Caracteres complexos são aqueles determinados por muitos genes e que apresentam variação contínua. Em uma população, a variação herdável dos caracteres complexos não é independente, e pares de caracteres podem ser mais ou menos correlacionados entre si. O nível e o padrão da associação entre caracteres determina como o fenótipo da população se comporta perante os processos evolutivos. A associação entre caracteres pode tanto facilitar a evolução em algumas direções do espaço fenotípico quanto restringir a evolução em outras, pois caracteres mais associados entre si tendem a evoluir de forma conjunta. O padrão de associação entre caracteres pode ser representado pela matriz de covariância genética aditiva, que descreve o padrão variacional resultante da interação do mapa genótipo-fenótipo e de todos os processos de desenvolvimento que levam desde a informação contida no material genético até o indivíduo. Tanto o mapa genótipo-fenótipo quanto o padrão de covariação genético também apresentam variação herdável, e portanto podem ser alterados pelos processos evolutivos e mudar entre gerações. Esse processo estabelece uma interação de mão dupla entre evolução e covariação, na qual a covariação afeta o resultado dos processos evolutivos e os processos evolutivos afetam a covariação. Nesta tese, nós exploramos como os efeitos genéticos interagem para formar o padrão de covariação, e como esses efeitos e covariação evoluem sob seleção natural. Para isso, nós trabalhamos com três populações experimentais de camundongos que foram sujeitas a regimes de seleção artificial e, utilizando diferentes tipos de caracteres, procuramos entender como a covariação se estabelece e como ela é afetada pela seleção. No primeiro experimento, estudamos o padrão de covariação de caracteres cranianos em linhagens selecionadas para aumento e diminuição do tamanho corporal, e observamos que a seleção para tamanho altera os caracteres do crânio e a covariação entre eles. A seleção direcional diminui a variação total do crânio, mas também aumenta a proporção de variação na direção de seleção, potencialmente facilitando uma nova resposta seletiva na mesma direção. Esse resultado implica que a variação presente em uma população pode ser moldada pela sua história evolutiva de forma adaptativa. No segundo experimento utilizamos uma população intercruzada, criada a partir linhagens selecionadas para aumento e diminuição do tamanho corporal, para identificar regiões genômicas envolvidas na determinação da curva de crescimento. Utilizando estimativas dos efeitos genotípicos nos fenótipos de crescimento, nós pudemos prever os fenótipos das linhagens ancestrais utilizando apenas informação da população intercruzada, e também construir estimativas de qual seria a covariação entre os caracteres de crescimento para cada tipo de efeito genético. Além disso, relacionamos a distribuição dos efeitos genéticos com a história evolutiva da população, mostrando que tanto a seleção quanto restrições internas do desenvolvimento interagem para determinar a distribuição de efeitos genéticos e, portanto, a covariação. No terceiro experimento, utilizamos seis linhagens de camundongos, que haviam sido selecionadas para alterações na curva de crescimento, para formar uma população intercruzada. Essa população apresentava uma enorme variação na sua curva de crescimento, e, utilizando técnicas de mapeamento genético, nós identificamos regiões genômicas envolvidas na determinação dessa variação fenotípica. Também desenvolvemos, para criar uma expectativa para a distribuição de efeitos genéticos nessa população, um modelo de simulação computacional da evolução dos efeitos genotípicos sob seleção. Os efeitos genéticos na população intercruzada apresentam um padrão mais complexo que o das simulações, e encontramos uma combinação de efeitos genéticos com padrões diferentes que interagem para gerar a covariação genética presente na população. Por fim, apresentamos uma revisão sobre a evolução da covariação genética e discutimos as consequências macroevolutivas das questões abordadas nos outros capítulos / Complex traits are defined as traits that are determined by many genes and that show continuous variation. In a population, the heritable variation of complex traits is not independent, and pairs of traits might be more or less correlated. The level and pattern of the association between traits determine how the phenotype of the population behaves when faced with evolutionary forces, like natural selection and genetic drift. The association between traits can both facilitate evolutionary change in some directions of the phenotype space and hinder change in other directions because tightly associated traits tend to evolve together. The pattern of association among traits can be represented by the additive genetic covariance matrix. This matrix describes the variational pattern that is the result of the interplay between the genotype-phenotype map and development, which together lead from the genetic information to the formation of the individual. Both the genotype-phenotype map and the genetic covariation also show heritable variation, and so are able to evolve and change between generations. This process establishes a feedback between evolution and covariation, in which covariation affects the outcome of the evolutionary process and is also shaped by evolution. In this thesis, we explore how genetic effects interact to create patterns of covariation, and how these effects and covariation change under natural selection. In order to do this, we use three experimental mice populations that were subjected to artificial selection regimes, and, using several types of complex traits, we study how covariation is established and how it evolves. In the first experiment, we use the covariation pattern of cranial traits measured in mice strains selected for the increase and decrease of body size. In these strains, we see that size selection altered the means of the cranial traits and the covariation between them. Directional selection reduces the total amount of genetic information, but in a non-uniform