Informatie

Resulteert een grote effectieve populatieomvang in sneller verval van koppelingsonevenwicht (LD)?


Ik denk aan een invasieve soort die slechts een paar (<20) generaties geleden in Noord-Amerika werd geïntroduceerd. Met behulp van microsatellietgenotypen (105 loci) heb ik bijna geen significante koppeling over het genoom geïdentificeerd. Ik ben geneigd te speculeren dat dit iets te maken heeft met de snelle bevolkingsuitbreiding die ervoor heeft gezorgd dat LD zo snel in verval is geraakt, maar ik weet niet zeker of dit een redelijke gedachtegang is. Kan iemand bedenken waarom dit wel of niet het geval kan zijn?


Het is zeker mogelijk, want ja, snelle bevolkingsgroei zal LD ​​verminderen. Van Slatkin, 1994:

In een snelgroeiende populatie zal er echter weinig kans zijn om significante niet-willekeurige associaties te vinden, zelfs tussen volledig gekoppelde loci als de groei voldoende snel is geweest.

Of natuurrecensies, 2002

Przeworski... toonde aan dat bevolkingsgroei de neiging heeft om de omvang van LD te verminderen, vooral voor langere perioden van groei. Daarentegen heeft de onderverdeling van de populatie de neiging om de omvang van LD te vergroten, vooral wanneer een steekproef individuen bevat uit verschillende sterk gedifferentieerde subpopulaties.

Zie ook box 1:

Snelle bevolkingsgroei vermindert LD door genetische drift te verminderen.


Schattingen van koppelingsonevenwicht en effectieve populatiegrootte bij regenboogforel

Het gebruik van moleculair genetische technologieën voor het beheer van broedstocks en het selectief fokken van aquacultuursoorten komt steeds vaker voor met de voortdurende ontwikkeling van genoomtools en reagentia. Verschillende laboratoria hebben genetische kaarten voor regenboogforel geproduceerd om te helpen bij de identificatie van loci die fenotypes van belang beïnvloeden. Deze kaarten hebben geresulteerd in de identificatie van veel kwantitatieve/kwalitatieve loci van kenmerken die de fenotypische variatie beïnvloeden in kenmerken die verband houden met albinisme, ziekteresistentie, temperatuurtolerantie, geslachtsbepaling, embryonale ontwikkelingssnelheid, paaidatum, conditiefactor en groei. Helaas moet de opheldering van de precieze allelvariatie en/of genen die ten grondslag liggen aan fenotypische diversiteit nog worden bereikt in deze soort met lage markerdichtheden en zonder een referentiesequentie van het hele genoom. Experimentele ontwerpen die segregatieanalyses integreren met benaderingen van koppelingsonevenwicht (LD) vergemakkelijken de ontdekking van genen die belangrijke eigenschappen beïnvloeden. Tot op heden is de omvang van LD gekarakteriseerd voor mensen en verschillende landbouwkundige belangrijke diersoorten, maar niet voor regenboogforel.

Resultaten

We hebben waargenomen dat het niveau van LD tussen syntenische loci snel afnam op afstanden groter dan 2 cM, wat vergelijkbaar is met waarnemingen van LD in andere landbouwkundig belangrijke soorten, waaronder runderen, schapen, varkens en kippen. In sommige gevallen werd echter ook significante LD waargenomen tot 50 cM. Onze schatting van de effectieve populatiegrootte op basis van genoombrede schattingen van LD voor de NCCCWA-broedstampopulatie was 145, wat aangeeft dat deze populatie goed zal reageren op hoge selectie-intensiteit. Het bereik van effectieve populatiegrootte op basis van individuele chromosomen was echter 75,51 - 203,35, wat mogelijk aangeeft dat reeksen genen op elk chromosoom onevenredig onder selectiedruk staan.

Conclusies

Onze resultaten geven aan dat grote aantallen markers, meer dan momenteel beschikbaar zijn voor deze soort, nodig zullen zijn om het gebruik van genoom-brede geïntegreerde mapping-benaderingen mogelijk te maken die gericht zijn op het identificeren van genen die van belang zijn in regenboogforel.


Schatting van koppelingsonevenwicht en effectieve populatiegrootte bij drie Italiaanse autochtone vleesrassen

De auteurs hebben het manuscript volgens de meeste opmerkingen herzien. Van wat ik me herinner, waren de belangrijkste zorgen de PCA-analyse en de sectie Discussie die lijkt op een lang literatuuronderzoek. Ik ben niet overtuigd van het antwoord op de eerste en belangrijkste opmerking. De auteurs geven cijfers van 4 GRM en vermeldden dat het erg analoog is aan het uitvoeren van een PCA op een GRM. Nou, dat is het niet. Ze haalden een reeks parameters uit elke GRM en analyseerden ze samen in een PCA om een ​​PCA weer te geven op een GRM met meerdere rassen. Zoals ik al eerder zei, is het onjuist en misleidend. De auteurs worden aangemoedigd om een ​​PCA uit te voeren op een gecombineerde GRM van de 4 rassen. Raadpleeg dit artikel als voorbeeld: "Genoombrede koppelingsonevenwichtigheid en genetische diversiteit in vijf populaties Australische gedomesticeerde schapen".

Bovendien moeten heatmaps in figuur 1 allemaal dezelfde kleurenschaal volgen (

AU: We bedanken de reviewers voor hun review. Hieronder vindt u onze reacties op de genoemde punten. Al onze reacties worden voorafgegaan door &ldquoAU&rdquo. Wijzigingen in het manuscript worden gedaan in spoorwijzigingen en geel gemarkeerd. We hopen de nieuwe versie van het manuscript geschikt te vinden voor publicatie in het tijdschrift &ldquoAnimals&rdquo.

Ik kijk ernaar uit iets van je te vernemen.

De auteurs hebben het manuscript volgens de meeste opmerkingen herzien. Van wat ik me herinner, waren de belangrijkste zorgen de PCA-analyse en de sectie Discussie die lijkt op een lang literatuuronderzoek. Ik ben niet overtuigd van het antwoord op de eerste en belangrijkste opmerking. De auteurs geven cijfers van 4 GRM en vermeldden dat het erg analoog is aan het uitvoeren van een PCA op een GRM. Nou, dat is het niet. Ze haalden een reeks parameters uit elke GRM en analyseerden ze samen in een PCA om een ​​PCA weer te geven op een GRM met meerdere rassen. Zoals ik al eerder zei, is het onjuist en misleidend. De auteurs worden aangemoedigd om een ​​PCA uit te voeren op een gecombineerde GRM van de 4 rassen. Raadpleeg dit artikel als voorbeeld: "Genoombrede koppelingsonevenwichtigheid en genetische diversiteit in vijf populaties Australische gedomesticeerde schapen".

Bovendien moeten heatmaps in figuur 1 allemaal dezelfde kleurenschaal volgen (

AU: We zijn ervan overtuigd dat PCA kan worden uitgevoerd op elke reeks variabelen en ook in dit geval zou PCA-analyse nuttig zijn om een ​​algemeen beeld van deze rassen te geven. De PCA is echter uit het manuscript verwijderd.

De kleuren van de heatmap zijn op verzoek aangepast.

Ik denk dat de auteurs veel moeite hebben gedaan om mijn opmerkingen in overweging te nemen.

Ze hebben duidelijk mijn opmerking over PLINK niet begrepen.

Ze gebruiken twee verschillende spellingen. Dit moet worden geharmoniseerd.

De officiële versie lijkt "PLINK" te zijn.

AU: We bedanken de reviewers voor hun review. Hieronder vindt u onze reacties op de genoemde punten. Al onze reacties worden voorafgegaan door &ldquoAU&rdquo. Wijzigingen in het manuscript worden gedaan in spoorwijzigingen en geel gemarkeerd. We hopen de nieuwe versie van het manuscript geschikt te vinden voor publicatie in het tijdschrift &ldquoAnimals&rdquo.

Ik kijk ernaar uit iets van je te vernemen.

Ik denk dat de auteurs veel moeite hebben gedaan om mijn opmerkingen in overweging te nemen.

Ze hebben duidelijk mijn opmerking over PLINK niet begrepen.

Ze gebruiken twee verschillende spellingen. Dit moet worden geharmoniseerd.

De officiële versie lijkt "PLINK" te zijn.

AU: Auteurs bieden hun excuses aan omdat ze niet begrijpen wat de recensie onderstreepte. In abstracto is &ldquoplink&rdquo veranderd in &ldquoPLINK&rdquo, zoals het wordt genoemd in Materials and Methods.

De auteurs hebben alle problemen behandeld die door alle recensenten werden voorgesteld en daarom raad ik aan het herziene manuscript voor publicatie te accepteren.

De auteurs hebben alle problemen behandeld die door alle recensenten werden voorgesteld en daarom raad ik aan het herziene manuscript voor publicatie te accepteren.

AU: Auteurs bedankt voor de recensie.

De auteurs hebben een grote revisie gedaan en het manuscript is aanzienlijk verbeterd. Er zijn kleine problemen met het manuscript die moeten worden gecorrigeerd.

L42: "PON gezichten tegenwoordig" naar "PON gezichten"
L58: "meestal is" naar "het is"
L79: "de genmapping" naar "genmapping"
L80: "drie runderen" naar "drie Italiaanse runderen"
L91: "en uitgebalanceerd door geslacht" naar "met gelijk aantal mannelijke en vrouwelijke monsters"?
L135: "Standaardopties" naar "De standaardopties"
L136: "MAF was ingesteld op > 0,01". U hebt MAF niet ingesteld op > 0,01. Je hebt allelen overwogen met MAF > 0,01. Deze zin wordt herhaald vanaf L98. Gelieve deze zin te schrappen.
L137: "13 generaties vs. 4000 Kbp" behoeft verduidelijking.
L144: "door [39]" naar "door Ohta en Kimura [39]"
L145: "de NEESTIMATOR" naar "NEESTIMATOR"
L146: "en de laagste gebruikte allelfrequentie tot 0,01". Het wordt al een paar keer eerder herhaald.
L185-186: "0.104, 0.105, 0.106 & plusmn 0.08 Mbp in respectievelijk CAL, MUP en PON, LIM". 3 waarden voor 4 rassen! Wees voorzichtiger met fouten na een paar revisierondes.
L205: Schrap "en was intermediair voor CAL en MUP".
L207: "er waren schommelingen aanwezig" tot "er waren meer schommelingen aanwezig"
L207-209: Verwijder deze regels. U hoeft niet de hele figuur of de tabel volledig in de tekst te herhalen.
L222: "Meer precies" vergeleken met wat? Verwijder het alstublieft.
L222: "PON en LIM presenteerden de twee tegengestelde uitersten" Weet u zeker dat beide uitersten?! Je zou kunnen zeggen, de ene toont de hoogste en de andere de laagste.
L241: "Vergelijkbaar" tot "Vergelijkbaar"
L243: "terwijl voor PON Ne" naar "terwijl voor PON, Ne"
L245: "historische trend van LIM resulteerde heel anders dan de lokale rassen" naar "historische trend van LIM was heel anders dan die voor de lokale rassen"
Discussie: In een eerdere opmerking heb ik de auteurs gevraagd de discussie in te korten. Deze keer heb ik het lezen overgeslagen. Of er 53 referenties nodig waren voor dit onderzoek weet ik niet. De auteurs moeten bedenken dat ze schrijven voor de lezers om te lezen en niet over te slaan.

AU: We danken de recensent voor de constructieve beoordeling. Hieronder vindt u onze reacties op de genoemde punten. Al onze reacties worden voorafgegaan door &ldquoAU&rdquo. Wijzigingen in het manuscript worden gedaan in spoorwijzigingen. We hopen de nieuwe versie van het manuscript geschikt te vinden voor publicatie in het tijdschrift &ldquoAnimals&rdquo.

Ik kijk ernaar uit iets van je te vernemen.

De auteurs hebben een grote revisie gedaan en het manuscript is aanzienlijk verbeterd. Er zijn kleine problemen met het manuscript die moeten worden gecorrigeerd.

L42: "PON gezichten tegenwoordig" naar "PON gezichten"

AU: gewijzigd zoals voorgesteld (L43)

AU: gewijzigd zoals voorgesteld (L60)

L79: "de genmapping" naar "genmapping"

AU: gewijzigd zoals voorgesteld (L82)

L80: "drie runderen" naar "drie Italiaanse runderen"

AU: gewijzigd zoals voorgesteld (L83)

L91: "en uitgebalanceerd door geslacht" naar "met gelijk aantal mannelijke en vrouwelijke monsters"?

