SciELO - Scientific Electronic Library Online

 
vol.37 issue3Mitigating effect of salicylic acid and nitrate on water relations and osmotic adjustment in maize, cv. Lluteño exposed to salinityCharacterization of maize populations in different environmental conditions by means of Three-Mode Principal Components Analysis author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

Share


Ciencia e investigación agraria

On-line version ISSN 0718-1620

Abstract

MORA, Freddy; SCAPIM, Carlos Alberto; BAHARUM, Adam  and  TEIXEIRA DO AMARAL JUNIOR, Antonio. Mapeo por intervalos compuestos generalizados entrega una mejorada eficiencia en el análisis de loci que afectan características continuas no-normales. Cienc. Inv. Agr. [online]. 2010, vol.37, n.3, pp.83-89. ISSN 0718-1620.  http://dx.doi.org/10.4067/S0718-16202010000300007.

En estudios genéticos, la mayoría de los métodos de mapeo de Loci de Característica Cuantitativa (LCC) presupone que la característica de interés (continua) sigue una distribución Normal (Gaussiana). Sin embargo, muchas de las características económicamente importantes de cultivos agrícolas tienen una distribución no-normal. Mapeo por intervalos compuestos (MIC) ha sido aplicado exitosamente para la detección de LCC en el mejoramiento de plantas y animales. En este estudio se investigó el método generalizado de MIC (MICG) que permite el análisis de LCC de variables distribuidas no normalmente. MICG fue basado en el método clásico de los Modelos Lineales Generalizados. Se aplicó el MICG a una población F2 con marcadores moleculares co-dominantes y la existencia de un LCC que controla una característica con distribución Gamma. Simulaciones de computador indicaron que el método MICG tiene un poder superior en su habilidad para mapear LCC, en comparación con MIC. La posición del LCC difirió en 5 cM, y fue localizado en diferentes intervalos de marcadores. Los valores de la prueba de la Razón de Verosimilitud variaron de 52 (MICG) a 76 (MIC). Por lo tanto, asumiendo erróneamente MIC, se podría sobreestimar el efecto del LCC en alrededor de 47%. El uso de MICG puede ofrecer una mejorada eficiencia en el análisis de LCC que controlan características de distribución diferente a la Gaussiana.

Keywords : bioinformática; Loci de Característica Cuantitativa (LCC); marcador molecular; Modelo Linear Generalizado.

        · abstract in English     · text in English     · English ( pdf )

 

Creative Commons License All the contents of this journal, except where otherwise noted, is licensed under a Creative Commons Attribution License