QTL TESPİTİ İÇİN HAYVANLARDA KULLANILAN POPULASYONLAR VE İSTATİSTİKSEL METODLAR

Gmhane niversitesi Salk Bilimleri Dergisi / Gmhane University Journal of Health Sciences: 2015;4(2)

270

QTL TESPT N HAYVANLARDA KULLANILAN POPULASYONLAR VE

STATSTKSEL METODLAR

Hseyin DA

ZET

Kantitatif karakterler kesikli deildir, sreklilik gsterir ve ok sayda genin toplamal etkileri tarafndan

kontrol edilen karakterlerdir. Kantitatif karakterleri kodlayan genlerin, kromozom zerinde bulunduu blgelere

ise kantitatif karakter lokuslar (QTL) ad verilmektedir. Kantitatif karakterler hayvanlarda genellikle verim ile

ilgili karakterler olduundan dolay, seleksiyonda kullanmak zere, aratrmaclar iin QTL kefi ilgi oda

olmutur. Dnyada yaygn bir ekilde aratrlan QTLler ne yazk ki Trkiyede ok fazla uygulama ve alma

alan bulamad. Bunun nedeni bykba ve kkba hayvanlarda sistemli kaytlarn lke apnda tutulmay ve

kanatllar iin ise fazla zaman, emek ve maliyet gerektiren bir konu olmasndandr. Bu derlemede QTL tespiti

almalarnn nasl planland, uyguland, dikkat edilmesi gereken konular, en ok karlalan sorunlar,

kullanlan poplasyon yaplar, istatistiksel veri analiz yntemleri ve kullanlan bilgisayar yazlmlar tarihi

sreci iinde anlatlmaya allmtr. Konu izilen grafikler ile anlalr hale getirilmeye allmtr.

Anahtar kelimeler: Kantitatif Karakter Lokuslar, statistiksel Veri Analizi, Poplasyon Karakteristikleri

POPULATIONS AND STATISTICAL METHODS USED FOR QTL

DETERMINATION IN ANIMALS

ABSTRACT

Quantitative characters arent intermittent, display persistent and controlled by additive effects of

polygenic genes. The locations of genes which code the quantitative characters on the chromosomes are named

quantitative character loci (QTL). Because quantitative characters are associated yield characters, to use in

selection, QTL mining have been center of interest for researchers. The QTL which are researched widely in

earth, unfortunately, have not found sufficiently research field in the Turkey. The reason for that are lack of

recordkeeping systematically in country-wide for cattle and sheep and requiring too time, labor and cost for

chickens. In this review, t has been tried to explain in the course of history how QTL mining works are planned,

performed, the subject of be pointed, the trouble most faced, used population structures, statistical data analysis

methods and used computer software. Subject has been tried to be understandable by drawing graphics.

Keywords: Quantitative Trait Loci, Statistical Data Analysis, Population Characteristics

1Yrd. Do. Dr. Gmhane niversitesi GMYO, Gmhane letiim/Corresponding Author: Hseyin DA Geli Tarihi / Received : 04.03.2015 Tel: 0456-2331000 posta: [email protected] Kabul Tarihi / Accepted : 25.03.2015


271

GR

. KANTTATF KARAKTER LOKUSLARI NN TESPT EDLR?

nsanolu, genetik biliminin ve temel molekler mekanizmalarn kef edilmesi ile

birlikte, 10.000 yldr insan eliyle srdrlen fenotipe dayal seleksiyondan belirte destekli

seleksiyona ynelmeye balamtr (1). Bu tip seleksiyonun balca yarar kk bir

poplasyondan alnan bilginin byk poplasyonlara uygulanabilmesidir. Byk

poplasyonlarda fenotip lm gibi zaman ve sermaye gerektiren ilemlere gerek

kalmamasdr.

QTL haritalamasnda ama, istediimiz bir verim zelliini belirleyen genleri bulmak

olabildii gibi bazen bir hastala veya bozuklua yol aan bir veya birka geni tespit etmekte

olabilir (2). Kantitatif karakterler klasik Mendel dalmna uymazlar. Bu yzden Mendel

kaltmyla aktarlan resesif hastalklarn tespitinde kullanlan poplasyon dizaynlarndan daha

farkl dizaynlara ve kullanlan data analiz metodlarndan daha farkl ve kompleks data analiz

metodlarna ihtiya duyarlar (3). Mendel tipi kaltlan resesif karakterlerin tespitinde birka

birey yeterli olurken QTL analizinde genel olarak alt snrn 200 birey olduu bildirilmitir

(4). Mendel tipi genler zel bir yetitirme, uzun emek ve zaman alan lmler gerektirmedii

halde kantitatif karakterlerin tespiti daha fazla zaman, emek ve maliyet kaybna yol aar.

Mendel karakterlerinde olduu gibi var ve yok eklinde belli olmad iin bulunan QTLnin

doruluu ise kesin deildir (5). Bu kstlamalarna ramen, hayvancln temelinde verim

alnmas olduundan dolay verimi ilgilendiren karakterler hep ilgi konusu olmutur ve bugn

iin kantitatif karakterleri belirleyen majr genler hedef olsa da gelecekte tek tek btn

genlerin ve allellerinin hangi zellii ne kadar belirlediine dair detayl haritalar karlabilir.

Bugne kadar gelien molekler genetik, yetitirme, seleksiyon ve istatistik teknikleri ile

birlikte QTL tespitinde gittike daha gvenilir metodlar gelitirildi ve gelecekte de bu

alanlarda olabilecek gelimelerle gen ve belirte tespiti daha da kolaylaacaktr. QTL analizi

sonucu aranlan karakteri belirledii tespit edilen genler daha nceden ismi, ilevi ve dizisi

bilinen bir gen olabilir. Bu genin ilevinin bilindii halde neden bu karakteri etkiledii

bilinemedii akla gelebilir. Bunun sebebi hcrelerde rol alan baz proteinlerin hcre iindeki

yakn etkisinin biliniyor olmasna ramen bu gen ve proteinlerin organizma zerinde deiik

sistem ve verim zelliklerini nasl etkiledii ise ayrca aratrlmas gerektiidir. rnein

PRDM16 geni hcre farkllamasn salad biliniyor olmasna ramen tavuklar da vcut

arln da etkiledii daha sonra yaplan almalarla aydnlanmtr (6, 7). QTL tespitinden,


272

belirte destekli seleksiyon uygulamalar iin, sorumlu genin bulunmas amacyla direkt veya

seleksiyon iin yalnzca belirtecin tespitiyle dolayl olarak yararlanlabilir (8). QTL

belirlemede u anda kullanlan metodlar balant dengesizliinin (linkage disequilibrium)

kullanlmas esasna dayanr (9). Bu metodlardaki temel mantk; kullanlan belirtelere ait

alleler ile fenotipik deerlerin karlatrlmas ve hangi allellerin sonraki nesillere istenilen

karakter ile kaltldnn tespit edilmeye allmasdr.