AU: het aantal mannen en vrouwen is toegevoegd aan het manuscript (L94)

L135: "Standaardopties" naar "De standaardopties"

AU: gewijzigd zoals voorgesteld (L144)

L136: "MAF was ingesteld op > 0,01". U hebt MAF niet ingesteld op > 0,01. Je hebt allelen overwogen met MAF > 0,01. Deze zin wordt herhaald vanaf L98. Gelieve deze zin te schrappen.

AU: gewijzigd zoals voorgesteld (L144-145)

L137: "13 generaties vs. 4000 Kbp" behoeft verduidelijking.

AU: Deze parameters worden gerapporteerd door de software en de geciteerde auteurs

L144: "door [39]" naar "door Ohta en Kimura [39]"

AU: gewijzigd zoals voorgesteld (L153)

L145: "de NEESTIMATOR" naar "NEESTIMATOR"

AU: gewijzigd zoals voorgesteld (L155)

L146: "en de laagste gebruikte allelfrequentie tot 0,01". Het wordt al een paar keer eerder herhaald.

L185-186: "0.104, 0.105, 0.106 & plusmn 0.08 Mbp in respectievelijk CAL, MUP en PON, LIM". 3 waarden voor 4 rassen! Wees voorzichtiger met fouten na een paar revisierondes.

AU: Waarden zijn gecorrigeerd. CAL en MUP gaven echter dezelfde waarde (0,105), zie tabel S2

L205: Schrap "en was intermediair voor CAL en MUP".

AU: gewijzigd zoals voorgesteld (L232)

L207: "er waren schommelingen aanwezig" tot "er waren meer schommelingen aanwezig"

AU: gewijzigd zoals voorgesteld (L234)

L207-209: Verwijder deze regels. U hoeft niet de hele figuur of de tabel volledig in de tekst te herhalen.

AU: De straf is verminderd (L234)

L222: "Meer precies" vergeleken met wat? Verwijder het alstublieft.

AU: gewijzigd zoals voorgesteld (L252)

L222: "PON en LIM presenteerden de twee tegengestelde uitersten" Weet u zeker dat beide uitersten?! Je zou kunnen zeggen, de ene toont de hoogste en de andere de laagste.

AU: De betekenis van de zin is dat de twee rassen in de grafiek tegengesteld zijn aan elkaar. Auteurs geven er de voorkeur aan om de zin te laten zoals hij is om de uitdrukkingen &ldquohigh&rdquo en &ldquolow&rdquo niet te herhalen.

L241: "Vergelijkbaar" tot "Vergelijkbaar"

AU: gewijzigd zoals voorgesteld (L274)

L243: "terwijl voor PON Ne" naar "terwijl voor PON, Ne"

AU: gewijzigd zoals voorgesteld (L278)

L245: "historische trend van LIM resulteerde heel anders dan de lokale rassen" naar "historische trend van LIM was heel anders dan die voor de lokale rassen"

AU: gewijzigd zoals voorgesteld (L280)

Discussie: In een eerdere opmerking heb ik de auteurs gevraagd de discussie in te korten. Deze keer heb ik het lezen overgeslagen. Of er voor dit onderzoek 53 referenties nodig waren, weet ik niet. De auteurs moeten bedenken dat ze schrijven voor de lezers om te lezen en niet over te slaan.

AU: Auteurs bedanken de recensent. We hebben de discussie verbeterd, maar we geven er de voorkeur aan de meegeleverde referenties te verlaten om de specifieke onderwerpen voor geïnteresseerde lezers diepgaand te kunnen onderzoeken

de auteurs hebben mijn punt van kritiek naar behoren aangepakt

zodat ik de publicatie van het manuscript aanbeveel.

AU: We danken de recensent voor de constructieve beoordeling.

Dit manuscript is een herinzending van een eerdere inzending. Het volgende is een lijst van de peer review-rapporten en auteursreacties van die inzending.

Het manuscript gaat over de studie van LD en effectieve populatiegrootte in 3 lokale Italiaanse runderrassen en vergelijkingen met het Limousin-ras. Dit is een interessante studie. Er zijn echter belangrijke punten die moeten worden aangepakt.

1. De PCA-analyse is onjuist. Een PCA-analyse op basis van beschrijvende statistieken van de GRM bevat geen informatie. Wat u moet doen, is PCA uitvoeren op de GRM zelf.
2. De Engelse grammatica en het wetenschappelijk schrijven zouden zeker verbeterd moeten worden. Het manuscript zit vol fouten en is helaas niet zorgvuldig geschreven.
3. Er staan ​​lange zinnen in het manuscript, sommige zinnen zijn niet nodig. Houd het kort en kom tot de kern.
4. In de resultatensectie hebben auteurs de neiging om de tabellen en figuren in de tekst te herhalen.
5. Het discussiegedeelte lijkt meer op een literatuuroverzicht dan op een discussiegedeelte. Een deel van het literatuuroverzicht kan worden verplaatst naar Inleiding. Bespreek uw bevindingen en rapporteer relevante bevindingen uit de literatuur. De lezer is geïnteresseerd in uw bevindingen, niet het lezen van een lang literatuuroverzicht.

Zie hieronder voor verdere opmerkingen.

Gebruik hoofdletters in de titel (bijv. beef -> Beef)
L18: "controle" naar "controlegroep"
L20: "genotypes" naar "genotype"
Cange ontbrekende belsnelheid.
"r2" en "Ne" moeten overal cursief zijn.
"hedendaags" tot "huidig" overal
L24: "werd gevonden" tot "was"
L24: "Calvana e" naar "Calvana en"
L28: "van generatie op generatie" naar "van generatie op generatie voor lokale rassen"
L30,60: "demografisch" weet u zeker dat dit het juiste woord is?!
L37: "bekken" .
L39: "(Calvana, CAL Mucca Pisana, MUP en Pontremolese, PON)" naar "(Calvana (CAL), Mucca Pisana (MUP) en Pontremolese (PON))"
L42: "Pontremolese gezichten tegenwoordig de" tot "PON gezichten tegenwoordig een"
L43: "van slechts weinigen" tot "een beperkt aantal"
L43: "het ras" welk ras?
L45: "komt" naar "afkomstig"
L51: "de regio" naar "deze regio"
L54: "de grootte van een ideale populatie" tot "een populatieomvang". Er is geen ideale populatie of ideale populatiegrootte!
L55: "veranderen als de echte populatie die wordt bestudeerd" naar "veranderen als een echte populatie"
L60: "de algemene" tot "algemeen"
L66: "van allelen" naar "tussen allelen"
L66: De zin heeft een verwijzing nodig.
L88: "geanalyseerd" naar "genotyped"
L92: "Limousin" naar "Limousin, Stad". Noem de stad waar ANACLI is gevestigd.
L94: Gebruik alleen hoofdletters voor de eerste letter. Idem voor andere rubrieken.
L99 en elders: "<" naar " <" en ">" naar " > "
L104: "relaties" tot "identieke relaties per staat"
L104: "status" welke status?
Eq1,L107,L108: vet Z
L107: cursief "pi"
L108: "Matrix Z" tot "Z"
L109: "matrix X die" naar "de matrix die"
L111: "Voor elke GRM" tot "Voor de GRM van elk ras"
L112 en elders: "uit diagonaal" naar "buitendiagonaal" en "diagonaal" naar "diagonale waarden"
L112: "waarden van de diagonaal" naar "van diagonale waarden"
L123: "waarden van de uit-diagonaal" naar "uit-diagonale waarden"
L124: "absolute en vierkantswortel" van wat?
L116: Zie mijn eerdere opmerking over de PSO.
L120: "betere maat voor LD omdat" tot "betere maat voor LD dan D', omdat"
L121: "wijzigen" naar "wijzigingen"
L121: verwijder "als D'"
L121: "De r2-waarden variëren" tot "De r2"
L122: verwijder deze regel
L123: verander het in "werd berekend als:"
Vgl2: Verander freq X in freq(X) en * in x.
L125-126: Verander ze in "waar freq(A), freq(a), freq(B) en freq(b) de allelfrequenties zijn en freq(AB), freq(ab), freq(Ab) en freq( aB) zijn de genotype frequenties. De LD omvang was"
L127: "in PLINK" naar "PLINK gebruiken"
L128: Hier is meer beschrijving nodig.
L129: "Ook de" tot "De"
L130: "Mbp: 0 - 0,25 0,25 - 0,5 0,5 - 0,75 0,75 - 1 Mbp" tot "Mbp (0 - 0,25, 0,25 - 0,5 0,5 - 0,75 en 0,75 - 1 Mbp)"
L131: "was geweest" tot "waren" en "is geweest" tot "was ook"
L132: "ook" verwijderen
L132 en elders "kb" tot "Kbp"
L136: "recente effectieve populatieomvang" naar "huidig ​​Ne". Gebruik na het gebruik van een afkorting niet de volledige term!
L137: "relatie" tot "relaties"
L140: "4000kb" tot "4000 Kbp"
L141: "50kb" tot "50Kbp"
L142: "4000 kb" tot "4000 Kbp"
Vgl3 en elders: "NT(t)" tot "Ne(t)"
L144: "geschatte t generatie geleden" naar "geschat voor t generatie geleden". "t" moet cursief zijn.
L145: "Ct" naar "ct" en "rate t" naar "rate at t"
L147 en elders: "cNe" tot "Ne0"
L148: "v. 2" tot "v.2" en "ingesteld op willekeurige optie" op "ingesteld op willekeurig"
L154: "individuen voor elk ras" naar "individuen van elk ras"
L157-158: Wijzig in "Tabel 1. Aantal autosomale SNP's en individuen voor (pre-) en na (post-) kwaliteitscontrole (QC) per ras."
Tabel 1: Verwijder de rijen "Lokaal" en "Commercieel".
L162: "De onderste" tot "De"
L164: "Calvana." naar "CAL"
L165: "verwantschap" tot "gemiddelde verwantschap"
l173-176: Verandering in "<1 in alle rassen. Het gemiddelde van de diagonale waarden was 0,99 voor CAL, MUP en LIM en 0,97 voor PON. De hoogste diagonale waarden waren 3,25, 1,75, 1,54 en 1,22 voor PON, MUP, CAL en LIM. De minimale diagonale waarden varieerden van 0,67 (MUP) tot 0,78 (LIM)." Ik vind de zinnen onnodig lang.
L177: "in alle rassen" naar "voor alle rassen"
L178-188: Verwijder deze regels en vervang ze door de nieuwe PCA-resultaten.
L194-195: Als u een bereik noemt, vermeld het dan van klein naar groot en niet andersom.
L198: "namelijk" ?
L200: "Het hoogste gemiddelde" tot "Het gemiddelde van"
L200-201: Waarom?

