SciELO - Scientific Electronic Library Online

 
vol.37 número3Efecto mitigante del ácido salicílico y nitrato en las relaciones hídricas y ajuste osmótico en maíz, cv. Lluteño expuesto a salinidadCaracterización de poblaciones de maíz en distintas condiciones ambientales mediante Análisis de Componentes Principales de tres modos índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Revista

Articulo

Indicadores

Links relacionados

Compartir


Ciencia e investigación agraria

versión On-line ISSN 0718-1620

Resumen

MORA, Freddy; SCAPIM, Carlos Alberto; BAHARUM, Adam  y  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.

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

        · resumen en Inglés     · texto en Inglés     · Inglés ( pdf )

 

Creative Commons License Todo el contenido de esta revista, excepto dónde está identificado, está bajo una Licencia Creative Commons