tayloranthonyanderson/haploqtl

番茄QTL的候選基因解讀

將精細定位的QTL區間轉化為一套經過排名、具機制解釋的候選基因，以及標記輔助選擇（MAS）用的診斷性標記 —— 模擬育種家／遺傳學家使用基因組瀏覽器、註釋資料庫和文獻進行的人工歸納分析，並將此流程轉變為可重複的工作流程。

目標用戶： 已將性狀定位（例如透過 haploqtl 本地祖源分群或傳統QTL定位）後，需要了解區間內有哪些基因、這些基因的功能為何、以及該使用哪些標記進行選拔的植物育種家和遺傳學家。

何時使用此技能

在以下情況使用：

• 使用者擁有一個SL4.0番茄組裝上的基因組區間（例如 ch09:62,452,852-63,002,852）並希望取得該區間內的基因。
• 使用者詢問候選基因、因果基因、候選基因假說，或「這個QTL裡有什麼」。
• 使用者希望取得抗性單倍型的診斷性MAS / KASP標記。
• 使用者已取得 haploqtl 的分群結果，並希望從生物學角度解讀某個基因座。

輸入

• 必要： 一個區間 —— 染色體 + 起始位置 + 結束位置（SL4.0 鹼基對）。
• 選擇性（用於MAS標記）： 相關種質的VCF檔案，以及抗病捐贈者和感病對照的樣本名稱。

工作流程

[ ] 步驟 1  區間內的基因          （離線，ITAG4.1）
[ ] 步驟 2  蛋白質功能              （即時UniProt）        -- 需網路
[ ] 步驟 3  文獻脈絡               （PubMed連接器）       -- 選擇性
[ ] 步驟 4  診斷性MAS標記          （離線，從VCF取得）    -- 若提供種質名稱
[ ] 步驟 5  綜合候選基因報告        （推理）

步驟 1 — 區間內的基因

列出與區間重疊的蛋白質編碼基因，並附上ITAG4.1的功能描述：

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

回傳JSON（包含 gene_id, seqid, start, end, strand, description 欄位）。提供的原始資料為ITAG4.1的子集（SL4.0），因此基因ID與座標與已發表的註釋一致。若區間超出隨附的EB-5/EB-9區域，請使用 --gff 參數傳入完整的ITAG4.1 GFF3檔案（詳見 references/data-sources.md）。

步驟 2 — 蛋白質功能（UniProt）

透過UniProtKB（即時）為最有潛力的基因補充蛋白質層級的功能資訊：

python scripts/gene_function.py Solyc09g074790 Solyc09g074510

決策點： 此步驟需要網路連線。若處於離線狀態，請跳過此步驟，僅依賴步驟1的ITAG4.1功能描述。並非每個Solyc基因都有對應的UniProt條目；遇到 null 欄位是預期情況，可正常處理。

步驟 3 — 文獻脈絡（選擇性）

若PubMed連接器可用，請搜尋能將候選基因家族（步驟1–2）與抗病性連結起來的證據 —— 例如 "tomato F-box protein defense Alternaria"、"potassium transporter stomatal immunity"。在報告中引用PubMed ID。

步驟 4 — 診斷性MAS標記（若提供種質名稱）

尋找在所有抗病捐贈者中都存在、而在所有感病對照中都不存在的變異 —— 這些即為適用於標記輔助選擇的診斷性標記：

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

預設值會重現Anderson等人（2024）中的EB-9對比（抗病=Devon Surprise pathway；感病=NC EBR 1、NC 84173、Brandywine）。可使用 --resistant/--susceptible 參數覆蓋（逗號分隔的種質名稱），並使用 --max-exceptions 放寬條件。

步驟 5 — 綜合候選基因報告

遵循 references/interpretation-guide.md 的指引，對所收集的證據進行推理並產出報告：

1. 排名候選基因 —— 對與（定量）抗病性相關的基因家族（R基因/NBS-LRR、受體類似激酶、F-box/泛素傳訊、與氣孔/離子防禦相關的轉運蛋白、防禦相關轉錄因子）給予較高權重，超越看家基因；針對每個基因，根據其功能與文獻提供理由。
2. 機制假說 —— 針對每個頂尖候選基因，提出其可能影響性狀的合理機制。
3. MAS標記 —— 步驟4產生的診斷性標記表格，可直接用於檢測設計。
4. 注意事項 —— 重疊基因座、註釋版本、以及區間共定位不等於因果關係等。

輸出

一份Markdown報告：包含帶有證據的排名候選基因、機制假說、MAS標記表格，以及明確的注意事項。請參閱 EXAMPLE.md 查看完成的EB-9分析範例。

參考資料

• references/data-sources.md —— 資料來源（ITAG4.1、UniProt）、座標、重新產生基因子集的方式、為何不使用Ensembl Plants REST等說明。
• references/interpretation-guide.md —— 如何針對定量抗病性對候選基因進行排名，以及MAS標記的慣例。