (SNP) molecular markers, using one thousand two hundred and thirty four markers random distributed over the ten chromosomes. The regression output among the distances showed R2 of 0.6546 for double haploids lines and one logarithmic trend equation, being y = -0.024ln(x) + 0.159 For conventional lines, R2 was 0.5727, with an equation that explains the trend, being y = -0.008ln(x) + 0.0659. LD data were analyzed by chromosomes individually and as such in the joint analysis, all individual chromosomes showed the same patternr when comparing the LD of DH lines versus conventional lines, being the LD of DH lines generally higher that the conventional lines. Results show that to obtain DH lines the recombination occurs in larger blocks when compared against the conventional lines. / Orientador: José Roberto Moro / Coorientador: Heyder Diniz Silva / Banca: Ricardo Machado da Silva / Banca: Herberte Pereira da Silva / Banca: Antonio Carlos Silva / Banca: Sandra Helena Unêda Trevisoli / Doutor

A seleção genômica (Genomic Selection - GS) permite identificar indivíduos superiores com base no seu método genômico e apresenta a possibilidade de incorporação do melhoramento quantitativo à genética molecular. O melhor preditor linear não viesado (Best Linear Unbiased Prediction - BLUP) é um método de predição dos efeitos aleatórios do modelo com base nos componentes de variância obtidos por meio do método máxima verossimilhança restrita (Restricted maximum likelihood - REML). A eficiência do REML\\BLUP pode ser incrementada por meio da incorporação de matrizes de parentesco genômico nos modelos de seleção genômica, uma vez que os efeitos genéticos genômicos aditivos dos indivíduos avaliados constituem os componentes aleatórios dos modelos mistos abordados. Dentre os algoritmos disponíveis para estimá-las, a partir de dados de polimorfismo de nucleotídeo único (Single-nucleotide polymorphism - SNP\'s) há as matrizes de Vanraden (2008) Astle e Balding (2009) e as de Yang et al. (2010) (matriz de parentesco unificado e matriz de parentesco unificado ajustado). Adicionalmente ao método de estimação da matriz de parentesco, a acurácia da GS depende da densidade de marcadores e da extensão e padrão de desequilíbrio de ligação (Linkage desequilibrium - LD) que existe no painel. Com isto, os objetivos foram: i) investigar o efeito da redução nas densidades de marcadores SNP\'s, por meio do LD, na estimativa do parentesco genético dos indivíduos e, consequentemente, na acurácia preditiva da GS; ii) estudar o efeito do uso de diferentes tipos de matrizes de parentesco genômico na acurácia da seleção genômica para linhagens e híbridos de milho tropical. Para isso, foram considerados dois painéis distintos de milho tropical: uma composta por 64 linhagens endogâmicas e a outra, por 452 híbridos. Estas foram avaliadas para o caráter produtividade de grãos, em oito e cinco ambientes, respectivamente. As linhagens e os híbridos foram genotipados com a plataforma Affymetrix® Axiom® Maize Genotyping Array, com cerca de 600 mil marcadores. Foram construídos diferentes cenários de GS quanto ao tipo de painel (linhagens e híbridos), densidade de marcadores (400k, 60k, 9586 e 1304 para linhagens e 50k, 4458 e 495, para híbridos) e tipos de matrizes de parentesco (citadas acima). Em cada um destes cenários foi estimada a herdabilidade, acurácia, capacidade preditiva e a coincidência de seleção. A partir dos resultados conclui-se que: tanto para híbridos como para linhagens, a densidade de marcas pode ser reduzida significativamente por meio do LD existente entre os SNP\'s, sem gerar prejuízos quanto à acurácia da GS, mas reduzindo os custos com genotipagem e a demanda computacional. Para predição genômica das linhagens, a matriz de Vanraden (2008) apresenta o melhor custo benefício, pois tem menor demanda computacional e proporciona resultados satisfatórios quanto à acurácia e coincidência de seleção. Para a predição genômica de híbridos, as matrizes de Yang et al. (2010) são superiores em relação às demais testadas, quanto à acurácia preditiva e coincidência de seleção. / The efficiency of the Best Linear Unbiased Prediction (BLUP), along with the Restricted maximum likelihood (REML) methods, can be increased by incorporating genomic kinship matrices to Genomic Selection models (GS). Among the available algorithms to estimate these matrices from single-nucleotide polymorphism (SNP) data there are Vanraden (2008), Astle e Balding (2009) and Yang et al. (2010) (unified relationship matrix and adjusted unified relationship matrix). In addition to the estimation method of the relationship matrix, the accuracy of GS depends on the density of markers and the extent and pattern of linkage disequilibrium (LD) that there is in the panel. Thus, the aims were: i) assess the effect of marker density