0,14? Ofwel 2 of 3 decimalen.
L201: "Het gemiddelde" tot "Het gemiddelde en SD van"
L202: "Tabel 2" niet "Tabel 1". De auteurs hebben het manuscript niet zorgvuldig geschreven.
L202: "= 0,21" tot "0,21"
L203: "r2 = 0,19" tot "0,19" en "r2 = 0,17" tot "0,17"
L202-208: Herschrijf deze paragraaf. Moeilijk te lezen.
L210: Wijzig dit in "Tabel 2. De gemiddelde en standaarddeviatie (SD) van koppelingsonevenwicht (r2) voor Bos Taurus"
Tabel 2: "CAL 1" tot "CAL". Voeg headers "Breed 1" en "Autosome" toe
L218: "waarden" welke waarden?
L218: "waarvan de meerderheid <0.2" tot "binnen het ras" was
L218: "Mediaan" naar "Mediaan"
L219-223: Herschrijf deze regels. Lang en onduidelijk. Schrijf het alsjeblieft kort, duidelijk en bondig.
L228: "vervalgedrag" naar "verval"
L230-232: Verander het in "Mbp en tot 1 Mbp (Figuur 4). Verschillende rassen vertoonden verschillende patronen van LD-verval."
Figuur 4: "LD (r2)" naar "Koppelingsonevenwicht (r2)"
L234: "LD-vervalplot" naar "Koppelingsonevenwicht op verschillende afstanden van het genoom"
Schrap de eerste zin in regels 236-237. Het is onnodig.
L238: "onderhouden" tot "blijven". Controleer het Engels grondig in het manuscript.
L238: "het was op" naar "het was gebleven op"
L239: ">0.12 Mbp" naar "> 0.12 Mbp (Figuur 4)"
L240: "was" naar "is"
L241-246: Lang en moeilijk te lezen. Schrijf het alsjeblieft opnieuw.
L243: "hogere waarde". U dient te vermelden welke waarde. Gemiddeld of SD?
Tabel 3: "Cal 1" tot "CAL". Voeg een kop toe "Rassen 1 "
L250 "1 kb" tot "1 kb"
L252: "1 Kbp" tot "1 kb"
L253: "uniformer en sneller" naar "sneller"
L256: "ras, was" naar "fok was"
L258-260: Verwijderen "Geen van de lokale rassen had een geschatte Ne hoger dan 100 in de 13e generatie. Over het algemeen had CAL een iets hogere Ne door de generaties heen, vergeleken met MUP en PON. Meer precies," Zeer omslachtig en herhalend wat wordt weergegeven in de figuur.
L262: "varieerde tussen 204 en 45 (respectievelijk in de meest verre en recente generatie)." naar "afgenomen van 204 naar 45 (80e naar 13e generaties geleden)"
L263-264: "met een maximum van 920 (80 generaties geleden) en een minimum van 310 op generatie 13." naar "afnemend van 920 naar 310 (80e naar 13e generaties geleden)"
Figuur 5: "Effectieve populatieomvang" naar "effectieve populatieomvang"
L268-270: Wijzig in "Met betrekking tot de huidige Ne (Ne0), CAL, MUP, PON en LIM toonden respectievelijk 41,7, 18,7, 17,0 en 327,9."
L272: "effectieve parameters populatiegrootte" tot "Ne"
L274: "een vleesras" naar "een commercieel vleesras"
L279: "precieser" schrappen
L280-286: Werk deze regels bij met de nieuwe PCA-resultaten.
L292: Wijziging in "Gemiddelde LD was verschillend tussen lokale rassen en LIM. LIM is één"
L299: "in een evenwicht" naar "naar een evenwicht"
L299: "waargenomen in PON, maar ook in de andere twee lokale rassen" tot "waargenomen in de lokale rassen"
L301: "behorend tot" tot "van"
L302: "had de karakteristieke curve van populaties" .
L304: "bevestigde het langzamere LD-verval dat in deze studie werd gevonden" Het is niet duidelijk wat u bedoelt. Langzamer dan wat? Schrijf het opnieuw.
L304: "De auteurs analyseerden twee lokale rassen" tot "Mastrangelo et al. [44] analyseerden twee lokale rassen Cinisara en Modicana"
L305: "een eiland van Italië, en voor deze rassen de" tot "een eiland in Italië. De"
L23306: "Modicana, vergelijkbaar met PON (0,17) maar hoger dan CAL en MUP (0,14)." naar 'Modicana'. Ik heb de rest verwijderd, omdat de waarden niet vergelijkbaar zijn.
Vanwege de enorme hoeveelheid bewerkingen stop ik hier met typen. Gelieve het manuscript grondig te herzien.
Ook in de verwijzingen staan ​​fouten. Zie bijvoorbeeld L455 en L460.

Zie de bijlage

Schatting van LD en effectieve populatiegrootte in drie Italiaanse autochtone vleesrassen

Veel lokale vleesrassen worden bedreigd. Onderzoek ernaar is lovenswaardig en verdient steun.

De auteurs onderzochten de genomische architectuur van drie lokale Italiaanse rassen en waren vooral geïnteresseerd in de effectieve populatiegroottes en hoe deze in de loop van de tijd veranderen.

De analyse lijkt relatief solide, maar de presentatie van de resultaten is niet erg aantrekkelijk.

Hoe werden de r-kwadraatwaarden precies aangepast (formule 3)? Welke waarde is gekozen voor alfa? En waarom? Alfa is eerder een parameter dan een constante en moet kort worden uitgelegd.

Figuur 1: de kleuren zijn moeilijk te vergelijken omdat de schalen anders zijn (maximale waarden van

1.6 (A). Moet consequent zijn.

Tabel 2: dit is vermoeiend, moet worden weggelaten of ga naar het aanvullende materiaal

Figuur 2: een ordinatieplot (bijv. MDS) met elk dier, met kleuren volgens ras, zou meer afdoende zijn.

Tabel 3: aangezien de veranderingen van r kwadraat bijna uitsluitend plaatsvinden in het eerste interval, zijn deze tabel en de bijbehorende analyse voor mij niet logisch.

Figuur 3: dit is weer vrij zinloos. Ik zie het punt niet in om elk chromosoom te laten zien als ze binnen elk ras min of meer hetzelfde zijn. Denk aan een andere presentatie.

Aanvullende tabellen: wat is het belang van S1? Waarom verschilt de chromosoomlengte tussen rassen in S2? S3 heeft een bijschrift nodig. S2 heeft een bijschrift nodig met meer details over de variabelen.

Discussie: Regel 280: &bdquoA PCA &hellip onderscheidde niet alleen de lokale rassen van de commerciële. &ldquo Dit is helemaal niet gerechtvaardigd. Je zou dit kunnen zeggen als je had ontdekt dat de drie lokale rassen een groep vormen waarbij LIM apart staat. Dit is duidelijk niet het geval.

Het verklaren van verschillen tussen en overeenkomsten van effectieve populatiecurven met verwantschap tussen de populaties heeft geen zin. Je zou twee identieke krommen kunnen hebben van twee soorten die volledig verschillend zijn en vice versa.

De tekst zit vol onzorgvuldigheid en onnauwkeurigheid.

Regel 28: &bdquosample size&ldquo in plaats van effectieve populatiegrootte

Regel 145: Hoofdletter C in plaats van kleine c

Regel 236/7: &bdquoFiguur 3&ldquo in plaats van Figuur 4

Tabel 3: horizontale lijn onder kolomkoppen te kort

Regel 454/5: Het journaal heet &bdquoJ Anim Breed Genet.&ldquo

Zie de bijlage

Het manuscript van Fabbri en collega's rapporteerde een onderzoek naar koppelingsonevenwicht (LD) bij drie Italiaanse lokale runderrassen (Calvana, Mucca Pisana, Pontremolese) die het Limousin-ras als controle gebruikten. De resultaten toonden aan dat de rassen Calvana en Mucca Pisana een matige LD hadden (

0,14) en Pontremolese had de hoogste LD (0,17), terwijl Limousin de laagste LD (0,07) had. De verkregen resultaten zouden wetenschappelijk bewijs leveren voor het behoud van drie lokale runderrassen met een zeer lage effectieve populatiegrootte (Ne). Over het algemeen is het manuscript goed georganiseerd en goed geschreven. Kleine wijzigingen moeten worden gedaan voor definitieve acceptatie.


Invoering

Nijl tilapia (Oreochromis niloticus) is wereldwijd een van de belangrijkste gekweekte vissoorten (FAO, 2018). Fokprogramma's die sinds de jaren negentig zijn opgezet, hebben een sleutelrol gespeeld bij het verbeteren van commercieel belangrijke eigenschappen en het uitbreiden van de nijltilapia-teelt. De genetisch verbeterde gekweekte tilapia (GIFT) is de meest wijdverbreide tilapia-veredelingssoort (Lim en Webster, 2006), die is geïntroduceerd in verschillende landen in Azië, Afrika en Latijns-Amerika (Gupta en Acosta, 2004). De genetische basis van GIFT werd vastgesteld op basis van acht Afrikaanse en Aziatische populaties, en na zes generaties selectie varieerde de genetische winst van 10 tot 15% per generatie voor groeigerelateerde eigenschappen (Eknath et al., 1993), wat bewijs levert dat selectieve fokken met behulp van fenotype- en stamboominformatie kan hoge en constante genetische voordelen opleveren (Gjedrem en Rye, 2018).

De recente ontwikkeling van dichte SNP-panels voor Nile tilapia (Joshi et al., 2018 Yá༞z et al., 2019) zal nieuwe kansen bieden voor het blootleggen van de genetische basis van belangrijke commerciële eigenschappen, vooral in die eigenschappen die moeilijk of duur zijn te meten bij geselecteerde kandidaten. Zoals is aangetoond voor verschillende eigenschappen van zalmachtigen, wordt verwacht dat het opnemen van genomische evaluaties in fokprogramma's de nauwkeurigheid van fokwaarden zal vergroten, in vergelijking met op stamboom gebaseerde methoden (Tsai et al., 2016 Bangera et al., 2017 Correa et al. al., 2017 Sae-Lim et al., 2017 Yoshida et al., 2017 Barria et al., 2018b Vallejo et al., 2018 Yoshida et al., 2019a).

Genomische studies maken gebruik van het koppelingsonevenwicht (LD) tussen SNP's en kwantitatieve trait locus (QTL) of oorzakelijke mutatie. Het is dus belangrijk om de omvang en het verval van LD binnen een populatie te kennen om het aantal markers te bepalen dat nodig is voor het succesvol in kaart brengen van associaties en genomische voorspelling (de Roos et al., 2008 Khatkar et al., 2008 Porto-Neto et al. , 2014 Brito et al., 2015). Daarom, wanneer lage LD-niveaus aanwezig zijn in een populatie, is een hogere markerdichtheid vereist om de genetische variatie over het genoom te vangen (Khatkar et al., 2008). Bovendien bieden LD-patronen relevante informatie over demografische gebeurtenissen in het verleden, inclusief reactie op zowel natuurlijke als kunstmatige selectie (Slatkin, 2008). Daarom weerspiegelt de LD-schatting door het hele genoom, de populatiegeschiedenis en geeft inzicht in het foksysteem en patronen van geografische onderverdeling, die kunnen worden onderzocht om de mate van diversiteit in verschillende populaties te bestuderen.

Tot op heden zijn de meest gebruikte maten van LD tussen twee loci Pearson's 2019s kwadratische correlatiecoëfficiënt (r 2 ) en Lewontin's 2019s D'2019 (gewoonlijk D'2019 genoemd). Waarden lager dan 1 voor D’ duiden op loci-scheiding als gevolg van recombinatie, terwijl D’ = 1 volledige LD tussen loci aangeeft, d.w.z. geen recombinatie. Deze parameter wordt echter sterk beïnvloed door de allelfrequentie en de steekproefomvang. Hoge D’-schattingen zijn dus mogelijk, zelfs wanneer loci in verbindingsevenwicht zijn (Ardlie et al., 2002). Daarom wordt LD, gemeten als r2 tussen twee loci, voorgesteld als de meest geschikte meting voor SNP-gegevens (Pritchard en Przeworski, 2001).

LD-patronen zijn uitgebreid bestudeerd bij verschillende diersoorten, zoals schapen (Prieur et al., 2017), geiten (Mdladla et al., 2016), varkens (Ai et al., 2013), rundvlees (Espigolan et al., 2013 Porto-Neto et al., 2014) en melkvee (Bohmanova et al., 2010). In de aquacultuur hebben recente studies zich gericht op het karakteriseren van de omvang en het verval van LD in gekweekte soorten, zoals Pacifische witte garnalen (Jones et al., 2017), Japanse oester (Zhong et al., 2017), regenboogforel (Rexroad en Vallejo , 2009 Vallejo et al., 2018), coho-zalm (Barria et al., 2018a) en Atlantische zalm (Hayes et al., 2006 Gutierrez et al., 2015 Kijas et al., 2016 Barria et al., 2018c). Tot op heden is er echter schaarse informatie over de genomische structuur van de populatie en LD in gekweekte Nijltilapia, beoordeeld door het gebruik van dichte SNP-panels. De beoordeling van LD-patronen in Nijltilapia is nog steeds beperkt tot enkele onderzoeken waarin ofwel een klein aantal markers (14 microsatellieten) (Sukmanomon et al., 2012) en individuen (4 tot 23 monsters) (Hong Xia et al., 2015) zijn gebruikt. Onlangs suggereerde de constructie van een dichte koppelingskaart voor Nijltilapia een sigmoid-recombinatieprofiel in de meeste koppelingsgroepen (LG), met hogere recombinatiesnelheden in het midden en lagere recombinatie aan het einde van de LG's (Joshi et al., 2018). Deze patronen komen overeen met de hoge LD-niveaus die worden gevonden aan het einde van bijna alle chromosomen in een hybride Nijltilapia-populatie (Conte et al., 2019). De doelstellingen van de huidige studie waren om i) de populatiestructuur en genetische differentiatie te schatten, ii) de genoombrede niveaus van LD te beoordelen en iii) de effectieve populatiegrootte te bepalen onder drie Nijltilapia-fokpopulaties die in Latijns-Amerika zijn gevestigd.


