Kandidatengen-Interpretation für Tomaten-QTL

Was macht Kandidatengen-Interpretation für Tomaten-QTL?

Verwandle ein feinkartiertes QTL-Intervall in eine bewertete, mechanistisch begründete Liste von Kandidatengenen plus Marker-für-die-selektive-Züchtung (MAS) – die manuelle Triage, die ein Züchter/Genetiker mit einem Genombrowser, einer Annotationsdatenbank und der Literatur durchführt, als wiederholbarer Workflow.

Zielbenutzer: Pflanzenzüchter und Genetiker, die ein Merkmal lokalisiert haben (z.B. via haploqtl Local-Ancestry-Clustering oder traditionellem QTL-Mapping) und wissen müssen, welche Gene im Intervall liegen, was sie tun und welche Marker für die Selektion verwendet werden sollen.

Wann dieses Skill verwendet werden sollte

Verwenden, wenn der Benutzer:

• Ein genomisches Intervall auf der SL4.0-Tomaten-Assemblierung hat (z.B. ch09:62,452,852-63,002,852) und die darin enthaltenen Gene wissen möchte.
• Nach Kandidaten- oder Kausalgene, Kandidatengen-Hypothesen oder „was ist in diesem QTL“ fragt.
• MAS-/KASP-Marker wünscht, die für ein resistentes Haplotyp diagnostisch sind.
• haploqtl-Clusterausgabe hat und einen Locus biologisch interpretieren möchte.

Eingaben

• Erforderlich: ein Intervall – Chromosom + Start + Ende (SL4.0 bp).
• Optional (für MAS-Marker): ein VCF der relevanten Akzessionen plus die Namen der resistenten Donoren und anfälligen Kontrollen.

Workflow

[ ] Schritt 1  Gene im Intervall        (offline, ITAG4.1)
[ ] Schritt 2  Proteinfunktion          (live UniProt)        – benötigt Netzwerk
[ ] Schritt 3  Literaturkontext         (PubMed-Konnektor)    – optional
[ ] Schritt 4  Diagnostische MAS-Marker (offline, aus VCF)   – wenn Akzessionen angegeben
[ ] Schritt 5  Kandidatenbericht synthetisieren (Schlussfolgerung)

Schritt 1 — Gene im Intervall

Liste die proteinkodierenden Gene auf, die das Intervall überlappen, mit ITAG4.1-Funktionsbeschreibungen:

python scripts/genes_in_interval.py --chrom ch09 --start 62452852 --end 63002852

Gibt JSON zurück (gene_id, seqid, start, end, strand, description). Die mitgelieferte Quelle ist ein ITAG4.1-Ausschnitt (SL4.0), sodass IDs und Koordinaten mit der veröffentlichten Annotation übereinstimmen. Für ein Intervall außerhalb der gebündelten EB-5/EB-9-Regionen übergebe eine vollständige ITAG4.1-GFF3 mit --gff (siehe references/data-sources.md).

Schritt 2 — Proteinfunktion (UniProt)

Reichere die vielversprechendsten Gene mit Proteinfunktionen aus UniProtKB an (live):

python scripts/gene_function.py Solyc09g074790 Solyc09g074510

ENTSCHEIDUNGSPUNKT: Dies erfordert Netzwerkzugriff. Wenn offline, überspringen und auf die ITAG4.1-Beschreibungen aus Schritt 1 verlassen. Nicht jedes Solyc-Gen hat einen UniProt-Eintrag; null-Felder sind erwartet und in Ordnung.

Schritt 3 — Literaturkontext (optional)

Wenn der PubMed-Konnektor verfügbar ist, suche nach Belegen, die die Kandidatengenfamilien (Schritt 1–2) mit Krankheitsresistenz verbinden – z.B. „tomato F-box protein defense Alternaria“, „potassium transporter stomatal immunity“. Zitiere PMIDs im Bericht.

Schritt 4 — Diagnostische MAS-Marker (wenn Akzessionen angegeben)

Finde Varianten, deren Allel in allen resistenten Donoren vorhanden und in allen anfälligen Kontrollen nicht vorhanden ist – diagnostische Marker für die marker-gestützte Selektion:

python scripts/diagnostic_variants.py --vcf <accessions.vcf.gz> \
    --chrom ch09 --start 62452852 --end 63002852

Standardmäßig wird der EB-9-Kontrast aus Anderson et al. (2024) reproduziert (resistent = Devon Surprise pathway; anfällig = NC EBR 1, NC 84173, Brandywine). Überschreiben mit --resistant/--susceptible (kommaseparierte Akzessionsnamen) und lockern mit --max-exceptions.

Schritt 5 — Den Kandidatengenbericht synthetisieren

Unter Verwendung von references/interpretation-guide.md über die gesammelten Beweise nachdenken und einen Bericht erstellen:

1. Bewertete Kandidatengene — gewichte Genfamilien, die an (quantitativer) Krankheitsresistenz beteiligt sind (R-Gene/NBS-LRR, Rezeptor-ähnliche Kinasen, F-Box/Ubiquitin-Signalisierung, Transporter, die mit stomataler/Ionen-Abwehr verbunden sind, Abwehr-Transkriptionsfaktoren) höher als Housekeeping-Gene; begründe jedes mit seiner Funktion + Literatur.
2. Mechanistische Hypothese pro Top-Kandidat (wie es das Merkmal plausibel beeinflussen könnte).
3. MAS-Marker — die Tabelle der diagnostischen Marker aus Schritt 4, bereit für das Assay-Design.
4. Einschränkungen — überlappende Loci, Annotationsversion, dass Ko-Lokalisation von Intervallen keine Kausalität ist.

Ausgabe

Ein Markdown-Bericht: bewertete Kandidaten mit Belegen, mechanistische Hypothesen, eine MAS-Markertabelle und explizite Einschränkungen. Siehe EXAMPLE.md für einen ausgearbeiteten EB-9-Durchlauf.

Referenzen

• references/data-sources.md — Datenherkunft (ITAG4.1, UniProt), Koordinaten, Neugenerierung des Gen-Ausschnitts, warum Ensembl Plants REST nicht verwendet wird.
• references/interpretation-guide.md — wie Kandidatengene für quantitative Krankheitsresistenz bewertet werden und MAS-Marker-Konventionen.