A. Kantitatif Karakter Lokusu Tespinde Ak

QTL tespit almasna karar verildiinde yaplacak almalar zet halinde sunacak

olursak, ilk i hangi tr iin hangi zellii gelitirmek istediimizin ortaya konulmasdr. Bu

zellik belirlendikten sonra uygun yetitirme poplasyonunun oluturulmas gerekir. Bu

poplasyonun karar ise hayvan trne, aratrma btesi ve personel i gc durumuna,

zamana ve alacamz zellie gre deiir. Fakat en balayc olan hayvan trdr.

Kullanlacak poplasyon yaps da belirlendikten sonra yetitirme ilemlerine balanarak

poplasyonlar elde edilir. Daha sonrasnda bu poplasyonlar zerinde aratrdmz karakteri

dikkatli ve hassas metotlarla lme ilemi balar. Fenotipik lmler devam ederken bir

taraftan da hayvanlarn birey baznda genotiplendirilmesi yaplr. Bu amala AFLP, RFLP,

RAPD, SSR veya SNP gibi eitli belirteler kullanlr (10). Hayvanlar yetitirmeye alnp

istenilen karakterler lldkten sonra elde edilen fenotipik ve genotipik verilerin analizi iin

ise istatistiksel genetik tekniklerinden yararlanlr. Bu tekniklerde veri olarak hayvanlara ait

fenotipik deerler ve molekler belirte sonular kullanlr. Kullanacamz analiz teknii

poplasyon yapsna, belirtelere ve aratrmaclarn istatistiksel bilgi dzeyine gre deiir.

Tespit edilen QTL majr veya minr olarak snflandrlabilir (11). Bu snflandrma QTL

blgesinin toplam varyasyon zerindeki etki derecesine gredir ve korelasyon katsays (r) ile

belirlenir (12). QTL tespitinde baary etkileyen nemli etkenler; karakteri belirlemek iin

doru poplasyon yapsnn seilmesi, belirte ve fenotip deerlerini alrken ok hassas

davranlmas, mmkn olduunca fenotip zerinde evrenin etkisinin azaltlmasdr. lme

ilemlerinin ok hassas devam etmesi gerekir, hata pay (Residual Error) deerini drmek

iin grup tekrarlar oluturularak ayr ayr QTL analizi yaplmas daha iyidir. Fakat yaplan

iin zorluundan dolay bu pek mmkn olmaz. Dk kaltm derecesine sahip bir zellik ile

allyorsa tekrar gruplarn deiik evre artlarnda denemeye almak kanlmazdr. Yzde

elli (% 50) kaltm derecesine sahip karakterler bu i iin uygundur (13). Verilerin bilgisayara

girilmesi esnasnda dikkatli olunmaldr, kayp bir data aratrmacnn farkna varmadan tm


273

belirte srasn deitirmesine sebep olabilir. Poplasyondaki bireylerin says ve kullanlan

belirtelerin younluu yani birbirine yaknl ve kapsad alan ne kadar fazla olursa

gvenilirlik o kadar artar. Fakat poplasyondaki birey saysnn fazla olmas belirte saysnn

fazla olmasndan daha nemlidir. QTL blgesine 5 cm uzaklkta tespit edilecek bir belirte

gvenle belirte destekli seleksiyonda kullanlabilir (14). Epigenetik etkilerden dolay QTL

iin yaplan seleksiyon her zaman tam anlamyla baarya ulamayabilir. Dier bir etken de

epistatzis mekanizmasdr. Yani, QTL blgesinde olduunu dndren belirtelerin bazen bir

genin deil birok genin etkisiyle oluan bir fenotipi belli etmesindendir. Yine bu durumda

QTL iin belirte elde edilecek fakat aranlan gen bulunamayacaktr (15).

B. Hangi Belirteler Kullanlmaldr?

Belirtelerde, yksek oranda polimorfik olmas, tm genom boyunca bilgi vermesi,

kodominant olmas aranlan zelliklerdir. Daha nceden oluturulmu bilinen belirte

haritalar da uygundur. Bu haritalar tek belirte eidi kullanlarak oluturulabildii gibi

birden ok eidin kullanlmasyla oluturulan konsenss haritalarda olabilir (16). Kullanlan

belirteler birinci, ikinci ve nc nesil belirteler olarak adlandrlmaktadr. lk nesil

belirte sistemlerini (RFLP, RAPD vs.) gelitirilen ikinci nesil belirte sistemleri (SSR) takip

etti (17), bunlar daha gvenilir ve yksek oranda bilgi verir. Yakn bir zamanda birka ticari

firmann piyasaya srmesi ile yaygnlaan nc nesil belirte sistemi olan ESTler ve SNP

ipleri ise u an iin znrl en yksek, en ok bilgi veren, en gvenilir ve kullanmda

en basit belirte sistemleridir (18). u anda QTL haritalamada kullanlan en ok kullanlan

belirte sistemi SNP ipleridir. SSR belirteleri ise yine kullanmdadr. Dier belirtelerin

QTL analizinde kullanlabilirlii kalmamtr. Belirte younluunu belirlerken kullanlan

belirte tipi dikkate alnmaldr. rnein mikrosatellitler ile alrken kromozomun uzunluu

100 cM olarak kabul edildiinde 15-20 cm aralklarla oluturulan belirte younluu idealdir

(14). Bundan daha dk younluklar baar ansn artrmaz. SNP gibi fazla miktarda allele

sahip olmayan dolaysyla bilgi verme yetenei az olan belirtelerin ok daha youn bir

ekilde kullanlmas gerekir. Bunun iin gelitirilen SNP ipleri yardmyla trlere gre tek

seferde 60.000-500.000 belirte noktas incelenebilmektedir (19). Bugn srlar iin

Illumina Bovine SNP50 v2. ipi 54.609 SNP noktasn, yksek znrlkl Illumina

Infinium BovineHD BeadChip 777.000 noktay, tavuklar iin gelitirilen Illumina 60K

Chicken iSelect 352.303 noktay, 600 K Affymetrix Axiom HD ise 580.954 noktay tek

seferde inceleyebilmektedir (20-23).