reduction, based on LD, on the estimative of the genetic relationship of individuals and, consequently, on the predictive accuracy of GS; ii) study the effects of types of genomic relationship matrices on the accuracy of genomic selection for tropical maize lines and hybrids. In order to achieve there, two distinct panel of tropical maize were used: the first consisting of 64 inbred lines and latter of 452 hybrids. These panels were evaluated in field trials for grain yield in eight and five environments, respectively. The lines and hybrids were genotyped by the Affymetrix® Axiom® Maize Genotyping Array platform with 612 thousand markers. Distinct scenarios of GS were comprised considering panel type (lines and hybrids), marker density (400k, 60k, 9586 and 1304 for lines and, 50k, 4458 and 495 for hybrids) and, types of kinship matrices cited aboved. In each of these scenarios heritability, accuracy, predictive capacity and the selection coincidence were estimated. From the results it was concluded that: for both, hybrids and lines, marker density can be significantly reduced based on LD between SNP\'s without affecting the accuracy. Furthermore, this reduction also decreases genotyping costs and computational requirements. For genomic prediction of lines, Vanraden (2008) matrix shows the best cost-benefit, because it demands less computer resources and provides satisfactory results in terms of accuracy and selection coincidence. On the other hand, for genomic prediction of hybrids, the matrices of Yang et al. (2010) yielded higher predictive accuracies and selection coincidences.

The ability of Next-Generation Sequencing (NGS) to produce massive quantities of genomic data inexpensively has allowed to study the structure of viral populations from an infected host at an unprecedented resolution. As a result of a high rate of mutation and recombination events, an RNA virus exists as a heterogeneous "swarm". Virologists and computational epidemiologists are widely using NGS data to study viral populations. However, discerning rare variants is muddled by the presence of errors introduced by the sequencing technology. We develop and implement time- and cost-efficient strategy for NGS of multiple viral samples, and computational methods to analyze large quantities of NGS data and to handle sequencing errors. In particular, we present: (i) combinatorial pooling strategy for massive NGS of viral samples; (ii) kGEM and 2SNV — methods for viral population haplotyping; (iii) ShotMCF — a Multicommodity Flow (MCF) based method for frequency estimation of viral haplotypes; (iv) QUASIM — an agent-based simulator of viral evolution taking in account viral variants and immune response.

The evolution of antibiotic resistance provides a well-documented, rapid, and recent example of a selection driven process that has occurred in many bacterial species. An exhaustive collection of Moraxella catarrhalis that spans a transition to chromosomally encoded penicillin resistance was used to analyze genetic changes accompanying the transition. The population was characterized by high haplotypic diversity with 148 distinct haplotypes among 372 isolates tested at three genomic regions. The power of a temporally stratified sample from a single population was highlighted by the finding of high genetic diversity throughout the transition to resistance, population numbers that remained high over time, and no evidence of departures from neutrality in the allele frequency spectra throughout the transition. The direct temporal analysis documented the persistence, antibiotic status, and haplotypic identity of strains undergoing apparent clonal expansions. Several haplotypes that were β-lactamase nonproducers in early samples converted to producers in later years. Maintenance of genetic diversity and haplotype conversions from sensitive to resistant supported the hypothesis that penicillin resistance determinants spread to a diverse array of strains via horizontal exchange. Genetic differentiation between sample years, estimated by FST, was increasing at a rate that could cause complete haplotype turnover in less than 150 years. Widespread linkage disequilibrium among sites within one locus (copB) suggested recent mutation followed by clonal expansion. Nonrandom associations between haplotypes and resistance phenotypes provided further evidence of clonal expansion for some haplotypes. Nevertheless, the population structure was far from clonal as evidenced by a relatively low frequency of disequilibria both within sites at a second locus (M46) as well as between loci. The haplotype-antibiotic resistance association that was accompanied by gradual haplotype turnover is consistent with a hypothesis of genetic drift at marker loci with directional selection at the resistance locus.

No description available.

