Comparación de estrategias de imputación para mejorar la resolución del genotipado por secuenciación a muy baja cobertura

Abstract

[ES] La berenjena (Solanum melongena) es una de las especies hortícolas más consumidas a nivel mundial debido, entre otros aspectos, a sus propiedades beneficiosas para la salud, ya que es rica en antioxidantes. La demanda por este cultivo aumenta exponencialmente al igual que el interés por desarrollar nuevas variedades. Sin embargo, en comparación con otros cultivos de importancia económica, el desarrollo de herramientas genéticas y genómicas para la mejora genética y la disección de caracteres morfoagronómicos ha sido menor. Para el estudio de la base genética se emplean poblaciones experimentales, como son las poblaciones MAGIC. Las poblaciones multiparentales MAGIC son una herramienta poderosa para identificar QTLs de caracteres de interés de una manera más certera. Sin embargo, la secuenciación a alta profundidad de estas poblaciones no es viable económicamente debido a los altos costes que conllevaría. Por esta razón, se propone el uso de bajas coberturas de secuenciación junto con la imputación genética para inferir y predecir el genotipo completo de un individuo determinado.

Para la imputación genética se han desarrollado varios programas computacionales basados en el modelo estadístico Hidden Markov Model (HMM). En este estudio se han utilizado los programas Beagle, Impute y Minimac para imputar genotipos en una población S5 MAGIC de berenjena genotipada por secuenciación del genoma completo a baja cobertura (3X), empleando la información de los parentales (20X) como panel de referencia. También se generaron dos mapas genéticos, imprescindible para imputar con Beagle e Impute, a partir de la información tanto de la generación S3 como de la S5 de la MAGIC. Finalmente, se utilizó el mapa generado a partir de la información de genotipado por la plataforma SPET (Single primer enrichment technology) de la población S3 debido a su mayor resolución. Para determinar la precisión de los programas de imputación y su comparación, se hizo uso del estadístico R2. Minimac fue el programa con el que se obtuvo una mayor precisión en la imputación de los genotipos faltantes, mientras que Impute fue el más complicado en términos de ejecución e interpretación. Los resultados obtenidos no solo beneficiarán directamente a los programas de mejora de la berenjena, sino que también servirán como una alternativa para el avance del estudio genético de otros cultivos de gran importancia económica.

[EN] Eggplant (Solanum melongena) is one of the most consumed horticultural species worldwide due to its beneficial health properties as it is rich in antioxidants. The demand for this crop is increasing exponentially, as is the interest in developing new varieties. However, compared to other crops of economic importance, the development of genetic and genomic tools for genetic improvement and dissection of morphoagronomic characters has been delayed. To study the genetic basis, experimental populations such as MAGIC populations are used. Multiparental populations, also known as MAGIC, are a powerful tool to identify QTLs of traits of interest in a more accurate way. Hiwever, high-depth sequencing of these populations is not economically viable due to the high costs it will entail. For this reason, the use of computational tools, such as genetic imputation, is proposed to infer and predict the complete genotype of a given individual.

For genetic imputation, several computer programs have been developed based on the Hidden Markov Model statistical model (HMM). In this study, Beagle, Impute and Minimac programs have been used to impute genotypes from a S5 MAGIC eggplant population genotyped by low-coverage whole genome sequencing (3X), using founder parents information (20X) as reference panel. Two genetic maps were also generated, essential for imputing with Beagle and Impute, based on the information from both S3 and S5 generations of the MAGIC population. Finally, the map generated from the genotyping information by the SPET (Single primer enrichment technology) platform of the S3 population was used due to its higher resolution. To determine the precision of the imputation programs and for comparison, the R2 statistic was used. Minimac was the software with the highest imputation accuracy for the missing genotypes, while Impute was the most complicated in terms of execution and interpretation. The results obtained will not only directly benefit eggplant improvement programs but will also serve as an alternative for the advancement of the genetic study of other crops of great economic importance.