274

C. Gen Bileiklii (Linkage)

Ayn kromozom zerinde bulunan genler bileiktir. Bu genlerin bileiklii ancak her iki

gen arasnda bir yerde olacak bir KO ile bozulabilir. QTL tespitinde genlerin bu zelliinden

yararlanlr. Molekler belirte hedef QTL blgesi ile bileikse bu belirtelere sahip

bireylerde sahip olmayanlara gre fenotipik deer daha yksek kacaktr (24). Belirte ve

gen arasnda KO oluan bireylerde ise, yksek fenotipik deerle belirtelerin alleli arasnda

iliki grlecektir. Ayn kromozom zerinde aktarlan belirte ve genler KO blgesinden

itibaren homolog kromozomdakiler ile yer deitirecektir. KO ile meydana gelen bu sapma

normal dizilen belirtelerden daha az oranda poplasyonda grleceinden dolay normal

kromozomlar, KO tayan kromozomlar ve hangi belirteler arasnda KO olutuu bilgisi

tespit edilebilecektir. Belirtelerin dizili sras bilinirse az olanlarn orann saymaya gerek

kalmaz. ki belirte birbirine bileik ise beraber kaltlma ihtimalleri 1 olur. Eer

bamszlarsa beraber kaltlma ihtimalleri 0.5 olur (25). Baka bir deile iki gen arasnda

birlikte kaltlma oran 0.5e kadar olursa iki genin bamsz olduu ve rekombinasyon ile bu

orann ykseldii, 0.5ten byk olursa aslnda bamsz olduu ve yine rekombinasyon ile bu

orana yaklat kabul edilir. Fakat pratikte oran 0.5e ok yaklalmad iin karmaz.

D. Rekombinasyon Ve Haritama Fonksiyonlar

KO ile birlikte gen ve belirtelerin srasnn deimesi rekombinant kromozomlarn

olumas ile sonulanr. Rekombinasyon oran rekombinant bireylerin, genotipi incelenen

toplam bireylere orandr (ekil 1). ki gen arasndaki rekombinasyon oran ile bu iki gen aras

uzaklk cm birimi ile tahmin edilebilir. nk iki gen arasnda ne kadar fazla mesafe

bulunursa bu iki gen arasnda KO ile oluan rekombinasyon says o kadar artacaktr (26). Bu

yntem gen haritalamann temelidir. Fakat bu yntem fiziksel haritalar ile ayn deildir (27).

nk rekombinasyonlar eklemeli etkiye sahip deildir ve baz kromozom blgelerinde ise

rekombinasyon oran daha fazladr. Fiziksel haritada ise btn blgelerde baz saysnn

kullanld tek l vardr. ekil 2ye baktmzda r1+r2=r12 olmas beklenirken, pratikte

rekombinasyon etkileiminden (interference) dolay bu pek mmkn olmamaktadr. Bunun

yerine yle bir model kullanlr: r12=r1+r2-2r1*r2. Bunun sebebi oluan bir KO olaynn,

yaknnda oluacak bir KO ihtimalini drmesindendir. Daha sonra haritalama fonksiyonlar

ile rekombinasyon deerini (r12) cm birimli uzaklk (u) deerine dntrlr. Bu haritalama

fonksiyonlar ise;


275

1) Tam etkileim olduu varsaylrsa (complete interference) u=r,

2) Haldane haritalama fonksiyonu: u = - ln(1- 2r) ve

3) Kosambi haritalama fonksiyonu u = 1/4ln(1+2r)/(1-2r) eklindedir (ekil 3) (28).

Burada hesaplanan u deeri iki gen veya belirte arasndaki uzaklklar hesaplamada ve

ileride anlatlacak olan aralk haritalamas metodlarnda kullanlr.

E. Additif Ve Dominans Etki

Populasyonda ilgilenilen fenotipik deere bir QTL blgesinin yapt katk iki ekilde

olabilir. Bireyler QTL blgesini homozigot olarak tarlar (QQ) ki bu bireylerin additif etki

aldklar iin fenotipik deerleri en yksektir. QTL blgesini heterozigot olarak

bulunduranlarda (Qq) ise heterozigot etkide denilen dominans etki gsterirler. ekil 4de e

additif etkiyi, h dominans etkiyi gsterir. Q geni q geni zerine basknsa dominans etki

grlebilir, aksi halde yalnzca additif etki grlr (29). ntermediyer kaltmda QQ ve qq

fenotiplerinin arasnda bir yerde bulunmas gereken fenotip bir miktar ykselmitir. ekil 4de

grlecei zere QQ=+e, qq= -e ve qq= +h deerlerini alr. Bylece t ve q srasyla Q ve

q genlerinin frekans olsun, Q geninin etkisi ise a1 olsun; a1= t[e+h(t-p)] ve q geninin etkisine

a2 dersek a2=-p[e+h(t-p)] olacaktr. Q ve q genleri arasndaki fark bize QTL blgesinin

ortalama etkisini verecektir. Yani a=e+h(t-p)] olacaktr. Olas genotiplerin ortalamas ise

QQ=2ta, Qq=(t-p)a, qq=-2pa olarak bildirilmitir (30).


276

ekil 3: Haldane, Kosambi Ve Tam Etkileim (Mdahale) Metodlarna Gre

Hesaplanlan Uzaklk Deerlerinin Deiimini Gsterir Tablo. Tabloda Rekombinasyon

Oranlarna Gre Uzaklk Artnn En ok Olduu Yntem Haldane Yntemidir.

. HARTALAMA POPLASYONLARI (MAPPING POPULATIONS)

QTL tespitinde kullanlan poplasyonun byklnn fazla olmas almann

gvenilirliini artrr, fakat maliyet hesaplarndan dolay byle srlerin oluturulmas

zellikle sr gibi baz hayvan trleri iin ve et kalitesi gibi baz karakterler iin zordur.

Haritalama poplasyonlar iin bir dier nemli konu, kullanlacak poplasyonlarn mmkn

olduunca homozigot olmasdr. Bunun iin yakn yetitirilmi (inbreed) poplasyonlarnn

gelitirilmesi en iyisidir. iftlik hayvanlarnda yakn yetitirilmi hatlar bulmak zordur.

