tayloranthonyanderson/haploqtl

Interpretação de Genes Candidatos para QTL em Tomateiro

Transforme um intervalo QTL finamente mapeado em um conjunto ranqueado e com justificativa mecanicista de genes candidatos, além de marcadores para seleção assistida (MAS) — a triagem manual que um melhorista/geneticista faz com um navegador de genoma, um banco de dados de anotação e a literatura, agora realizada como um fluxo de trabalho repetível.

Usuários-alvo: melhoristas e geneticistas de plantas que localizaram uma característica (por exemplo, via agrupamento de ancestralidade local haploqtl ou mapeamento QTL tradicional) e precisam saber quais genes estão no intervalo, o que eles fazem e quais marcadores usar para seleção.

Quando usar este skill

Use quando o usuário:

• Tiver um intervalo genômico na montagem SL4.0 do tomateiro (ex.: ch09:62.452.852-63.002.852) e quiser os genes contidos nele.
• Perguntar por genes candidatos ou causais, hipóteses de genes candidatos ou "o que há neste QTL".
• Desejar marcadores MAS / KASP diagnósticos de um haplótipo resistente.
• Tiver saída do agrupamento haploqtl e quiser interpretar um lócus biologicamente.

Entradas

• Obrigatório: um intervalo — cromossomo + início + fim (SL4.0 bp).
• Opcional (para marcadores MAS): um VCF dos acessos relevantes mais os nomes dos doadores resistentes e controles suscetíveis.

Fluxo de trabalho

[ ] Passo 1  Genes no intervalo         (offline, ITAG4.1)
[ ] Passo 2  Função proteica            (UniProt ao vivo)        -- precisa de rede
[ ] Passo 3  Contexto da literatura      (conector PubMed)        -- opcional
[ ] Passo 4  Marcadores MAS diagnósticos (offline, a partir do VCF)   -- se acessos fornecidos
[ ] Passo 5  Sintetizar relatório de candidatos (raciocínio)

Passo 1 — Genes no intervalo

Liste os genes codificadores de proteínas que sobrepõem o intervalo, com descrições funcionais do ITAG4.1:

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

Retorna JSON (gene_id, seqid, start, end, strand, description). A fonte incluída é uma fatia do ITAG4.1 (SL4.0), portanto os IDs e coordenadas correspondem à anotação publicada. Para um intervalo fora das regiões EB-5/EB-9 incluídas, passe um GFF3 ITAG4.1 completo com --gff (veja references/data-sources.md).

Passo 2 — Função proteica (UniProt)

Enriqueça os genes mais promissores com função proteica do UniProtKB (ao vivo):

python scripts/gene_function.py Solyc09g074790 Solyc09g074510

PONTO DE DECISÃO: isso requer acesso à rede. Se offline, pule e confie nas descrições do ITAG4.1 do Passo 1. Nem todo gene Solyc tem entrada no UniProt; campos null são esperados e normais.

Passo 3 — Contexto da literatura (opcional)

Se o conector PubMed estiver disponível, busque evidências ligando as famílias de genes candidatos (Passo 1–2) à resistência a doenças — por exemplo, "tomato F-box protein defense Alternaria", "potassium transporter stomatal immunity". Cite os PMIDs no relatório.

Passo 4 — Marcadores MAS diagnósticos (se acessos fornecidos)

Encontre variantes cujo alelo está presente em todos os doadores resistentes e ausente em todos os controles suscetíveis — marcadores diagnósticos para seleção assistida:

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

Os padrões reproduzem o contraste EB-9 de Anderson et al. (2024) (resistente = linhagem Devon Surprise; suscetíveis = NC EBR 1, NC 84173, Brandywine). Substitua com --resistant/--susceptible (nomes de acessos separados por vírgula) e relaxe com --max-exceptions.

Passo 5 — Sintetizar o relatório de genes candidatos

Usando references/interpretation-guide.md, raciocine sobre as evidências reunidas e produza um relatório:

1. Genes candidatos ranqueados — pondere famílias gênicas implicadas em resistência a doenças (quantitativa) (R-genes/NBS-LRR, receptor-like kinases, sinalização F-box/ubiquitina, transportadores ligados à defesa estomática/iônica, TFs de defesa) acima de genes housekeeping; justifique cada um com sua função + literatura.
2. Hipótese mecanicista por candidato principal (como ele poderia plausivelmente afetar a característica).
3. Marcadores MAS — a tabela de marcadores diagnósticos do Passo 4, pronta para desenho de ensaio.
4. Ressalvas — sobreposição de lócus, versão da anotação, que co-localização de intervalo não é causalidade.

Saída

Um relatório em markdown: candidatos ranqueados com evidências, hipóteses mecanicistas, uma tabela de marcadores MAS e ressalvas explícitas. Veja EXAMPLE.md para um exemplo de execução do EB-9.

Referências

• references/data-sources.md — proveniência dos dados (ITAG4.1, UniProt), coordenadas, regeneração da fatia gênica, por que a REST do Ensembl Plants não é usada.
• references/interpretation-guide.md — como ranquear genes candidatos para resistência quantitativa a doenças e convenções para marcadores MAS.