way. Some directions in phenotype space lose more variation than others, and, counter-intuitively, the direction of selection loses less variation. This leads to an increase in the proportion of variation that is in the direction of selection, potentially facilitating future evolutionary change in the same direction. This result shows that the covariation pattern in a population is shaped by its evolutionary history and can be adaptive. In the second experiment, we use an intercross population, created with two inbred mouse strains that were selected for increase and decrease in weight, to identify genomic regions involved in determining the growth curve of the individuals. Using estimates of the genetic effects on the growth traits, we were able to predict the phenotypes of the ancestral strains using only information from the intercross. We were also able to partition the genetic covariation into the contributions due to different types of genetic effects. We interpret the distribution of genetic effects in light of the evolutionary history of the population and show that the distribution of genetic effects, and of genetic covariation, is a consequence of the interaction between selection and development. In the third experiment, we create an intercross using six inbred mice strains that had been selected for different changes in their growth curve. This intercross shows large variation in growth curves, and, using genetic mapping techniques, we identify genomic regions involved in producing this phenotypic variation. To create an expectation for the distribution of genetic effects in this population, we develop a computer simulation model for the evolution of genetic effects under directional selection. The genetic effects in the population are more complex than in the simulation model, and we find that the genetic covariation between growth traits is created by the interaction among several different kinds of genetic effects. Finally, we present a review on the evolution of genetic covariation and discuss the macroevolutionary consequences of the themes we explore in the other chapters

Muitos caracteres em plantas e animais são de natureza quantitativa, influenciados por múltiplos genes. Com o advento de novas técnicas moleculares tem sido possível mapear os locos que controlam os caracteres quantitativos, denominados QTLs (Quantitative Trait Loci). Mapear um QTL significa identificar sua posição no genoma, bem como, estimar seus efeitos genéticos. A maior dificuldade para realizar o mapeamento de QTLs, se deve ao fato de que o número de QTLs é desconhecido. Métodos bayesianos juntamente com método Monte Carlo com Cadeias de Markov (MCMC), têm sido implementados para inferir conjuntamente o número de QTLs, suas posições no genoma e os efeitos genéticos . O desafio está em obter a amostra da distribuição conjunta a posteriori desses parâmetros, uma vez que o número de QTLs pode ser considerado desconhecido e a dimensão do espaço paramétrico muda de acordo com o número de QTLs presente no modelo. No presente trabalho foi implementado, utilizando-se o programa estatístico R uma abordagem bayesiana para mapear QTLs em que múltiplos QTLs e os efeitos de epistasia são considerados no modelo. Para tanto foram ajustados modelos com números crescentes de QTLs e o fator de Bayes foi utilizado para selecionar o modelo mais adequado e conseqüentemente, estimar o número de QTLs que controlam os fenótipos de interesse. Para investigar a eficiência da metodologia implementada foi feito um estudo de simulação em que foram considerados duas diferentes populações experimentais: retrocruzamento e F2, sendo que para ambas as populações foi feito o estudo de simulação considerando modelos com e sem epistasia. A abordagem implementada mostrou-se muito eficiente, sendo que para todas as situações consideradas o modelo selecionado foi o modelo contendo o número verdadeiro de QTLs considerado na simulação dos dados. Além disso, foi feito o mapeamento de QTLs de três fenótipos de milho tropical: altura da planta (AP), altura da espiga (AE) e produção de grãos utilizando a metodologia implementada e os resultados obtidos foram comparados com os resultados encontrados pelo método CIM. / Many traits in plants and animals have quantitative nature, influenced by multiple genes. With the new molecular techniques, it has been possible to map the loci, which control the quantitative traits, called QTL (Quantitative Trait Loci). Mapping a QTL means to identify its position in the genome, as well as to estimate its genetics effects. The great difficulty of mapping QTL relates to the fact that the number of QTL is unknown. Bayesian approaches used with Markov Chain Monte Carlo method (MCMC) have been applied to infer QTL number, their positions in the genome and their genetic effects. The challenge is to obtain the sample from the joined distribution posterior of these parameters, since the number of QTL may be considered unknown and hence the dimension of the parametric space changes according to the number of QTL in the model. In this study, a Bayesian approach was applied, using the statistical program R, in order to map QTL, considering multiples QTL and epistasis effects in the model. Models were adjusted with the crescent number of QTL and Bayes factor was used to select the most suitable model and, consequently, to estimate the number of QTL that control interesting phenotype. To evaluate the efficiency of the applied methodology, a simulation study was done, considering two different experimental populations: backcross and F2, accomplishing the simulation study for both populations, considering models with and without epistasis. The applied approach resulted to be very efficient, considering that for all the used situations, the selected model was the one containing the real number of QTL used in the data simulation. Moreover, the QTL mapping of three phenotypes of tropical corn was done: plant height, corn-cob height and grain production, using the applied methodology and the results were compared to the results found by the CIM method.