Bunun yerine daha az varyasyon gsteren aile ii bireyler kullanlr. nk bunlar daha fazla

ortak allel paylarlar. Bunlar nispeten heterozigot poplasyonlardr. Yakn yetitirilmi

poplasyonlarn heterozigot poplasyonlara avantaj bireylerin homozigot olup hangi alleli

aktardnn bilinmesi, ayn balant srasn tamalar ve fenotipik karakterlerin daha byk

bir varyasyon gstermeleri olarak saylabilir. Kanatllarda yakn yetitirme, generasyon

sresinin ksal, yetitirme maliyet ve igcnn azl gibi nedenlerden dolay daha

kolaydr (31). Hayvanlarda QTL tespitinde kullanlan poplasyon yaplar ekil 5de

gsterilmitir. Bunlardan akraba poplasyon oluturulmas sr ve koyun gibi ge generasyon

aralna sahip trler iin uygunken, yakn yetitirme ise tavuk gibi kanatllar ve laboratuvar

hayvanlar iin uygundur. Poplasyonlarn oluturulmasnda nc art ise yakn

yetitirilmi poplasyonlar olutururken ortaya kar. Poplasyonda inceleyeceimiz

karakterleri fenotipik olarak u deerlerde tayan bireylerin seleksiyonu gerekir. Aksi halde

yeterli varyasyon olumayaca iin QTL etkisi belirlenmez. Fenotipik olarak uzak iki


277

populasyon oluturulmas iin her iki gruba 10-20 jenerasyon zt ynde seleksiyon

yaplmaldr. Poplasyonlarn iftletirilmesiyle elde edilen F1lerin heterozigot ve bir rnek

olmas istenir. F1 neslinde belirtelerin balant sras ayn olmas gerekir (32). F2 neslinde ise

varyasyon beklenir. Lokuslar baznda geriye melezleme (GM) poplasyonlarnda beklenen

fenotipler MM veya mm eklinde iken F2 populasyonlarnda MM, Mm, mm eklindedir.

rnein tavuklarda canl arlk ynnden 20 jenerasyon pozitif ve negatif ynde yaplacak

bir seleksiyonla elde edilecek iki hat birbirinden ok uzak fenotipik deerlere sahip olacaktr.

Bylece bu hatlarda fenotipi belirleyen nemli QTLler pozitif seleksiyon uygulanan

poplasyonda homozigotlam olacak, dier poplasyonda ise QTL olmayan alleller

homozigotlaacaktr.

ekil 4: QTL Blgesinin Ortalama zerine

Yapt Addtif (E) Ve Dominans (H) Etkisini Gsterir.

Bunlar dnda bitkilerde kullanlan eitli haritalama poplasyonlar vardr ki bu

poplasyonlarn bazlar yaplar gerei hayvanlar iin uygun deildir (DH hatlar), bazlar

ise hayvanlar iin ender olarak kullanlrlar (NIL, RIL). ekirdeklerinde iki set kromozom

ieren double haploid hatlar (DH), yaklak 7 nesil boyunca kendilenme ile veya z karde

iftletirmeleri ile elde edilen rekombinant inbred lines (RIL), 8-9 nesil geriye melezleme ile

oluturulan near isogenic lines (NIL), trler ii ve trler aras melezlemenin kullanlmasyla

oluturulan Four-Way Cross gibi poplasyonlar ierir (33). RIL ve NIL uzun zaman ve emek

gerektiren poplasyonlardr. Byk projelerde kullanlrlar.


278

ekil 5: QTL Tespiti in Dizayn Edilebilecek Yetitirme Yntemleri.

A. Akraba Poplasyonlar (Outbreeding Populations)

Bu tip yetitirme familya seleksiyonunda kullanlmak iin yaplr. Kzlarn verimine

gre yaplan yetitirmeye projeni test ad verilir. Baba-kz metodu (Daughter design) veya Kz

torun dizayn (Granddaughter design) eklinde olabilir. Baba-kz dizayn z (full-sib) veya

vey (half-sib) karde verimlerinin llmesine dayanr . Bykba hayvanlarda bir

hayvandan ok yavru alnmad iin vey karde dizayn tercih edilir.

1. Baba-Kz Dizayn (Daughter Design)

Bu dizaynda kurgu, babadan alnan alleller ile deiik annelerden olan 50-200 kznn

verim ortalamalarnn karlatrlmasna dayanr (34). Ayn babaya sahip vey kz kardelerin

fenotipleri dzenli olarak tespit edilir ve belirtelere ait allel dalmlar ile karlatrlr.

Daha sonra QTL tespitinde kullanlan istatistik metodlardan birisi ile belirte ve fenotip

arasndaki balant incelenir.

2. Kz Torun Dizayn (Granddaughter Design)

Bu dizaynda (ekil 6) ise babalarn oullar genetik belirteler ile skorlanr ve

oullardan doan kzlarn ise fenotipik ortalamalar incelenir (34). ncelenecek karakter

damzlk deer tahmini veya gerek verim kabiliyeti olabilir. Baba-kz ve kz torun metodlar

genellikle bykba hayvanlarda kullanlan bir metod olup pedigri ve verim kaytlarnn

dzenli olarak tutulduu lkelerde bu dizayn ekliyle srlarda ok sayda QTL belirlenmitir

(35). Dzenli kayt tutulan lkelerde bu analizleri gerekletirmek aratrmaclarn fazla

zamann almaz. Pedigri ve verim kaytlar yetitiriciler tarafndan saland iin

aratrmaclarn tek yapmalar gereken bu hayvanlarn belirte genotiplerini karmak ve

istatistiksel analizlerini yapmaktr. Hayvanlarn seleksiyonu, yetitirilmesi ve verim lmleri

gibi iler projelere dahil olmad iin QTL aratrlmas daha kolay olmaktadr. Bir dier


279

avantaj ise suni tohumlama uygulamalaryla bir boann bazen 200.000 tane kznn

bulunmasndan doar.

ekil 6: Kz Torun Dizaynn Gsterir.

B. Yakn Yetitirme Poplasyonlar (Inbreeding Populations)

1. F2 Populasyonlar

Anderson et al. (36) tarafndan nerilen bu yetitirme metodunda, aratrlan karakter

ynnden birbirine zt ynde selekte edilmi iki poplasyonun iftletirilmesi ile F1 nesli elde

edilir. Burada temel kurgu pozitif ynde selekte edilmi poplasyonun QTL blgeleri tad,

negatif ynde selekte edilenin ise QTL blgesi tamad varsaylan ve genleri farkl alleller

ynnden homozigotlam poplasyonlar elde edilmesidir. F1 nesli ise Mendelin bir rneklik

kuralna uyar ve ayn fenotipik yapy barndrr. Oluturulan F1 neslinin kendi arasnda

iftletirilmesi ile de F2 nesli elde edilir. F2 nesli ise Mendelin dalm kuralna gre ve

rekombinasyon ile birlikte geni bir varyasyon ortaya kar (37). Belirtelerin (MM, Mm,

mm) dalm kodominant olanlar iin 1:2:1 iken dominant olanlar iin 3:1 eklindedir.

