QTL-mapping: hoe wetenschappers speuren naar de genen achter meetbare eigenschappen
Stel je voor dat je twee tomatenplanten kruist: de ene heeft piepkleine vruchtjes, de andere enorme tomaten. De nakomelingen vertonen alle mogelijke tussenmaten. Ergens in het DNA van die planten zit de informatie die bepaalt hoe groot een tomaat wordt, maar die informatie ligt niet in één enkel "maat-gen". Meestal zijn het meerdere stukjes chromosoom die samen de uitkomst beïnvloeden. QTL-mapping is de methode waarmee onderzoekers die stukjes chromosoom opsporen.
De afkorting QTL staat voor "quantitative trait locus", een plek (locus) op het DNA die een meetbare eigenschap (quantitative trait) beïnvloedt, zoals lengte, gewicht, melkopbrengst of ziekteresistentie. In tegenstelling tot eigenschappen die door één gen bepaald worden — denk aan de klassieke erwten van Mendel, die gewoon groen of geel zijn — lopen quantitatieve eigenschappen geleidelijk uiteen, omdat er meerdere genen én de omgeving aan meedoen. QTL-mapping brengt in kaart welke stukken DNA daarbij het meest gewicht in de schaal leggen.
Wat is het precies?
QTL-mapping begint met een kruising tussen twee ouders die duidelijk verschillen in de eigenschap die je bestudeert, bijvoorbeeld een droogtetolerante en een droogtegevoelige rijstplant. Hun nakomelingen — vaak honderden individuen — vormen samen een "mappingpopulatie".
Van elk nakomeling worden twee dingen gemeten: de eigenschap zelf (hoeveel water verdraagt de plant, hoe zwaar is de vrucht) en genetische merkers verspreid over het hele genoom. Zulke merkers zijn kleine, goed herkenbare DNA-verschillen waarvan de precieze locatie op een chromosoom al bekend is; ze fungeren als "mijlpalen" langs het DNA.
Vervolgens zoeken statistische methoden naar een verband: bij welke merker zie je dat nakomelingen met de ene variant gemiddeld anders scoren op de eigenschap dan nakomelingen met de andere variant? Als dat verband sterk en consistent is, wijst dat erop dat er in de buurt van die merker een gen of regelmechanisme ligt dat de eigenschap beïnvloedt — een QTL.
Het resultaat is meestal geen exact gen, maar een chromosoomgebied dat soms honderden genen bevat. Vervolgonderzoek, zoals fijnmazigere kartering of het uitschakelen van kandidaatgenen, is nodig om het precieze verantwoordelijke gen te vinden. Tegenwoordig wordt QTL-mapping vaak aangevuld met "genome-wide association studies" (GWAS), die naar hetzelfde soort verbanden zoeken maar dan in bestaande, niet-gekruiste populaties met veel natuurlijke variatie.
Wat wil men ermee bereiken?
Het uiteindelijke doel is grip krijgen op de erfelijke basis van eigenschappen die er in de praktijk toe doen. In de landbouw gaat het om hogere opbrengsten, betere ziekteresistentie, droogtetolerantie of voedingswaarde. Als onderzoekers weten welk chromosoomgebied verantwoordelijk is, kunnen veredelaars met DNA-testen ("marker-assisted selection") al in het zaailingstadium selecteren welke planten de gewenste genen dragen, zonder te hoeven wachten tot de plant volgroeid is.
In de veeteelt gebruikt men QTL-informatie om bijvoorbeeld melkproductie, vleeskwaliteit of vruchtbaarheid te verbeteren, vaak in combinatie met bredere fokwaardeschattingen. In de biomedische wetenschap helpt QTL-mapping om te begrijpen waarom sommige mensen vatbaarder zijn voor bepaalde ziekten, of waarom medicijnen bij de ene patient beter werken dan bij de andere.
Onderliggend is er ook een fundamentele wetenschappelijke motivatie: begrijpen hoe complexe eigenschappen überhaupt tot stand komen. De meeste menselijke eigenschappen — lengte, bloeddruk, risico op diabetes — worden beïnvloed door honderden tot duizenden genetische varianten, elk met een klein effect. QTL-mapping en zijn opvolgers leggen bloot hoe die veelheid aan kleine effecten samen een meetbaar verschil maakt.
