Identificação e análise de variantes genéticas obtidas a partir do sequenciamento do genoma de touros da raça Nelore

Resumo

Estratégias para utilização de dados de sequenciamento completo do genoma em avaliações genéticas de várias espécies têm sido desenvolvidas em função da evolução e barateamento das técnicas de sequenciamento e do aumento esperado da acurácia das avaliações decorrente da possibilidade de incluir informações de mutações causais. Métodos de alinhamento das sequências e de identificação das variantes são de fundamental importância para a utilização dos dados de sequenciamento. Existem diferenças entre os métodos disponíveis quanto ao número e concordância de fase de parte das variantes identificadas. Estas diferenças podem influenciar diretamente nos resultados das análises realizadas para avaliações genéticas que são diretamente dependentes da descoberta das variantes. Assim, a escolha de um método menos adequado para identificação das variantes poderia comprometer os resultados das análises subsequentes ou, no mínimo, reduzir o ganho em acurácia esperado. No presente projeto serão utilizados dados de sequenciamento completo do DNA e de genotipagem pelo painel Illumina Bovine HD chip de 150 touros da raça Nelore, escolhidos pela sua importância para a raça. Serão comparados dois métodos de alinhamento de sequências ao genoma de referência (BWA e HISAT2) e dois métodos de identificação de variantes (SAMtools e GATK) em esquema fatorial. Desta maneira serão testadas quatro combinações para o processo de identificação das variantes genéticas (SNPs e indels) na população (BWA-SAMtools, BWA-GATK, HISAT2-SAMtools e HISAT2-GATK). A comparação dos métodos será feita com base nas estatísticas "Non-Reference Sensitivity (NRS)" e "Non-Reference Discrepancy (NRD)". A estatística NRS mede o grau de sensibilidade da metodologia utilizada, de maneira que um valor de NRS igual à unidade significa uma perfeita concordância entre os resultados do sequenciamento e daqueles provenientes do painel de SNP, enquanto que a estatística NRD é uma medida que denota a taxa de falsos positivos. Uma vez definida a melhor estratégia de identificação das variantes, será realizada a anotação das regiões polimórficas identificadas bem como a caracterização do genoma quanto aos níveis de desequilíbrio de ligação. Além disto, será investigada a acurácia de imputação de chips de diferentes densidades de marcadores para a sequência completa do genoma, sendo então imputados os genótipos constantes de uma base de dados de 10.000 animais. O desenvolvimento deste projeto deverá contribuir diretamente para o processo de obtenção e utilização de dados genômicos advindos da sequência completa do DNA de bovinos de corte. (AU)