The data from genome-wide association studies (GWAS) in humans are still predominantly analyzed using single marker association methods. As an alternative to Single Marker Analysis (SMA), all or subsets of markers can be tested simultaneously. This approach requires a form of Penalized Regression (PR) as the number of SNPs is much larger than the sample size. Here we review PR methods in the context of GWAS, extend them to perform penalty parameter and SNP selection by False Discovery Rate (FDR) control, and assess their performance (including penalties incorporating linkage disequilibrium) in comparison with SMA. PR methods were compared with SMA on realistically simulated GWAS data consisting of genotype data from single and multiple chromosomes and a continuous phenotype and on real data. Based on our comparisons our analytic FDR criterion may currently be the best approach to SNP selection using PR for GWAS. We found that PR with FDR control provides substantially more power than SMA with genome-wide type-I error control but somewhat less power than SMA with Benjamini-Hochberg FDR control. PR controlled the FDR conservatively while SMA-BH may not achieve FDR control in all situations. Differences among PR methods seem quite small when the focus is on variable selection with FDR control. Incorporating LD into PR by adapting penalties developed for covariates measured on graphs can improve power but also generate morel false positives or wider regions for follow-up. We recommend using the Elastic Net with a mixing weight for the Lasso penalty near 0.5 as the best method. / Ph. D.

A associação não aleatória entre alelos de diferentes lócus caracteriza o que é chamado de desequilíbrio de ligação (DL) entre eles. A extensão do DL nas populações humanas pode ser influenciada por muitos fatores, tais como taxa de recombinação, características demográficas (idade, tamanho e taxa de crescimento) e fatores evolutivos (deriva genética, efeito fundador, gargalos populacionais, mutação, seleção e fluxo gênico). Portanto, o conhecimento dos padrões do DL fornecem dados que auxiliam na descrição dos eventos demográficos e evolutivos sofridos pelas populações. O objetivo deste estudo foi descrever os padrões de DL de quatro populações brasileiras e correlacioná-los com suas respectivas histórias demográficas, uma vez que estas populações experimentaram alguns dos eventos evolutivos que geram ou retardam o decréscimo do DL, como fundação por poucos indivíduos, miscigenação no momento da fundação e posterior isolamento. Foram analisadas amostras de três populações remanescentes de quilombos do Estado do Piauí, Gaucinha (GAU, n = 14), Mimbó (MIB, n = 15) e Sítio Velho (STV, n = 15) e da população urbana de Teresina, Piauí (TES, n = 15), além de sete amostras populacionais do projeto HapMap (CEU, CHB, JPT, ASW, LWK, MKK, YRI, todas com n = 15). Foram genotipados mais de 250 mil SNPs (Single Nucleotide Polymorphisms) utilizando-se o GeneChip® Human Mapping 250K Nsp I Array - Affymetrix® nas amostras das quatro populações brasileiras. Os dados brutos das populações do HapMap para este array foram obtidos na página do projeto. Os genótipos para todas as amostras foram determinados pelo algoritmo CRLMM após comparação com o algoritmo BRLMM, e as análises de DL e determinação dos blocos de haplótipos foram realizadas com o uso do programa Haploview. Considerando-se o número de blocos de haplótipos detectados em cada população estudada, padrão semelhante foi observado em todos os autossomos. Em geral, a população europeia (CEU) e as duas populações asiáticas (CHB e JPT) do HapMap apresentaram os maiores números de blocos, enquanto que os menores números foram observados nos quilombos GAU e MIB e na população TES. As populações africanas LWK, MKK e YRI e a população afro-americana ASW apresentaram os valores intermediários e a população afro-brasileira STV, apresentou um número de blocos apenas inferior a CEU, CHB e JPT. A grande contribuição africana nos quilombos GAU e MIB pode explicar o menor DL observado nestas comunidades. Por outro lado, o menor DL em TES se deve, provavelmente, à sua fundação, que envolveu um maior número de indivíduos e foi seguida por um rápido crescimento. A possível explicação para o maior DL observado em STV, em relação aos demais quilombos, consiste em sua peculiar história demográfica: esta comunidade experimentou uma miscigenação no momento de sua fundação, que foi seguida por um crescimento lento e pouca diferenciação. Assim, foi demonstrado como os eventos demográficos de cada população influenciam seus respectivos padrões de DL. / The non-random association between alleles of different loci characterizes what is called linkage disequilibrium (LD) between them. The LD extent in human populations can be influenced by many factors, such as recombination rate, demographic features (age, size and growth rate) and evolutionary events (genetic drift, founder effects, population bottlenecks, mutation, selection and gene flow). Therefore, knowledge of the LD patterns