Statistical epistasis is a generic feature of gene regulatory networks

↓ Direkt till sidans innehåll
↓ Direkt till sidans sekundära innehåll (sidomenyn)

Sökning: WFRF:(B Carlborg) > Statistical epistas...

Gjuvsland, Arne B. (författare)

Statistical epistasis is a generic feature of gene regulatory networks

Artikel/kapitelEngelska2007

Förlag, utgivningsår, omfång ...

2007-01-01
Oxford University Press (OUP),2007
printrdacarrier

Nummerbeteckningar

LIBRIS-ID:oai:DiVA.org:uu-23491
https://urn.kb.se/resolve?urn=urn:nbn:se:uu:diva-23491URI
https://doi.org/10.1534/genetics.106.058859DOI

Kompletterande språkuppgifter

Språk:engelska
Sammanfattning på:engelska

Ingår i deldatabas

SwePubSwePub

Klassifikation

Ämneskategori:ref swepub-contenttype
Ämneskategori:art swepub-publicationtype

Anmärkningar

Functional dependencies between genes are a defining characteristic of gene networks underlying quantitative traits. However, recent studies show that the proportion of the genetic variation that can be attributed to statistical epistasis varies from almost zero to very high. It is thus of fundamental as well as instrumental importance to better understand whether different functional dependency patterns among polymorphic genes give rise to distinct statistical interaction patterns or not. Here we address this issue by combining a quantitative genetic model approach with genotype-phenotype models capable of translating allelic variation and regulatory principles into phenotypic variation at the level of gene expression. We show that gene regulatory networks with and without feedback motifs can exhibit a wide range of possible statistical genetic architectures with regard to both type of effect explaining phenotypic variance and number of apparent loci underlying the observed phenotypic effect. Although all motifs are capable of harboring significant interactions, positive feedback gives rise to higher amounts and more types of statistical epistasis. The results also suggest that the inclusion of statistical interaction terms in genetic models will increase the chance to detect additional QTL as well as functional dependencies between genetic loci over a broad range of regulatory regimes. This article illustrates how statistical genetic methods can fruitfully be combined with nonlinear systems dynamics to elucidate biological issues beyond reach of each methodology in isolation.

Ämnesord och genrebeteckningar

NATURVETENSKAP Biologi hsv//swe
NATURAL SCIENCES Biological Sciences hsv//eng
Biology
Biologi

Biuppslag (personer, institutioner, konferenser, titlar ...)

Hayes, Ben J. (författare)
Omholt, Stig W. (författare)
Carlborg, ÖrjanUppsala universitet,Centrum för bioinformatik(Swepub:uu)orcar991 (författare)
Uppsala universitetCentrum för bioinformatik (creator_code:org_t)

Sammanhörande titlar

Ingår i:Genetics: Oxford University Press (OUP)175:1, s. 411-4200016-67311943-2631

Internetlänk

Hitta via bibliotek

Genetics (Sök värdpublikationen i LIBRIS)

Till lärosätets databas

Hitta mer i SwePub

Av författaren/redakt...: Gjuvsland, Arne ...; Hayes, Ben J.; Omholt, Stig W.; Carlborg, Örjan

Om ämnet

NATURVETENSKAP: NATURVETENSKAP; och Biologi

Artiklar i publikationen: Genetics

Av lärosätet: Uppsala universitet

Sök utanför SwePub

Sök vidare i:: Google; Google Book Search; Google Scholar

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

LIBRIS.kb.se