tayloranthonyanderson/haploqtl

番茄QTL的候选基因解读

将精细定位的QTL区间转化为按功能机制排序的候选基因集以及用于标记辅助选择（MAS）的标记——这是育种家/遗传学家使用基因组浏览器、注释数据库和文献进行的手动分选，现以可重复的工作流形式实现。

目标用户： 已定位到性状（例如通过haploqtl本地祖先聚类或传统QTL定位）并需要知道区间内有哪些基因、它们的功能是什么以及哪些标记可用于选择的植物育种家和遗传学家。

何时使用此技能

当用户满足以下条件时使用：

• 拥有番茄SL4.0组装的基因组区间（例如 ch09:62,452,852-63,002,852），并希望获取其中的基因。
• 询问候选或因果基因、候选基因假说，或“这个QTL里有什么”。
• 希望获得抗性单倍型的诊断性MAS / KASP标记。
• 拥有haploqtl聚类输出，并希望从生物学角度解释某个位点。

输入

• 必需： 一个区间——染色体 + 起始 + 结束位置（SL4.0碱基对）。
• 可选（用于MAS标记）： 相关种质的VCF文件，以及抗性供体和感病对照的名称。

工作流程

[ ] 步骤 1  区间内的基因            （离线，ITAG4.1）
[ ] 步骤 2  蛋白质功能                （实时UniProt）       -- 需要网络
[ ] 步骤 3  文献背景                  （PubMed连接器）       -- 可选
[ ] 步骤 4  诊断性MAS标记            （离线，来自VCF）    -- 如果提供了种质
[ ] 步骤 5  合成候选基因报告          （推理）

步骤 1 — 区间内的基因

列出与区间重叠的蛋白编码基因，附带ITAG4.1功能描述：

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

返回JSON（gene_id, seqid, start, end, strand, description）。捆绑的源是ITAG4.1的一个子集（SL4.0），因此ID和坐标与已发表的注释一致。如果要查询的区间超出捆绑的EB-5/EB-9区域，请使用 --gff 传递完整的ITAG4.1 GFF3文件（参见 references/data-sources.md）。

步骤 2 — 蛋白质功能（UniProt）

使用来自UniProtKB的蛋白质级功能信息（实时）来丰富最有可能的基因：

python scripts/gene_function.py Solyc09g074790 Solyc09g074510

决策点： 这需要网络访问。如果离线，请跳过此步骤，仅依赖步骤1中的ITAG4.1描述。并非每个Solyc基因都有UniProt条目；null字段是预期的，并且可以接受。

步骤 3 — 文献背景（可选）

如果PubMed连接器可用，请搜索将候选基因家族（步骤1–2）与抗病性联系起来的证据——例如 “tomato F-box protein defense Alternaria”，“potassium transporter stomatal immunity”。在报告中引用PMID。

步骤 4 — 诊断性MAS标记（如果提供了种质）

找出其等位基因在所有抗性供体中存在且在所有感病对照中不存在的变异——用于标记辅助选择的诊断性标记：

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

默认值重现Anderson等人（2024）的EB-9对比（抗性 = Devon Surprise途径；感病 = NC EBR 1，NC 84173，Brandywine）。使用 --resistant/--susceptible（逗号分隔的种质名称）覆盖默认设置，并使用 --max-exceptions 放宽条件。

步骤 5 — 合成候选基因报告

使用 references/interpretation-guide.md，综合所有证据并生成报告：

1. 排名后的候选基因 — 优先考虑与（数量）抗病性相关的基因家族（R-基因/NBS-LRR、受体样激酶、F-box/泛素信号、与气孔/离子防御相关的转运蛋白、防御转录因子），而非看家基因；为每个基因提供功能+文献依据。
2. 每个首要候选基因的机制假说（该基因如何可能影响性状）。
3. MAS标记 — 步骤4中的诊断性标记表，可直接用于分析设计。
4. 注意事项 — 重叠位点、注释版本、区间共定位不等同于因果关系。

输出

一份Markdown报告：附有证据的排名候选基因、机制假说、MAS标记表和明确的注意事项。参见 EXAMPLE.md 了解完整的EB-9分析示例。

参考资料

• references/data-sources.md — 数据来源（ITAG4.1，UniProt）、坐标、重新生成基因切片、为何不使用Ensembl Plants REST的原因。
• references/interpretation-guide.md — 如何为数量抗病性对候选基因进行排序，以及MAS标记的约定。