provides data that assists in describing the evolutionary and demographic events experienced by populations. The aim of this study was to describe the LD patterns of four Brazilian populations and correlate these patterns with their respective demographic histories, since these populations have experienced some of the evolutionary events that produce or retard the LD decrease, such as foundation by few individuals, admixture at the founding moment and subsequent isolation. Samples from three quilombo remnants populations of the Piauí State, Gaucinha (GAU, n = 14), Mimbó (MIB, n = 15) and Sítio Velho (STV, n = 15) and the urban population of Teresina, Piauí (TES, n = 15), and seven population samples from the HapMap Project (CEU, CHB, JPT, ASW, LWK, MKK, YRI, all with n = 15) were analyzed. More than 250 thousand SNPs (Single Nucleotide Polymorphisms) were genotyped using the GeneChip ® Human Mapping 250K Nsp Array I - Affymetrix ® in the samples of the four Brazilian populations. Raw data of the HapMap population samples for this array were obtained from the HapMap homepage. Genotypes for all samples were determined by CRLMM algorithm after comparison with the BRLMM algorithm. LD analyzes and determination of haplotype blocks were performed using the Haploview software. Considering the number of haplotype blocks detected in each population, a consistent pattern was observed for all autosomes. The European population (CEU) and the two Asian populations (CHB and JPT) of the HapMap showed the highest numbers of blocks, while the lowest numbers were observed in the GAU and MIB quilombos and in the TES population. The African populations, LWK, MKK and YRI, and the African-American ASW exhibited intermediate values and the African-Brazilian population STV, presented a number of blocks smaller than that observed for CEU, CHB and JPT. The great African contribution in the GAU and MIB quilombos may explain the lower LD observed in these communities. On the other hand, the lower LD in TES is probably due to its foundation that involved a larger number of individuals and was followed by a fast growth. A possible explanation for the higher LD observed in STV, compared to other quilombos, consists in its particular demographic history: this community experienced admixture at the time of its foundation, which was followed by slow growth and low differentiation. Thus, it was shown how the demographic events of each population influence their respective LD patterns.

Submitted by Luciana Ferreira (lucgeral@gmail.com) on 2014-08-06T15:10:39Z No. of bitstreams: 2 license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) Elaine Lima Trigueiro.pdf: 2172405 bytes, checksum: 872d4e471b17e830b4eafc478bfb3cf5 (MD5) / Made available in DSpace on 2014-08-06T15:10:39Z (GMT). No. of bitstreams: 2 license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) Elaine Lima Trigueiro.pdf: 2172405 bytes, checksum: 872d4e471b17e830b4eafc478bfb3cf5 (MD5) Previous issue date: 2007 / Conselho Nacional de Pesquisa e Desenvolvimento Científico e Tecnológico - CNPq / Cellulose is one of the most important and the most abundant biopolymer on the planet, playing a key role on the evolutionary history of plants. Important advances have been made in recent years, in particular on the identification of genes and co- expressed genes for the formation of cellulose in the primary and secondary cellular walls of plants. In addition to its biological relevance, cellulose has a great economic importance, not only in Brazil but in the world, especially due to the production of cellulose and paper from Eucalyptus. The high levels of production and competition in the international market are guaranteed by great investments, which are carried through by the forestal sector, in particular by the Genolyptus Project – Brazilian Network for Research on Eucalyptus Genome. This project is the result of a collective effort of companies involved on the production of cellulose and paper and various public research institutions. Their main goal is to identify and characterize genes involved in wood formation with the intent to genetically improve Eucalyptus. Based on this goal, this work was developed with two objectives. The first is doing a preliminary characterization of the cellulose synthase gene in Eucalyptus, which is associated with the synthesis of the secondary cellular wall and is orthologous to the gene EgCeA2, of E. grandis. The second objective is to study the linkage disequilibrium in another gene of cellulose synthase, orthologous to the EgCesA3 gene, sampled from a wild population of E. urophylla. Regarding the CesA2 gene, an exonic region with 427bp was sequenced from DNA samples of 12 individuals from different species and geographic regions. The next step was to proceed with an analysis to detect polymorphism which gave an estimate of three SNPs synonymous along the contig, with an estimated π = 0.00212 diversity index. A clone containing the CesA2 gene was identified through a selection from a BAC library