Next-Generation Mapping of Genetic Mutations Using Bulk Population Sequencing
Notice bibliographique
Résumé
Next-generation sequencing platforms have made it possible to very rapidly map genetic mutations in Arabidopsis using whole-genome resequencing against pooled members of an F2 mapping population. In the case of recessive mutations, all individuals expressing the phenotype will be homozygous for the mutant genome at the locus responsible for the phenotype, while all other loci segregate roughly equally for both parental lines due to recombination. Importantly, genomic regions flanking the recessive mutation will be in linkage disequilibrium and therefore also be homozygous due to genetic hitchhiking. This information can be exploited to quickly and effectively identify the causal mutation. To this end, sequence data generated from members of the pooled population exhibiting the mutant phenotype are first aligned to the reference genome. Polymorphisms between the mutant and mapping line are then identified and used to determine the homozygous, nonrecombinant region harboring the mutation. Polymorphisms in the identified region are filtered to provide a short list of markers potentially responsible for the phenotype of interest, which is followed by validation at the bench. Although the focus of recent studies has been on the mapping of point mutations exhibiting recessive phenotypes, the techniques employed can be extended to incorporate more complicated scenarios such as dominant mutations and those caused by insertions or deletions in genomic sequence. This chapter describes detailed procedures for performing next-generation mapping against an Arabidopsis mutant and discusses how different mutations might be approached.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».