Clusterización de haplotipos

PARLANTI, TATIANA SOFÍA; SIMONDI, SEBASTIÁN RICARDO

Mendoza

Jornada; XXV Jornadas de Investigación; 2018

Universidad Nacional de Cuyo

En los últimos años se ha incrementado el uso del mapeo asociativo, herramienta estadísticaque permite identificar regiones específicas del genoma relacionadas con la variación de uncarácter fenotípico de interés, como estrategia para identificar QTL. Como el número demarcadores utilizados ha aumentado exponencialmente, es necesaria la implementación denuevos algoritmos computacionales capaces de identificar QTL. El objetivo de este proyectofue mejorar técnicas computacionales aplicadas a las matrices asociadas a distintaspoblaciones de mapeo vinculadas con los programas de mejoramiento de arroz. Para esto seestudiaron nociones de probabilidad y estadística básica, para luego profundizar en temas deestadística avanzada, tales como regresiones lineales y logísticas. Así mismo se incorporaronconocimientos de genética básica y cuantitativa, ya que es a través de ésta que se estudian lasmanifestaciones de los marcadores moleculares, y la asociación de QTL con un fenotipo. Comosoporte metodológico se utilizó el lenguaje de programación R. Se abordó de lleno laoptimización del algoritmo de clusterización del paquete R/clusterhap. Se buscó entender elfuncionamiento de la función clusterhap del paquete homónimo (el cual identifica haplotiposa partir de un QTL, y luego asocia a los individuos con marcadores incompletos con alguno delos haplotipos), para luego optimizarlo escribiendo el algoritmo vectorizado (u orientado aobjetos), obteniendo un mejor desempeño.