Muitas são as características quantitativas que são, significativamente, influenciadas por fatores genéticos, em geral, existem vários genes que colaboram para a variação de uma ou mais características quantitativas. As informações ausentes a respeito dos genótipos nos marcadores moleculares é um problema comum em estudo de mapeamento genético e, por conseguinte, no mapeamento dos locus que controlam estas características fenotípicas (QTL). Os dados que não foram observados ocorrem, principalmente, devido a erros de genotipagem e de marcadores não informativos. Para solucionar este problema foi utilizado o método do modelo oculto de Markov para inferir estes dados. Os métodos de acurácias evidenciaram o sucesso da aplicação desta técnica de imputa- ção. Uma vez imputado, na inferência bayesiana estes dados não serão mais tratados como uma variável aleatória resultando assim, numa redução no espaço paramétrico do modelo. Outra grande dificuldade no mapeamento de QTL se deve ao fato de que não se conhece ao certo a quantidade destes que influenciam uma dada característica, fazendo com que surjam diversos problemas, um deles é a dimensão do espaço paramétrico e, consequentemente, a obtenção da amostra a posteriori. Assim, com o objetivo de contornar este problema foi proposta a utilização do método Monte Carlo via cadeia de Markov com Saltos Reversíveis, uma vez que este permite flutuar, entre cada iteração, modelos com diferentes quantidades de parâmetros. A utilização da abordagem bayesiana permitiu detectar cinco QTL para a característica estudada. Todas as análises foram implementadas no programa estatístico R. / There are many quantitative characteristics which are significantly influenced by genetic factors, in general, there are several genes that contribute to the variation of one or more quantitative trait. The missing information about the genotypes in molecular markers is a common problem in studying genetic mapping and therefore the mapping of loci that control these phenotypic traits (QTL). The data were not observed occur mainly due to errors in genotyping and uninformative markers. To solve this problem the method of occult Markov model to infer this information was used. Techniques accuracies demonstrated the successful application of this technique of imputation. Once allocated, in the Bayesian inference this data will no longer be treated as a random variable thus resulting in a reduction in the parameter space of the model. Another great difficulty in mapping QTL is due to the fact that no one knows exactly the amount of these which influence a given characteristic, so that several problems arise, one of them is dimension of the parameter space and, consequently, obtaining the sample a posterior. Thus, in order to solve this problem using the method via Monte Carlo Markov chain Reversible Jump was proposed, since this allows fluctuate between each iteration, models with different numbers of parameters. The use of the Bayesian approach allowed five QTL detected for the studied trait. All analyzes were implemented in the statistical software R.

Muitos caracteres em plantas e animais são de natureza quantitativa, influenciados por múltiplos genes. Com o advento de novas técnicas moleculares tem sido possível mapear os locos que controlam os caracteres quantitativos, denominados QTLs (Quantitative Trait Loci). Mapear um QTL significa identificar sua posição no genoma, bem como, estimar seus efeitos genéticos. A maior dificuldade para realizar o mapeamento de QTLs, se deve ao fato de que o número de QTLs é desconhecido. Métodos bayesianos juntamente com método Monte Carlo com Cadeias de Markov (MCMC), têm sido implementados para inferir conjuntamente o número de QTLs, suas posições no genoma e os efeitos genéticos . O desafio está em obter a amostra da distribuição conjunta a posteriori desses parâmetros, uma vez que o número de QTLs pode ser considerado desconhecido e a dimensão do espaço paramétrico muda de acordo com o número de QTLs presente no modelo. No presente trabalho foi implementado, utilizando-se o programa estatístico R uma abordagem bayesiana para mapear QTLs em que múltiplos QTLs e os efeitos de epistasia são considerados no modelo. Para tanto foram ajustados modelos com números crescentes de QTLs e o fator de Bayes foi utilizado para selecionar o modelo mais adequado e conseqüentemente, estimar o número de QTLs que controlam os fenótipos de interesse. Para investigar a eficiência da metodologia implementada foi feito um estudo de simulação em que foram considerados duas diferentes populações experimentais: retrocruzamento e F2, sendo que para ambas as populações foi feito o estudo de simulação considerando modelos com e sem epistasia. A abordagem implementada mostrou-se muito eficiente, sendo que para todas as situações consideradas o modelo selecionado foi o modelo contendo o número verdadeiro de QTLs considerado na simulação dos dados. Além disso, foi feito o mapeamento de QTLs de três fenótipos de milho tropical: altura da planta (AP), altura da espiga (AE) e produção de grãos utilizando a metodologia implementada e os resultados obtidos foram comparados com os resultados encontrados pelo método CIM. / Many traits in plants and animals have quantitative nature, influenced by multiple genes. With the new molecular techniques, it has been possible to map the loci, which control the quantitative traits, called QTL (Quantitative Trait Loci). Mapping a QTL means to identify its position in the genome, as well as to estimate its genetics effects. The great difficulty of mapping QTL relates to the fact that the number of QTL is unknown. Bayesian approaches used with Markov Chain Monte Carlo method (MCMC) have been applied to infer QTL number, their positions in the genome and their genetic effects. The challenge is to obtain the sample from the joined distribution posterior of these parameters, since the number of QTL may be considered unknown and hence the dimension of the parametric space changes according to the number of QTL in the model. In this study, a Bayesian approach was applied, using the statistical program R, in order to map QTL, considering multiples QTL and epistasis effects in the model. Models were adjusted with the crescent number of QTL and Bayes factor was used to select the most suitable model and, consequently, to estimate the number of QTL that control interesting phenotype. To evaluate the efficiency of the applied methodology, a simulation study was done, considering two different experimental populations: backcross and F2, accomplishing the simulation study for both populations, considering models with and without epistasis. The applied approach resulted to be very efficient, considering that for all the used situations, the selected model was the one containing the real number of QTL used in the data simulation. Moreover, the QTL mapping of three phenotypes of tropical corn was done: plant height, corn-cob height and grain production, using the applied methodology and the results were compared to the results found by the CIM method.

