Uso del Análisis de Clúster para Identificar Metafundadores

Área de la Ciencia:

• Mejoramiento y genética animal
• Genética cuantitativa
• Evaluación genómica

Sus antecedentes:

• El enfoque de metafundadores utiliza una matriz de relación (Γ) para integrar las relaciones de los fundadores del pedigrí en la matriz de relación del numerador (A), creando AΓ.
• Las definiciones tradicionales de metafundadores (por ejemplo, por país, sexo, raza) pueden limitar su capacidad para representar con precisión la estructura poblacional, lo que podría causar inconsistencias en los Modelos de un solo paso al combinar las matrices de relación de pedigrí (A) y genómica (G) en H.
• Los genotipos ofrecen información fiable sobre la estructura poblacional real.

Objetivo del estudio:

• Investigar un enfoque para transferir información de estructura poblacional de animales genotipados a ancestros no genotipados utilizando metafundadores.
• Determinar el número óptimo de metafundadores (nMF) armonizando las tendencias de endogamia en G y AΓ y monitoreando Γ.
• Evaluar el impacto de los metafundadores informados por genotipos en la calidad de predicción en evaluaciones genómicas de un solo paso bajo diferentes escenarios de tendencia genética.

Principales métodos:

• Se utilizó un enfoque de agrupación no supervisada para asignar fundadores de pedigrí a metafundadores.
• Se realizaron evaluaciones genómicas de un solo paso con un número variable de metafundadores (nMF).
• Se utilizó una simulación semiestocástica basada en genotipos Fleckvieh para evaluar la calidad de predicción de rasgos con y sin tendencias genéticas.

Principales resultados:

• Modelar metafundadores definidos por la estructura poblacional redujo ligeramente la calidad de predicción para rasgos sin tendencia genética, pero se mantuvo estable alrededor del nMF óptimo.
• Para rasgos con una fuerte tendencia genética, la calidad de predicción mejoró en comparación con un modelo estándar de un solo paso.
• Las mayores mejoras en la calidad de predicción se observaron dentro del rango del nMF óptimo propuesto.

Conclusiones:

• Definir metafundadores utilizando la estructura poblacional derivada de genotipos puede mejorar la precisión de la evaluación genómica, particularmente para rasgos con fuertes tendencias genéticas.
• El método propuesto para determinar el número óptimo de metafundadores proporciona un rango estable y efectivo para mejorar la calidad de predicción.
• Este enfoque de metafundadores informados por genotipos ofrece un refinamiento valioso para las evaluaciones genómicas de un solo paso al capturar mejor la estructura poblacional subyacente.