tayloranthonyanderson/haploqtl

Interpretación de Genes Candidatos para QTL en Tomate

Convierte un intervalo QTL finamente mapeado en un conjunto clasificado y razonado mecánistamente de genes candidatos, más marcadores para selección asistida por marcadores (MAS) — el triaje manual que un mejorador/genetista realiza con un navegador genómico, una base de datos de anotaciones y la literatura, ahora como un flujo de trabajo repetible.

Usuarios objetivo: fitomejoradores y genetistas que han localizado un rasgo (por ejemplo, mediante agrupamiento de ascendencia local con haploqtl o mapeo QTL tradicional) y necesitan saber qué genes están en el intervalo, qué hacen y qué marcadores usar para la selección.

Cuándo usar esta habilidad

Úsala cuando el usuario:

• Tiene un intervalo genómico en el ensamblaje SL4.0 del tomate (p. ej. ch09:62,452,852-63,002,852) y desea los genes que contiene.
• Solicita genes candidatos o causales, hipótesis de genes candidatos, o "qué hay en este QTL".
• Desea marcadores MAS / KASP diagnósticos de un haplotipo resistente.
• Tiene resultados del agrupamiento de haploqtl y desea interpretar un locus biológicamente.

Entradas

• Requerido: un intervalo — cromosoma + inicio + fin (SL4.0 pb).
• Opcional (para marcadores MAS): un VCF de las accesiones relevantes más los nombres de los donantes resistentes y los controles susceptibles.

Flujo de trabajo

[ ] Paso 1  Genes en el intervalo          (sin conexión, ITAG4.1)
[ ] Paso 2  Función de la proteína         (UniProt en vivo)          -- necesita red
[ ] Paso 3  Contexto de literatura          (conector PubMed)          -- opcional
[ ] Paso 4  Marcadores MAS diagnósticos     (sin conexión, desde VCF)  -- si se proporcionan accesiones
[ ] Paso 5  Sintetizar informe de candidatos  (razonamiento)

Paso 1 — Genes en el intervalo

Lista los genes codificantes de proteínas que solapan el intervalo, con descripciones funcionales de ITAG4.1:

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

Devuelve JSON (gene_id, seqid, start, end, strand, description). La fuente incluida es un subconjunto de ITAG4.1 (SL4.0), por lo que los IDs y coordenadas coinciden con la anotación publicada. Para un intervalo fuera de las regiones EB-5/EB-9 incluidas, pasa un GFF3 completo de ITAG4.1 con --gff (consulta references/data-sources.md).

Paso 2 — Función de la proteína (UniProt)

Enriquece los genes más prometedores con información funcional a nivel de proteína desde UniProtKB (en vivo):

python scripts/gene_function.py Solyc09g074790 Solyc09g074510

PUNTO DE DECISIÓN: esto requiere acceso a la red. Si estás desconectado, omítelo y confía en las descripciones de ITAG4.1 del Paso 1. No todos los genes Solyc tienen una entrada en UniProt; los campos null son esperados y están bien.

Paso 3 — Contexto de literatura (opcional)

Si el conector de PubMed está disponible, busca evidencia que relacione las familias de genes candidatos (Pasos 1–2) con la resistencia a enfermedades — p. ej. "tomato F-box protein defense Alternaria", "potassium transporter stomatal immunity". Cita los PMID en el informe.

Paso 4 — Marcadores MAS diagnósticos (si se proporcionan accesiones)

Encuentra variantes cuyo alelo esté presente en todos los donantes resistentes y ausente en todos los controles susceptibles — marcadores diagnósticos para selección asistida por marcadores:

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

Los valores por defecto reproducen el contraste EB-9 de Anderson et al. (2024) (resistente = línea Devon Surprise; susceptible = NC EBR 1, NC 84173, Brandywine). Sobrescribe con --resistant/--susceptible (nombres de accesiones separados por comas) y relaja con --max-exceptions.

Paso 5 — Sintetizar el informe de genes candidatos

Usando references/interpretation-guide.md, razona sobre la evidencia reunida y produce un informe:

1. Genes candidatos clasificados — pondera las familias génicas implicadas en resistencia (cuantitativa) a enfermedades (genes R/NBS-LRR, quinasas tipo receptor, señalización F-box/ubiquitina, transportadores vinculados a defensa estomática/iónica, factores de transcripción de defensa) por encima de genes de mantenimiento; justifica cada uno con su función + literatura.
2. Hipótesis mecanística por candidato principal (cómo podría afectar plausiblemente al rasgo).
3. Marcadores MAS — la tabla de marcadores diagnósticos del Paso 4, lista para el diseño de ensayos.
4. Advertencias — loci solapantes, versión de la anotación, que la colocalización no implica causalidad.

Salida

Un informe en Markdown: candidatos clasificados con evidencia, hipótesis mecanísticas, una tabla de marcadores MAS y advertencias explícitas. Consulta EXAMPLE.md para un ejemplo del corrida EB-9.

Referencias

• references/data-sources.md — procedencia de datos (ITAG4.1, UniProt), coordenadas, regeneración del subconjunto génico, por qué no se usa la API REST de Ensembl Plants.
• references/interpretation-guide.md — cómo clasificar genes candidatos para resistencia cuantitativa a enfermedades y convenciones de marcadores MAS.