Bykba ve kkba hayvanlarda ekonomik nedenlerden dolay tercih edilmeyen bu

poplasyonlar kanatl hayvan almalar iin uygundur. 200 adet F2 ile allmas yeterlidir

(14). Bu poplasyonlarn avantajlar; yakn yetitirme basksndan (inbreeding depression)

uzak olmalar, 2 jenerasyon gibi ksa bir yetitirme sresi ve genetik varyasyon oluturmak

iin yeterli olmalardr. Dezavantajlar ise poplasyon tek bir mayoz blnmeden sonra

oluacak balant dengesizliklerinin (linkage disequlibrium) saptanmas zerine kurulmutur.

Dolaysyla varyasyon dalmnn geni perspektifte olmasndan dolay sonularn

tekrarlanabilirlii yoktur ve GxE etkileimi tespit edilemez (38).


280

ekil 7: GM, F2 Ve Yakn Yetitirme Populasyonlarnda Kromozomlarn Kaltm ekli

Ve Linear Modeller le Yumurta Verimi rneinde Temsili QTL Hesaplama.


281

2. Geriye Melezleme (Backcross)

Zt ynde seleksiyona tabi tutulmu iki poplasyonun iftletirilmesinden elde edilen

F1lerin her iki ebeveyn hattndan biri ile tekrar iftletirilmesi ile Geriye Melezleme (GM),

bunlarn tekrar ayn ebeveyn poplasyonu ile iftletirilmesi ile de GM2 ve GM3ler elde

edilir. Bu poplasyonlara ileri geriye melezler (advanced backcross) ad verilir ve Tanksley ve

Nelson (39) tarafndan zararl allelerin frekansn azaltmak iin gelitirilmitir. iftletirmenin

8-9 nesil devam ettirilmesi ile NIL poplasyonlar elde edilir. ekil 7de F2 ve GM

poplasyonlarn oluturma gsterildi. GM poplasyonlarnn avantajlar; iki jenerasyonda

oluturulmalar, GMlerin resesif karakterleri % 50 orannda tarken F2 populasyolasyonlar

%25 orannda tamalar dolaysyla resesif karakterlerin tespitinde bu poplasyonlarn stn

oluudur. Lokuslarda sadece iki genotipik snf (MM, Mm) olduundan skorlama kolaydr.

Dezavantajlar ise sadece geriye melezlenen ebeveyn hattna ait resesif karakterlerin

belirlenebilmesi ve genotipin ikisi grldnden dolay gen interaksiyonlarnn

belirlenememesidir (40).

.VER ANALZNDE KULLANILAN STATSTKSEL METODLAR

QTL tesbit etmek iin kullanlan metodlar tek veya oklu belirte metodlardr. Tek

belirte metodu nispeten daha basit ve hzl sonu vermesine ramen QTL blgesinin

belirtelere uzakl ve etki derecesi hakknda bilgi vermez. Yalnzca belirtelere bal bir

QTL olup olmad hakknda bilgi verir. oklu belirte kullanlmas ise kromozom

haritalamasnn znlrln ve QTL bulgusunun gvenilirliini artrr (41).

A. Tek belirte Analizi (Single Marker Analysis)

Bu analizde her belirte tek tek ele alnarak herhangi bir QTL ile balantl olup

olmad aratrlr (42). Yakn yetitirme ve akraba populasyonlarn her ikisi iin de

uygundur. Bunun iin bireylere ait elde edilen fenotipik deerler ve belirteler birka test

yardmyla analiz edilebilirler. Bunlardan varyans analizi, t testi, regresyon yaklam, ihtimal

oran (likelihood ratio) veya en yksek ihtimal (maximum likelihood) metodlar yardm ile

analiz edilebilir (41). statistiksel olarak anlaml farklln bulunmas (P


282

lokusunu tespit edememesi, hipotez testlerinde yanl pozitif sonu verebilmesidir.

Avantajlar ise, data analizinin basit olmas, herhangi bir istatistik yazlm ile yaplabilmesi,

balant haritas ve tm genom boyunca belirteler gerektirmemesidir (14). Eer varyasyon

analizi kullanlacaksa residual error deerleri normal dalmaldr.

Bir rnek olmas bakmndan GM poplasyonu kullandmz varsayalm ve

istatistiksel metotlar ikili karlatrmalarn yaplabildii t testi iin aklayalm. QTL

genotipleri MM ve MN olacaktr. Populasyon ortalamalarna srasyla p1 ve p2, birey

saylarna n1 ve n2 diyelim,

t deeri bu ekilde hesaplanr ve nemlilik deerine t tablosundan baklr. Bulunan

deerin t tablosu deerinden yksek olmas bu blgede QTL olduunun delilidir (43). Ayn

populasyon iin regresyon testi ise y=m+nx+e linear modeli ile kurgulanr. Formlde y

deeri ayn belirtece sahip bireyler ortalamasdr ve her lokus iin ayr ayr hesaplanr. m ve

n deerleri sabit deerlerdir, x ise QTL genotipi MM olduunda 1 deerini MN

olduunda ise 0 deerini alr. Hipotez x deerinin 1 veya 0 olduu zerine kurulur,

m ve n deerleri ise istatistik programlar ile hesaplanabilir. 1 deerini alan lokuslar


283

QTL olarak kabul edilir. Regresyon metodunun tespit ettii QTLlerin gvenilirlii fazla

olmasna karlk, QTL tespit gc azdr. Ayrca QTL etkisi ve rekombinasyon oranlarn ayr

ayr tespit edemez (28). Tek belirte analizi iin en ok kullanlan yazlmlar QTL

Cartographer, MapManager QTX ve QGene olarak sralanabilir. Bunun dnda istatistik

analiz yapabilen SPSS, SAS veya Microsoft Excel programlarda kullanlabilir.

B. Aralk Haritalamas (Interval Mapping)

Bu haritalamada birbirini takip eden iki belirte arasnda beklenilen QTLnin varl

aratrlr (44). Rekombinasyon oranlarn tek belirte analizinden daha iyi kullanr ve daha

gvenilir bir metod olduu kabul edilir. Genom boyunca yerleri ve uzaklklar bilinen belirte

haritas gerektirir. Bunun iin tm genom 1 cm aralklarla balant dengesizlii

oluturabilecek KO olgusu ihtimali ynnden istatistiksel olarak deerlendirilir. Bir noktada

oluabilecek bir krossing overin QTL noktasnn her iki belirte tarafnda kalma ihtimalleri

fenotipik deerlerle karlatrlarak ayr ayr hesaplanr. Bylece QTLnin hangi noktada

olmas gerektii bulunur. Bu uygulanan metoda en yksek olabilirlik (maximum likelihood)

metodu denir. Bu metodun ana mant u ekilde formlize edilmitir .