Plants are the primary producers of biomass and thereby the basis of all life. Many varieties are cultivated, mainly to produce food, but to an increasing amount as a source of renewable energy. Because of the limited acreage available, further improvements of cultivated species both with respect to yield and composition are inevitable. One approach to further progress in developing improved plant cultivars is a systems biology oriented approach. This work aimed to investigate the primary metabolism of the model plant A.thaliana and its relation to plant growth using quantitative genetics methods. A special focus was set on the characterization of heterosis, the deviation of hybrids from their parental means for certain traits, on a metabolic level. More than 2000 samples of recombinant inbred lines (RILs) and introgression lines (ILs) developed from the two accessions Col-0 and C24 were analyzed for 181 metabolic traces using gas-chromatography/ mass-spectrometry (GC-MS). The observed variance allowed the detection of 157 metabolic quantitative trait loci (mQTL), genetic regions carrying genes, which are relevant for metabolite abundance. By analyzing several hundred test crosses of RILs and ILs it was further possible to identify 385 heterotic metabolic QTL (hmQTL). Within the scope of this work a robust method for large scale GC-MS analyses was developed. A highly significant canonical correlation between biomass and metabolic profiles (r = 0.73) was found. A comparable analysis of the results of the two independent experiments using RILs and ILs showed a large agreement. The confirmation rate for RIL QTL in ILs was 56 % and 23 % for mQTL and hmQTL respectively. Candidate genes from available databases could be identified for 67 % of the mQTL. To validate some of these candidates, eight genes were re-sequenced and in total 23 polymorphisms could be found. In the hybrids, heterosis is small for most metabolites (< 20%). Heterotic QTL gave rise to less candidate genes and a lower overlap between both populations than was determined for mQTL. This hints that regulatory loci and epistatic effects contribute to metabolite heterosis. The data described in this thesis present a rich source for further investigation and annotation of relevant genes and may pave the way towards a better understanding of plant biology on a system level. / Pflanzen sind die Primärproduzenten von Biomasse und damit Grundlage allen Lebens. Sie werden nicht nur zur Gewinnung von Nahrungsmitteln, sondern zunehmend auch als Quelle erneuerbarer Energien kultiviert. Aufgrund der Begrenztheit der weltweit zu Verfügung stehenden Anbaufläche ist eine zielgerichtete Selektion und Verbesserung der verwendeten Sorten unabdingbar. Um solch eine kontinuierliche Verbesserung zu gewährleisten, ist ein grundlegendes Verständnis des biologischen Systems Pflanze nötig. Diese Arbeit hatte zum Ziel, den Primärmetabolismus der Modellpflanze A. thaliana mit Methoden der quantitativen Genetik zu untersuchen und in Beziehung zu Wachstum und Biomasse zu stellen. Insbesondere sollte Heterosis, die Abweichung von Hybriden in ihren Merkmalen vom Mittelwert der Eltern, auf Stoffwechselebene charakterisiert werden. Mit Hilfe der Gas Chromatographie/ Massen Spektrometrie (GC-MS) wurden über 2000 Proben von rekombinanten Inzucht Linien (RIL) und Introgressions Linien (IL) der Akzessionen Col 0 und C24 bezüglich des Vorkommens von 181 Metaboliten untersucht. Die beobachtete Varianz erlaubte die Bestimmung von 157 metabolischen QTL (mQTL), genetischen Regionen, die für die Metabolitkonzentrationen relevante Gene enthalten. Durch die Untersuchung von Testkreuzungen der RILs und ILs konnten weiterhin 385 heterotische metabolische QTL (hmQTL) identifiziert werden. Im Rahmen dieser Arbeit wurde eine robuste Methode zur Auswertung von GC-MS Analysen entwickelt. Es wurde eine hoch signifikante kanonische Korrelation (r=0.73) zwischen Biomasse und Metabolitprofilen gefunden. Die unterschiedlichen Ansätze zur QTL Analyse, RILs und ILs, wurden verglichen. Dabei konnte gezeigt werden, daß die Methoden komplementär sind, da mit RILs gefundene mQTL zu 56% und hmQTL zu 23% in ILs bestätigt wurden. Durch den Vergleich mit Datenbanken wurden für 67% der mQTL Kandidatengene identifiziert. Um diese zu überprüfen wurden acht dieser Gene resequenziert und insgesamt 23 Polymorphismen darin bestimmt. Die Heterosis in den Hybriden ist für die meisten Metabolite gering (<20%). Für hmQTL konnten weniger Kandidatengene als für mQTL bestimmt werden und sie zeigten eine geringere Übereinstimmung in den beiden Populationen. Dies deutet darauf hin, daß regulatorische Loci und epistatische Effekte einen wichtigen Beitrag zur Heterosis besteuern. Die gewonnenen Daten stellen eine reiche Quelle für die weitergehende Untersuchung und Annotation relevanter Gene dar und ebnen den Weg für ein besseres Verständnis des Systems Pflanze.