generated in the scope of the Genolyptus Project. This clone gives the prospect for the development of a minute characterization of this gene structure in Eucalyptus. Additionally, concerning the CesA3 gene, the sequencing of 32 individuals allowed for the formation of a 770bp contig with a π = 0.00185 diversity index and detection of nine polymorphic loci distributed in intron and exon regions and at the 3’-UTR of the gene. The analysis of the extension of linkage disequilibrium in the CesA3 gene suggests that SNPs tend to be in strong linkage disequilibrium at a distance of approximately 600bp. The knowledge of the position of the SNPs in the genes CesA2 and CesA3 makes possible the use of these markers in future studies of genetic mapping. The lack of non-synonymous SNPs in exon regions ensures that cellulose is in fact a very important polymer for plant survival. Hence its synthesis machinery presents highly conserved characteristics and so mutations in regions with effective transcription tend mostly to be deleterious and therefore would not be fixed. Moreover, the analysis of CesA gene expression in different species of Eucalyptus, was made from two boardings: “Digital Differential Display”, from different libraries of ESTs and microarrays, optimized in the scope of the Genolyptus project. The analysis with data of microarrays showed less sensible in the detention of the distinguishing expression, probably had to the calls “crossed relations”. / A celulose é um dos biopolímeros mais importantes do planeta, sendo também o mais abundante, e sem dúvida uma característica chave na história evolutiva das plantas. Contudo, sua biossíntese e regulação ainda não são bem compreendidas, embora avanços importantes tenham ocorrido nos últimos anos, sobretudo na identificação de genes e grupos de genes co-expressos para a formação de celulose na parede celular primária e secundária de vegetais. Além de sua relevância biológica, a celulose possui uma grande importância econômica no Brasil e no mundo, com destaque para a produção de celulose e papel a partir de Eucalyptus. Para garantir os elevados níveis de produtividade e competitividade no mercado internacional, grandes investimentos têm sido realizados pelo setor florestal, destacando-se o Projeto Genolyptus – Rede Brasileira de Pesquisa do Genoma de Eucalyptus, fruto de um esforço de empresas do setor de produção de celulose e papel, e de diversas instituições públicas de pesquisa, que têm, dentre outros objetivos, o intuito de identificar e caracterizar genes envolvidos na formação da madeira, para, no futuro, usar essa informação no melhoramento genético do Eucalyptus. Nesse contexto, este trabalho foi desenvolvido com o objetivo de realizar uma caracterização preliminar de um gene de celulose sintase em Eucalyptus, que está relacionado à síntese da parede celular secundária, sendo ortólogo ao gene EgCesA2, de E. grandis, bem como estudar o desequilíbrio de ligação em outro gene de celulose sintase, ortólogo ao gene EgCesA3, em uma amostra de uma população natural de E. urophylla. Em relação ao gene CesA2, foi seqüenciada uma região exônica do gene, formada por 427pb, a partir de amostras de DNA de 12 indivíduos de diferentes espécies e regiões geográficas. Procedeu-se a uma análise de detecção de polimorfismo, e estimou-se a ocorrência de três SNPs sinônimos ao longo do contig. Foi estimado um índice de diversidade π= 0,00212. Foi feita também uma triagem em uma biblioteca de BAC, gerada no âmbito do Projeto Genolyptus, e foi identificado o clone que contém o gene CesA2, o que permitirá o desenvolvimento futuro de caracterização minuciosa da estrutura deste gene em Eucalyptus. Em relação ao gene CesA3, a partir do seqüenciamento de 32 indivíduos, formou-se um contig de 770pb, e foi encontrado um índice de diversidade π= 0,00185. Foi possível a detecção de nove locos polimórficos distribuídos em regiões intrônicas, exônicas, e de 3’-UTR do gene. A análise de extensão do desequilíbrio de ligação dentro do gene CesA3 sugere que os SNPs tendem a se encontrar em forte desequilíbrio a uma distância de aproximadamente 600pb. O conhecimento da posição dos SNPs nos genes CesA2 e CesA3 viabiliza a utilização destas marcas em futuros estudos de mapeamento genético. A existência de SNPs sinônimos nas regiões exônicas seqüenciadas corrobora com a idéia de que a celulose é um polímero muito importante à sobrevivência da planta, e, portanto, sua maquinaria de síntese apresenta características bastante conservadas, de modo que mutações em regiões efetivamente transcritas tenderiam a ser deletérias e não seriam fixadas. Além disso, foi feita uma análise da expressão gênica dos genes CesA em diferentes espécies de Eucalyptus, a partir de duas abordagens: a “Digital Differential Display”, a partir de diferente bibliotecas de ESTs e os microarrays, otimizados no âmbito do projeto Genolyptus. A análise com dados de microarrays revelou-se menos sensível na detecção da expressão diferencial, provavelmente devido às chamadas “relações cruzadas”.