MAPEO GENÉTICO

MA 102 VARIEDADES ARGENTINAS

Esta pequeña población de mapeo por asociación se desarrolló originalmente para el estudio de caracteres asociados a la adaptación del cultivo y a componentes de rendimiento, los resultados mostrados en esta página son los obtenidos y publicados por Basile et al. (2019).

Información de la colección:

Un conjunto de 102 variedades de trigo pan descritos anteriormente (Vanzetti et al., 2013) que incluye variedades antiguas (como el cv. Barletta 77, en 1927) y cultivares comerciales recientes (hasta 2010) fueron seleccionados entre las principales empresas de mejoramiento de trigo en Argentina y utilizado para la construcción de bloques de haplotipos y análisis GWAS. Las semillas fueron obtenidas del Banco de Germoplasma de trigo de la Estación Experimental INTA Marcos Juárez.

Tipo de Población: Mapeo por Asociación.

Tamaño de la Población: 102 genotipos

Origen: EEA INTA Marcos Juarez. Responsable del proyecto Dr. Leonardo Vanzetti

Plataforma de genotipado: Axiom® 35K SNP Wheat Breeder’s Array (Affimetrix)

Esquema del cromosoma 1B donde se observa el alto DL provocado por la presencia de la translocación de centeno 1BL/1RS en alta frecuencia en el germoplasma argentino de trigo pan utilizado.

Figura 1: Análisis de la estructura de la colección de 102 cultivares de trigo hexaploides argentinos. El análisis de estructura mostró cuatro subpoblaciones hipotéticas representadas por diferentes colores.

Estructura de la población (Matriz Q)

la estructura genética en el nivel de población utilizando el software R STRUCTURE (François, 2016)

Análisis de haplotipos

La estructura del haplotipo basada en los marcadores SNP para cada cromosoma de trigo se evaluó utilizando el software Haploview 4.2. (Barrett et al., 2004). El software define bloques de haplotipos (HB) y proporciona el número de haplotipos y su longitud física (pb) para cada bloque. Los HB se convirtieron en una tabla usando un script de Python propio disponible en GitHub.

Análisis de asociación

Los análisis de GWAS se realizaron utilizando 4.516 haplotipos (provenientes de 1.268 HB) y 495 marcadores genéticos / SNP informativos anclados al genoma del trigo. Para los análisis se utilizó el método SUPER (Wang et al., 2014) implementados en el paquete R GAPIT (Lipka et al., 2012). Para reducir asociaciones espurias se utilizó en el modelo la estructura genética en la población (valores Q). A partir del GWAS para cada carácter, se seleccionó haplotipos / marcadores que fueron significativos (P < 0,05) en cuatro ambientes, con al menos un ambiente con diferencias altamente significativas (P < 0,001). Todos los haplotipos / marcadores que satisfacen estos criterios son presentados en la tabla que esta debajo.

Figura 2: Tamaños y posición de los bloques de haplotipos (HB) en cada cromosoma para la colección de trigo hexaploide argentino. Los HB rojos indican un tamaño > 30 Mb, los tamaños de HB naranjas entre 10 y 30 Mb y los tamaños de HB verdes <10 Mb.

Basado en la fórmula descrita en (Zhang et al., 2018), la probabilidad de que un haplotipo / marcador sea estadísticamente significativo por azar, simultáneamente para cuatro GWAS fue estimado en menos de 1,25E-07 (0,05 x 0,05 x 0,05 x 0,001). Basado en este número, la probabilidad de al menos un error en los 5.011 haplotipos / SNP se estimó como 1 – (1 -1,25E-07) 5.011 = 0,00063 (por carácter evaluado).

Caracteres fenotipados en la población hasta el momento y sobre los cuales se realizó la búsqueda de QTL

DE: Días de siembra a espigazón.

AP: Altura de planta.

FEm = Fertilidad de Espiga a madurez (granos/ gr chaff).

NGE:  Número de granos por espiga (número).

PMG: Peso de mil Granos (g).

