Gramene QTL数据库：开发、内容和应用

在Gramene中定义单个QTL

每个实验定义的QTL在Gramene中被视为一个独立的实体。这是为了减少策展人面临的跟踪/合并问题的数量，并确保QTL被视为统计假设，而不是被确认的遗传实体。这样，如果QTL在两篇不同的论文中报道（即使来自同一组并且具有相似的遗传材料），或者如果在同一位置检测到同一性状的两个QTL，但基于不同年份或地点的实验，或者，如果QTL是通过不同的QTL分析方法鉴定的（例如，单因素方差分析（ANOVA）与复合区间作图），则每个QTL引文都作为一个独立的实体进行管理，即使作者将其报告为单个QTL。这允许数据库用户根据数据权衡QTL存在的证据；他们可以评估在不同实验中在类似位置报告假定QTL的次数。这种方法避免了单一遗传因素不可避免地对特定表型负责的假设，一旦特定基因或功能等位基因被克隆和表征，就留下了确认的空间。

QTL命名

每个QTL在Gramene中被分配一个唯一的登录标识符，例如“NQA001”。在这种情况下，第一个字符（N）用作跟踪机制，以识别处理信息的馆长；Q代表QTL；第三个字符（A）表示参考；并且以下三位数字用于区分来自同一出版物的不同QTL。这个命名法很有用，因为它提供了一种机制来跟踪由特定策展人管理的所有QTL/QTL集或与特定研究或论文相对应的所有QTL。该系统还解决了模式中的管理问题，最重要的是提供了一种允许用户从数据库查询和下载QTL的机制。

QTL研究中的遗传信息处理

与QTL相关的遗传信息的处理在Gramene中分两个阶段进行，即首先编译QTL图数据，然后分配QTL区间，如下所述。

遗传区间对基因组序列的锚定

Gramene对水稻QTL到基因组位置的定位进行了如下标准化。QTL是通过从最初公布的QTL图谱中识别出的侧翼分子标记或紧密相连的分子标记来定义的。当标记为限制性片段长度多态性（RFLPs）时，获得其核苷酸序列和BLAT（类BLAST比对工具）(15)以获得该RFLP标记的基因组位置。如果标记是微卫星或简单序列重复序列（SSR），则获取引物序列并进行e-PCR以确定已测序基因组上的标记位置。如果一个关键的RFLP或SSR标记不能明确地映射到水稻基因组，但与特定QTL相关的间隔中的一个或多个标记可以映射到预期的基因组区域，则该标记用于将QTL锚定到基因组，其位置定义了QTL在基因组图上的位置。

QTL研究中表型信息的处理

Gramene的馆长建立了提取和编码与QTL研究相关的高度异质性表型信息的协议，使用本体论、证据代码和自由文本赋值的组合。这些协议概述如下。

QTL数据采集及其意义

1988年发表了第一篇植物QTL论文(18)，自那时以来，已经发表了数千项植物QTL研究，包括617篇报道水稻QTL的论文，454篇报道小麦QTL，364篇报道玉米QTL。图1总结了水稻、小麦、玉米、番茄和拟南芥在过去21年的四大参考数据库中。在格拉梅，已经为大米策划了230多篇论文。这一数字仅占水稻出版物总数的38%，因为Gramene馆长对数据库中的内容提出了某些要求。他们的标准包括：（i）地图集信息的可用性；（ii）使用基于序列的标记将QTL锚定在基因组上（例如，扩增片段长度多态性（AFLP）和多态性DNA随机扩增（RAPD）标记无法对齐）；（iii）以英语发布信息的可用性。在剔除不符合这些标准的论文后，合格水稻QTL论文的数量被削减到略低于40%。

在单独的窗口中打开

图1。

水稻、小麦、玉米、，拟南芥以及1987年至2007年间的番茄。根据PubMed、Agricola、CAB Abstracts和BIOSIS Previews四个公开文献数据库的非冗余数据，图表显示了1987年至2007年间报告五种主要植物QTL的出版物稳步增加。