Brassica carinata is being actively pursued as a new industrial oil crop platform for the Canadian Prairies. A genetic assessment of B. carinata was performed to elucidate its evolutionary origins and create a genetic map to assist in locating genes and traits of interest that would help in marker-assisted breeding. First, genetic analysis using simple sequence repeat (SSR) markers, previously tested on B. juncea and B. napus, was performed, to examine the genetic diversity of 37 B. carinata lines. SSR analysis revealed world accessions were more diverse than lines conditioned to grow in the prairies. Diversity analysis revealed that the parental lines of a double haploid (DH) population, 179 and 345, obtained from the John Innes Centre (JIC), were among the more genetically diverse lines, supporting the use of this population for linkage mapping. Genetic markers created from 3’ targeted SNP discovery between 179 and 345, were tested on the DH population resulting in the generation of a B. carinata genetic linkage map essentially with no prior sequence data knowledge. This genetic map contained 341 SNP and 86 SSR loci identifying eight linkage groups belonging to the B genome, nine belonging to the C genome and two unidentified groups spanning 2041 cM. Comparative mapping of polymorphic markers identified in the amphidiploid B. carinata indicated the orientation of B and C genomes coincide with that of other Brassica species, and the two genomes have remained essentially unaltered, with no major chromosomal rearrangements since the formation of B. carinata. A lesser number of polymorphic markers were detected in the C genome, which suggested the B genome is more genetically diverse in B. carinata. Limited field trials of the 179 x 345 DH population were performed during the 2011 and 2012 growing seasons. Preliminary quantitative trait loci (QTLs) for agronomic traits including flowering time (FT), plant height (PH), and seed quality were identified.

Submitted by Marco Antônio de Ramos Chagas (mchagas@ufv.br) on 2017-06-02T16:19:15Z No. of bitstreams: 1 texto completo.pdf: 390406 bytes, checksum: ccedce081a84047d48e29f58c45f1176 (MD5) / Made available in DSpace on 2017-06-02T16:19:15Z (GMT). No. of bitstreams: 1 texto completo.pdf: 390406 bytes, checksum: ccedce081a84047d48e29f58c45f1176 (MD5) Previous issue date: 2003-09-05 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / A aplicação de análises de “Quantitative Trait Loci” (QTL) em populações exogâmicas é desafiadora porque pressuposições simplificadoras não podem ser aplicadas (por exemplo, os alelos QTL não podem ser assumidos fixados em diferentes famílias, o número de alelos QTL segregantes não é conhecido a priori, não há desequilíbrio de ligação entre um dado alelo marcador e um dado alelo QTL). Quando o efeito genotípico do QTL é assumido aleatório no modelo de análise, a matriz de covariância gamética deve ser calculada para a realização das análises em populações exogâmicas. A acurácia dessa matriz é importante para a obtenção de estimativas confiáveis da posição ou efeito do QTL em análises de mapeamento, ou de valores genotípicos em avaliação genética assistida por marcadores. O objetivo do primeiro estudo foi avaliar diferente estratégias já implementadas em programas computacionais (SO- LAR, LOKI, ESIP e MATVEC) para calcular a matriz de coeficientes Idênticos por Descendência (IBD), que é necessária para o mapeamento de QTL em populações exogâmicas. SOLAR utiliza um método baseado em regressão linear, LOKI e ESIP são ambos baseados em “reverse peeling” e o amostrador implementado em MAT VEC amostra indicadores de segregação. Um pedigree com estrutura F2 típica foi simulado com uma família F2 pequena (2 indivíduos) ou grande (20 indivíduos) e marcadores flanqueadores localizados a 2 cM, 5 cM ou 10 cM de distância um do outro, com o QTL localizado no meio do intervalo. A habilidade dessas estratégias em lidar com informações de marcadores perdidas foi avaliada assumindo um dos pais da geração F2 com ou sem informação de marcador. SOLAR nao estimou os coeficientes IBD corretamente para a maior parte das situações simuladas, enquanto que LOKI apre- sentou problemas quando o tamanho da família F2 era grande. ESIP e o amostrador em MATVEC apresentaram bom desempenho em todas as situacões simuladas, com estimativas de coeficientes IBD próximas aos coeficientes verdadeiros. Portanto, ESIP e MATVEC são os softwares mais indicados quando analises genéticas são realizadas em pedigrees com estruturas complexas. O objetivo do segundo estudo foi avaliar o efeito da utilização de uma melhor aproximação da inversa da matriz de covariância gamética para a avaliação genética de grandes populações de animais domésticos. Algoritmos eficientes, baseados no rastreamento dos alelos QTL de um indivíduo em relação aos de seus avós (Probabilidade de Descendência de um QTL - PDQ), podem ser usados para construir a inversa da matriz de covariância gamética diretamente. Mas essa inversa é uma aproximação quando há informação incompleta de marcador. Também, o calculo exato de PDQºs torna-se difícil quando a informação de marcador é incompleta. Nesse estudo, a inversa da matriz de covariãncia gamética para uma pop- ulação exogãmica simulada foi calculada usando o algoritmo eficiente, mas as PDQ's foram calculadas usando um algoritmo Monte Carlo Cadeia de Markov (MCMC). Essa inversa foi utilizada para predizer o valor genético dos indivíduos através de BLUP assistido por marcadores (MABLUP). O efeito dos cálculos de PDQ usando o algoritmo MCMC sobre a acurãcia da MABLUP foi avaliado com base na resposta a seleção realizada, calculada para o pedigree simulado. Os resultados mostraram que quando as PDQ’S foram estimadas usando MCMC a perda em resposta devido ao uso da inversa aproximada pode ser reduzida em aproximadamente 20%, enquanto que em estudos anteriores essa redução foi de 50%. Ainda, quando quatro marcadores bi-alélicos foram utilizados a resposta para MABLUP foi maior e a perda em re- sposta devido a marcadores com informação perdida foi menor, quando comparadas a situação onde apenas dois marcadores bi-alélicos foram utilizados. / The application of Quantitative Trait Loci (QTL) analyses