Resultados del análisis GWAS de la población

CarácterHaplotipo/ SNPCromosomaInicio (Mb)Fin (Mb)Frecuencia (%)Efecto sobre carácterAleloSNPAzul 2013Azul 2014Balcarce 2013Balcarce 2014Balcarce 2015Marcos Juárez 2011Marcos Juárez 2012Marcos Juárez 2013Marcos Juárez 2014Marcos Juárez 2015Marcos Juárez 2016ColocalizaciónReferencia
FEmB32-Hap41A482,34876AumentaCCTTCTTACAX94938408, AX95024082, AX94644800, AX94507352, AX95120675, AX94448644, AX94997258, AX95629264, AX94757176*ns****-nsnsnsnsns_Basile et al., 2019
FEmB19-Hap32A70,272,912AumentaGTCGAX94639168, AX95096480, AX94381449, AX94400797*ns**ns-**ns*nsns_Basile et al., 2019
FEmB23-Hap12A83,884,552DisminuyeATAX95631188, AX94466696****ns-*nsns**_Basile et al., 2019
FEmB26-Hap32A102102,736AumentaAAGAX94880269, AX95164703, AX94669822******ns-nsnsnsns*_Basile et al., 2019
FEmB30-Hap42A165,8182,17AumentaTTCCGTCCAX94774467, AX94576255, AX94849076, AX94692672, AX95115244, AX94448613, AX94724618, AX94577367**ns**ns-ns*nsnsns_Basile et al., 2019
FEmB49-Hap22A704,8705,815AumentaGCAX94720460, AX94399675******-nsnsnsnsnsNKSBasile et al., 2019
FEmAX948749212A707,1-16AumentaAAX94874921nsnsnsnsns-**ns***_Basile et al., 2019
FEmB55-Hap12A716,8718,912AumentaCAATCAX95096362, AX94982819, AX94661746, AX94535413, AX94433820********-nsnsnsnsns_Basile et al., 2019
FEmB14-Hap43B23246AumentaGGTCAX94624219, AX95189982, AX94413646, AX94873710nsns****-**nsns*ns_Basile et al., 2019
FEmAX948697674A606,4-18AumentaCAX94869767*ns**ns-**ns**_Basile et al., 2019
FEmB35-Hap34A625,7625,923AumentaGTAX94952227, AX94629424*******-nsnsnsnsns_Basile et al., 2019
FEmB33-Hap45A445,2445,27AumentaGCAX95632187, AX94682497*****ns-nsnsnsnsnsPHBasile et al., 2019
FEmB43-Hap15A476,4476,715AumentaGACCGCGAX95132574, AX94876698, AX94638131, AX94983398, AX94955528, AX94430148, AX95114243*ns**ns-ns**ns*ns_Basile et al., 2019
FEmB24-Hap26A205,1233,317AumentaTCAAAX95141224, AX94593271, AX94493694, AX95652741*****nsns-nsnsnsns*TKWBasile et al., 2019
FEmB28-Hap46A448,7454,69DisminuyeGATCAX95074798, AX94441458, AX95076677, AX94912807******-*nsnsnsns_Basile et al., 2019
FEmB29-Hap26A455,646725AumentaGATCAX95074798, AX94441458, AX95076677, AX94912807***ns**ns-nsns*ns*_Basile et al., 2019