Burada LR (Likelihood ratio), blgede QTL olma ihtimalinin olmama ihtimaline

orandr. Elde edilen deer olduka byk bir rakam olduundan anlalr bir seviyeye

indirgemek iin bu deerin onluk tabanda logaritmas alnr veya LR deeri 4.61 rakamna

blnerek LOD skoru hesaplanr (45). Bu skorun 3 zerinde olmas genelde QTL kant

olarak kabul edilir ve 1/1000 dzeyinde bir hata olabilecei dnlr. Bunun dnda

Maksimum beklenti algoritmasda (Expectationmaximization algorithm) (46) aralk

haritalamasnda kullanlr. Grafik zerinde x ekseninde belirte grubu gsterilirken, y

ekseninde ise LOD deerleri pikler halinde gsterilir ve referans 3 izgisinin stnde (47)

bulunan pikler dikkate alnr (ekil 9). Pik ne kadar yksekse QTL olma ihtimali o kadar

fazladr fakat her zaman yanl pozitif sonularn da alnabilecei gz nne alnmaldr.

Avantaj QTL pozisyonunu vermesidir. Dezavantaj ise iki belirte arasndaki oklu QTL

noktalarn tespit edemez. Bir QTL baka QTL blgelerinden de etkilenebilecei iin aralk


284

haritalama yntemi belirteler ile QTL arasnda bir hayalet (ghost) QTL oluturabilir. Bu da

yanlma riski dourur (48). 1 cm aralkla tm genomu taramak ve bu hesaplamalar binlerce

defa yapmak bilgisayar programlar haricinde bu metodu olanaksz klar. LOD skora ait P

deerinin gvenilirliini artrmak iin varsaylan olarak 1000 kere permutasyon (43) veya

bootstrap (Jansen, 1993) yaplmas gerekir. Bilgisayar programlar bu ilemleri yaparlar. Bu i

iin de yine en ok kullanlan QTL Cartographer, MapManager QTX ve QGene

yazlmlardr.

C. Kompozit Aralk Haritalamas (Composite Interval Mapping-CIM)

Kompozit aralk haritalamas metodunu Jansen (49) ve Rodolphe et al. (50)

birbirlerinden bamsz olarak nererek aralk haritalamas tekniini bir adm daha teye

gtrmlerdir. Bu yntemde oklu regresyon metodu ve aralk haritalamas metodu

birletirilmitir (51). Birbirini izleyen belirteler arasnda birden fazla QTL bulunabilme

olasl gz nne alnarak ayr ayr analiz yaplr. Bir aralkta birden fazla QTLnin

konumlar ve etki dereceleri gsterilir. Bylece genetik varyasyonun residual error deeri

azaltlm olur (15).

D. Multiple QTL Mapping

Bu yntem sadece birbirini takip eden belirtelerin deil btn belirteler arasnda

aralk tahminlemesi yaparak kompozit aralk haritalamasnda olduu gibi oklu QTL

blgelerini tespit edebilir (52). u ana kadar bahsedilen yntemler iinde en gl olandr.

QTLler arasnda epistazisi, genotipik deerleri ve kantitatif karakterlerin kaltlabilirliini

hesaplar. Donanmsal olarak iyi bilgisayarlar gerektirir.

E. Bayesian Yaklam

Beklenen QTL blgelerinin deien noktalarda deien derecelerde bulunmas

ihtimalini ele alan bu analiz kuvvetli bir yaklamdr fakat iyi bilgisayarlar ve zaman

gerektirir. oklu QTL haritalama iin eitli Bayesian yntemleri mevcuttur. Bayesian QTL

haritalamada hangi yntemin kullanlaca ise incelenen lokus saysyla alakaldr. QTL lokus

saysn belirlemede kullanlan drt deiik Bayesian QTL haritalama yntemlerini gelitirildi

(53).


285

ekil 10: Hayvanlara Ait Tespit Edile QTL Blgelerini Ortak Veri Tabannda

Toplayan Animal QTL Databasede Tavuk 1. Kromozomu zerinde Haritann

Tantlmas.

V. HAYVAN QTL VERTABANI (ANIMAL QTL DATABASE)

Dnyada hayvanlar zerinde yaplm QTL almalarnn ortak bir veritabannda

toplanmas ve herkesin yararna almas iin kurulmu bir veritabandr.

http://www.animalgenome.org adresinde iftlik hayvanlar iin tespit edilen QTL blgelerini

ayrntl bir ekilde aklar. ekil 10da bu sitede gsterilen tavuk 1. kromozomunun QTL

haritas aklanarak gsterildi.

V. QTL ANALZLER N BLGSAYAR YAZILIMLARI

QTL analizleri bilgisayar programlar kullanlmadan verimli olarak analiz edilemez ve

ok uzun zamanlar alrlar. Doksanl yllarn bandan beri DOS ortamnda gelitirilen ve daha

sonra Microsoft Windows, Linux, Mac gibi iletim sistemlerine uygun hale getirilen

programlar ile analiz sresi makul seviyelerdedir. Bu programlar dier programlardan

bamsz olarak gelitirildii gibi, istatistiksel ak kaynak kodlu bir program olan R statistics

program tabanyla da gelitirilmi programlar vardr (Tablo1).


286

Tablo 1: QTL Analiz Yazlmlar

Bamsz yazlmlar

1. JoinMap http://www.kyazma.nl/

2. Mapmaker http://www.broad.mit.edu/ftp/distribution/software/mapmaker3/

3. THREaD Mapper http://cbr.jic.ac.uk/dicks/software/threadmapper/index.html

4. WinQTLCart http://statgen.ncsu.edu/QTLcart/WQTLCart.htm

5. MULTIMAPPER http://www.maxforlive.com/library/device/1791/multimapper

6. MCQTL https://carlit.toulouse.inra.fr/MCQTL/

7. Meta-QTL http://www.bioinformatics.org/mQTL/wiki/

8. CarthaGene http://www.inra.fr/mia/T/CarthaGene/

9. Map Manager QTX http://www.mapmanager.org/

10. QGene http://www.qgene.org/

11. MST MAP http://alumni.cs.ucr.edu/~yonghui/mstmap.html

12. AntMap http://cse.naro.affrc.go.jp/iwatah/antmap/index.html

13. QTL IciMapping http://www.isbreeding.net/oldweb/download_software_ICIM.aspx

14. QTL Cartographer http://statgen.ncsu.edu/QTLcart/

R Paket Program le alan Yazlmlar

1. R/QTL http://www.rQTL.org

2. R/QTLbim http://www.ssg.uab.edu/QTLbim/

3. dlmap http://CRAN.R-project.org/package=dlmap

4. wgaim http://CRAN.R-project.org/package=wgaim

5. QTLNetworkR http://CRAN.R-

project.org/web/packages/QTLNetworkR/index.html.

