بررسی کمی ژن ها

ژنتیک کمی

ژنتیک کمی یا صفات کمی آنهایی هستند که به طور مداوم تغییر می کنند. این بر خلاف صفات کیفی است که در آن فنوتیپ گسسته است و می تواند تنها یکی از چند ارزش متفاوت را به خود بگیرد. نمونه هایی از صفات کمی شامل قد، وزن وفشار خون. هیچ ژن واحدی برای هیچ یک از این صفات وجود ندارد، در عوض به طور کلی این باور وجود دارد که تغییر مداوم در صفتی مانندفشار خون تا حدودی به دلیل تغییرات توالی DNA در چندین ژن یا جایگاه است. چنین جایگاه هایی به عنوان جایگاه های صفت کمی (QTL) نامیده می شوند. بیشتر نحوه مطالعه و توصیف صفات کمی را می توان به کار رونالد فیشر و سوال رایت، در نیمه اول قرن بیستم انجام شد.

معماری ژنتیکی صفات کمی

یکی از اهداف مهم مطالعات ژنتیکی، مشخص کردن ساختار ژنتیکی صفات کمی است. معماری ژنتیکی را می توان به یکی از چهار روش تعریف کرد. اول، به تعداد QTLهایی اشاره دارد که بر یک صفت کمی تأثیر می گذارند. دوم، می تواند به معنای تعداد آلل هایی باشد که هر QTL دارد. سوم، فراوانی آلل ها را در جمعیت منعکس می کند. و چهارم، به تأثیر هر QTL و آلل های آن بر صفت کمی اشاره دارد. برای مثال، یک صفت کمی را تصور کنید که تحت تأثیر 6 جایگاه قرار گرفته است که هر کدام دارای 3 آلل است. این در مجموع 18 ترکیب آلل ممکن را به دست می دهد.

برخی از آلل ها ممکن است در یک جمعیت بسیار نادر باشند، بنابراین فنوتیپ هایی که در آنها نقش دارد نیز ممکن است نادر باشند. برخی از آلل ها اثرات نامتناسبی بر روی فنوتیپ دارند (به عنوان مثال، آللی که باعث کوتولگی می شود)، که ممکن است اثرات ظریف تر سایر آلل ها را بپوشاند. این صفت همچنین ممکن است تحت تأثیر محیط قرار گیرد و دامنه وسیع تری از احتمالات فنوتیپی ارائه دهد.

درک معماری ژنتیکی صفات کمی در تعدادی از رشته ها از جمله حیوانات واصلاح نباتات، پزشکی و تکامل. به عنوان مثال، یک ویژگی کمی که مورد توجه پرورش دهندگان حیوانات است ممکن است کیفیت گوشت خوک باشد.

شناسایی و توصیف QTLها برای کیفیت گوشت ممکن است مبنایی برای انتخاب و پرورش خوک‌هایی با ویژگی‌های مطلوب خاص فراهم کند. در پزشکی، یک هدف مهم شناسایی عوامل خطر ژنتیکی برای بیماری های شایع مختلف است. بسیاری از مطالعات ژنتیکی در مورد بیماری شایع بر وجود یا عدم وجود بیماری به عنوان ویژگی مورد علاقه تمرکز می کنند. با این حال، در برخی موارد، صفات کمی ممکن است اطلاعات بیشتری را برای شناسایی ژن ها نسبت به صفات کیفی ارائه دهند. به عنوان مثال، شناسایی عوامل خطر ژنتیکی برای بیماری قلبی عروقی ممکن است با مطالعه ساختار ژنتیکی متابولیسم کلسترول یا فشار خون به جای وجود یا عدم وجود خود بیماری قلبی عروقی تسهیل شود.

متابولیسم کلسترول نمونه ای از یک صفت میانی یا اندوفنوتیپ برای بیماری های قلبی عروقی است. یعنی مربوط به بیماری است و ممکن است به عنوان «معیار نیابتی» بیماری مفید باشد.

QTLها و اثرات پیچیده بر روی فنوتیپ

توجه به این نکته مهم است که QTLها می توانند صفات کمی را به طرق مختلف تحت تأثیر قرار دهند. اول، تغییر در یک QTL می‌تواند بر سطوح کمیت صفت تأثیر بگذارد. یعنی، میانگین یا میانگین فنوتیپ‌های مشاهده‌شده برای این صفت ممکن است در بین ژنوتیپ‌های مختلف متفاوت باشد (برای مثال، برخی از ژنوتیپ‌ها ارگانیسم‌های بلندتری نسبت به سایرین تولید می‌کنند). این مهم است زیرا بسیاری از نظریه‌های اساسی زیربنای روش‌های آماری برای مطالعه صفات کمی بر اساس میانگین‌های ژنوتیپی است. به همین دلیل، بیشتر مطالعات ژنتیکی بر میانگین صفات کمی تمرکز دارند.

با این حال، روش‌های مختلفی وجود دارد که QTLها می‌توانند بر صفات کمی تأثیر بگذارند. برای مثال، ممکن است میانگین صفت در بین ژنوتیپ‌های مختلف یکسان باشد، اما واریانس‌ها (پراکندگی در دو طرف میانگین) یکسان نباشد.