FEmB36-Hap27A11912610AumentaCCGGAX94410775, AX94436598, AX94578662, AX94404264*ns****-nsnsnsns*_Basile et al., 2019
PMGB5-Hap32D17,618,27DisminuyeTGAAX94672889, AX94814880, AX95098966**nsnsns-nsns****_Basile et al., 2019
PMGB12-Hap33A46,752,65DisminuyeCCGACACTCCTAAX94494425, AX94947888, AX94946504, AX94660985, AX95252995, AX94429024, AX94567917, AX94954991, AX94994948, AX94713555, AX94821666, AX94718027ns*ns**-****nsns_Basile et al., 2019
PMGAX952570353A686,8-11AumentaTAX95257035nsnsnsnsns-*ns******_Basile et al., 2019
PMGB111-Hap43B817,4817,811AumentaCCCCAX94758693, AX94799334, AX94401378, AX95131891nsnsns*ns-**ns**nsPHBasile et al., 2019
PMGAX944591696A0,6-30AumentaCAX94459169ns***nsns-ns*********_Basile et al., 2019
PMGB20-Hap36A63,87421DisminuyeTTCAGCGAGGGGTCTCGGAAX94684858, AX94600197, AX95008689, AX95012251, AX94815030, AX94396601, AX94722330, AX94840852, AX95142812, AX95025823, AX95179502, AX94422265, AX94494618, AX94790181, AX94449290, AX94774196, AX95258743, AX95022356, AX95631090nsns*nsns-nsns****_Basile et al., 2019
PMGB21-Hap36A74,5101,320DisminuyeTCATTTTCGTTGCAX94664414, AX94961629, AX94640976, AX94395941, AX95246731, AX94683058, AX94977405, AX94942752, AX95256931, AX94490150, AX94795446, AX95145282, AX95012377nsns*nsns-nsns****_Basile et al., 2019
PMGB24-Hap26A205,1233,317DisminuyeTCAAAX95141224, AX94593271, AX94493694, AX95652741nsns**nsns-*ns*****FEBasile et al., 2019
PMGB38-Hap37B626,1627,65AumentaTG-TCAX94754235, AX94843008, AX95171526, AX94419535, AX94746769ns*****nsns-ns**ns**_Basile et al., 2019
PMGB60-Hap27B702,3703,727AumentaTTAX94498540, AX94700055nsnsns*ns-******_Basile et al., 2019
PMGB60-Hap37B702,3703,715AumentaCTAX94498540, AX94700055nsns*nsns-********_Basile et al., 2019
NGEB49-Hap22A704,8705,815AumentaGCAX94720460, AX94399675*ns*****-nsns*nsnsFEBasile et al., 2019
NGEB19-Hap54A231349,313AumentaCACAGTAX94392668, AX94728695, AX94606134, AX94394855, AX94661891, AX94482222***nsnsns-****ns*_Basile et al., 2019
DEB76-Hap21B643,1645,735AumentaTCTAX94439319, AX94766122, AX95017951***nsnsns****ns**_Basile et al., 2019
DEB84-Hap31B667,2667,817DisminuyeCGTAX95199577, AX94689744, AX94803292nsns*****ns***nsns_Basile et al., 2019
DEB89-Hap41B676,86786Disminuye

