Understanding the causal relationship between genotype and phenotype is a major objective in biology. The main interest is in understanding trait architecture and identifying loci contributing to the respective traits. Genome-wide association mapping (GWAS) is one tool to elucidate these relationships and has been successfully used in many different species. However, most studies concentrate on marginal marker effects and ignore epistatic and gene-environment interactions. These interactions are problematic to account for, but are likely to make major contributions to many phenotypes that are not regulated by independent genetic effects, but by more sophisticated gene-regulatory networks. Further complication arises from the fact that these networks vary in different natural accessions. However, understanding the differences of gene regulatory networks and gene-gene interactions is crucial to conceive trait architecture and predict phenotypes.
The basic subject of this study – using data from the Arabidopsis 1001 Genomes Project – is the analysis of pre-mature stop codons. These have been incurred in nearly one-third of the ~ 30k genes. A gene-gene interaction network of the co-occurrence of stop codons has been built and the over and under representation of different pairs has been statistically analyzed. To further classify the significant over and under- represented gene-gene interactions in terms of molecular function of the encoded proteins, gene ontology terms (GO-SLIM) have been applied. Furthermore, co- expression analysis specifies gene clusters that co-occur over different genetic and phenotypic backgrounds. To link these patterns to evolutionary constrains, spatial location of the respective alleles have been analyzed as well. The latter shows clear patterns for certain gene pairs that indicate differential selection. / Das Verständnis des kausalen Zusammenhangs zwischen Genotyp und Phänotyp ist ein wichtiges Ziel in der Biologie. Das Hauptinteresse liegt darin, die Merkmalsarchitektur zu verstehen und Loci zu identifizieren, die zu den jeweiligen Merkmalen beitragen. Genome-wide association mapping (GWAS) ist ein Werkzeug, um diese Zusammenhänge aufzuklären und wurde erfolgreich in vielen verschiedenen Arten eingesetzt. Die meisten Studien konzentrieren sich jedoch auf marginale Markereffekte und ignorieren epistatische und Gen-Umwelt-Interaktionen. Diese Wechselwirkungen sind problematisch zu erklären, werden aber wahrscheinlich einen wichtigen Beitrag zu vielen Phänotypen leisten, die nicht durch unabhängige genetische Effekte, sondern durch ausgefeiltere genregulatorische Netzwerke reguliert werden. Eine weitere Komplikation ergibt sich aus der Tatsache, dass sich diese Netzwerke in verschiedenen natürlichen Akzessionen unterscheiden. Das Verständnis der Unterschiede zwischen genregulatorischen Netzwerken und Gen-Gen- Interaktionen ist jedoch entscheidend, um die Merkmalsarchitektur zu konzipieren und Phänotypen vorherzusagen.
Das grundlegende Thema dieser Studie – unter Verwendung von Daten aus dem Arabidopsis 1001 Genomes Project – ist die Analyse von vorzeitigen Stop-Codons. Diese sind in fast einem Drittel der ~ 30k-Gene aufgetreten. Ein Gen-Gen- Interaktionsnetzwerk des gleichzeitigen Auftretens von Stop-Codons wurde aufgebaut und die Über- und Unterrepräsentation verschiedener Paare wurde statistisch analysiert. Um die signifikante über- und unterrepräsentierte Gen-Gen-Interaktion in Bezug auf den biologischen Prozess der kodierten Proteine weiter zu klassifizieren, wurden genonkologische Begriffe (GO-SLIM) verwendet. Darüber hinaus spezifiziert die Koexpressionsanalyse Gencluster, die über verschiedene genetische und phänotypische Hintergründe hinweg gleichzeitig auftreten. Um diese Muster mit evolutionären Einschränkungen in Verbindung zu bringen, wurde auch die räumliche Lage der jeweiligen Allele analysiert. Letzteres zeigt klare Muster für bestimmte Genepaare, die auf eine differentielle Selektion hinweisen.
| Identifer | oai:union.ndltd.org:uni-wuerzburg.de/oai:opus.bibliothek.uni-wuerzburg.de:29154 |
| Date | January 2022 |
| Creators | Anwar, Ammarah |
| Source Sets | University of Würzburg |
| Language | English |
| Detected Language | German |
| Type | doctoralthesis, doc-type:doctoralThesis |
| Format | application/pdf |
| Rights | https://creativecommons.org/licenses/by-sa/4.0/deed.de, info:eu-repo/semantics/openAccess |
Page generated in 0.0024 seconds