in outbred population is challenging because simplified assumptions do not hold for these populations (e.g., the QTL alleles cannot be assumed fixed in different families, the number of QTL alleles segregating is not known a priori, there is not gametic phase disequilibrium between a given genetic marker allele and a QTL allele). When the QTL genotypic effect is assumed random, the gametic covariance matrix must be calculated to per- form QTL analyses in outbred populations. The accuracy of this matrix is important to obtain reliable estimates of QTL position or effect when applying QTL mapping, or QTL genotypic values when applying Marker Assisted Genetic Evaluation. The objective of the first study was to evaluate the different strategies already imple- mented in softwares (SOLAR, LOKI, ESIP and MATVEC) to calculate the matrix of identical by descent (IBD) coefficients, which is required for QTL mapping anal- ysis in outbred populations. SOLAR uses a regression method, LOKI and ESIP are both based on reverse peeling, and the MAT VEC sampler samples segregation in- dicators. A typical F2 pedigree was simulated with a small (2 offspring) or a large (20 offspring) F2 family, and the flanking markers were simulated 2 CM, 5 CM, or 10 CM apart, with the QTL located in the middle. The ability of these strategies to deal with missing genetic marker information was evaluated assuming one of the F2 parents with or without marker information. SOLAR failed to estimate the correct coefficients at almost all situations simulated, while LOKI showed problems when a large family was present in the pedigree. ESIP and MATVEC sampler performed well at all situations, providing IBD coefficients closed to the true ones. Therefore, ESIP and MATVEC are more indicated when genetic analysis are carried out on complex pedigree structures. The objective of the second study was to evaluate the effect of using a better approximation of the inverse of the gametic covariance matrix on the genetic evaluation of large livestock populations. Efficient algorithms, based on trac- ing the QTL alleles of an individual to its grandmother or grandfather (probability of descent a QTL - PDQ’s), can be used to construct the inverse of the gametic covari- ance matrix directly. But this inverse is an approximation when incomplete marker information is available. Also, computing the exact PDQ’s becomes difficult when marker information is incomplete. In this study, the inverse of the gametic covariance matrix for a simulated outbred pedigree was calculated using the efficient algorithm, but the PDQ’s were calculated using a Markov chain Monte Carlo (MCMC) algo- rithm. This inverse was used to calculate the predicted genetic value of individuals through Marker Assisted Best Linear Unbiased Prediction (MABLUP). The effect of PDQ calculations using the MCMC algorithm on MABLUP accuracy was evaluated based on the realized response to selection for the simulated pedigree. The results showed that by estimating the PDQ’s by MCMC the loss in response because of using an approximate inverse could be reduced to about 20%, while in previous studies this reduction was of 50%. Further, response to MABLUP was greater when four bi-allelic markers were used, and the loss in response due to missing markers was smaller in the case with four markers compared to when only two bi-allelic markers were used. / Tese importada do Alexandria

Doctor of Philosophy / Department of Agronomy / Guihua Bai / Guorong Zhang / Wheat yield and quality is influenced by many abiotic and biotic environmental factors. Pre-harvest sprouting (PHS) occurs when physiologically matured spikes are exposed to wet field conditions before harvest, which results in seed germination and causes significant losses in yield and end-use quality. Wheat stripe rust is one of the most important biotic factors reducing grain yield and quality. To investigate the genetic basis of the resistance to PHS and stripe rust in hard white winter wheat cultivars Danby and Tiger and develop molecular markers for marker- assisted breeding, a double haploid (DH) population, derived from those two cultivars, was genotyped with simple sequence repeats (SSR) markers and simple nucleotide polymorphism (SNP) markers. This DH population was assessed for resistance to PHS and stripe rust in both greenhouse and field experiments. For PHS, one major resistant quantitative trait locus (QTL) was consistently detected on the short arm of chromosome 3A in all three experiments conducted and explained 21.6% to 41.0% of the phenotypic variation (PVE). This QTL is corresponding to a previously cloned gene, TaPHS1. A SNP in the promoter of TaPHS1 co- segregated with PHS resistance in this mapping population. Meanwhile, two other QTLs, Qphs.hwwg-3B.1 and Qphs.hwwg-5A.1, were consistently detected on the chromosome arms 3BS and 5AL in two experiments. These two QTLs showed significant additive effects with TaPHS1 in improving PHS resistance. For stripe rust, three major QTLs were consistently detected in four out of six environments for infection type (IT) or disease severity (DS). Two of them, QYr.hwwg-2AS1 and QYr.hwwg-4BL1, contributed by the Danby allele explained up to 28.4% of PVE for IT and 60.5% of PVE for DS. The third QTL, QYr.hwwg-3BS1, contributed by the Tiger allele, had PVE values up to 14.7% for IT and 22.9% for DS. QYr.hwwg-2AS1 and QYr.hwwg- 4BL1 are likely the same resistance genes reported previously on chromosome arms 2AS and 4BL. However, QYr.hwwg-3BS1 might be different from the reported gene cluster near the distal end of 3BS where Yr57, Yr4, Yr30 and Sr2 were located. Significant additive effects on reducing IT and DS were observed among these three major QTLs. In order to pyramid multiple QTLs in breeding, user-friendly Kompetitive allele specific PCR (KASP) markers were successfully developed for several QTLs identified in this study. The QTLs and their interactions found in this study together with those novel flanking KASP markers developed will be useful not only for understanding genetic mechanisms of PHS and stripe rust resistance but also for marker- assisted breeding to improve wheat resistance to PHS and stripe rust by gene pyramiding.

