tayloranthonyanderson/haploqtl

Interprétation des gènes candidats pour un QTL chez la tomate

Transformez un intervalle QTL finement cartographié en un ensemble hiérarchisé de gènes candidats, avec des hypothèses mécanistiques et des marqueurs de sélection assistée (MAS) — le tri manuel qu'un sélectionneur/généticien effectue avec un navigateur de génome, une base de données d'annotation et la littérature, le tout réalisé sous forme d'un workflow reproductible.

Utilisateurs ciblés : sélectionneurs et généticiens végétaux qui ont localisé un caractère (par exemple via le clustering d'ascendance locale haploqtl ou la cartographie QTL classique) et ont besoin de savoir quels gènes se trouvent dans l'intervalle, ce qu'ils font et quels marqueurs utiliser pour la sélection.

Quand utiliser cette compétence

Utilisez-la lorsque l'utilisateur :

• A un intervalle génomique sur l'assemblage tomate SL4.0 (ex. ch09:62,452,852-63,002,852) et souhaite connaître les gènes qu'il contient.
• Demande des gènes candidats ou causaux, des hypothèses de gènes candidats, ou "ce qu'il y a dans ce QTL".
• Souhaite des marqueurs MAS / KASP diagnostiques d'un haplotype résistant.
• Dispose de résultats de clustering haploqtl et souhaite interpréter un locus biologiquement.

Entrées

• Requis : un intervalle — chromosome + début + fin (en pb SL4.0).
• Optionnel (pour les marqueurs MAS) : un VCF des accessions pertinentes ainsi que les noms des donneurs résistants et des témoins sensibles.

Workflow

[ ] Étape 1  Gènes dans l'intervalle        (hors ligne, ITAG4.1)
[ ] Étape 2  Fonction protéique             (UniProt en ligne)    -- nécessite un réseau
[ ] Étape 3  Contexte bibliographique       (connecteur PubMed)   -- optionnel
[ ] Étape 4  Marqueurs MAS diagnostiques    (hors ligne, à partir du VCF) -- si accessions fournies
[ ] Étape 5  Synthèse du rapport candidat   (raisonnement)

Étape 1 — Gènes dans l'intervalle

Listez les gènes codant pour des protéines qui chevauchent l'intervalle, avec les descriptions fonctionnelles ITAG4.1 :

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

Renvoie du JSON (gene_id, seqid, start, end, strand, description). La source intégrée est une tranche ITAG4.1 (SL4.0), donc les identifiants et les coordonnées correspondent à l'annotation publiée. Pour un intervalle en dehors des régions EB-5/EB-9 intégrées, transmettez un fichier GFF3 ITAG4.1 complet avec --gff (voir references/data-sources.md).

Étape 2 — Fonction protéique (UniProt)

Enrichissez les gènes les plus prometteurs avec une fonction protéique issue d'UniProtKB (en ligne) :

python scripts/gene_function.py Solyc09g074790 Solyc09g074510

POINT DE DÉCISION : cela nécessite un accès réseau. Si vous êtes hors ligne, ignorez cette étape et basez-vous sur les descriptions ITAG4.1 de l'étape 1. Tous les gènes Solyc n'ont pas d'entrée UniProt ; des champs null sont attendus et acceptables.

Étape 3 — Contexte bibliographique (optionnel)

Si le connecteur PubMed est disponible, recherchez des preuves reliant les familles de gènes candidats (étapes 1–2) à la résistance aux maladies — par exemple "tomato F-box protein defense Alternaria", "potassium transporter stomatal immunity". Citez les PMID dans le rapport.

Étape 4 — Marqueurs MAS diagnostiques (si des accessions sont fournies)

Trouvez les variants dont l'allèle est présent chez tous les donneurs résistants et absent chez tous les témoins sensibles — marqueurs diagnostiques pour la sélection assistée par marqueurs :

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

Les valeurs par défaut reproduisent le contraste EB-9 d'Anderson et al. (2024) (résistant = lignée Devon Surprise ; sensible = NC EBR 1, NC 84173, Brandywine). Remplacez avec --resistant/--susceptible (noms d'accessions séparés par des virgules) et assouplissez avec --max-exceptions.

Étape 5 — Synthétiser le rapport de gènes candidats

En utilisant references/interpretation-guide.md, raisonnez sur l'ensemble des preuves rassemblées et produisez un rapport :

1. Gènes candidats hiérarchisés — pondérez les familles de gènes impliquées dans la résistance (quantitative) aux maladies (gènes R/NBS-LRR, récepteurs kinases, signalisation F-box/ubiquitine, transporteurs liés à la défense stomatique/ionique, facteurs de transcription de défense) par rapport aux gènes de ménage ; justifiez chaque candidat avec sa fonction + la littérature.
2. Hypothèse mécanistique par candidat principal (comment il pourrait plausiblement affecter le caractère).
3. Marqueurs MAS — le tableau des marqueurs diagnostiques de l'étape 4, prêt pour la conception des tests.
4. Limites — loci chevauchants, version de l'annotation, et le fait que la colocalisation n'est pas une preuve de causalité.

Sortie

Un rapport en markdown : candidats hiérarchisés avec preuves, hypothèses mécanistiques, un tableau de marqueurs MAS et des limites explicites. Voir EXAMPLE.md pour un exemple d'exécution sur EB-9.

Références

• references/data-sources.md — provenance des données (ITAG4.1, UniProt), coordonnées, régénération de la tranche de gènes, pourquoi l'API REST d'Ensembl Plants n'est pas utilisée.
• references/interpretation-guide.md — comment hiérarchiser les gènes candidats pour la résistance quantitative aux maladies, et conventions pour les marqueurs MAS.