kh;f( EFISIENSI SELEKSI BERDASARKAN PENANDA PADA POPULASI Fz KETURUNAN PERSll.ANGAN GALUR MURNI : KAJIAN SIMULASI
RlNGKASAN DISERT ASI
Diajukan olc:h : Bambang Supriyanta 0412314951SPN/OO
171
Tim Promotor: Dr. Jr. Taryono, M.Sc. Prot: Dr. Suryo Guritno, M.Sc. Dr. Jr.NasruIlah, M.Sc.
PROGRAJdPASACASARJANA FAKULTAS PERTANIAN UNIVERSITAS GADJAH MADA YOGYAKARTA 2015
EFlSIENSI SELEKSI BERDASARKAN PENANDA PADA POPULASI FJ KETURUNAN PERSILANGAN GALUR MURNI : KAnAN SIMULASI
RINGKASAN DISERTASI
Diajukan olch : Bambang Supriyanta 041231495/SP~/OO171
Tim Promotor: Dr. Jr. Taryono, M.Sc. Pro!: Dr. Suryo Guriblo, M.Sc. Dr. Jr.~asrullah. M.Sc.
PROGRAJdPASACASAJUA~A FAKULTAS PERTANIAN UNIVERSITAS GADJAH MADA YOGYAKARTA 2015 1
KATAPENGANTAR Puji syukur kepada Allah SWT, akbimya laponn penelitian dalam bentuk disertasi mi dapat diselesaikan. Banyak pihak telah mendorong. membantu, dan menginspirasi dalam berbagai bentuk kegiatan sejak perkuliahan, diskusi, persiapan dan pelaksanaan penelitian. pembimbingan, hingga selesainya penulisan dan diujikannya disertasi mi. Penulis menyampaikan terimakasih yang talc terhingga kepada Dr. Jr. Taryono, M.Sc., Pro£Dr. Suryo Guritno, M Stats., Dr.Jr. NasndIah, M.Sc, dan berturut-tmut selaku Promotor dan Ko-promotor atas bimbingan dan arahan selama perencanaan, pelaksanaan dan penulisan disertasi mi. Ucapan terima kasih yang mendalam juga penulis haturkan kepada Dr. Rudi Hari Mmti, SP.,MP., Dr.Jr. Hermono Budhisantosa, M.Sc., Dr.Agr. Panjisakti Basunanda, SP.,MP., Dr. Jr. Suyadi, M.Sc dan Eka Tarwaca Susila PUIra,SP., MP., Pb.D..selaku Tim Penilai dan Penguji Disertasi atas saran-saran bagi penyempumaan disertasi ini. Terirna kasihjuga penulis haturkan kepada Dekan Fakultas Pertanian Universitas Gadjah Mada Yogyakarta dan seluruh jajarannya atas kesediaan memberikan ilmu dan kelonggaran waktu dalam menempuh pendidikan S3. Ucapan terirna kasih selanjutnya penulis haturlcan kepada Jurusan Agroteknologi, Fakultas Pertanian, Universitas Pembangunan Nasional "Veteran" Yogyakarta atas kesempatan dan dana yang diberikan untuk mengikuti pendidikan S3. Penulis juga mengucapkan terima bsih yang talc terhingga kepada orang tua dan mertua, kepada adiJe-adik, yang telah memberikan doa restu, dorongan, serta sernangat moral yang tiada hentinya sebingga penu1is tetap bersemangat untuk menyelesaikan disertasi ini Ucapan terima kasih yang mendalam kepada istri tercinta Ale Ratna Dianing Pratiwi, dan anak-anak ters8yaDg Sage Farah Nur Anindita S, Nona Adelia Talitha S, dan Bintang Nurfaiz Moningaba S atas kesabaran, doa dan harapan dari awal hingga terselesaikannya studi S3 ini Rasa terima kasih dan penghargaan penulis ucapkan kepada Rekan kerja di Jurusan Agroteknologi, Fakultas Pertanian. Universitas Pembangunan Nasional "Veteran" Yogyakarta dan rekan sesama mahasiswajurusan pemuliaan tanaman UGM yang telah membantu dan mendorong terselesaikannya penelitian ini. Akbimya penulis akan sangat berbahagia sekiranya disertasi ini dapat menjadi salah satu bahan rujukan bagi penelitian di bidang pemuliaan tanaman khususnya yang berkaitan dengan pemodelan dan simulasi. Tentu talc ada gading yang talc retak. Kritik daDsaran akan sangat berharga bagi penyempumaan penelitian ini sehingga bermanfaat dalam penerapannya.