SONU ve NERLER

Kantitatif karakterler hayvanlarda verimi belirledii iin yetitirme asndan ok

nemli olarak kabul edilir. Kantitatif karakterleri belirleyen lokuslarn ortaya konulmas ise

daha az zamanda daha ekonomik seleksiyonlarn yaplabilmesi asndan nemlidir. Genetiin

kark ifrelerini aklc istatistik yntemlerle zmeye alan istatistik biliminin nemi, u

ana kadar yzlerce QTL blgelesini ortaya karmasyla daha iyi anlalmtr. Bu sebeplerden

dolay Trkiye hayvanclnda u ana kadar ihmal edilmi bir konu olan QTL haritalama ve

yeni istatistiksel metodlar gelitirme ii nmzde kaldrlmas gereken bir yk olarak


287

durmaktadr. Bugn Dnyada kullanlan kolay genotipleme sistemleri (SNP chip gibi),

kullanm kolay yazlmlar ve aratrmaclarmza salanan geni mali imkanlar ise ii kolay

hale getirmitir. Bu konuya gereken nem verilmeli ve aratrmaclarn bu alan gelitirmeleri

tevik edilmelidir. Trkiye, QTL uygulamalar dahil, genetik veritabanlarn oluturmadan

geri durmamal ve bu ite Dnya da yerini almaldr.

KAYNAKLAR

1. Georges, M. Mapping, Fine Mapping, And Molecular Dissection Of Quantitative Trait

Loci In Domestic Animals. Annu. Rev. Genomics Hum. Genet. 2007; 8: 131-162.

2. Crosses E. Review Of Statistical Methods For QTL Mapping In Experimental

Crosses. Lab Animal 2001; 30(7).

3. Yang J, Hu C, Hu H, Yu R, Xia Z, Ye X & Zhu J. QTLNetwork: Mapping And

Visualizing Genetic Architecture Of Complex Traits In Experimental Populations.

Bioinformatics 2008; 24(5): 721-723.

4. Ferreira A, Silva MFD, & Cruz CD. Estimating The Effects Of Population Size And

Type On The Accuracy Of Genetic Maps. Genetics and Molecular Biology 2006;

29(1): 187-192.

5. Wang B, Guo W, Zhu X, Wu Y, Huang N & Zhang T. QTL Mapping Of Fiber Quality

In An Elite Hybrid Derived-Rl Population Of Upland Cotton. Euphytica 2006;

152(3): 367-378.

6. Wang J, Li ZJ, Lan XY, Hua LS, Huai YT, Huang YZ, Wang JQ. Two Novel SNPs In

The Coding Region Of The Bovine Prdm16 Gene And Its Associations With Growth

Traits. Molecular Biology Reports 2010; 37(1): 571-577.

7. Han R, Wei Y, Kang X, Chen H, Sun G, Li G, Huang Y. Novel SNPs In The

PRDM16 Gene And Their Associations With Performance Traits In Chickens.

Molecular Biology Reports 2012; 39(3): 3153-3160.

8. Nuzhdin SV, Harshman LG, Zhou M, & Harmon K. Genome-Enabled Hitchhiking

Mapping Identifies QTLs For Stress Resistance In Natural Drosophila. Heredity 2007;

99(3): 313-321.

9. De Koning DJ, Dekkers JCM, & Haley CS. Designs For QTL Detection n Livestock

And Their Implications For Mas. In Proceedings Of An International Workshop


288

Organised By The Fondazione per le Biotecnologie, the University of Turin and FAO.

2003; 17-18.

10. Eathington SR, Crosbie TM, Edwards MD, Reiter RS, Bull JK. Molecular Markers In

A Commercial Breeding Program. Crop Science 2007; 47(3): 154.

11. Morjan CL, Rieseberg LH. How Species Evolve Collectively: Implications Of Gene

Flow And Selection For The Spread Of Advantageous Alleles. Molecular Ecology

2004; 13(6): 1341-1356.

12. Yakir B, Pisant A, Darvasi A. Statistical Theory in QTL Mapping. In Computational

Genetics and Genomics. Humana Press. 2005. ss:33-50

13. Visscher P, Whittaker J, & Jansen R. Mapping Multiple QTL Of Different Effects:

Comparison Of A Simple Sequential Testing Strategy And Multiple QTL Mapping.

Molecular Breeding 2000; 6(1): 11-24.

14. Boopathi, NM. Genetic Mapping And Marker Assisted Selection: Basics, Practice

And Benefits. Springer Science & Business Media. 2012.

15. Camp NJ, Cox A. (Ed.). Quantitative Trait Loci: Methods And Protocols (Vol. 195).

Springer Science & Business Media. 2002.

16. Wenzl P, Li H, Carling J, Zhou M, Raman H, Paul E, Kilian A. A High-Density

Consensus Map Of Barley Linking DArT Markers To SSR, RFLP And STS Loci And

Agricultural Traits. Bmc Genomics 2006; 7(1): 206.

17. Grses M, Bayraktar M. Molekler Markerlerin Hayvan Yetitiricilii ve Genetiinde

Kullanm. Frat niversitesi Salk Bilimleri Veteriner Dergisi 2014; 28(2): 99-106.

18. Harris BL, Johnson DL. The Impact Of High Density SNP Chips On Genomic

Evaluation In Dairy Cattle. Interbull Bulletin 2010; (42): 40.

19. Zhao Q, Li T, Zhao X, Huang K, Wang T, Li Z, Shi Y. Rare CNVs And tag SNPs At

15q11. 2 Are Associated With Schizophrenia In The Han Chinese population.

Schizophrenia bulletin 2013; 39(3): 712-719.

20. Cho KH, Oh JD, Kim HB, Park KD, Lee JH. Genome Wide Association Studies

Using Multiple-lactation Breeding Value In Holsteins. Asian-Australasian journal of

animal sciences 2015; 28(3): 328.

21. Venturini GC, Cardoso DF, Baldi F, Freitas AC, Aspilcueta-Borquis RR, Santos DJ,

Tonhati H. Association Between Single-Nucleotide Polymorphisms And Milk


289

Production Traits In Buffalo. Genetics and molecular research: GMR 2014; 13(4):

10256.

22. Groenen, MA, Megens, HJ, Zare Y, Warren WC, Hillier LW, Crooijmans RP, Cheng,

HH. The Development And Characterization Of A 60K SNP Chip For Chicken. BMC

genomics 2011; 12(1): 274.