Gramene Build 28中的QTL统计

Gramene中的QTL模块有助于水稻基因组的功能注释，这是一个涉及到已测序基因组上连续分层信息的过程，它将基因组划分为数千个特定区域，这些区域很可能包含控制数量性状的基因。2003年开始在Gramene数据库中积极筛选QTL，自那时以来，已筛选出11000多个属于水稻、珍珠粟、谷子、玉米、小麦、大麦和燕麦的QTL(表1). 水稻的QTL数量远高于其他物种，反映出Gramene优先关注水稻作为第一个测序作物基因组，这与水稻QTL识别率较高相对应。已投射到12条水稻染色体上的水稻QTL数量见表2.QTL论文发表数量的快速增长(图1)需要一致的努力来获取这些信息，将其集成到数据库中并保持最新。QTL管理是劳动密集型的，很少有专家准备处理这方面的数据管理，因此信息分阶段提取，并且正在开发新的方法来帮助自动化这一过程。已经制定了广泛的质量控制协议并付诸实施，以确保所收集数据的准确性。

QTL图谱集、标记和亲本杂交

Gramene的QTL数据库现在包含10个不同物种的126个QTL图谱集，包括11 624个QTL、40 553个标记、37 369个QTL共定位标记和21 671个QTL相邻标记。QTL图谱集是有价值的在线资源，研究人员广泛使用这些资源来寻找有关不同种质资源和作图群体的等位基因组成的信息。表3总结了来自五个不同物种的选定地图集（共126个）的信息，并突出显示了与每个物种相关的特定特征。

在Gramene中QTL以两种方式显示；使用通用模型生物数据库（GMOD）CMap应用程序，这是一个可以同时显示多张地图的比较地图查看工具(http://gmod.org/wiki/CMap)，并使用基于集成的基因组浏览器(2)，在参考基因组和相关注释的背景下显示QTL位置。

基于本体的QTL注释

已发表的表型描述中的语义异质性问题一直是科学界面临的一个长期挑战。自由文本描述是数据管理中的一个主要障碍，在基因组数据库中，描述性信息必须规范化或标准化，以便机器可读，然后才能与基因组中的其他特征相关联。这与基因组和蛋白质序列数据的标准化和高度自动化表示形成了鲜明对比。由于必须注释的数据规模很大，数据库中数据类型之间的关联也很复杂，Gramene策展人和开发人员参与或率先开发了几个关键本体(10–12,16).

本体论提供了一个受控词汇网络，通过反映其描述的生物现实的关系连接起来，用于促进基于机器的查询，从而可以从数据库中快速提取信息。来自TO、PO、GSO和EO的术语用于记录每个研究的基本表型信息。TO目前由973个术语或概念组成，用于描述植物性状或表型分析，在当前版本的数据库中，344个TO术语用于注释QTL(表1). PO有两个方面，一个涉及植物解剖，另一个涉及到植物生长阶段。PO中有853个术语，GSO中有275个术语，但大多数QTL仅在少数可能的组织、器官和生长阶段进行了分析。目前，49个独特的解剖学术语和水稻生命周期的大约15个不同阶段与策划的QTL有关(表1). EO中有超过496个术语描述了植物生长的主要环境，包括温度、水分和日照条件、营养状况、虫害和病原体暴露，以及是否在温室、生长室或田间条件下进行实验等。然而，大多数历史QTL研究提供的关于定义植物生长条件的特定环境参数的信息很少，因此，只有大约27个EO术语被用于注释Gramene中的QTL，其中许多与作为处理施加的特定生物或非生物胁迫有关。