Yogyakarta,April20lS
Penulis
2
I. PENDAHULUAN Salah satu sumbangan bagi dunia pertanian khususnya dalam bidang pemuliaan tanaman adalah ditcmukannya pcoanda molcku1er. Pcncmuan pcoanda molckuler diaoggap scbagai sarana penyclesaian masalah akibat ketcrbatasaD dalam program pcmuliaan konvcnsional. Pcnanda molcl..-ulcr,khususnya pcDanda DNA mempunyai kclcbihan antara lain tidak dipcngaruhi olch lingkungan daDpengamatan dapat dilakukan pada semua tahap pcrtumbuhan tanaman, tcrmasuk pada saat pcmbibitan, schingga akan menghcmat waktu (Fransia et al., 2005). Pcnanda molcl..-uleryang pertama kali dikenal dan mulai berkembang di bidang genetika adalah pcnanda protein yang sccara gcnctik dikcnal scbagai pcnanda isozim (Vuylstekc, 1999). Pcnanda ini mcmpunyai kclcmahan yaitu jumlahnya tcrbatas dan bcbcrapa sistcm cnzim tcrtcntu dipcngaruhi olch kcndala perkcmbangan jaringan. Kcdua faktor tcrscbut mmapakan kcndala utama pcnggunaan pcnanda isozim dalam mengcksploitasi potcnsi genctik tanaman. Laporan Tanksley dan Rick (1980), yang menggunakan isozim scbagai pcnanda biokimiawi yang terpaut dengan QTL, membcrikan dorongan baru mengcnai pcu:umfR~tanpautan pcnanda tcrhadap sifat kuantitatif dalam sclcksi, mcskipun jauh scbclumnya Sa.'t (1923) sudah mcnggunakan pcnanda morfologi (WarDAdan pola kulit biji) bagi sifat kuantitatif bobot biji pada tanaman Phaseolus vulgaris (Lynch dan Walsh, 1998; Yin etal., 2003). Dcngan scmakin berkcmbangnya ilmu pcngctahuan, maka pada awal tahun 1980an ditcmukan pcoanda molckuler yang bcrbasis DNA. Pcnanda DNA tc:ncbut dapat menutupi kcl-urangan pcnanda isozim. karena jumlah yang tidak terbatas, dapat mclingkupi scluruh genom tanaman, tidak dipcngaruhi olch pcrkcmbangan jaringan, schingga dapat dikcnali pada scluruh jaringan, dan mcmiliki kcmampuan yang sangat tinggi dalam mcnangkap kcragaman sifat antar individu (Collard et al. 2005). PemanCaatanpcnanda DNA scbagai alat bantu scleksi (Marker Assisted Selection, MAS) lcbih menguntungkan dibandingkan dcngan sclcksi secara fcnotipik. Scleksi dengan bantuan pcnanda mole1..-uIdidasarkan pada suat genetik tanaman saja, tidak dipcngaruhi olch fal.1or lingkungan. Dengan dcmikian, kcgiatan pemuliaan tanaman mcnjadi lcbih tepat, cepat, dan rclatif Icbih hcmat biaya dan waktu. Scleksi berdasarkan sifat fcnotipik tanaman di lapangan memiliki bcbcrapa kclemahan scpcrti yang disarikan olch Lamadji et al. (1999), di antaranya (1) mcmcrlukan waktu yang cukup lama, (2) kcsu1itanmcmilih dcngan tepat gen-gen yang menjadi target sclcksi untuk dicksprcsikan
pada suat-sifat morfologi atau agronomi, (3) rcndahnya Jickucnsi individu yang diinginkan yang berada dalam populasi sclcksi yang bcsar, dan (4) fenomcna pautan gen antara sifat yang diinginkan dengan suat tidak diinginkan yang sulit dipisahkan sUt mclakukan persilangan. KcbcrhasiIan penggunaan suatu penanda untuk seleksi dalam kegiatan pcmuliaan bergantung pada tiga syarat utama yang hams dipcnuhi, yaitu (1) peta gend dcngan jumlah lokus polimorfik yang memadai, schingga dapat mengidcntifakasiQTL atau gengen mayor dengan akurat, (2) penanda yang terkait erat dcngan QTL atau gen mayor target pada peta genetik yang sudah dibuat, daD (3) kcmampuan mcnganalisis sejumlah besar tanaman dalam waktu dan biaya sccara cfcktif.
