Optimierung neuer Methoden zur Analyse komplexer Merkmale

Evolution benötigt Variation, wobei man zwischen qualitativer (z.B. Augenfarbe) und quantitativer (z.b. Körpergröße) Variation unterscheiden kann. Es werden enorme Anstrengungen unternommen um die molekulare Basis solcher Variation zu identifizieren, d.h. die Mutationen zu identifizieren die für Unterschiede zwischen Individuen verantwortlich sind. Ein verbessertes Verständnis von Variation wird uns zum Beispiel helfen den Ertrag von Nutzpflanzen zu erhöhen und medizinische Behandlungen auf Patienten maßzuschneidern. Es ist zwar relativ Einfach die genetische Aufmachung qualitativer Merkmale zu entschlüsseln aber die Entschlüsselung quantitativer Merkmale ist eine Herausforderung, wobei manche sogar meinen die grösste Herausforderung für die Biologie im 21 Jahrhundert. Neue Methoden um dieser Aufgabe gerecht zu werden sind daher wichtig. Durch die neuen Sequenziermethoden wurden zwei neue Ansätze ermöglicht. Bei Evolve and Resequence (E&R) werden molekulare Veränderungen in experimentellen Population gemessen, während in Pool-GWAS genetische Unterschiede zwischen Gruppen mit extremer Ausprägung eines Merkmals (wie z.B. große und kleine Fliegen) identifiziert werden. Bis jetzt ist aber völlig Unklar ob diese neuen Methoden überhaupt besser sind als die bisher benutzten (GWAS) oder wie man diese Studien optimieren kann. Hier schlage ich vor Mithilfe von umfangreichen Computersimulationen die Vor- und Nachteile dieser neuen Ansätze gründlich, mit bisher benutzten Methoden (z.B. GWAS) zu vergleichen und detaillierte Empfehlungen für einen optimierten Studiendesign zu erstellen. Diese Arbeit wird es Wissenschaftlern ermöglichen den optimalen Ansatz zur Entschlüsselung der genetische Basis eines bestimmten quantitativen Merkmals zu wählen und somit sich der großen Herausforderung für die Biologie im 21 Jahrhundert zu stellen.

Evolution benötigt Variation, wobei man zwischen qualitativer (z.B. Augenfarbe) und quantitativer (z.B. Körpergröße) Variation unterscheiden kann. Es werden enorme Anstrengungen unternommen um die molekulare Basis solcher Variation zu identifizieren, d.h. die Mutationen zu identifizieren die für Unterschiede zwischen Individuen verantwortlich sind. Ein verbessertes Verständnis von Variation wird uns zum Beispiel helfen den Ertrag von Nutzpflanzen zu erhöhen und medizinische Behandlungen auf Patienten maßzuschneidern. Es ist zwar relativ Einfach die genetische Aufmachung qualitativer Merkmale zu entschlüsseln aber die Entschlüsselung quantitativer Merkmale ist eine Herausforderung, wobei manche sogar meinen die grösste Herausforderung für die Biologie im 21 Jahrhundert. Neue Methoden um dieser Aufgabe gerecht zu werden sind daher wichtig. Durch die neuen Sequenziermethoden wurden neue Ansätze ermöglicht. Bei Evolve and Resequence (E&R) werden molekulare Veränderungen in experimentellen Population gemessen. Bis jetzt ist aber völlig Unklar ob diese neue Methode überhaupt besser ist als die bisher benutzten (GWAS) oder wie man diese Studie optimieren kann. Mithilfe umfangreichen Computersimulationen zeigen wir das E&R ein mächtiger neuer Ansatz ist um die genetische Basis von quantitativen Merkmalen zu entschlüsseln. Besonders wenn man ein optimiertes Selektionsverfahren verwendet ist E&R teilweise mächtiger als GWAS. Bei einer optimierten Selektion werden zum Beispiel 90% der grössten Individuen am Anfang des experiments selektiert und 20% am Ende. Zusätzlich vermeidet E&R einige Probleme der GWAS, wie einer schwachen Performanze bei quantitativen Allelen welche einen geringen Effekt haben oder Allelen welche selten in Populationen vorkommen. E&R Studien haben hingegen Probleme mit Allelen welche häufig in Populationen vorkommen. Daher Argumentieren wir das E&R und GWAS komplementäre Ansätze sind, mit jeweils verschiedenen Vor- und Nachteilen. Zusätzlich haben wir Teststatisken identifiziert welche die Leistung von E&R Studien maximieren und eine neue Software entwickelt welche es ermöglicht den Effekt von Evolution im gesamten Erbgut zu simulieren.