Muitas são as características quantitativas que são, significativamente, influenciadas por fatores genéticos, em geral, existem vários genes que colaboram para a variação de uma ou mais características quantitativas. As informações ausentes a respeito dos genótipos nos marcadores moleculares é um problema comum em estudo de mapeamento genético e, por conseguinte, no mapeamento dos locus que controlam estas características fenotípicas (QTL). Os dados que não foram observados ocorrem, principalmente, devido a erros de genotipagem e de marcadores não informativos. Para solucionar este problema foi utilizado o método do modelo oculto de Markov para inferir estes dados. Os métodos de acurácias evidenciaram o sucesso da aplicação desta técnica de imputa- ção. Uma vez imputado, na inferência bayesiana estes dados não serão mais tratados como uma variável aleatória resultando assim, numa redução no espaço paramétrico do modelo. Outra grande dificuldade no mapeamento de QTL se deve ao fato de que não se conhece ao certo a quantidade destes que influenciam uma dada característica, fazendo com que surjam diversos problemas, um deles é a dimensão do espaço paramétrico e, consequentemente, a obtenção da amostra a posteriori. Assim, com o objetivo de contornar este problema foi proposta a utilização do método Monte Carlo via cadeia de Markov com Saltos Reversíveis, uma vez que este permite flutuar, entre cada iteração, modelos com diferentes quantidades de parâmetros. A utilização da abordagem bayesiana permitiu detectar cinco QTL para a característica estudada. Todas as análises foram implementadas no programa estatístico R. / There are many quantitative characteristics which are significantly influenced by genetic factors, in general, there are several genes that contribute to the variation of one or more quantitative trait. The missing information about the genotypes in molecular markers is a common problem in studying genetic mapping and therefore the mapping of loci that control these phenotypic traits (QTL). The data were not observed occur mainly due to errors in genotyping and uninformative markers. To solve this problem the method of occult Markov model to infer this information was used. Techniques accuracies demonstrated the successful application of this technique of imputation. Once allocated, in the Bayesian inference this data will no longer be treated as a random variable thus resulting in a reduction in the parameter space of the model. Another great difficulty in mapping QTL is due to the fact that no one knows exactly the amount of these which influence a given characteristic, so that several problems arise, one of them is dimension of the parameter space and, consequently, obtaining the sample a posterior. Thus, in order to solve this problem using the method via Monte Carlo Markov chain Reversible Jump was proposed, since this allows fluctuate between each iteration, models with different numbers of parameters. The use of the Bayesian approach allowed five QTL detected for the studied trait. All analyzes were implemented in the statistical software R.