Resultaten

Schema voor gegevensverzameling

Om sequentievariatie en LD het meest efficiënt te onderzoeken, hebben we een segment van 𢏁 kb aan elk uiteinde van een �-kb-segment opnieuw gesequenced in alle individuen van drie populatiesteekproeven. Elk van deze eenheden met twee segmenten zal worden aangeduid als een “locus-paar. ” Tien van dergelijke locusparen, geselecteerd uit verschillende chromosomen of verschillende armen van hetzelfde chromosoom, werden onderzocht (tabel 1). In een poging om 'typische' LD-niveaus in het menselijk genoom te karakteriseren, werden genomische regio's gekozen volgens een vaste set criteria. De eerste was dat de oversteekpercentages dicht bij het genoombrede gemiddelde lagen, zoals bepaald door de fysieke en genetische kaarten te vergelijken. Het gemiddelde oversteekpercentage voor de geselecteerde regio's was 1,29 cM/Mb (tabel 1). Omdat het percentage G+C-gehalte gerelateerd is aan sequentiedivergentie en mutatiesnelheid (Wolfe et al. 1989), evenals de oversteeksnelheid (Fullerton et al. 2001), was het tweede criterium dat het G+C-gehalte 35% was & #x0201345%. Bovendien, in een poging om de waarschijnlijkheid te verkleinen dat de waargenomen patronen van LD werden beïnvloed door natuurlijke selectie, kozen we regio's die geen bekende coderende regio's bevatten of flankeren. De tien locusparen werden opnieuw gesequenced in alle individuen van monsters getrokken uit drie grote populaties van de belangrijkste etnische groepen: Hausa van Kameroen (Sub-Sahara Afrika), Italianen (Europa) en Han-Chinezen (Azië). In tegenstelling tot veel andere onderzoeken naar LD, is de huidige studie gebaseerd op het opnieuw rangschikken van elk individu in elk monster. Zo kunnen LD en niveaus van polymorfisme worden beoordeeld en gecontrasteerd voor dezelfde genomische regio's en populatiemonsters, waardoor nauwkeuriger conclusies kunnen worden getrokken over populatie- en genetische factoren die het verval van LD beïnvloeden.

Beschrijvende samenvatting van sequentievariatie en LD

De gemiddelde afwijking tussen menselijke en chimpanseesequenties op de 10 locusparen is 1,19%. We hebben getest op heterogeniteit van sequentiedivergentie over de onderzochte genomische regio's door het gemiddelde aantal sequentieverschillen tussen alle menselijke en de chimpanseesequenties te gebruiken en dat over alle regio's te middelen. De verwachte aantallen werden vervolgens berekend voor elke regio, rekening houdend met de lengte ervan. Het verschil tussen waargenomen en verwachte aantallen werd geëvalueerd met een globale χ 2 test die de hypothese van homogene divergentiepercentages verwierp. Regio 3 leverde de grootste bijdrage aan de wereldwijde χ 2 , met een significant grotere verschillen tussen soorten dan de andere regio's. Nadat regio 3 was verwijderd, vertoonden de overige negen regio's geen significante globale χ 2 . Dit suggereert dat de mutatiesnelheid hoger is in regio 3, hoewel het percentage G+C en CpG-gehalte niet overeenkomstig hoger zijn. Heterogeniteit van polymorfismeniveaus werd op dezelfde manier beoordeeld. Er werd geen significante heterogeniteit in polymorfismeniveau tussen regio's gevonden. (Deze test van heterogeniteit van polymorfismeniveaus veronderstelt geen koppeling tussen locaties. Omdat koppeling tussen locaties echter de variantie van het aantal polymorfe locaties verhoogt, zou onze conclusie van geen heterogeniteit hetzelfde zijn als rekening zou worden gehouden met koppeling.)

Zoals getoond in tabel 2 is de nucleotidediversiteit over alle loci 0,11% in het Hausa-monster. Dit is respectievelijk �% en 50% hoger dan in de Italiaanse en Chinese samples. Het aantal segregerende locaties in de Afrikaanse steekproef is �% groter dan in de Italiaanse of de Chinese steekproef. Gezien deze verschillen tussen populaties, is het belangrijk om de analyse van gepoolde monsters met de nodige voorzichtigheid te interpreteren.

Tafel 2

Samenvatting Statistieken van sequentievariatie

Hausa Italianen Chinese
Regio L een S B π c (%)tNS NS D e (%)S B π c (%)tNS NS D e (%)S B π c (%)tNS NS D e (%)
12,423 (2,049)12.08𢄡.271.056.08−.161.083.03−.371.04
22,55215.18.731.2911.06𢄡.471.249.04𢄡.691.23
32,79217.15−.031.9713.161.311.959.111.001.97
42,560 (2,431)10.12.741.417.111.721.448.08.031.45
53,0509.08.291.1010.11.881.079.05−.991.11
62,920 (2,902)16.10−.931.238.06−.531.219.04𢄡.451.20
72,81111.07−.96.947.122.70.9410.10.37.96
82,0349.09−.69.965.07.46.948.09−.27.93
91,7916.08−.221.164.081.101.173.092.431.17
102,11015.15−.52.759.13.63.808.141.53.79
𠀺lgemeen25,043120.11−.331.1980.10.741.1876.07−.121.19
Ne 11,555 10,504 7,353

Met behulp van de diploïde fase-onbekende sequentiegegevens hebben we de maximale waarschijnlijkheidsschatting van de samenvattende statistieken van LD berekend R 2 en |D′| voor alle paren polymorfe locaties in de 10 locusparen werd dit gedaan voor elke populatiesteekproef afzonderlijk en voor de gepoolde steekproef (Hill 1974). (Deze schattingsprocedure is gebaseerd op de aanname van het Hardy-Weinberg-evenwicht. Tests van het Hardy-Weinberg-evenwicht lieten geen significante afwijkingen zien na Bonferroni-correctie.) Omdat schattingen van LD voor laagfrequente allelen in kleine steekproeven niet erg informatief zijn, zijn alleen allelen met frequenties in het bereik 0,1𠄰.9 werden in deze analyse opgenomen. Zoals in figuur 1 te zien is, betekent bij de Italianen: R 2 voor sites gescheiden door ρ kb is 0,53, terwijl voor sites gescheiden door 8� kb het gemiddelde 0,23 is. Het Chinese resultaat is vergelijkbaar, met gemiddeld R 2 waarde van 0,38 voor sites gescheiden door ρ kb en een gemiddelde R 2 van 0,28 voor sites gescheiden door 8� kb. In de Hausa hebben sites gescheiden door ρ kb een gemiddelde R 2 van 0,21, aanzienlijk minder dan in Italianen en Chinezen, en voor sites 8� kb uit elkaar, R 2 is gedaald tot een gemiddelde van 0,11. Evenzo, |D′| neemt sneller af met de afstand in de Hausa dan in de andere twee populatiesteekproeven. De waarden van |D′| en R 2 zijn gevoelig voor de allelfrequenties en steekproefomvang, en bij vergelijking van resultaten tussen onderzoeken moet hiermee rekening worden gehouden. Dit probleem wordt in meer detail besproken in de sectie Discussie.

Het evenwichtsmodel testen

In de volgende paragraaf worden de parameters van het evenwichtsmodel geschat. Voordat we verder gingen met schatten, hebben we de gegevens getest op compatibiliteit met dit model. Omdat de polymorfisme-assay is gebaseerd op een willekeurig monster waarin alle individuen volledig zijn gesequenced en omdat de sequentie van een chimpansee-uitgroep werd verkregen, is een verscheidenheid aan tests van het evenwichtsmodel beschikbaar.

De HKA-test wordt gebruikt om te bepalen of de niveaus van intraspecifiek polymorfisme en interspecifieke divergentie op een reeks loci consistent zijn met het evenwichtsmodel (Hudson et al. 1987). Een multilocus-versie van de originele HKA-test werd toegepast op alle 10 regio's in elke populatiesteekproef. Er werden geen significante afwijkingen van het evenwichtsmodel geconstateerd (tabel 3).

Tafel 3

Resultaten van Multilocus HKA en Tajima’s NS Testen

BevolkingP een Gemeen NS% groter b variantie NS% groter b
Hausa.71−.28576.6.50484.9
Italianen.94.663.901.39911.4
Chinese.75.05733.91.7203.0

Tajima’s NS statistiek, die informatie over het spectrum van allelfrequentie samenvat, werd berekend voor elke regio in elke populatiesteekproef (Tajima 1989). Deze waarden, evenals hun gemiddelden en varianties, worden weergegeven in de tabellen ​ tabellen2 2 en ​ en3. 3 . We hebben getest of het waargenomen gemiddelde en de variantie van Tajima’s NS over loci was consistent met het evenwichtsmodel door de kritische waarden van deze distributies te schatten uit Monte Carlo-simulaties (software vriendelijk geleverd door J. Hey). (De mutatieparameters die in de simulaties werden gebruikt, werden geschat in de HKA-test, waarbij zowel de polymorfisme- als de divergentiegegevens werden gebruikt.) In deze simulaties werd aangenomen dat de regio's niet gekoppeld waren en dat er geen recombinatie plaatsvond. Zoals weergegeven in tabel 3 heeft de Italiaanse steekproef een positief gemiddelde Tajima’s NS dat verschilt aanzienlijk van de evenwichtsverwachtingen. Minder dan 1% van de gesimuleerde monsters had een gemiddelde waarde van Tajima’s NS die even groot of groter was dan de waargenomen gemiddelde waarde. De Chinese steekproef toont een marginaal significante variantie van Tajima’s NS. Als realistische niveaus van recombinatie in de simulaties werden opgenomen, zou de P waarde voor deze waargenomen variantie zou kleiner zijn (net als de P waarde van de waargenomen gemiddelde Tajima’s NS in Italianen.) Hoewel de Afrikaanse steekproef een negatief algemeen Tajima’s . laat zien NS, is de waarneming verre van statistisch significant. De afwijkingen van de Italiaanse en Chinese steekproeven van het evenwichtsmodel suggereren dat schattingen van parameters op basis van dit model met voorzichtigheid moeten worden geïnterpreteerd.

Het schatten van de neutrale mutatiesnelheid en de effectieve populatieomvang

Op basis van de waargenomen divergentie (NS) tussen mens- en chimpanseesequenties en uitgaande van een divergentietijd (t) van 5 miljoen jaar—we kunnen het vervangingspercentage voor deze regio's schatten als μja=NS˲t=0.0119/ֲ×ʅ휐 6 )]=1.19휐 -9 /jaar. Onder het evenwichtsmodel is deze substitutiesnelheid een schatting van de gemiddelde neutrale mutatiesnelheid per locatie op deze loci. Merk op dat er geen correctie voor meerdere treffers is toegepast.

Onder het evenwichtsmodel is de verwachte nucleotidediversiteit (π) 4Neμ, waar μ hier is de neutrale mutatiesnelheid per generatie. Dit suggereert het schatten van de effectieve populatiegrootte (Ne) door π/4μ. de schattingen van Ne getoond in tabel 2 werden op deze manier verkregen, gebruikmakend van de algehele nucleotidediversiteit voor elk populatiemonster en μ=20μja=2.38휐 -8 , waarbij we uitgaan van een generatietijd van 20 jaar. Evenzo kunnen schattingen van de effectieve populatiegrootte worden verkregen met behulp van het aantal polymorfe locaties. Vanwege de waargenomen afwijkingen van de verwachtingen van het evenwichtsmodel, zouden voor sommige monsters verschillende schattingen worden verkregen met behulp van nucleotidediversiteit en het aantal polymorfe plaatsen. Zoals blijkt uit tabel 2, is de schatting van de effectieve populatiegrootte voor de Afrikaanse steekproef groter dan die voor de niet-Afrikaanse, in overeenstemming met eerdere studies (Przeworski et al. 2000). We benadrukken echter dat de gegevens significante afwijkingen vertonen van het eenvoudige evenwichtsmodel in de niet-Afrikaanse populaties, dus de betekenis van deze geschatte waarden is onduidelijk.

De populatie-overgangsparameter schatten

Onder een eenvoudig Wright-Fisher-evenwichtsmodel met twee locus, hangt het niveau van LD af van de samengestelde parameter, ρ=4NeRbp, waar Ne is de effectieve populatiegrootte en Rbp is de overschrijdingssnelheid per generatie tussen aangrenzende nucleotideposities en de snelheid en baanlengte van genconversie. De verhouding tussen genconversie en oversteeksnelheid wordt aangegeven met F (zie de sectie Materiaal en Methoden). We hebben een paarsgewijze samengestelde waarschijnlijkheidsmethode gebruikt om ρ en . te schatten F voor vaste waarden van de gemiddelde lengte van het conversietraject (L). Met deze methode worden de CI's voor schattingen van ρ en F gebaseerd op een enkel locuspaar zijn erg groot en maken de interpretatie van individuele schattingen moeilijk (simulatieresultaten niet getoond). Wanneer echter de gegevens van alle 10 locusparen worden gecombineerd, kunnen goede schattingen worden verkregen.