به عبارت دیگر، تنوع در مقادیر فنوتیپی ممکن است برای برخی از ژنوتیپ‌ها بیشتر از سایر ژنوتیپ‌ها باشد – برای مثال، برخی از ژنوتیپ‌ها ممکن است دامنه وسیع‌تری از ارتفاع را نسبت به سایرین نشان دهند. اعتقاد بر این است که این به دلیل فعل و انفعالات ژن-ژن و ژن-محیط است به طوری که میزان تأثیرات یک عامل محیطی یا ژنتیکی خاص ممکن است در ژنوتیپ ها متفاوت باشد.

همچنین این امکان وجود دارد که QTLها بر رابطه یا همبستگی بین صفات کمی تأثیر بگذارند. برای مثال، سرعت اتصال دو پروتئین ممکن است به دلیل تغییر در QTL هایی باشد که برای آن پروتئین ها کد می کنند. به عنوان مثال آخر، QTL ها همچنین می توانند بر پویایی یک صفت تأثیر بگذارند. یعنی تغییر در فنوتیپ در طول زمان ممکن است به دلیل تغییر در QTL باشد، مانند زمانی که فشار خون با سن فرد متفاوت است. بنابراین، QTLها می‌توانند بر سطوح کمی، تنوع، هم‌تغییرپذیری و پویایی صفت تأثیر بگذارند.

علاوه بر این، هر نوع اثر QTL ممکن است به زمینه ژنتیکی یا محیطی خاصی بستگی داشته باشد. بنابراین، تأثیر یک QTL خاص بر سطوح کمی صفت، تنوع، متغیرپذیری یا پویایی ممکن است به یک یا چند QTL دیگر (اثری به نام اپیستاز یا تعامل ژن-ژن) و یا یک یا چند عامل محیطی بستگی داشته باشد. اگرچه چنین اثرات وابسته به زمینه ممکن است بسیار رایج باشند، و ممکن است نقش مهمی در معماری ژنتیک ایفا کنند، معمولاً تشخیص و مشخص کردن آنها بسیار دشوار است. این تا حدی به دلیل محدودیت روش های آماری موجود و در دسترس بودن حجم نمونه بزرگ است.

تجزیه و تحلیل صفات کمی

مشخص کردن معماری ژنتیکی صفات کمی معمولاً با استفاده از یکی از دو طرح مطالعاتی مختلف انجام می‌شود. رویکرد اول با صفت کمی مورد علاقه (مانند قد یا فشار خون) شروع می‌شود و تلاش می‌کند تا از بررسی میزان شباهت صفت در میان افراد مرتبط، استنباط‌هایی در مورد ژنتیک اساسی بگیرد. این رویکرد گاهی اوقات به عنوان استراتژی ژنوتیپ از بالا به پایین یا اندازه‌گیری نشده نامیده می‌شود، زیرا الگوی وراثت این صفت در کانون توجه است و هیچ گونه تنوع ژنتیکی در واقع اندازه‌گیری نمی‌شود. رویکرد از بالا به پایین اغلب اولین قدمی است که برای تعیین اینکه آیا شواهدی برای یک جزء ژنتیکی وجود دارد یا خیر.

وراثت پذیری (احتمال انتقال این صفت به فرزندان) و تجزیه و تحلیل جداسازی نمونه هایی از تحلیل های آماری هستند که از رویکرد بالا به پایین استفاده می کنند. با رویکرد ژنوتیپ از پایین به بالا یا اندازه‌گیری شده، QTLهای نامزد اندازه‌گیری می‌شوند و سپس برای استنباط درباره اینکه کدام ژن‌ها ممکن است در معماری ژنتیکی یک صفت کمی نقش داشته باشند، استفاده می‌شوند.

قبل از در دسترس بودن فناوری‌ها برای اندازه‌گیری QTL، رویکرد از بالا به پایین بسیار رایج بود. با این حال، اکنون اندازه گیری بسیاری از QTLها ارزان و کارآمد است و استراتژی از پایین به بالا را به یک طرح مطالعه رایج تبدیل می کند. تجزیه و تحلیل پیوند و تجزیه و تحلیل انجمن دو رویکرد آماری کلی هستند که از طرح مطالعه پایین به بالا استفاده می کنند.

تعریف و توصیف صفات کمی به سرعت در حال تغییر است. فناوری‌های جدید مانند ریزآرایه‌های DNA و طیف‌سنجی جرمی پروتئین، اندازه‌گیری کمی سطح بیان هزاران ژن را به طور همزمان ممکن می‌سازد. این اقدامات جدید امکان مطالعه بیان ژن را هم در سطح RNA و هم در سطح پروتئین به عنوان یک صفت کمی فراهم می کند. این صفات کمی جدید در را برای درک سلسله مراتب رابطه بین تغییرات QTL و تنوع در صفات کمی در سطح بیوشیمیایی و فیزیولوژیکی باز می کند.