Orientadores: Anete Pereira de Souza, Antonio Augusto Franco Garcia / Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Biologia / Made available in DSpace on 2018-08-25T23:03:56Z (GMT). No. of bitstreams: 1 Mancini_MelinaCristina_D.pdf: 10767402 bytes, checksum: b866f6316486301d3466116f8be3049a (MD5) Previous issue date: 2014 / Resumo: A crescente busca por variedades de cana-de-açúcar com maior produtividade e resistentes às principais doenças consiste em um importante objetivo para o sucesso de um programa de melhoramento. Assim, a utilização de marcadores moleculares na identificação de locos que controlam características quantitativas (QTLs ¿ Quantitative Trait Loci) vêm ganhando cada vez mais destaque no programas de melhoramento genético. A presente tese teve como objetivo contribuir para o conhecimento básico sobre a genética e a biologia molecular da cana-de-açúcar através da detecção de marcadores ligados a características quantitativas. Foi utilizado uma população de cana-de-açúcar contendo 240 indivíduos F1 derivada do cruzamento entre as variedades comerciais SP81-3250 e RB925345. Para detectar os QTLs foi necessário realizar estudos fenotípicos e genotípicos. Foram coletados dados fenotípicos para as características de produção (altura, diâmetro, número e peso dos colmos) e de qualidade (sólidos solúveis, teor de sacarose do caldo e do colmo, pureza do caldo, teor de fibra) por três anos (2011, 2012 e 2013) nos municípios de Araras e Ipaussu, estado de São Paulo. Através de modelos mistos foi estimada a média, matriz de variância e covariância (VCOV), herdabilidade e a correlação fenotípica entre as características. Os resultados apresentados mostraram um ótimo controle ambiental, com menor valor de herdabilidade para pureza (0,77), além de 30 correlações fenotípicas significativas, confirmando que estes dados podem ser utilizados na detecção dos QTLs. Os dados genotípicos foram obtidos através da análise das regiões contendo microssatélites e de variações genéticas de único nucleotídeo, pelos marcadores SSR (Simple Sequence Repeat) e SNP (Single Nucleotide Polymorphism), respectivamente. A genotipagem dos SNPs foi realizada por espectrometria de massa pela Plataforma Sequenom MassARRAY® (Sequenom Inc., San Diego, California, USA). A análise foi realizada utilizando o programa SuperMASSA, que possibilitou estimar a ploidia dos locos. Assim, as marcas SNPs foram utilizadas na detecção dos QTLs para as características de produção e de qualidade. Por regressão linear foram encontradas 17 evidências de associação de QTL entre diâmetro dos colmos (quatro evidências), número de colmos (uma evidência), peso dos colmos (uma evidência), conteúdo de sólidos solúveis (duas evidências), teor de sacarose do caldo (três evidências), pureza (duas evidências), toneladas de cana por hectare (duas evidências) e toneladas de Pol por hectare (duas evidências). A proporção da variação fenotípica explicada pelo genótipo variou de 1,6% a 11,1%. Todos os SNPs que apresentaram associações com as características mencionadas tiveram os níveis de ploidia variando de hexaploide a dodecaploide. Por correlação genotípica-fenotípica, foi detectado sete evidências de associação de QTL entre diâmetro dos colmos (uma evidência), conteúdo de sólidos solúveis (duas evidências), teor de sacarose da cana (uma evidência), teor de sacarose do caldo (duas evidências) e pureza (uma evidência). Os SNPs detectados com correlações genotípica-fenotípica significativas apresentaram níveis de ploidia variando tetradecaploide a icosaploide. As diferentes ploidias permitiu a detecção de QTLs em multi-dose e podem ser usadas como informações prévias sobre os prováveis QTLs, contribuindo para o avanço do conhecimento da genética da cana-de-açúcar / Abstract: The increasing search for sugarcane varieties with higher productivity and resistant to major diseases is an important goal for the success of Sugarcane Breeding Program. Thus, molecular markers can be used to identify Quantitative Trait Loci (QTLs) and have become a powerful tool in Breeding Programs. This thesis aimed to contribute for the basic knowledge of genetics and molecular biology in sugarcane through detection of markers linked to quantitative traits. Was used a sugarcane population consisted of 240 F1 individuals derived from a cross between SP81-3250 and RB925345. To detect the QTLs it was necessary to perform phenotypic and genotypic studies. The phenotypic data were made for cane yield (stalk diameter, stalk height, stalk number, stalk weight and tons of cane per hectare) and quality traits (soluble solid content, sucrose content, juice sucrose content, purity, fiber and tons of Pol per hectare) for three harvest years (2011, 2012 and 2013) in Araras and Ipaussu cities, located in the state of São Paulo. The average, variance and covariance matrix (VCOV), heritability and phenotypic correlation was estimated via mixed models. All results showed a great environmental control, the lowest heritability was purity (0.77), besides 30 significant phenotypic correlations. confirming that these data can be used for QTLs detection. The genotypic data were obtained analyzing the regions containing microsatellites and single nucleotide genetic variants, by the markers SSR (Simple Sequence Repeat) and SNP (Single Nucleotide Polymorphism), respectively. The SNPs genotyping were performed via mass spectrometry by Sequenom MassARRAY® platform (Sequenom Inc., San Diego, California, USA). The analysis was performed using the SuperMASSA software allowing to estimate the loci ploidy. The SNPs markers were used for QTL detection for cane yield and quality traits. By linear regression 17 QTL association evidences were found for stalk diameter (four evidences), stalk number (one evidence), stalk weight (one evidence), soluble solid content (two evidences), juice sucrose content (three evidences), purity (two evidences), tons of cane per hectare (two evidences) and tons of Pol per hectare (two evidences). The phenotypic variation explained by genotype ranged from 1.6% to 11.1%. The SNPs associated with the traits mentioned had ploidy levels ranging from hexaploid to dodecaploide. Via genotypic-phenotypic correlation, it was detected seven QTL evidence of association for stalk diameter (one evidence), soluble solid content (two evidences), sucrose content (one evidence), juice sucrose content (two evidences) and purity (one evidence). The SNPs detected significant genotypic-phenotypic correlations showed ploidy levels ranging from tetradecaploide to icosaploide. The different ploidies allowed the detection of QTLs in multi-dose and can be used as prior information about QTL mapping, contributing to the advancement of the sugarcane genetics knowledge / Doutorado / Genetica Vegetal e Melhoramento / Doutora em Genética e Biologia Molecular