3
I
Konscp dasar kcterkaitan antara penanda dengan sUat kuantitatiC(quantiiattve trait loci, QTL) terletak pada konsep ketidakseimbangan pautan (1lnlmge disequltllbrlum). Dalam hal ini tergantung dati jarak antara lokus penanda dengan lokus QTL yang clapat diDyatakan dalam bentuk fia1csirekombinasi. Fraksi rekombinasi antara dua Ibkus yang berada pada lengan kromosom yang sama (bcrasosiasi) merupakan probabilitas dati gamet yang diwariskan kcpada kcturunan dalam bentuk rekombinan atau bcntuk gamet
yangbukanbcrasaldati tctua,yangterjadiakibatpindahsilang.
;
Perkcmbangan ilmu statistika dan genctika l..uantitatiCbcrperanan besar dalam pengembangan telcnik.te1aIiJc:analisis dalam pemctaan QTL. Pesatnya perki:mbangan ilmu komputer dan iDfonnatika juga sangat bcrperan da1am membantu pen~bangan model clan anaIisis data, karena proscs-proses penghitungan panjang dan mcmbosankan yang diakibatkan model analisis yang rumit dapat dijalankan dengan mudab Clancepal Teknik )'8D8 tepat dalam mendetebi pemetaan QTL akan mencntukah tingkat kchandalan penanda yang akan diguna1candalam program pemuliaan tanamanJ Berbagai anaIisis telab diperkcnalkan dalam pemetaan QTL, yaitu anaIisis satu penan~ (single mar~r tI1UIl)I8l8),ana1isis pemetaan selang (Intef'lltll mapping), composltf Interval mapping, clanmultiple Inte1'\ltl1 mapping (Liu, 1998).
Mendasarkanuraian di atas perlu dikaji lebih mendalam tentang!bebcrapa "skenario pemetaan" QTL yang clapat mengbasilkanpenanda DNA Yalngclapat digunakanuntuk program pemuliaan.Di samping itu, perlu dikaji ting~ cfisiensi
I
pemuliaan menggunakan penanda dibandingkan pemuliaan menggunakan Cenotipe. Pendekatan simulasi merupakan pilihan yang tepat untuk mengevaluasi hat ini dengan cara membuat berbagai skenario kondisi yang biasa terjadi di lapangan denam waktu dan biaya yang Icbih rendah. Dengan demikian, diharapkan akan tergambar prpspek dan efisiensi pemuliaan tanaman menggunakan penanda molekulcr dibandingkdn dengan
pemuliaantanamansecarakonvcnsional.
I
0, TINJAUAN PUSTAKA
A.
