Asociación de polimorfismos de nucleótido simple y de haplotipos para el gen de la Leptina con la ganancia de peso en la raza bovina blanco orejinegro usando técnicas bayesianas

Resumen (es)

Este artículo expone una metodología bayesiana para el análisis de asociación de polimorfismos de nucleótido simple (SNP) y de haplotipos con una característica de interés en un contexto de producción animal. En la primera etapa del análisis, se propone un modelo lineal bayesiano para clasificar los SNPs que tienen efecto sobre el promedio del valor genético de la variable respuesta. En una segunda etapa, después de la identificación de los haplotipos compatibles con los genotipos de influencia en la primera etapa, se discute la aplicación de un modelo lineal general y de un modelo de regresión logística en la identificación de los haplotipos que presentan una mayor asociación con el aumento del valor genético. En ambas etapas, se siguen metodologías bayesianas y cuando es pertinente se incluyen métodos de simulación de Monte Carlo para generar cadenas de Markov cuya distribución estacionaria corresponda a la distribución posterior condicional de los parámetros de interés. La aplicación práctica está supeditada al área de producción animal en una raza bovina criolla colombiana, denominada como raza blanco orejinegro (BON).

Palabras clave (es): análisis bayesiano, haplotipos, MCMC, SNPS

Resumen (en)

This paper presents a Bayesian methodology for association study of single nucleotide polymorphism (SNP) and haplotypes with a special interest in animal production. In the first stage, we propose a Bayesian linear model to select the SNPs that have an effect on the average of the genetic value in the response variable. In a second stage, after the identification of haplotypes compatible with genotypes of influence in the first stage, we discuss the application of a general linear model and a logistic regression model in order to identify those haplotypes having a higher association with the increasing of genetic values. In both stages, Bayesian methodologies are used when appropriate and Monte Carlo simulation methods are implemented in order to generate Markov Chains whose stationary distribution corresponds to the conditional posterior distribution of the parameters of interest. The practical application is subject to animal production in a Colombian bovine breed.