A Guide to QTL Mapping with R/qtl

نقشه‌برداری مکان صفت کمی (QTL) برای کشف معماری ژنتیکی و مولکولی زیربنایی صفات کمی پیچیده استفاده می‌شود. کاربردهای مهمی در تحقیقات کشاورزی، تکاملی و زیست پزشکی دارد. R/qtl یک محیط قابل توسعه و تعاملی برای نقشه برداری QTL در تلاقی های تجربی است. این به عنوان یک بسته برای نرم افزار آماری منبع باز پرکاربرد R پیاده سازی شده است و شامل آرایه متنوعی از روش های نقشه برداری QTL، ابزارهای تشخیصی برای اطمینان از داده های با کیفیت بالا، و امکاناتی برای تناسب و کاوش مدل های چندگانه QTL، از جمله QTL x است. تعاملات محیطی QTL و QTL x. این کتاب راهنمای جامعی برای تمرین نقشه برداری QTL و استفاده از R/qtl، از جمله طراحی مطالعه، واردات و شبیه سازی داده ها، تشخیص داده ها، نقشه برداری بازه ای و تعمیم، اسکن دو بعدی ژنوم، و در نظر گرفتن چندین پیچیده است. مدل های QTL دو مطالعه موردی نسبتاً چالش برانگیز، تجزیه و تحلیل QTL را به طور کامل نشان می‌دهند.

این کتاب بین نظریه نقشه‌برداری QTL و مثال‌هایی که استفاده از R/qtl را نشان می‌دهند، متناوب است. خوانندگان مبتدی توضیحات مفصلی از مفاهیم مهم آماری خواهند یافت و از طریق تصاویر نرم افزاری گسترده، قادر خواهند بود این مفاهیم را در تحقیقات خود به کار گیرند. خوانندگان با تجربه جزئیاتی در مورد الگوریتم های اساسی و اجرای برنامه های افزودنی به R/qtl پیدا خواهند کرد. 150 شکل، از جمله 90 شکل تمام رنگی وجود دارد.

کارل دبلیو برومن، استاد گروه آمار زیستی و انفورماتیک پزشکی در دانشگاه ویسکانسین-مدیسون، و توسعه‌دهنده اصلی R/qtl است. ساوناک سن دانشیار در بخش اپیدمیولوژی و آمار زیستی و مرکز بیوانفورماتیک و آمار زیستی مولکولی در دانشگاه کالیفرنیا، سانفرانسیسکو است.

Quantitative trait locus (QTL) mapping is used to discover the genetic and molecular architecture underlying complex quantitative traits. It has important applications in agricultural, evolutionary, and biomedical research. R/qtl is an extensible, interactive environment for QTL mapping in experimental crosses. It is implemented as a package for the widely used open source statistical software R and contains a diverse array of QTL mapping methods, diagnostic tools for ensuring high-quality data, and facilities for the fit and exploration of multiple-QTL models, including QTL x QTL and QTL x environment interactions. This book is a comprehensive guide to the practice of QTL mapping and the use of R/qtl, including study design, data import and simulation, data diagnostics, interval mapping and generalizations, two-dimensional genome scans, and the consideration of complex multiple-QTL models. Two moderately challenging case studies illustrate QTL analysis in its entirety.

The book alternates between QTL mapping theory and examples illustrating the use of R/qtl. Novice readers will find detailed explanations of the important statistical concepts and, through the extensive software illustrations, will be able to apply these concepts in their own research. Experienced readers will find details on the underlying algorithms and the implementation of extensions to R/qtl. There are 150 figures, including 90 in full color.

Karl W. Broman is Professor in the Department of Biostatistics and Medical Informatics at the University of Wisconsin-Madison, and is the chief developer of R/qtl. Saunak Sen is Associate Professor in Residence in the Department of Epidemiology and Biostatistics and the Center for Bioinformatics and Molecular Biostatistics at the University of California, San Francisco.