Sejarah QTL
Konscp poligen dalam genetika kuantitatit: digunakan untuk menjelaskan terbentuknya sUat kuantitatif, yang dikatakan scbagai siCat yang dikendalikan oleh banyak gen dengan pengaruh yang kecil.kecil dan saling menambab dan dikaburlcanoleh pengaruh linglamgan tumbuh. Pemulia tanaman biasanya tidak mengctah~ jumlah, lokasi clan pengaruh dari gen.gcn pada siCat kuantitatif terscbut. Gen-gen tcrscbut kcmudian dikenal dengan lokus sifat kuantitatif (quantltatlw troIt loci, QTL). 'nfonnasi tentang jumlah, lokasi, dan pengaruh dati QTL sangat diperlukan untuk tccbutuhan pemuliaan tanaman melalui genctika molekulcr. QTL. dalam genetika, meng.cu pada suatu bagian Icromosom atau peta genetik yang terkait secara statistik denkan suatu keragaman yang ditunjukkan oleh suatu sifat kuantitatit: QTL ditentukan melaJui suatu kajian hub1D1ganlDtara variasi genotipo yang ditunjukkan olch sejumlab pen8nda pada peta keragaman genctik dan keragaman fenotipc yang terukur (Uu, 1998). K8jian yang melibatkan QTL banyak ditemukan dalam bidang kedokteran untuk mer,tcari gen
4
pcnycbab penyakit, daIam bidung pcrtanian untuk membantu pckcrjaan pcmuliaao, serta dalam bebcrapa c:abangbiologi. tclutama evolusi clantaksonomi. Langkah pcmbuktian mengenai adanya sen-gen yang mcngatur sifat Irnantitatif mulai telbuka setclab ditcmukan banyak penanda genetik sebingga a:lelDlI'1gJ
5
Penanda DNA mulai meluas dan menghilangkan studi pcnanda alozim. DNA mcrupakan baban genctik organisme yang tcrdiri dati sckucn-scl"UCIInuklcotida yang mcrupakan molekul DNA. Pcnanda ini sangat cfek"tifkarena pcnanda DNA ini tidak terdapat batasan lokasi genom atau jumlah dati pcnanda DNA. Sciring dengan bcrkcmbangnya tcknologi yang bcrbasis pcnanda DNA, maka saat ini telah ditcmukan tiga tipe pcnnnda DNA dengan segala kelcbihan dan kekurangan masing-masing. Ketiga tipe pcnanda DNA tcsebut adaIah (1) pcnanda yang bcrdasarkan pada bibridisasi DNA sepcrti Restriction Fragment Length Polymorphism. RFLP); (2) pcnanda yang bcrdasarkan pada rcaksi rantai polimcrase (Polymerase Chatn Reactton, PCR) dengan menggunakan sekuen-sekuen nuklcotida scbagai primer. scpcrti Randomly Amplified Polymorphic DNA (RAPD). Amplified Fragment Length Polymorphism (AFLP); dan (3) penanda yang berdasarkan pada PCR dengan menggunakan primer yang menggabungkan sekuen komplcmcntcr spcsifik dalam DNA sasaran, sepcrti Sequence Tagged Situ (515). Sequence Chamcterlzed Amplified Regions (SCAR). Simple Sequence Repeats (SSR) atau mikrosatclit (mtcrosatellltu). dan Single Nucleotide Polymorphism (SNPs) (Azrai. 200S). Pcnanda-pcnanda molekular (khususnya DNA) mcmiliki ciri-ciri khas mcngcnai rcliabilitas. tingkat kcsulitan, biaya per unit informasi. dan tingkat poUmorflSmenya. Dalam anaUsis QTL menggunakan pcnanda DNA dipcrlukan pcnafsiran atas pitapita basil elektroforcsis. Biasanya pcnanda dominan dibcri kode 0 (tidak ada) dan I (ada pita). "Lokus" pada penanda dominan mcrupakan satu baris kedudukan pita. Baris yang tidak mcmmjukkan polimorflSMe tidak dimasukkan dalam proses anaIisis lebih lanjul Penanda kodominan, karcna mcmiliki tiga kcmungkinan, dibcri kode macam-macam: ada yang O. 1Iz.1; -1. O. I; atau mcnggunakan dua kode sckaIigus: 0-1. I-I, 1-0. Pada pcnanda kodominan. "Iokus" bagi pcnanda adalah cnzim endonuklease restriksi (RFLP) atau primer (untuk yang bcrbasis PCR).
C.