-GG

AX94431388, AX94537816, AX94546627nsns******ns**ns_Basile et al., 2019
DEB40-Hap42B162,9166,910AumentaTTTTGTATAAX94622328, AX94450544, AX94655193, AX94755547, AX95213611, AX95081080, AX94499577, AX95007105, AX94589917***nsnsnsns*ns**ns_Basile et al., 2019
DEB62-Hap12B564,256910AumentaACAAAAAX95146301, AX94459397, AX95685439, AX94967288, AX95235626, AX94770158***nsnsns*nsnsns*ns_Basile et al., 2019
DEPpd-D1 sensitive2D34-42AumentasensitivePpd-D1********************_Basile et al., 2019
DEB31-Hap13A504,8507,559DisminuyeAGGAX94818694, AX94989495, AX94664169nsns*ns********_Basile et al., 2019
DEB49-Hap33A631,2633,112DisminuyeGTAAX94983266, AX94480950, AX94590370**ns**ns**ns****_Basile et al., 2019
DEB59-Hap33A695,5695,719AumentaGAAX94460524, AX94829707ns*nsnsns*******ns_Basile et al., 2019
DEB60-Hap43A699,4700,610AumentaGACGAX95083017, AX94700391, AX94586183, AX95230073ns**nsnsns*********ns_Basile et al., 2019
DEB7-Hap13D518,2560,154DisminuyeCGCGAATATCTAGCCTAX94918512, AX94838180, AX95014681, AX94749865, AX94643137, AX94629154, AX94462026, AX94508902, AX94762786, AX94401224, AX94804577, AX94505336, AX94524892, AX95078497, AX94475658, AX94965337**nsnsns*******_Basile et al., 2019
DEB75-Hap45B597,2601,411DisminuyeTATGTTCGCTTCCGAX94472448, AX94825873, AX95126299, AX94494539, AX94534515, AX94435670, AX94419463, AX94526460, AX94855957, AX95234715, AX95141741, AX95257158, AX94955787, AX95131986*nsnsnsns**ns***ns_Basile et al., 2019
DEAX946100416A13,8-46_AAX94610041********ns***ns_Basile et al., 2019
DEB43-Hap16A591,7592,561DisminuyeTGTACTAX94439933, AX94621070, AX95152390, AX94499400, AX94765421, AX94750793ns**nsnsns*******_Basile et al., 2019
DEB26-Hap36B157,6157,811AumentaACGAX95231652, AX94976370, AX94918690***nsnsnsnsnsns****PHBasile et al., 2019
DEB24-Hap27A6870,28AumentaCAACAX94880471, AX94952518, AX94923482, AX94915156nsns*****ns****ns_Basile et al., 2019
APB38-Hap31A508,6510,416AumentaCTAATTTGAX95194961, AX94775918, AX94519549, Glu-A1_2*, Glu-A1_1, Glu-A1_null, AX94509092, AX95192108***nsnsns*nsns*nsns_Basile et al., 2019
APB17-Hap41B1211245AumentaC-TAACACAX94479105, AX94923277, AX95215734, AX94819793, AX95630584, AX95233201, AX95117274, AX94511623***************_Basile et al., 2019
APAX945101671B548,7-21AumentaCAX94510167ns*ns*****nsns*nsns_Basile et al., 2019
APB54-Hap11B580,5581,243DisminuyeGATAX94417290, AX94963680, AX94858556***ns***nsns******ns_Basile et al., 2019
APLr101D8,6-10AumentaTTALr 10_362****ns*ns*ns**ns_Basile et al., 2019
APB5-Hap41D11,611,919DisminuyeTCGAX95069958, AX94514240, AX95653181***ns***ns****_Basile et al., 2019
APB10-Hap41D31,132,510AumentaTTGCAX94450337, AX94886765, AX94603350, AX95235028*ns****ns**nsnsnsns_Basile et al., 2019
APB39-Hap12A611,2611,970DisminuyeACCGAX94929514, AX95166962, AX95076860, AX95238815**ns**nsns*ns*nsns*_Basile et al., 2019
APB48-Hap32A701702,115DisminuyeTGAATAX94881363, AX94401392, AX94619928, AX94526179, AX94486441*****ns**nsns**ns_Basile et al., 2019
APB56-Hap42B469,2476,66AumentaC-AX94917137, AX95133917ns****ns*ns*ns***_Basile et al., 2019
APB79-Hap32B664,2664,95AumentaTA-AX94950749, AX95199286, AX95069755*ns***ns**ns*ns***_Basile et al., 2019
APAX946879892B702,2-52AumentaTAX94687989ns**nsnsnsns*ns***ns_Basile et al., 2019
APB97-Hap12B719,5719,538DisminuyeCATAX94645156, AX94982580, AX94706037ns**nsnsnsns*ns****_Basile et al., 2019
APB114-Hap42B762763,98AumentaC-AAAAX94868242, AX94431230, AX95097760, AX95191464, AX94912106****ns*nsnsns*nsns_Basile et al., 2019
APAX945855962B776,4-15AumentaCAX94585596***nsns******nsns_Basile et al., 2019
APAX946244852B776,8-10AumentaGAX94624485***nsns****nsnsns_Basile et al., 2019
APB122-Hap32B777,1777,26Aumenta