Hoewel er relatief weinig bekend is over genconversie bij zoogdieren, suggereren studies bij gist en fruitvliegen dat de lengte van het conversiekanaal 300𠄲.000 bp is (Hilliker et al. 1994 Paques en Haber 1999 ) en dat F is 𢏂𠄴 (Fogel et al. 1983 Foss et al. 1993 Hilliker et al. 1991 ). We hebben onze aandacht beperkt tot modellen met L=500 bp of 1.000 bp. We hebben ons in eerste instantie gericht op de Afrikaanse steekproef, omdat deze geen afwijkingen liet zien van het in de schattingsprocedure aangenomen evenwichtsmodel. Voor L=500 bp, de maximale samengestelde waarschijnlijkheidsschatting van ρ en F in de Afrikaanse steekproef zijn respectievelijk 0,00089 en 7,3. Ervan uitgaande dat de oversteeksnelheid per generatie 1,29 cM/Mb is, is de schatting van de effectieve populatiegrootte voor de Afrikaanse steekproef �,000, dat wil zeggen 0,00089/ʄ * 1,29 * 10 -8 ). Dit komt ruwweg overeen met, maar is iets groter dan, schattingen van de effectieve populatiegrootte op basis van de hierboven beschreven polymorfismeniveaus.

Figuur 2 toont een 95%-betrouwbaarheidsgebied voor ρ en F gebaseerd op de Afrikaanse gegevens. Uit de figuur is het duidelijk dat kleine waarden van F impliceren grote waarden van ρ. Ook, Fπ.8 is niet compatibel met de gegevens. Bovendien, voor Fρ, de plot in figuur 2 suggereert dat ρ waarschijnlijk Ϡ.002 is, wat op zijn beurt een onwaarschijnlijk grote effectieve populatiegrootte impliceert.

Paarsgewijze samengestelde waarschijnlijkheidsoppervlakte voor het Afrikaanse monster. De zware contourlijn geeft een 95%-betrouwbaarheidsgebied aan op basis van simulaties (zie de sectie Materiaal en methoden). De andere contourlijnen staan ​​op willekeurige intervallen om de vorm van het oppervlak weer te geven. De punt geeft het maximum aan bij F=7.3 en R=.00089.

Als we aannemen dat Ne= 12.000, zoals geschat op basis van de niveaus van polymorfisme in de Afrikaanse steekproef, en dat Rbp=1,29 cM/Mb, zoals directe schattingen van overschrijdingspercentages suggereren, dan ρ=6.2휐 -4 . Deze waarde van ρ repareren en ervan uitgaan L=500 bp, de maximale samengestelde waarschijnlijkheidsschatting van F is 11 (ongeveer 95% vertrouwenregio=4.5�). Voor kleinere waarden van L, nog grotere waarden van F worden geschat. Het punt, F=11, ρ=6.2휐 -4 valt binnen het hoogste contourinterval getoond in figuur 2 , dus ruim binnen het 95%-betrouwbaarheidsgebied voor F en ρ.

Het is algemeen bekend dat vermenging de LD-niveaus kan verhogen, zelfs op niet-gekoppelde sites. Dit verhoogt de mogelijkheid dat niet-herkende vermenging de schattingen van de populatie-cross-over en genconversieparameters kan beïnvloeden. Om dit probleem te onderzoeken, schatten we |D′| en R 2 voor paren niet-gekoppelde sites voor de Hausa en de gepoolde monsters. Het Hausa-monster werd gekozen omdat het wordt gebruikt voor het schatten van de genconversieparameters, en het gepoolde monster werd onderzocht omdat het kunstmatig werd gemengd. De betekenis van het waargenomen gemiddelde |D′| en R 2-waarden werden geëvalueerd door een test waarin diploïde genotypen voor elk volledig locuspaar willekeurig werden gepermuteerd over individuen. In het Hausa-monster was het waargenomen gemiddelde |D′| en R 2 verschilden niet significant van de willekeurige verwachtingen: het waargenomen gemiddelde |NS ′ |=0.52 en R 2 = 0,064, en het gemiddelde van de overeenkomstige grootheden van permutaties zijn 0,55 en 0,071 (bovenste en onderste 2,5e percentielen: respectievelijk 0,51𠄰.60 en 0,060𠄰.085). Omgekeerd zijn de resultaten voor het gepoolde monster consistent met een zekere mate van vermenging: het waargenomen gemiddelde van |NS ′ |=0.37 en R 2 = 0,032, en het gemiddelde van de overeenkomstige grootheden van permutaties zijn 0,30 en 0,022 (bovenste en onderste 2,5e percentielen: respectievelijk 0,27𠄰.34 en 0.018𠄰.026). Het is dus onwaarschijnlijk dat schattingen van genconversieparameters die we uit het Hausa-monster verkrijgen, worden opgeblazen als gevolg van niet-herkende vermenging.

Schattingen van ρ voor de Italiaanse en Chinese steekproeven zijn weergegeven in tabel 4 . Omdat het evenwichtsmodel niet compatibel is met de gegevens van deze populaties, is het mogelijk dat de schattingen van ρ niet nauwkeurig 4NeRbp, maar ze kunnen niettemin bruikbare indices bieden van de vervalsnelheid van LD met afstand. Uit deze schattingen blijkt dat LD in de twee niet-Afrikaanse populaties ruwweg vier keer langzamer vervalt dan in de Afrikaanse populatie. In overeenstemming met de bovenstaande resultaten die wijzen op een afwijking van het evenwichtsmodel, zijn de effectieve populatiegroottes die deze vervalsnelheden impliceren niet compatibel met de schattingen op basis van polymorfismeniveaus in deze populaties (zie tabellen ​ tabellen2 2 en ​ en4 4 ).

Tabel 4

Schattingen van het populatieoversteekpercentage en 95% BI's (× 10 𢄤 )

Hausa Italianen Chinese
L(bp)F Ne een Ne een Ne een
04587,2095.610,8536.011,628
500413 (7.1�)25,1942.9 (1.2𠄵.7)5,6203.4 (1.5𠄶.8)6,589
1,000411 (5.7�)21,3182.2 (1.0𠄴.4)4,2642.6 (1.0𠄶.0)5,039
50088,4 (4,7�)16,2791.9 (.9𠄳.7)3,6822.3 (.9𠄴.9)4,457
1,00086.0 (3.4�)11,6281.4 (.6𠄲.8)2,7131.6 (.7𠄳.5)3,101

De geschatte populatie-crossover- en genconversiepercentages kunnen worden gebruikt om de verwachte waarden van de beschrijvende statistieken van LD te berekenen, R 2 en |D′|. Figuur 1 toont het waargenomen verval van LD met afstand en het verwachte verval op basis van een cross-over model met en zonder genconversie voor onze data. In overeenstemming met de verwachting dat genconversie vooral het verval van LD over korte afstanden beïnvloedt, laat het cross-over/gen-conversiemodel een scherpe daling zien binnen 1 kb. Zoals weergegeven in tabel 4, neemt de schatting van de populatie-oversteekparameter voor een bepaald monster af wanneer genconversie in het model wordt opgenomen. Als gevolg hiervan is over langere afstanden de verwachte LD groter als rekening wordt gehouden met genconversie dan in een model dat alleen het effect van overkruising omvat (zoals te zien is door de gestippelde en ononderbroken lijnen in fig. 1 te vergelijken). Omdat |D′| gevoelig is voor zowel allelfrequenties als steekproefomvang, kunnen de resultaten in figuur 1 niet gemakkelijk worden vergeleken met die verkregen uit andere onderzoeken. Om vergelijkingen te vergemakkelijken, hebben we de afstand berekend waarop de verwachte |D′| bereikt de helft van zijn maximale waarde op basis van onze schattingen van de populatie-cross-overparameter en voor verschillende steekproefomvang en reeksen van allelfrequenties (tabel 5). Voor een bepaalde set populatieparameters is de afstand waarop |NS ′ |=0.5 verschilt maar liefst viervoudig voor de steekproefomvang in tabel 5 en zelfs meer voor de allelfrequenties van 0.1𠄰.9 versus 0.3𠄰.7. Deze resultaten onderstrepen de moeilijkheid van het vergelijken van LD-niveaus tussen onderzoeken. Op basis van de schattingen van de populatie-crossoverparameter en de genconversiesnelheid voor de niet-Afrikaanse steekproeven, is de verwachte |D′| voor allelfrequenties 0,1𠄰.9 is gelijk aan de helft van de |D′|bij 55� kb in monsters van 90 chromosomen. Op basis van de overeenkomstige schattingen voor de Afrikaanse steekproef is de verwachte |D′| voor allelfrequenties 0,1𠄰.9 halveert bij 11� kb in monsters van 90 chromosomen.

Tabel 5

Afstand (in kilobases) waarop verwacht |D′| = .5 [Opmerking]

Hausa Italianen Chinese
Voorbeeldmaat a AllelFrequentie F = 4F = 8F = 4F = 8F = 4F = 8
30.1–.94263210325172265
60.1–.91420791176598
90.1–.91116671035583
90.3–.71.91.423341826

Let op.— Afstand werd berekend met behulp van de populatiespecifieke 4NeRbp schattingen in tabel 2 op basis van L = 500 bp.


3. RESULTATEN

We vinden dat verschillende vormen van lokale en globale effectieve grootte nogal uiteenlopende gedragingen vertonen in populaties onder migratie, en de algemene relatie tussen de verschillende vormen van N e is vergelijkbaar onder het eiland en de lineaire stepping stone-migratiemodellen.

3.1. Eilandmodel

De verandering van lokale en globale effectieve grootte tijdens het naderen van het migratieevenwicht voor het eilandmodel met een migratiesnelheid van één persoon per generatie wordt weergegeven in figuur ​ Figuur1. 1 . De identieke grootte van de lokale bevolking en het symmetrische migratieschema impliceren dat alle lokale gerealiseerde N e identiek zijn voor elk specifiek type effectieve grootte, en dat sommige soorten N e zich op een vergelijkbare manier gedragen. Alle 10 N eIRx zijn bijvoorbeeld hetzelfde en vallen samen met N eIMeta dat staat voor een gewogen harmonisch gemiddelde van de lokale N eIRx. Bij evenwicht convergeren ze allemaal op de eigenwaarde effectieve grootte, N eE  = 605, en ze zijn zeer dicht bij deze waarde na ongeveer t = 150 generaties. De gerealiseerde additieve genetische variantie effectieve grootte van een lokale populatie (N eAVRx) lijkt ook erg op, maar is niet identiek aan, de N eIRx.

Globaal (Meta) en gerealiseerd lokaal (Rx) effectieve populatiegroottes van meer dan 500 generaties in een metapopulatie volgens een eilandmodel van migratie. Er zijn tien (10) ideale subpopulaties van constante effectieve grootte N ex  N cx =ꁐ, en in elke generatie ontvangt elke subpopulatie gemiddeld één (1) immigrant die willekeurig is getrokken uit een oneindig grote migrantenpool waaraan de andere subpopulaties in gelijke mate hebben bijgedragen (m' =਀.02 m =਀.022). N eI heeft betrekking op de mate van inteelt, N eAV de snelheid waarmee additieve genetische variatie verloren gaat, N eV tot van de hoeveelheid allelfrequentieverandering, en N eLD weerspiegelt de mate van koppelingsonevenwicht als gevolg van een evenwicht tussen genetische drift en recombinatie. De effectieve grootte van de eigenwaarde is N eE =򠘅, weerspiegelt de evenwichtstoestand wanneer inteelt zowel wereldwijd als lokaal met dezelfde constante snelheid toeneemt, wat resulteert in N eE = N eIMeta = N eIRx. Aanvankelijke inteelt en verwantschap is nul (0) binnen en tussen alle subpopulaties. Merk op dat de verwachte genetische verandering hetzelfde is voor alle subpopulaties onder een eilandmodel

De belangrijkste observatie verwijst naar het verschillende gedrag van de lokaal gerealiseerde effectieve maten N eIRx en N eAVRx aan de ene kant, d.w.z. die met betrekking tot de 50/500-regel in conservering, en die van N eVRx en N eLDRx aan de andere kant, d.w.z. diegene die typisch het doelwit zijn bij het schatten van de effectieve grootte op basis van genetische markergegevens (Figuur ​ (Figuur 1). 1). Het is duidelijk dat het toepassen van een van de temporele of LD-methoden, die schatten N eVRx en N eLDRx, respectievelijk, zal ons heel weinig vertellen over inteeltpercentages (N eIRx) of mogelijkheden voor het in stand houden van genetische variatie (N eAVRx) in lokale populaties die deel uitmaken van een metapopulatiesysteem. De trajecten van N eVRx en N eLDRx slechts marginaal veranderen tijdens de eerste paar generaties, zodat: N eVRx neemt iets af en N eLDRx neemt toe. Dan bereiken ze een evenwicht en blijven ze voor onbepaalde tijd net onder/boven hun oorspronkelijke waarden van N ex =ꁐ d.w.z. bij t = 500 we hebben N eVRx =ꁉ.0 en N eLDRx =ꁑ.9.