PopulasiKeturunan Persilaagan Galur Mumi
Dalam bidang pcrtanian galur adalab sekelompok individu sejenis yang homozigot atau mendekati homozigot untuk suatu sifat tertcntu yang akan mcnjadi penciri galor tersebut. Akibat keadaan genotipe tersebut, pcnampilan luar (fenotipe) galur akan scragam. Galor dapat dibcntuk melalui persilangan sekcrabat secara tcrus-mencrus. Galor-galur akan paling cepat terbentuk apabila suatu spesies dapat melakukan pcrIcawinanscndiri (selfing). biasanya pada gencrasi ke-6 atau ke-7 setelab pcnycrbukan scndiri bcrulang-ulang (recurrent selj/ng). Scmakin debt bubungan kckcrabatannya. semakin cepat galur-galur tcrbcntuk. Galor murni (pure line) dapat teljadi apabila persilangan dalam suatu galur antara dua individu menghasilkan keturunan dengan pcnampiJan yang sama dengan keclua tetuanya
. Dalam
pcmuliaan
tanaman,
istilab galur
mumi mengacu pada tanaman menycrbuk sendiri. scdangkan pada tanaman mcnycrbuk silang. galur-gatur tcrscbut dikcna1dengan istilab galur inbred (inbred /tne). Populasi yang bcrasa1dati persilangan galur mumi mcrupakan populasi yang ideal bagi pcmctaan QTL. Kcturunan dati pcrsiIangan tcrsebut menunjukkan populasi yang Jokus-Iokusnya bcrada pada kondisi kctidakscimbangan penub (maximum gametic phase
disequilibrium). schingga proporsi tTekuensi genotipe per lokusnya merupakan 6
perbandingan sederhana. Kondisi ini terutama discbabkan olch adanya pautan antar loIcus.pcrcampuran populasi dalam tahap gCDCl'8Si awal, atau mutasi baru (Hash. 2003).
Popul~ pcm~
yang umum digunakan adalah gcnensi F2 persilangaoinbred,
generast sdang balik (BC ... backcross), baik pcrtama maupWl sclanjumya, haploid ganda (DH ... double haploid), clan galur-galur isogcnik rckombinan (RlL recombinant inbred line). Hash (2003) mcnjclaskan bahwa populasi generasi F2 mcmpunyai ciri-c:iri : (I) kcturunan genensi yang dibcntuk dari persilangan dua tctua inbred! homozigot, (2) pcrbandingan untuk satu lokus:1D:2H:IR, schingga dapat mcnduga tindak gen aditif clan dominan, (3) informasi clandaya-ujinya (power) yang diperolch bcsar. Zhang et 01. (2005) mcngcmukakan kcuntungan pcnggunaan galur inbred untuk pcmctaan QTL mclalui silang balik clanF1tyaitu: (I) nilai fcnotipik dari masing-masing galur inbred dapat diukur pada pcrcobaan bcrulang di berbagai lil'lgktll\pI yang dapat mcngurangi scsatanlkcsalAhJlndari pcngukuran clan lingkungan; (2) gcnotipc galur inbred konstan di scluruh genensi (breeding true); (3) pcristiwa jcjak rckombinasi kumulatif dapat digunakan untuk pcmctaao QTL pada skala yang halus (fine sCDIe);(4) hibrida pcrcobaan clan kcturunan scgrcgasinya tidak dipcrlukan; daD (5) sc&clah pcmctaan QTL, nilai alclik QTL untuk masing-masing galur inbred dapat diduga mcnggW18kanbest linear unbiased prediction (BLUP) schingga pcmulia dapat mcmilih galur superior clangalur kombinasi uotuk mcngbasilkan kultivat baru.
-
D.