Voorbeelden uit de praktijk
Een van de bekendste vroege successen is het fw2.2-gen in tomaat. Onderzoekers van Cornell University, onder leiding van Steven Tanksley, identificeerden in 2000 via QTL-mapping een gebied dat verantwoordelijk bleek voor een groot deel van het verschil in vruchtgrootte tussen wilde en gekweekte tomaten. Dit gen droeg bij aan het begrip hoe eeuwenlange domesticatie tomaten van kers- naar biefstukformaat bracht.
Bij rijst leidde QTL-mapping naar het Sub1-gen, dat rijstplanten helpt wekenlang onder water te overleven. Het International Rice Research Institute (IRRI) op de Filipijnen bracht dit gen via gerichte veredeling over in populaire rijstrassen; de overstromingstolerante variant "Swarna-Sub1" werd vanaf 2009 uitgerold in overstromingsgevoelige gebieden in Zuid- en Zuidoost-Azië.
In de veeteelt identificeerden Belgische en Franse onderzoekers in 2002 het DGAT1-gen bij melkkoeien, dat een groot deel van de variatie in melkvetgehalte verklaart. Deze ontdekking, gepubliceerd door Grisart en collega's, wordt nog altijd gebruikt in fokprogramma's voor melkvee.
Bij de mens leverde QTL-achtig onderzoek de basis voor het GTEx-project (Genotype-Tissue Expression), gestart in 2010 door de Amerikaanse National Institutes of Health. Dit project brengt in kaart welke genetische varianten de activiteit van genen in verschillende weefsels beïnvloeden (zogeheten eQTL's, waarbij de "eigenschap" de genactiviteit zelf is), en vormt een belangrijke bron voor het begrijpen van ziekterisico's.
Hoe ver is de techniek?
QTL-mapping zelf is een volwassen, decennia-oude techniek: de eerste toepassingen in planten dateren van eind jaren tachtig, mede mogelijk gemaakt door de opkomst van DNA-merkertechnieken. Wat sindsdien vooral veranderd is, is de schaal en precisie. Waar vroege studies met tientallen merkers werkten, gebruiken hedendaagse studies vaak honderdduizenden merkers dankzij goedkope genoomsequencing.
Een belangrijk obstakel blijft de "resolutie" van de kartering: een gevonden QTL-gebied kan honderden genen omvatten, en het vinden van het exacte causale gen en de precieze DNA-verandering erin (fijnkartering) kost vaak jaren extra werk. Ook is de omvang van een mappingpopulatie beperkend: kleinere effecten van individuele genen zijn makkelijk over het hoofd te zien tenzij de populatie groot genoeg is.
Een tweede uitdaging is dat QTL's vaak omgevingsafhankelijk zijn: een gen dat in het ene klimaat sterk bijdraagt aan droogtetolerantie, kan in een andere omgeving nauwelijks effect hebben. Daarnaast werken genen zelden alleen; interacties tussen verschillende QTL's (epistase) compliceren de interpretatie.
De laatste jaren verschuift veel onderzoek van klassieke QTL-mapping in gecontroleerde kruisingen naar GWAS in grote, natuurlijke populaties, en naar "genomic selection", waarbij niet meer gezocht wordt naar afzonderlijke genen maar het hele genoom gebruikt wordt om voorspellingen te doen. QTL-mapping blijft echter waardevol, vooral wanneer je specifieke, goed te kruisen organismen bestudeert, zoals gewassen en proefdieren.
Wie werken eraan?
Landbouwkundig onderzoek naar QTL's gebeurt wereldwijd bij internationale landbouwinstituten zoals het International Rice Research Institute (Filipijnen), CIMMYT (Mexico, voor maize en tarwe) en nationale onderzoeksorganisaties zoals INRAE in Frankrijk en Wageningen University \& Research in Nederland.
Universiteiten met een lange traditie in plantengenetica, zoals Cornell University en de University of California, Davis in de Verenigde Staten, hebben veel fundamentele QTL-methodologie ontwikkeld. In de diergenetica zijn onderzoeksgroepen in België (Luik), Frankrijk en de Verenigde Staten toonaangevend geweest bij vee- en melkveestudies.
Op het gebied van menselijke genetica zijn de Amerikaanse National Institutes of Health (met projecten als GTEx) en grote internationale consortia, vaak met deelnemers uit Europa, de VS en Oost-Azië, de belangrijkste aanjagers. Ook commerciële plantenveredelingsbedrijven, zoals Bayer/Corteva-achtige spelers in gewasveredeling, passen QTL- en GWAS-gebaseerde technieken toe in hun veredelingsprogramma's, al zijn de details daarvan vaak bedrijfsgeheim.