Comparación de Estudios de Mapeo Asociativo del genoma completo en papas andinas

SOFÍA SUCAR; MASSA GABRIELA ALEJANDRA; DIVITO SILVINA BEATRIZ; CASTELLOTE, MARTÍN ALFREDO; MARIA FLORENCIA REY BURUSCO; DARÍO CASTRO; CARBONI, MARTÍN FEDERICO; IRMA CUSI; FEINGOLD SERGIO ENRIQUE

Congreso; 41º Congreso Argentino de Horticultura (ASAHO); 2021

La papa (Solanum tuberosum L.) es el tercer cultivo de importancia alimentaria en el mundo. La papa andina (Solanum tuberosum Grupo Andigena) posee una gran diversidad morfológica y genética, que las vuelve una importante fuente para la identificación de regiones génicas asociadas a caracteres de interés nutricional e industrial.Los estudios de mapeo asociativo del genoma completo (GWAS) resultan muy útiles a la hora de analizar caracteres complejos en plantas, siempre que se utilicen modelos estadísticos apropiados. La presencia de estructura poblacional puede conducir a la identificación de asociaciones fortuitas marcador-carácter. Asimismo, no es conveniente asumir que un mismo modelo estadístico resultará efectivo para todos los caracteres que se estudien.El objetivo de este trabajo, es comparar cuatro modelos estadísticos de GWAS, para el carácter de color de chip luego del almacenamiento en frío, con la intención de evaluar cúal resulta el más apropiado.Estudiamos un panel de 111 genotipos de papa andina y 3 variedades comerciales (S. tuberosum Grupo Tuberosum) durante tres ensayos consecutivos en la puna jujeña (EEA Abrapampa?INTA). La evaluación del color de chips se efectúo mediante una paleta de colores con nueve valores, desde amarillo muy claro (9) a marrón muy oscuro (1). La genotipificación se hizo mediante marcadores DArTseq. Se realizó un estudio de mapeo asociativo por modelo lineal mixto, mediante el programa Tassel v4.0, utilizando 5035 marcadores altamente reproducibles y dispersos en el genoma de la papa. Se evalúo un modelo sin cofactores (naive), utilizando el cofactor estructura poblacional (Q), el cofactor Matriz de Kinship (K) y ambos cofactores juntos (Q/K).Los gráficos de cuantil-cuantil mostraron que al utilizar la matriz de kinship como cofactor es posible corregir las asociaciones espúreas que podrían provocarse por efectos de la estructura poblacional. Concluimos, que al estudiar este caracter, el modelo estadístico apropiado para GWAS es aquel que tiene en cuenta ambos cofactores (Q/K).