-A

AX94869081, AX94764862***ns*********ns_Basile et al., 2019
APB22-Hap23A391,5393,453AumentaGCAX94393045, AX94823297**ns*ns*****ns*_Basile et al., 2019
APAX950902223A700,6-18AumentaGAX95090222**nsns*nsns**ns*nsns_Basile et al., 2019
APAX950832053A743,9-46AumentaCAX95083205***nsns*nsns**nsns_Basile et al., 2019
APB6-Hap13B164,4170,865DisminuyeTCACGAX94415818, AX94512569, AX94586240, AX94707486, AX95629899***ns*ns*******_Basile et al., 2019
APB55-Hap43B511,1513,66DisminuyeCCCTTAX94541525, AX94453315, AX94990396, AX94853100, AX94547219***nsns*nsnsnsns**_Basile et al., 2019
APB60-Hap63B541,5544,55AumentaGA-G-CC-TAX95141130, AX95685009, AX94701179, AX95630480, AX94829564, AX94900436, AX94434519, AX94445502, AX94929428*ns**ns******ns_Basile et al., 2019
APB109-Hap23B796799,19DisminuyeCTGTTGACGATGAX95681901, AX94724702, AX95085345, AX94613383, AX95229979, AX94460257, AX95630742, AX94991264, AX94967827, AX95210310, AX94528506, AX94512236****nsnsnsnsnsns**_Basile et al., 2019
APB111-Hap43B817,4817,811AumentaCCCCAX94758693, AX94799334, AX94401378, AX95131891***ns*************TKWBasile et al., 2019
APB57-Hap64A738,7739,79DisminuyeATTAGAX94416122, AX95249633, AX95150738, AX95652066, AX94511022*nsns**ns**nsnsns*ns_Basile et al., 2019
APB28-Hap54B612,2613,26AumentaGG-GAX94617210, AX94652395, AX94783372, AX94750774***********ns_Basile et al., 2019
APB36-Hap24B650,7650,757DisminuyeTGTAX94484839, AX95096924, AX94521391*****ns*****ns*ns_Basile et al., 2019
APB16-Hap45A3333,25AumentaCCCAX94653931, AX94556600, AX94635713*********nsnsnsns_Basile et al., 2019
APB33-Hap45A445,2445,27DisminuyeGCAX95632187, AX94682497ns****nsns*nsnsns**FEBasile et al., 2019
APB54-Hap35A516,1527,95AumentaCACTGAAGAX94397871, AX94509108, AX94908260, AX94415346, AX94606396, AX94462177, AX95629459, AX94651425ns*********nsns***_Basile et al., 2019
APB82-Hap25A611,6613,510AumentaCACCAX94413482, AX94423469, AX94437035, AX94747224*ns*nsns****ns*ns*_Basile et al., 2019
APB26-Hap25B430,7430,717AumentaCGAX94432329, AX94784692***ns****nsnsns*_Basile et al., 2019
APAX945501785B455,7-46AumentaGAX94550178nsns******nsns*nsns_Basile et al., 2019
APB92-Hap45B683,56845AumentaC-AX94861020, AX94597114*ns**ns*****ns**_Basile et al., 2019
APB2-Hap56A0,60,85Aumenta-CAX95630434, AX94746756*ns*****nsnsns**ns_Basile et al., 2019
APB4-Hap26A2,22,726AumentaCGCCAX94786709, AX95630503, AX95209203, AX95148675*ns****ns*nsns*ns_Basile et al., 2019
APB4-Hap36A2,22,717DisminuyeCATCAX94786709, AX95630503, AX95209203, AX95148675****ns*ns*ns****_Basile et al., 2019
APB16-Hap16A48,649,857AumentaCCCAX94889521, AX95233516, AX94739464nsnsns*ns**ns*****_Basile et al., 2019
APB17-Hap36A50,351,433DisminuyeCCAAX94472732, AX95184774, AX94579590ns***ns**ns****ns_Basile et al., 2019
APB54-Hap56A610610,26Aumenta

