Desarrollo de pipelines bioinformáticos aplicados a la mejora genética de plantas

Abstract

El uso de marcadores moleculares ha revolucionado el ritmo y la precisión del análisis genético de las plantas, siendo una disciplina importante para garantizar la seguridad alimentaria mediante el desarrollo de variedades que hagan frente al estrés ambiental y contribuyan al desarrollo sostenible de la agricultura. El objetivo de esta investigación fue desarrollar un pipeline para el análisis bioinformático y bioestadístico de los datos obtenidos en el laboratorio de biotecnología aplicada de la empresa Semillas Fitó. El primer objetivo fue obtener una función en R para realizar estudios de parámetros básicos de los datos de genotipado como la heterocigosidad, PIC, el índice de fijación y el porcentaje de missing data. Se ha obtenido una función en R para codificar los datos, lo que permite realizar el segundo objetivo, el análisis de los datos genéticos mediante los softwares R, Flapjack, GGT y TASSEL, seleccionando a partir de una matriz de decisión, R como el mejor software y con más flexibilidad para realizar futuros análisis. Se ha comparado también los softwares MapDisto y MapMaker para analizar las similitudes y diferencias en la construcción de mapas de ligamiento. También se ha representado la distribución de los SNPs en los cromosomas para poder obtener una visión global de la distribución de los datos mediante el software PhenoGram. Por último, el tercer objetivo fue desarrollar una función de R para el análisis de Marker-Assisted Backcrossing.

The use of molecular markers has revolutionized the rhythm and precision of the genetic analysis of plants, being an important discipline to ensure food security by developing varieties that cope with the environmental stresses and contribute towards sustainable development of agriculture. The objective of this research was to develop a pipeline for bioinformatic and biostatistical analysis of the data obtained in the applied biotechnology laboratory of Semillas Fitó company. The first goal was to obtain a function in R to carry out studies of basic parameters of the genotyping data such as heterozygosity, PIC, inbreeding and the percentage of missing data. A function has been obtained in R to encode the data, which allows to realize the second goal, the analysis of the genetic data comparing R, Flapjack, GGT and TASSEL, selecting from a decision matrix R as the best software and with more flexibility to carry out future analyzes. MapDisto and MapMaker have also been compared to analyze the similarities and differences in the construction of linkage maps. The distribution of the SNPs in the chromosomes has also been represented to obtain a global view of the distribution of the data using the PhenoGram software. Finally, the third goal was to develop an R function for the analysis of Marker-Assisted Backcrossing.

L'ús de marcadors moleculars ha revolucionat el ritme i la precisió de l'anàlisi genètica de les plantes, sent una disciplina important per garantir la seguretat alimentària mitjançant el desenvolupament de varietats que facin front a l'estrès ambiental i contribueixin al desenvolupament sostenible de l'agricultura. L'objectiu d'aquesta recerca va ser desenvolupar un pipeline per a l'anàlisi bioinformàtic i bioestadístic de les dades obtingudes en el laboratori de biotecnologia aplicada de l'empresa Llavors Fitó. El primer objectiu va ser obtenir una funció en R per realitzar estudis de paràmetres bàsics de les dades de genotipat com la heterocigositat, PIC, l'índex de fixació i el percentatge de missing data. S'ha obtingut una funció en R per codificar les dades, la qual cosa permet realitzar el segon objectiu, l'anàlisi de les dades genètiques mitjançant els programaris R, Flapjack, GGT i TASSEL, seleccionant a partir d'una matriu de decisió, R com el millor programari i amb més flexibilitat per realitzar futures anàlisis. S'ha comparat també els programaris MapDisto i MapMaker per analitzar les similituds i diferències en la construcció de mapes de lligament. També s'ha representat la distribució dels SNPs en els cromosomes per poder obtenir una visió global de la distribució de les dades mitjançant el programari PhenoGram. Finalment, el tercer objectiu va ser desenvolupar una funció de R per a l'anàlisi de Marker-Assisted Backcrossing.