23. Kranis, Gheyas AA, Boschiero C, Turner F, Yu L, Smith S., Burt DW. ().

Development Of A High Density 600K SNP Genotyping Array For Chicken. BMC

genomics 2013; 14(1): 59.

24. Li H, Bradbury P, Ersoz E, Buckler ES & Wang J. Joint QTL Linkage Mapping For

Multiple-Cross Mating Design Sharing One Common Parent. PLoS One 2011; 6(3):

17573.

25. Dapper AL & Lively CM. Interlocus Sexually Antagonistic Coevolution Can Create

ndirect Selection For ncreased Recombination. Evolution 2014; 68(4): 1216-1224.

26. Campos JL, Halligan DL, Haddrill PR & Charlesworth B. The Relation Between

Recombination Rate And Patterns Of Molecular Evolution And Variation In

Drosophila Melanogaster. Molecular biology and evolution 2014; 31(4): 1010-1028.

27. Ellegren H. Genome Sequencing And Population Genomics In Non-Model

Organisms. Trends in Ecology & Evolution 2014; 29(1): 51-63.

28. Wu R, Ma C, & Casella G. Statistical Genetics Of Quantitative Traits: Linkage, Maps

And QTL. Springer Science & Business Media. 2007.

29. Carlborg , Kerje S, Schtz K, Jacobsson L, Jensen P, Andersson L. A Global Search

Reveals Epistatic nteraction Between Qtl For Early Growth In The Chicken. Genome

research 2003; 13(3): 413-421.

30. Falconer DS, & Mackay TF. Introduction To Quantitative Genetics. Harlow. UK:

Longman. 1996.

31. Nadaf J, Berri C, Dunn I, Godet E, Le Bihan-Duval E, & De Koning DJ. An

Expression QTL of Closely Linked Candidate Genes Affects pH of Meat in Chickens.

Genetics 2014; 196(3): 867-874.

32. Bovenhuis H, Van Arendonk, JAM, Davis G, Elsen JM, Haley CS, Hill, WG,

Nicholas, FW. Detection And Mapping Of Quantitative Trait Loci In Farm Animals.

Livestock Production Science 1997; 52(2): 135-144.


290

33. Boopathi NM. Mapping Population Development. In Genetic Mapping and Marker

Assisted Selection. Springer India. 2013, ss. 23-37.

34. Weller JI, Weller H, Kliger D, & Ron M. Estimation Of Quantitative Trait Locus

Allele Frequency Via A Modified Granddaughter Design. Genetics 2002; 162(2): 841-

849.

35. Wang X, Wurmser C, Pausch H, Jung S, Reinhardt F, Tetens J, Fries R. Identification

And Dissection Of Four Major QTL Affecting Milk Fat Content In The German

Holstein-Friesian Population. PloS one 2012; 7(7): 40711.

36. Andersson L, Haley CS, Ellegren H, Knott SA, Johansson M, et al.. Genetic Mapping

Of Quantitative Trait Loci For Growth And Fatness In Pigs. Science 1994; 263:1771

74.

37. Darvasi A. Experimental Strategies For The Genetic Dissection Of Complex Traits In

Animal Models. Nat. Genet. 1998;18:1924.

38. Kole C, Abbott AG (Ed.). Principles and Practices of Plant Genomics: Advanced

Genomics (Vol. 3). CRC Press. 2010

39. Tanksley SD, Nelson JC. Advanced Backcross QTL Analysis: A Method For The

Simultaneous Discovery And Transfer Of Valuable QTLs From Unadapted

Germplasm Into Elite Breeding Lines. Theor Appl Genet 1995; 92: 191-203.

40. Schulthess A, Schwember AR. Improving Durum Wheat (Triticum Turgidum L. Var

Durum) Grain Yellow Pigment Content Through Plant Breeding. Ciencia e

Investigacin Agraria 2013; 40(3): 475-490.

41. Siegmund D, & Yakir B. The Statistics Of Gene Mapping. Springer Science &

Business Media. 2007.

42. Edwards MD, Stuber CW, Wendel JF. Molecular Marker Facilitated Investigation Of

Quantitative Trait Loci In Maize. I. Numbers, genomic distribution and types of gene

action. Genetics 1987; 116:113125

43. Churchill GA and Doerge RW. Empirical Threshold Values For Quantitative Trait

Mapping. Genetics 1994; 138:963971.

44. Lander ES, Botstein D (1989) Mapping Mendelian Factors Underlying Quantitative

Traits Using Rflp Linkage Maps. Genetics 121:185199

45. Haldane JBS, Smith CAB. A New Estimate Of The Linkage Between The Genes For

Colour-Blindness And Haemophilia In Man. Ann Eugen 1947;14:1031


291

46. Dempster AP, NM Laird, and DB Rubin. Maximum Likelihood From Incomplete

Data Via The EMalgorithm. J. Roy. Statist. Soc.,Ser.B. 1977; 39:1-38.

47. zensoy Y, Kurar E. Genetik Balant Analizi ve Uygulama Alanlar. Erciyes

niversitesi Veteriner Fakltesi Dergisi 2013; 10(1): 53-62.

48. Martinez O. and Curnow RN. Estimating the locations and the size of the effects

quantitative trait loci using flanking markers. Theor. Appl. Genet. 1992; 85: 480-488.

49. Jansen RC. Interval mapping of multiple quantitative trait loci. Genetics 1993; 135:

205211

50. Rodolphe F, Lefort M. A Multi-Marker Model For Detecting Chromosomal Segments

Displaying QTL Activity. Genetics 1993;134:12771288

51. Zeng ZB. Theoretical Basis For Separation Of Multiple Linked Gene Effects n

Mapping Quantitative Trait Loci. Proc Natl Acad Sci 1993; 90:1097210976

52. Kao CH et al. Multiple nterval Mapping For Quantitative Trait Loci. Genetics

1999;152:12031216.

53. Maragh AO. Farelerde Bir Batnda Doan Yavru Saysnn Kantitatif zellik Lokusu

(QTL) Belirlenmesinde Bayesan Genelletirilmi Dorusal Model Yaklam.

Doktora Tezi. Ankara niversitesi, Fen bilimleri Enstits, 2011

QTL TESPİTİ İÇİN HAYVANLARDA KULLANILAN POPULASYONLAR VE İSTATİSTİKSEL METODLAR

Documents

Transcript of QTL TESPİTİ İÇİN HAYVANLARDA KULLANILAN POPULASYONLAR VE İSTATİSTİKSEL METODLAR