Met betrekking tot de wereldbevolking, de dynamiek van de variantie en additieve genetische variantie effectieve maten (N eVMeta en N eAVMeta) lijken erg op elkaar, maar zijn niet identiek. Ze beginnen allebei om N e  = 500 (de som van de lokale N ex) en convergeren, in marginaal verschillende snelheden, op N eE  = 605. Voordat het evenwicht is bereikt N eAVMeta is een slechte indicator voor de mate van verval van additieve genetische variatie in de lokale populaties, die wordt gekwantificeerd door N eAVRx.

Migratie verhogen tot tien individuen per generatie (m = 0.22 m' =਀.20) onthult een patroon dat kwalitatief erg veel lijkt op dat voor m = 0,022 (Figuur ​ (Figuur2 2 vs. Figuur ​ Figuur1). 1 ). Het grote verschil is dat de hogere migratiesnelheid resulteert in een snellere benadering van het evenwicht (let op de verschillende x𠄊xis schalen van figuur ​ figuur2 2 vs. figuur ​ figuur1). 1 ). Verder zijn de trajecten voor N eVRx en N eLDRx nivelleren bij waarden die verder verwijderd zijn van het startpunt (N ex =ꁐ) dan bij de lagere migratiesnelheid. N eVRx =ꁄ.5 in generatie t = 50 (vergeleken met N eVRx =ꁉ.0 in Afbeelding ​ Afbeelding1). 1 ). Voor N eLDRx, de verwachte lokale evenwichtswaarde is gestegen van N eLDRx =ꁑ.9 (bij m = 0,022 Afbeelding ​ Afbeelding1) 1 ) tot N eLDRx =ꁷ.2 (bij m = 0.22 Afbeelding ​ Afbeelding2). 2 ). In tegenstelling tot de simulaties met m = 0,022 (Figuur ​ (Figuur 1), 1 ), gesimuleerde waarden met m = 0,22 is een beetje hoog, in het bereik van 81�, in plaats van dicht bij de verwachte waarde van 77,2 (Ondersteunende informatie Bijlage S1). In het algemeen blijft er echter een gebrek aan koppeling bestaan ​​tussen de hoeveelheden die betrekking hebben op de 50/500-regel enerzijds en de hoeveelheden die in de meeste empirische studies worden geschat anderzijds.

Zoals in figuur ​ figuur1 1, behalve dat het immigratiepercentage tien (10) individuen per generatie is (m' =਀.20 m =਀.22) en het proces wordt pas over 50 generaties gevolgd. De effectieve grootte van de eigenwaarde is N eE =򠔐

3.2. Eilandmodel evenwichtscondities

Figuur ​ Figuur3 3 geeft de evenwichtswaarden weer bij verschillende migratiesnelheden (m) voor de lokale vormen van N eIRx, N eVRx, en N eLDRx in een metapopulatie van een eilandmodel met dezelfde basisdemografie als voorheen, (s = 10, N ex = N cx =ꁐ). Dus, door de curven in figuur 3 3 te vergelijken met die in figuur 2, bijvoorbeeld de evenwichtswaarden voor m = 0,22 zijn N eIRx =򠔐, N eVRx =ꁄ.5, en N eLDRx =ꁷ.2. Wanneer m is klein, zeg maar m < 0,10, de verwachte lokale evenwichtswaarden van N eVR en N eLDR zijn dicht bij degenen die in isolement zijn wanneer alle lokale N e zijn hetzelfde (N ex =ꁐ). Een objectieve schattingstargeting N eVRx of N eLDRx, zoals methoden gebaseerd op de temporele of de LD-benaderingen, wordt dus verwacht dat ze empirische schattingen opleveren die dicht bij de lokale N e onder isolatie. Daarentegen zijn dergelijke schattingen slechte indicatoren van evenwicht N eIRx tegen lage migratiecijfers. In feite, lokaal N eVRx bij evenwicht is het zelfs nooit in de buurt van lokaal N eIRx voor elke waarde van men lokaal N eLDRx is alleen dichtbij bij zeer hoge migratiesnelheden wanneer de hele metapopulatie panmictisch is of bijna.

Evenwichtswaarden voor lokale inteelt (N eIRx), variantie (N eVRx), en koppelingsonevenwicht (N eLDRx) effectieve grootte bij verschillende positieve migratiesnelheden (m >਀). De waarden verwijzen naar een metapopulatie van een eilandmodel met 10 ideale subpopulaties van grootte N ex = N cx =ꁐ bij migratie𠄍rift-evenwicht. Merk op dat de evenwichtsvoorwaarde impliceert dat de curve voor local N eIRx valt samen met die voor de eigenwaarde effectieve grootte (N eE), die de globale effectieve grootte van inteelt weerspiegelt (N eIMeta) bij evenwicht

De tijd die nodig is om het migratieevenwicht te bereiken (Figuur ​ (Figuur 3) 3 ) kan erg lang zijn bij lage migratiesnelheden. Dus, voor m' =਀.002 (één immigrant per 10 generaties), bijvoorbeeld, het duurt ongeveer 800 generaties voor N eIRx om de geschatte evenwichtswaarde van . te benaderen N eIRx = N eIMeta = N eE  = 1.590 in de huidige metapopulatie (s = 10, N ex =ꁐ), terwijl N eVRx en N eLDRx zullen dicht bij hun startwaarde van blijven N ex =ꁐ gedurende het hele proces. Verder zijn de hoge waarden van N eIRx bij lage migratiesnelheden mag niet verkeerd worden geïnterpreteerd als een suggestie van volledige of bijna-isolatie als een adequate strategie voor genetisch beheer van onderverdeelde populaties. De reden is dat lokale inteelt gemakkelijk accumuleert tot onbevredigend hoge niveaus wanneer de migratie laag is. In het huidige voorbeeld met m' = 0,002, bijvoorbeeld de N eIRx =򠔀 criterium zal worden gehaald in generatie ≈򠉵. Op dit moment is de lokale inteelt echter toegenomen tot F >਀.75, een waarde die hoogstwaarschijnlijk als onaanvaardbaar hoog zou worden beschouwd in de context van genetische conservering (zie Laikre et al., 2016 en hieronder).

3.3. Lineair opstapmodel

We beschouwen ten slotte een ideaal lineair opstapmodel met dezelfde demografische basiskenmerken als die hierboven, d.w.z. met s = 10 ideale subpopulaties formaat N ex = N cx =ꁐ, die nu op een lijn zijn gerangschikt en van links naar rechts zijn genummerd (Figuur ​ (Figuur 4). 4 ). Migratie vindt alleen plaats tussen aangrenzende subpopulaties, en in elke generatie ontvangt elke subpopulatie gemiddeld de helft (0,5) immigrant van elke buur. Er is dus gemiddeld één immigrant per generatie in subpopulaties 2𠄹 (zoals in het eilandmodel van figuur ​ figuur1), 1 ), terwijl die aan de uiteinden (1 en 10) slechts 0,5 immigranten krijgen. Door dit migratiepatroon is de benadering van evenwicht veel langzamer dan voor een eilandmodel met vergelijkbare migratiesnelheden (Figuur ​ (Figuur 4). 4). De effectieve grootte van de eigenwaarde is N eE  = 959, en alle lokale effectieve maten die naar verwachting zullen naderen N eE zijn na 500 generaties nog ver van deze waarde verwijderd, vooral die voor de populaties 𠇎nd” (1 en 10).

Wat de eilandmodellen betreft, blijven de gerealiseerde lokale variantie-effectieve maten in figuur 4 4 net onder hun initiële waarde van N ex =ꁐ, en in generatie t = 500 we hebben N eVR1 =ꁉ.3 en N eVR5 =ꁉ.0. De gesimuleerde waarden voor de gerealiseerde lokale N eLD voor subpopulaties 1 en 5 variëren in het bereik N eLDR1,5 =ꁂ�. Het is duidelijk dat de tendens van gerealiseerde lokale N eV en N eLD om trajecten te volgen die opvallend verschillen van die van de gerealiseerde local N eI en N eAV blijft ook bestaan ​​onder het lineaire stepping stone-model, dat een uiterste vertegenwoordigt ten opzichte van het eilandmodel met betrekking tot connectiviteit (Allendorf et al., 2013 Kimura & Weiss, 1964).


Achtergrond

Zuidelijke bossen die worden gedomineerd door dennen bevatten een derde van de totale boskoolstof in de aangrenzende VS [1]. Onder de zuidelijke dennen is loblolly-den de meest voorkomende, productieve en waardevolle commerciële houtsoort vanwege de snelle groei en het uitgestrekte grondgebied, bestaande uit 80 % van het aangeplante bosgebied en meer dan de helft van het overblijvende volume in het zuiden van de VS. loblolly pine strekt zich uit ten zuiden van New Jersey tot centraal Florida, en van west tot centraal Texas, en beslaat 55 miljoen acres bosland [2, 3]. Omdat bossen koolstofdioxide vastleggen en opslaan door middel van fotosynthese, biedt de wijdverspreide loblolly-den in het zuiden van de VS grote waarde bij het compenseren van koolstofdioxide in de atmosfeer en het verminderen van klimaatveranderingen veroorzaakt door de uitstoot van broeikasgassen [4, 5].

Genomische hulpmiddelen en middelen die zich richten op de ontleding van complexe eigenschappen, brengen een revolutie teweeg in de traditionele loblolly-dennenveredeling en helpen bij het fokken en inzetten van genotypen die beter zijn aangepast aan klimaatverandering en in staat zijn om een ​​grotere hoeveelheid koolstof vast te leggen. Twee belangrijke voorwaarden voor de ontwikkeling en toepassing van genomics-geassisteerde veredeling zijn de karakterisering van de genetische variatie en het verzamelen van genoombrede moleculaire merkers. Een hoog niveau van genetisch polymorfisme wordt verwacht in loblolly-den vanwege de levenskenmerken die typisch zijn voor naaldboomsoorten, zoals een lange levensduur, een brede geografische spreiding, een grote effectieve populatieomvang en een hoge uitkruisingssnelheid. Dit werd bevestigd in vroege studies met isozymen [6, 7], DNA-gebaseerde markers [8-10], en vooral meer recentelijk met SNP [11-13]-markers. Ongeveer 4000 SNP-markers zijn gegenotypeerd in de eerdere associatiegenetica-onderzoeken [11, 13, 14], maar er zijn veel meer markers nodig voor genomische selectie [15-18].

In de eerdere loblolly pine associatie mapping studies, werd een Illumina Infinium high-throughput SNP genotypering array ontwikkeld voor multiplex genotypering van 7216 SNP markers gebruikt om genetische controle van diverse fenotypische eigenschappen te ontleden [11, 13, 14, 19-21]. Deze SNP's waren oorspronkelijk afgeleid van amplicon-sequencinggegevens op basis van een relatief klein, maar bereikbreed monster van 18 lobolly pine megagametophytes en met behulp van PCR-primers die waren ontworpen met behulp van unigene contig-sequenties samengesteld uit EST-sequenties (expressed sequence tag). Ten slotte waren ongeveer 4000 SNP's uit deze 7 K SNP-array polymorf of konden ze worden gegenotypeerd in vervolgonderzoeken [11, 13, 14, 19-21].

Gezien adequate geografische distributiebemonstering, zou de genetische structuur die ten grondslag ligt aan loblolly-dennenpopulaties ook kunnen worden opgehelderd met behulp van SNP's. Eckert et al. [19] analyseerde SNP- en SSR-markers (Simple Sequence Repeat) tussen 907 loblolly-dennen in het hele bereik en ontdekte dat de populatiestructuur voornamelijk de discontinuïteit van de Mississippi-rivier weerspiegelde.