用不同本体的术语注释QTL提高了数据库的查询潜力（有关Gramene中TO和QTL数据库的逐步使用，请参阅pdf教程http://www.gramene.org/tutorials/QTL_tutorial.pdf). 例如，TO注释支持诸如“显示与水稻开花时间或幼苗活力相关的所有QTL”或“显示水稻、大麦和玉米的所有开花时间QTL。”。此外，因为每个QTL都被定义为基因组上的一个位置，用户可以问：“显示标记之间与开花时间相关的所有QTLX（X）和标记年在水稻6号染色体上。带有PO术语的注释允许用户询问“显示与“小穗分生组织”或“胚胎发育”相关的所有QTL”(10). EO可以查询与植物对特定环境条件（如白叶枯病或日照时长）的响应相关的QTL。

显示和导航功能

QTL数据库在植物育种中的应用

QTL和trat-associated标记在植物育种和选择中的应用至关重要。Gramene中有两类QTL相关标记，共定位QTL标记和相邻QTL标志。除此信息外，研究人员还可以使用Gramene从其他地图上的相应区域轻松识别其他标记，然后使用CMap将感兴趣的区域相互对齐并与水稻基因组对齐。然后，研究人员可以从目标区域的可用标记列表中选择一组有用的标记，用于精细定位或直接促进标记辅助育种程序中的性状选择。

Gramene还提供了QTL研究中使用的种质和遗传材料的信息。这类信息为植物育种家提供了一种有用的资源，他们寻求识别包含有利等位基因的亲本种质和后代系，或在特定农艺性状的有利和不利等位基因之间发生有利重组事件。这些品系也可以作为关联作图实验的遗传材料。最后，利用基于序列的共识图作为桥梁，研究人员能够识别突变株系，例如T-DNA插入株系，其中FST信息表明T-DNA元素可能改变了在感兴趣的QTL区域内映射的基因的表达或功能。因此，Gramene提供了一种独特的数据集成形式，使研究人员能够轻松找到有关QTL-FST共定位的信息，并弥合遗传研究和育种应用之间的主要差距。

在本文中，我们重点关注QTL信息资源的开发和利用，该资源有助于将分子信息与表型信息和传统育种应用联系起来。然而，除了通过杂交和基因重组操纵自然发生的遗传变异外，基因工程的使用对植物育种家来说也是非常有趣的。Gramene的QTL数据库提供了有价值的信息，有助于识别候选基因和优势等位基因，以用于常规杂交和选择方案以及转基因在植物改良中的应用。合理利用遗传多样性是所有成功的作物改良战略的基础，关于物种内部和物种之间存在的组成和变异范围的知识，是植物育种家努力建设性地操纵遗传变异以实现全球农业系统长期生产力和可持续性的基础。

QTL数据库的比较能力

禾本科植物基因同源性和保守联系的进化研究(35–37)支持将草视为单一遗传系统的观点。Gramene数据库以系统发育学的基本原理为中心。最近，Gramene扩大了其在植物界的覆盖范围，包括几个关键的双子叶植物物种，使其成为植物更强大的比较基因组资源，并扩大了其广泛的用户群。

基因分型和重测序技术成本的下降和效率的提高推动了关联绘图项目的产生，该项目生成的数据集由数千或数百万个SNP组成，这些SNP对许多植物物种中的数百或数千个个体进行了评估。大量多样性数据为比较表型、基因型和表达分析的新方法奠定了基础。随着Gramene数据库扩展其模式以吸收这些新数据，分离QTL基因的挑战变得更加容易。正向遗传学方法通过比较基因组可与水稻对齐的不同物种的表型和基因组信息来促进，而反向遗传学方法则通过广泛物种候选基因的功能信息的不断增加而得到加强。CMap广泛用于远程比较绘图，基因组浏览器提供保守基因和区域的特写视图。通过使用本体和改进的数据挖掘工具，表型比较大大增强。

我们感谢众多QTL出版物的作者通过个人交流与我们分享有关QTL、标记和地图的信息。我们感谢MaizeGDB的Carolyn Lawrence和Mary Schaeffer，GrainGenes的Dave Matthews和Victoria Carollo，Oryzabase的Yukiko Yamazaki，IRIS的Richard Bruskiewich和Graham McLaren，感谢他们的合作和数据共享。我们非常感谢Lois Swales的格式化。