Search

Los estudios de asociación genómica (GWAS) llevan consigo un algo costo monetario, y a su vez requieren algoritmos complejos de análisis de información que consumen tiempo y memoria computacional. En este sentido, el objetivo principal de esta tesis es presentar un esquema de genotipado apropiado para poblaciones cruza, junto con un algoritmo eficiente para GWAS de caracteres complejos productivos. Inicialmente, se presenta un esquema de genotipado que maximiza la exactitud de imputación de genotipos en alta densidad (HD) a partir de paneles de baja densidad (LowD), reduciendo el costo de genotipificación. Posteriormete, se propone un algoritmo que facilita identificar regiones genómicas que explican parte de la variabilidad de un carácter, reduciendo la tasa de falsos positivos, el tiempo de cálculo y el requerimiento de memoria RAM. De igual manera, el algoritmo evalúa segmentos candidatos a partir de las posiciones detectadas significativas y calcula la fracción de la varianza aditiva total explicada por cada segmento. Finalmete se presentan estudios de asociación para características de crecimiento y deposición de grasa, empleando el algoritmo propuesto junto con genotipos imputados en HD. La implementación de dicho algoritmo permite identificar regiones significativas relevantes y genes candidatos que explican parte de la variación de los caracteres evaluados. En conclusión, la tesis propone un enfoque estructurado, práctico y eficiente para la realización de GWAS de caracteres complejos aplicado en poblaciones experimentales con fines productivos.