De efficiëntie van marker-geassisteerde fokken en genomische selectie hangt grotendeels af van genoombrede koppelingsonevenwichtigheid (LD). Bruin et al. [12] vond substantiële historische recombinatie tussen SNP's in de bemonsterde allelen waarvan de sequentie was bepaald in 19 genen en toonde aan dat LD significant daalde binnen 2 Kb in loblolly pine. Een genoombrede studie door Chhatre et al. [11] bevestigde snel LD-verval in loblolly pine. Deze studies suggereerden dat een zeer groot aantal markers nodig zou zijn om fenotypes aan genotypen te koppelen in associatie-mappingstudies en bij genomische selectie van deze soort. Daarom, voor een soort zoals loblolly pine met een groot genoom en snel LD-verval, kunnen zelfs duizenden markers niet voldoen aan de vereiste om alle belangrijke functionele genomische regio's te identificeren. Gelukkig heeft genotypering door sequencing (GBS), dat gelijktijdige ontdekking en genotypering van markers mogelijk maakt, het genereren van grote aantallen moleculaire markers mogelijk gemaakt [22]. Desalniettemin vormen de grote omvang en complexe structuur van het loblolly pine-genoom uitdagingen voor de resequencing van het hele genoom. De loblolly pine genoomassemblage v. 1.01 beslaat 23,2 Gbp en bevat 14,4 miljoen steigers [23]. Voorlopig zijn 50.172 vermeende genen met een gemiddelde lengte van 2,7 Kbp geannoteerd in de huidige loblolly pine-genoomassemblage [24]. Bovendien vormen verschillende zeer repetitieve DNA-elementen tot 82% van het loblolly pine-genoom, waaronder retrotransposons die domineren en 62% van het genoom uitmaken [23, 24]. Daarom is vermindering van de complexiteit van het genoom zeer gewenst voor toepassing van GBS op loblolly pine.

In onze studie hebben we het hele exoomgebied gebruikt voor doelverrijking om GBS te beperken tot voornamelijk coderende regio's, die alleen

40-60 Mbp sequentieruimte of minder dan 0,2% van het gehele lobrolly pine-genoom. In de eerdere studies zijn technologieën voor oplossingsgerichte verrijking van doelregio's ontwikkeld voor loblolly pine [25-27]. De opnamegrootte is aanzienlijk uitgebreid dankzij de verbetering in het ontwerp van de sonde en de efficiëntie van de opname, waardoor het mogelijk is om tot 200 Mbp aan doelsequentie vast te leggen met een enkel ontwerp (NimbleGen SeqCap EZ Developer Enrichment Kit). Deze ontwikkelingen maakten het ons mogelijk om het hele loblolly pine exoom te targeten en te verrijken, waardoor het beschikbare aantal moleculaire polymorfismen in loblolly pine aanzienlijk werd vergroot.

In deze studie beschrijven we het sondeontwerp en de efficiëntie van de loblolly pine exome capture met behulp van de NimbleGen SeqCap EZ-methode in een populatiemonster met 375 klonaal gepropageerde bomen van een associatie-mapping-populatie gegenereerd voor de Allele Discovery of Economic Pine Traits II (ADEPT 2) projecten [14]. Provincies van herkomst zijn bekend voor 362 van de 375 moederbomen (Fig. 1). SNP's werden geïdentificeerd door de exome capture-sequenties uit te lijnen met loblolly pine genoomassemblage v. 1.01 [28]. De afgeleide SNP-genotypen werden vervolgens toegepast om LD-verval en populatiestructuur te bestuderen.

De graafschappen van herkomst van de moederlijke bomen gekleurd door staten. Deze kaart toont de bemonsteringslocaties van de 362 van de 375 moederlijke ouders van de ADEPT2-populatie die in dit onderzoek is gebruikt


Resultaten

Analytische benaderingen

Zoals besproken in de bijlage, als we effecten van steekproeven van individuen negeren, is de verwachte waarde van R 2 heeft twee componenten, (3) die de bijdragen aan . vertegenwoordigen R 2 van respectievelijk drift en mengsel. In een gesloten populatie in evenwicht met constante N, R zal willekeurig variëren in het bereik [-1, 1] (of minder, afhankelijk van de allelfrequenties), zodat: E(R) = 0 en er is geen mengsel LD. In dat geval is alleen de driftterm relevant en op basis van Weir en Hill (1980) en Hill (1981). We gebruiken deze verwachting van het standaardmodel als referentiepunt voor het evalueren van de effecten van migratie op R 2 en .

Migratie verandert zowel de drift- als de mengseltermen in vergelijking 1, op verschillende manieren. Ten eerste vergroot migratie het totale aantal ouders dat bijdraagt ​​aan een lokale bevolking, en dit vermindert de drifttermijn. We kwantificeren dit effect door te berekenen hoe de effectieve pool van ouders (EPP) verandert als functie van m, N, en N: EPP = N/[(1 − m) 2 + m 2 /(N − 1)] (Vergelijking A1). De verwachte omvang van de reductie in drift LD als gevolg van migratie wordt berekend als ΔR 2 drift = 1/(3 EPP) − 1/(3N). Tegelijkertijd brengt migratie in de lokale bevolking individuen samen die nakomelingen zijn van ouders met (potentieel zeer) verschillende reeksen van allelfrequenties. Dit creëert een onevenwicht in het mengsel, wat de neiging heeft om de algehele LD te verhogen. We kwantificeren dit effect met de term ΔR 2 mengen (Vergelijking A10). Twee primaire factoren bepalen de grootte van mengsel LD (Vergelijking A6): populatiedifferentiatie (als al het andere gelijk is, creëren genetisch uiteenlopende populaties meer mengsel LD) en mengselfractie (LD is het hoogst bij gelijke mengselfracties). In een evenwichtsmodel werken deze twee factoren tegengesteld, aangezien hogere migratiesnelheden de niveaus van genetische divergentie verminderen. Als gevolg hiervan wordt verwacht dat mengsel LD onder evenwichtsomstandigheden het grootst is bij relatief lage migratieniveaus (Figuur A1).

Tabel 1 geeft een samenvatting van de resultaten van het toepassen van de formules die zijn ontwikkeld in de bijlage aan de twee algemene metapopulatiescenario's. Enkele algemene patronen kunnen worden opgemerkt. Ten eerste, in alle gevallen de verwachte bijdrage aan de totale R 2 uit populatiemengsel [ΔR 2 mengen] is minstens een orde van grootte kleiner dan de verwachte vermindering van drift LD door het werven van extra ouders [ΔR 2 drift]. Dit gebeurt omdat, onder het veronderstelde evenwichtsmodel, het populatiemengsel nooit grote fracties genetisch uiteenlopende individuen omvat naarmate de populatiedivergentie toeneemt (en daarmee de mogelijkheid om een ​​groot mengsel LD te creëren), de migratiesnelheid ook sterk daalt. Als gevolg hiervan verwachten we dat in alle gevallen de reducties in LD als gevolg van evenwichtsmigratie opwegen tegen eventuele extra LD van het mengsel. Ten tweede stijgt de EPP slechts langzaam bij lage migratieniveaus, dus substantiële opwaartse vertekeningen in lokaal worden niet verwacht totdat de migratiesnelheden in genetische termen redelijk hoog zijn (m > 5-10%). Ten derde wordt verwacht dat de twee metapopulatiescenario's over het algemeen vergelijkbare resultaten opleveren (geïndexeerd door de verhouding /N) voor lage en matige migratie, maar voor m > 0.1 opwaartse bias zal naar verwachting sneller stijgen voor N = 10, N = 100. Dit wordt verwacht omdat met hoge migratiesnelheden, voor beide scenario's zouden moeten convergeren op de algehele metapopulatie Ne ∼ 1000, wat een groter veelvoud is van lokaal Ne voor het scenario met N = 100.

Empirische resultaten van simulaties

Evenwichtsmigratie:

De belangrijkste simulatieresultaten voor evenwichtsmigratie zijn uitgezet in Figuren 1 en 2. Hoewel onze analyses hier gericht zijn op bias (voor een evaluatie van de precisie van de LD-methode, zie Waples en Do 2010), hebben we empirische betrouwbaarheidsintervallen (CI's) uitgezet. ) in figuur 1 en enkele algemene patronen zijn het vermelden waard: (1) CI's zijn krapper voor het [10, 100]-scenario omdat de variantie van toeneemt met waar Ne (Hill 1981) (2) C.I.'s zijn breder voor mN < 1 omdat die scenario's een lage genetische diversiteit hebben in lokale populaties en minder allelische vergelijkingen voor berekeningen R 2 en (3) C.I.'s zijn strenger voor matige migratie (mN = 1-10), omdat dit migratieniveau voldoende is om een ​​hoog niveau van allelische diversiteit te behouden, maar niet zo hoog dat het substantieel naar boven wordt vertekend.

Bias in schattingen van lokale Ne (aangegeven door de verhouding ) als functie van de hoeveelheid migratie onder subpopulaties. Migratie wordt geschaald op basis van migratiesnelheid (m) (A) of aantal migranten per generatie (mN) (B). Lokale subpopulatiegrootte (N) was 100 of 500 ideale individuen. Getoonde waarden zijn gebaseerd op harmonisch gemiddelde berekend met behulp van gegevens voor 20 loci getest in S = 100 personen. Verticale lijnen in B tonen de centrale 90% van de empirische verdeling van .

Vergelijking van waargenomen uit simulaties (dezelfde gegevens die zijn uitgezet in figuur 1) met verwachte waarden op basis van theoretische overwegingen (uit tabel 1).

De simulatieresultaten kwamen over het algemeen overeen met de analytische voorspellingen. Voor beide metapopulatiescenario's is de vorm van de relatie tussen /N en m was vergelijkbaar met wat voorspeld was. Er werd weinig bias voor lokaal gevonden voor beide scenario's voor laag of matig m, terwijl m ≥ 0,1 produceerde meer substantiële opwaartse bias. Zoals verwacht was dit laatste effect sterker voor N = 100 dan N = 500. Zoals ook verwacht, voor N = 500 vonden we geen bewijs voor neerwaartse vertekening, omdat dit kon worden toegeschreven aan de populatiemix (zie hieronder voor de bespreking van de resultaten voor) N = 100). Het lijkt erop dat de migratiesnelheid (m) is een betrouwbaardere indicator dan het effectieve aantal migranten (mNe) van de waarschijnlijke gevolgen van migratie op (vergelijk figuur 1A en 1B).

Twee belangrijke afwijkingen van de voorspelde patronen zijn ook duidelijk. Ten eerste, hoewel theoretische afleidingen in de bijlage het algemene patroon van de relatie tussen en m, lieten empirische resultaten meer opwaartse vertekening zien dan voorspeld bij hoge migratiesnelheden (Figuur 2). De tweede afwijking is die voor het scenario met N = 100, N = 10, we zagen een neerwaartse tendens bij lage migratiesnelheden (harmonisch gemiddelde = 92,9 voor m = 0,01 en 80,2 voor m = 0,001). Met N = 100, m = 0,01 betekent dat een lokale bevolking gemiddeld één immigrant per generatie ontvangt van de metabevolking als geheel, en het percentage is één immigrant per 10 generaties voor m = 0,001. Omdat migratie stochastisch was, kunnen sommige generaties bij toeval een ongewoon groot aantal immigranten ontvangen. Evenzo, als een of enkele migranten ongewoon succesvol zijn in het reproduceren, kunnen hun nakomelingen gedurende meerdere generaties een substantiële vermenging van LD aan de populatie bijdragen voordat de associaties vervallen door recombinatie. Bovendien, omdat het harmonische gemiddelde sterk wordt beïnvloed door incidentele lage waarden, en vanwege de niet-lineaire effecten van m op mengsel LD verwachten we dat de waargenomen vermindering van lage migratiesnelheden te wijten was aan een paar lage waarden in plaats van een algemene algemene vermindering van . Dit wordt ondersteund door de resultaten die worden getoond in figuur 3, waarin de verdeling van for . wordt vergeleken m = 0,001 met dat onder volledige isolatie. De verdelingen zijn over het algemeen vergelijkbaar, behalve dat het scenario met zeldzame migratie vier schattingen opleverde met < 40 vergeleken met geen voor m = 0. Als deze vier waarden worden weggelaten, wordt het harmonische gemiddelde 98,0, bijna identiek aan de waarde ( = 98,3) voor het scenario zonder migratie. In het scenario met zeldzame migratie werd de frequentie van relatief hoge schattingen ook iets verlaagd (Figuur 3), wat te wijten kan zijn aan een kleine hoeveelheid resterende onevenwichtigheid van migranten in eerdere generaties.

Verdeling van schattingen voor scenario's met true Ne = 100 in elke lokale subpopulatie en ofwel metapopulaties van N = 10 subpopulaties verbonden door zeldzame migratiegebeurtenissen (m = 0,001, volle staven) of volledig geïsoleerde subpopulaties (open staven). In beide gevallen is elk monster van S = 100 individuen werden genomen uit een enkele subpopulatie en 20 loci werden gebruikt voor de schatting. De bak met het sterretje bevat alle schattingen >300.