-G

AX94900530, AX95188728, AX94554119nsns**ns***ns**nsnsns_Basile et al., 2019
APB7-Hap26B19,820,782DisminuyeCACAX94606720, AX95152971, AX94679404********ns********_Basile et al., 2019
APB20-Hap46B124,4126,16AumentaCCCAX94725996, AX95154560, AX95069655*nsnsnsns****ns**_Basile et al., 2019
APB25-Hap46B151,4156,425DisminuyeTCATAGGCCTTGAGTTCAX94476270, AX94489861, AX94594212, AX94592155, AX95228304, AX94746774, AX95251482, AX95224228, AX94436738, AX94925666, AX94723474, AX95257540, AX95254919, AX94814333, AX95150132, AX94933359, AX94606831*******nsnsns**ns_Basile et al., 2019
APB26-Hap36B157,6157,811DisminuyeACGAX95231652, AX94976370, AX94918690****ns*ns***ns****HDBasile et al., 2019
APB31-Hap26B195,3197,85Aumenta

-G

AX94507593, AX94510067*ns*******nsns***_Basile et al., 2019
APAX949432276B234,8-17AumentaCAX94943227*****************_Basile et al., 2019
APB47-Hap36B480,4491,624DisminuyeGGTCGTTGCCAGCAX94485266, AX94999452, AX94504202, AX94501866, AX94417160, AX94459292, AX94596473, AX94878625, AX94647376, AX94523508, AX94690961, AX94916954, AX95197645nsnsns***nsnsns*ns*_Basile et al., 2019
APAX944764747A561,6-14AumentaTAX94476474****nsnsnsns****ns_Basile et al., 2019
APB14-Hap47B59,661,622DisminuyeATACAX94590671, AX94587603, AX94758128, AX95222995***nsnsns*ns*nsns*ns_Basile et al., 2019
APB76-Hap37B743,5743,610DisminuyeCAAX94593529, AX94770939*******ns*ns******_Basile et al., 2019

En la tabla solo se presentan los SNP que pasaron los criterios de selección en GWAS. ns = no significativo, * P <0.05, ** P <0.001, *** P <0.0001, “” = no disponible.

Referencias

  • Barrett, J. C., Fry, B., Maller, J., & Daly, M. J. (2004). Haploview: analysis and visualization of LD and haplotype maps. Bioinformatics, 21(2), 263–265. https://doi.org/10.1093/bioinformatics/bth457
  • Basile, S. M. L., Ramírez, I. A., Crescente, J. M., Conde, M. B., Demichelis, M., Abbate, P., Rogers, W. J., Pontaroli, A. C., Helguera, M., & Vanzetti, L. S. (2019). Haplotype block analysis of an Argentinean hexaploid wheat collection and GWAS for yield components and adaptation. BMC Plant Biology, 19(1). https://doi.org/10.1186/s12870-019-2015-4
  • François O. (2016). Running structure-like population genetic analyses with R. http://membres-timc.imag.fr/Olivier.Francois/tutoRstructure.pdf
  • Lipka, A. E., Tian, F., Wang, Q., Peiffer, J., Li, M., Bradbury, P. J., Gore, M. A., Buckler, E. S., & Zhang, Z. (2012). GAPIT: genome association and prediction integrated tool. Bioinformatics, 28(18), 2397–2399. https://doi.org/10.1093/bioinformatics/bts444
  • ‌Vanzetti, L. S., Yerkovich, N., Chialvo, E., Lombardo, L., Vaschetto, L., & Helguera, M. (2013). Genetic structure of Argentinean hexaploid wheat germplasm. Genetics and Molecular Biology, 36(3), 391–399. https://doi.org/10.1590/s1415-47572013000300014
  • Wang, Q., Tian, F., Pan, Y., Buckler, E. S., & Zhang, Z. (2014). A SUPER Powerful Method for Genome Wide Association Study. PLoS ONE, 9(9), e107684. https://doi.org/10.1371/journal.pone.0107684
  • Zhang, J., Gizaw, S. A., Bossolini, E., Hegarty, J., Howell, T., Carter, A. H., Akhunov, E., & Dubcovsky, J. (2018). Identification and validation of QTL for grain yield and plant water status under contrasting water treatments in fall-sown spring wheats. Theoretical and Applied Genetics, 131(8), 1741–1759. https://doi.org/10.1007/s00122-018-3111-9

Trigueros

Scroll to Top