Om dit probleem verder te onderzoeken, hebben we de resultaten onderzocht voor een van de metapopulaties die één zeer lage schatting produceerde (=13,8 voor populatie 10). We gebruikten de methode van Rannala en Mountain (1997) zoals geïmplementeerd in GeneClass2 (Piry et al. 2004) om te zoeken naar migranten van de eerste generatie in de hele metapopulatie (N = 1000). Drie migranten werden geïdentificeerd bij de P < 0,001 niveau (elk één in populaties 1, 5 en 9) en werden met grote zekerheid gedetecteerd omdat de lage migratiesnelheid zeer sterke divergentie veroorzaakte (FNS = 0,48) en in wezen niet-overlappende sets van allelen in verschillende populaties. Verrassend genoeg werden er geen eerste generatie migranten gedetecteerd in populatie 10. Toen simulaties werden gebruikt om een ​​"waarschijnlijk" bereik van multilocus genotypen te genereren die door elke populatie zouden worden geproduceerd (Paetkau et al. 2004), hadden zeven individuen uit populatie 10 naar schatting multilocus-genotypen met een kans van <1/1000 om te worden geproduceerd door een populatie met allelfrequenties waargenomen in populatie 10. Inspectie van deze zeven individuen toonde aan dat ze in de meeste gevallen één allel droegen dat zeldzaam en een die gebruikelijk was in populatie 10 - het patroon dat zou worden verwacht voor F1 of terugkruising van nakomelingen van immigranten van de eerste generatie. We concludeerden daarom dat het lage percentage voor populatie 10 kon worden herleid tot een of enkele immigranten in een recente generatie die een aantal nakomelingen voortbracht.

Waarom produceerden migranten van de eerste generatie in populatie 10 lage schattingen van? Ne terwijl die in populaties 1, 5 en 9 dat niet deden? ( = respectievelijk 88,0, 84,7 en 60,3 voor de laatste drie populaties - lager dan gemiddeld maar ruim binnen het verwachte bereik). De belangrijkste reden lijkt een interactie te zijn met het criterium dat wordt gebruikt om zeldzame allelen te screenen. We gebruikten PKRIT = 0,02, waarbij allelen met frequentie <0,02 worden uitgesloten. Figuur 4 laat zien hoe voor elk van de 10 populaties in de metapopulatie varieerde als functie van PKRIT. Voor 6 van de populaties (Figuur 4, zwarte lijnen), vertoonde weinig variatie voor PKRIT in het bereik [0.01-0.05]. De drie populaties met geïdentificeerde migranten van de eerste generatie (Figuur 4, blauwe lijnen) hadden allemaal "typische" waarden voor: PKRIT = 0,02-0,05 maar sterk verlaagde waarden voor PKRIT = 0,01 ( 22). "Buitenlandse" allelen die voorkomen bij slechts een enkele migrant van de eerste generatie, mogen frequentie 0,01 niet overschrijden in een steekproef van S = 100 individuen, dus effecten van alleenstaande migranten worden gescreend wanneer PKRIT > 0.01 wordt gebruikt. De rode lijn in figuur 4 is voor populatie 10, die een ander patroon laat zien: hoge schattingen (∼ 150-170) voor PKRIT ≥ 0,03 en zeer lage schattingen ( = 11–14) voor PKRIT = 0,02 of 0,01. Toen de zeven individuen met hoogst onwaarschijnlijke genotypen werden uitgesloten van populatie 10, sprong de geschatte effectieve grootte dramatisch naar een waarde ( = 179 met behulp van de PKRIT = 0,02 criterium) vergelijkbaar met de schattingen die werden gevonden toen zeldzame (vermoedelijk voornamelijk recente immigranten) allelen werden gescreend.

Veranderingen in als functie van het criterium voor het uitsluiten van zeldzame allelen (PKritiek). Elke regel toont gegevens voor een steekproef van S = 100 van een van de 10 subpopulaties in een enkele metapopulatie verbonden door zeldzame migratie (m = 0,001, zoals weergegeven in figuur 3). De drie gestippelde blauwe lijnen zijn de populaties waarin precies één immigrant van de eerste generatie werd gedetecteerd (alleen depressief voor PKritiek = 0,01). De rode lijn is een populatie die een aantal afstammelingen van recente immigranten lijkt te omvatten.

De tot nu toe besproken resultaten gebruikten relatief grote steekproeven (S = 100 personen). Figuur 5 laat zien dat de hierboven besproken vooroordelen worden vergroot met kleinere monsters: voor lage migratie (m ≤ 0,01), is een kleinere fractie van N als S afneemt, en voor hoge migratie (m 0,1) stijgt sterker in vergelijking met N voor kleinere S. Het is vermeldenswaard dat met S = 50, allelen die door een enkele immigrant in een homozygote staat worden gedragen, worden niet gescreend op PKRIT = 0,02, en met S = 25 hetzelfde criterium zou elk allel omvatten dat voorkomt in zelfs maar een enkele kopie van de individuen in de steekproef. Waples en Do (2010) ontdekten dat het opnemen van singleton-allelen geassocieerd was met opwaarts vertekende schattingen van Ne en stelde voor om aan te passen PKRIT volgens de steekproefomvang om allelen uit te sluiten die in slechts één exemplaar worden gevonden. Toepassing van deze regel zou een aantal van de vooroordelen uit figuur 5 verminderen.

De verhouding als functie van de migratiesnelheid (m) onder subpopulaties. Lokale subpopulatiegrootte (N) was 100 ideale individuen. Getoonde waarden zijn gebaseerd op harmonisch gemiddelde berekend met behulp van gegevens voor 20 loci getest in S = 25-100 personen.

Niet-evenwichtsmigratie:

Pulsmigratie bij 10 keer de evenwichtssnelheid leidde tot aanzienlijke vooroordelen in , waarbij de richting van de vooringenomenheid afhing van de vraag of immigranten genetisch afwijkend waren (Figuur 6). Toen de achtergrondmigratie (evenwicht) laag genoeg was om tot sterke genetische verschillen tussen populaties te leiden, verminderde 10× pulsmigratie tot een fractie van de lokale Ne. Omgekeerd, toen genetische differentiatie laag was als gevolg van hoge achtergrondmigratie, verhoogde een plotselinge toestroom van grote aantallen immigranten de schatting van lokale Ne, wat de realiteit weerspiegelt dat ouders uit de hele metapopulatie nakomelingen aan de steekproef hebben bijgedragen. Pulsmigratie met tweemaal de evenwichtssnelheid had parallelle maar veel bescheidener effecten (Figuur 6).

Effecten van niet-evenwichtsmigratie (puls) op schattingen van lokale Ne voor gesimuleerde "eilandmodel" metapopulaties met N = 10 en echt lokaal Ne = 100. Nadat simulaties het migratie-drift-evenwicht hadden bereikt, vond een enkele generatie pulsmigratie plaats op een niveau van 2 of 10 keer de evenwichtssnelheid m, waarna monsters van S = 50 individuen werden genomen voor genetische analyse. De getoonde waarden zijn harmonisch gemiddelde over 100 replica-subpopulaties.

Gezamenlijke schattingen van m en Ne:

Met evenwichtsmigratie op m = 0,05 in a N = 10, Ne = 100 metapopulatie en steekproefomvang van S = 50, van e stim was neerwaarts vertekend (harmonisch gemiddelde = 68) en had een multimodale verdeling, met 25% van de schattingen onder 50, 13% tussen 125 en 225 en 26% oneindig (Figuur 7). Daarentegen hadden ln e schattingen een unimodale verdeling met een matige opwaartse bias (harmonisch gemiddelde = 121, bereik 62-790, 73% van schattingen tussen 50 en 150). Simulaties met dezelfde parameters, maar met maximaal 40 allelen per locus en 2000 generaties lang voordat gegevens werden verzameld, leverden bijna identieke geschatte resultaten op: harmonisch gemiddelde = 72, 24% van schattingen onder 50 en 28% oneindig. ldn e presteerde beter met de 40-allele datasets, waarvan het grotere aantal allelische vergelijkingen verbeterde precisie opleverde: harmonisch gemiddelde = 116, en 100% van de schattingen viel in het bereik [50-300] (gegevens niet getoond). Toen de subpopulaties volledig geïsoleerd waren (m = 0), de e stim-schattingen van Ne waren sterk opwaarts bevooroordeeld en gevoelig voor veronderstelde mutatiesnelheid: harmonisch gemiddelde = 149 in de veronderstelling jij = 5 × 10 −4 (de waarde gebruikt in de simulaties) en harmonisch gemiddelde = 360 uitgaande van jij = 10 −6 (standaardwaarde in schatting) (gegevens niet getoond).

Distributie van voor gesimuleerde gegevens met behulp van ldn e en e stim (Vitalis en Couvet 2001). Een eilandmodel van evenwichtsmigratie werd gesimuleerd, met N = 10, lokaal Ne = 100, m = 0.05, S = 50, en 20 loci. De e stim-schattingen gingen ervan uit dat de mutatiesnelheid 5 × 10 −4 was, de waarde die in de simulaties werd gebruikt. De laatste bak aan de rechterkant bevat alle schattingen >400. De pijlen geven het harmonische gemiddelde aan voor de twee methoden.

e stim geeft ook schattingen van de migratiesnelheid, die niet gevoelig zijn voor de veronderstelde mutatiesnelheid. Het gemiddelde was 0,01 voor het isolatiescenario en 0,11 voor de m = 0,05 scenario. Deze gemiddelde waarden hebben replica's weggelaten waarvoor: m kon niet worden geschat omdat het oneindig was (dit sloot 51% van de replica's uit voor true m = 0 en 26% van de replica's voor waar m = 0,05) (gegevens niet getoond).


Methoden:

Alle analyses werden uitgevoerd met behulp van genotypen die in eerder werk waren gegenereerd. Daarom is voor deze studie geen dierethische goedkeuring gevraagd omdat er geen nieuwe dieren zijn bemonsterd.

Dieren die in deze studie werden gebruikt (tabel 1) maakten deel uit van een grote experimentele Australische populatie [7] die de drie belangrijkste soorten runderen omvat: Bos Stier rassen (Angus, Hereford, Limousin en Shorthorn), Bos indicus (Brahman) en samengestelde runderen (Tropical Composite, Santa Gertrudis en Belmont Red). Om onze bevindingen te bevestigen, werden de genotyperingsgegevens van elk rundveetype (Angus, Brahman en Santa Gertrudis) afkomstig van het Bovine HapMap-consortium [3].

Alle dieren werden gegenotypeerd met behulp van de BovineHD SNP-chip (Illumina, San Diego //www.illumina.com/documents/products/datasheets/datasheet_bovineHD.pdf) die 777 962 markers bevat. Kwaliteitscontrole en toerekening van ontbrekende gegevens in de Australische steekproef volgden de pijplijn beschreven door Bolormaa et al. [8]. In het kort werden strikte filters toegepast op elke SNP (call rate, gedupliceerde kaartpositie, extreme afwijking van het Hardy-Weinberg-evenwicht), wat resulteerde in 729 068 informatieve SNP's. Ontbrekende genotypen werden binnen elk rastype geïmputeerd met behulp van 30 iteraties van de BEAGLE-software [9]. Genotypen voor dezelfde set SNP's werden geëxtraheerd uit de Bovine HapMap-dataset [10] maar ontbrekende genotypen werden niet geïmputeerd. LD tussen elk paar SNP's, gemeten als r 2 , die minder vatbaar is voor vertekening vanwege verschillen in allelfrequentie [4], en genetische diversiteit binnen het ras (heterozygotie en aandeel polymorfe SNP's) werden berekend met behulp van PLINK v1.07 [ 11]. Voor het X-chromosoom werden twee scenario's onderzocht: één met alle markers en de tweede met alleen redelijk polymorfe markers met een kleine allelfrequentie (MAF) groter dan 0,1 in alle rassen.


Auteurs informatie

Voorkeuren

INRA, UMR 1332 de Biologie du Fruit et Pathologie, F-33140, Villenave d'Ornon, Frankrijk

José Antonio Campoy, Emilie Lerigoleur-Balsemin, Hélène Christmann, Rémi Beauvieux, José Quero-García, Elisabeth Dirlewanger & Teresa Barreneche

Universiteit Bordeaux, UMR 1332 de Biologie du Fruit et Pathologie, F-33140, Villenave d'Ornon, Frankrijk

José Antonio Campoy, Emilie Lerigoleur-Balsemin, Hélène Christmann, Rémi Beauvieux, José Quero-García, Elisabeth Dirlewanger & Teresa Barreneche

Huidig ​​adres: CNRS, UMR 5602 GEODE, Géographie de l'environnement, F-31058, Toulouse, Frankrijk

INRA, UAR 0415 SDAR, Services Déconcentrés d'Appui à la Recherche, F 33140, Villenave d'Ornon, Frankrijk

Huidig ​​adres: INRA, ISVV, UMR Ecophysiologie et Génomique Fonctionnelle de la Vigne, F 33140, Villenave d'Ornon, Frankrijk


Bekijk de video: LD score regression (Januari- 2022).