Pemetaan dan Analisis QTL
Salah satu tabap yang dilakukan dalam pcmuliaan berbasis pcnanda adalah pcmctaan lokus-Iokus yang mcngatur sifat kuantitatif (QTL). Pcmctaan mcnggunak.an pcnanda DNA mcmcrlukan tiga langkah pokok: (I) pcmilihan material genctik (populasi pcmctaan clanpcnanda DNA), (2) mcmbangun pcta pautan gcnctik, clan (3) mcndctcksi kcbcradaan QTLs scrta mcnduga jumlah, lokasi, tindak gen, clan intcraksinya (Hash 2003). Populasi yang bcrasal dari persilangan galur inbred mcrupakan populasi yang ideal dalam pcmctaao QTL Pcmctaao QTL dapat mcnggunakan beragam pcnanda, mcskipuo pcnanda kodominan mcmbcri informasi Icbih banyak, kccuali bila populasi pcmctaannya sangat homozigot, scpcrti recombinant inbreed lines. Tabap sclanjutDya dalam analisis QTL adalah pcmbangkitan data mcla1ui karaktcrisasi siCat fenotipc atau phenotyping (di lapangan) clan pcncntuaD gcnoUpc individu-individu dalam populasi pcmctaan (genotyping). Pcrtimbangan-pcrtimbangan dalam mcmilih tcknik uji-lapangan sangat pcnting dalam phenotyping. Genatyptng dilakukan terhadap sctiap pcnanda yang dipilih untuk sctiap individu. Data yang dihl.lsilkan.mcnganduog informasi scgrcgasi pada bcrbagai posisi di genom. Pcmctaan dapat dilal.-uIcansctclah data genotipc scrta fcnotipc diperolch. Yang dilakukan pcrtama kali da1am pcmctaao scbcnamya adalah mengwutkan pcnanda-pcnanda gcnctik sccara linier pada genom bcrdasarkan nilai-nilai duga fraksi rckombinasi antar pcnanda. Fraksi rckombinasi terkait dengan jarak antara dua lokus schingga scdikit banyak terkait dengan bcsaran-bcsaran yang mcnyatakan jarak antara dua Iol.-us.Bcsaran yang pertama adalah jatak fisik, biasanya dinyatakan dalam "base pairs" atau "pasangan basa" (bp) serta yang Icbih umum "kilobase pairs" (kb). Bcsaran yang kcdua adalah
7
jarak peta genctik. yang biasanya dinyatakan dalam "morgan" (M). atau "cenlimorgtm" (eM). yang menggambarlcan posisi relatif lokus dalam kromosom. Scc:aradcfinitit: I Morgan adalah jarak yang memiliki harapan untuk mengalami satu pindah silang per gamet per generasi (Weir. 1996). Analisis data untuk mcmetakan penanda terdiri dari tiga tahap: (I) analisis sato lokus. untuk menguji kesesuaian scgrcgasi dengan hokum Mendel pada setiap lokus penanda; (1) analisis dua tokus. untuk menduga fraksi rekombinasi dan menguji kcberadaan pautan; clan (3) pcmgelompokan pautan dan pengunrtan lokus penanda. Untuk tahap hU. data fenotipe tidak dipertukan. Anatisis yang dilakukan menyesuaikan dengan populasi pemetaan yang digunakan. tokus penanda yang tidak mengikuti perbandingan Mendel dikeluarkan dari analisis. Uji kesesuaian dengan hu1cumMendel dilakukan dengan menggunakan uji khi.kuadrat untuk kesesuaian (goodness 01fit) atau menggunakan uji nisbah kcmungkinan (likelihood rotio test). dan nilai G (Lio. 1998; Weir. 1996). Peta genetik yang baik adalah yang memiliki tingkat kepercayaan tinggi atas urutan lokus penandayang diperoleh(marice,COVQroge.oya tinggi).disertaidenganpenanda yang tersebar' relatif merata dalam kerapatan yang mencukupi (misalnya paling tidak satu penanda dalam 5 eM) (Hash, 1003). Tahap terakhir adalah pcndeteksian keberadaan QTL. Tahap ini merupakan pekerjaan mencari asosiasi antara keragaman gcnctik. yang tcrsusun dalam bentuk peta pautan genetik. daDnilai Cenotipe.Ide dasamya adalah penanda genetik yang ccndenmg untuk bervariasi bersama dengan variasi Dilaisuatu siCatfenotipe tertentu Icbih mungkin berada di dekat suatu QTL yang mempengaruhi siCattadi. Strategi pemetaan QTL yang paling awal adalah melalui analisis satu-penanda (single ma,ke, tmalysts). Prosector statistika yang umum digunakan dalam stra10giini. dapat melalui uji t (untuk populasi dengan due kclas genotipe. seperti SC). analisis varians satu-arah. regrcsi linear atau kemungkinanterbesar (mcatmum likelihood). Analisis satu penanda merupakan analisis yang sederhana dalam kaitannya dengan analisis data daD implementasi. Regrcsi liner paling banyak digunakan karena koefisien determinasi (R~ dari penanda menjelaskan variasi fenotipe yang monad dari QTL yang bertautan dengan penanda (Collard et 01.. 1005). Dalam analisis ini tidak diperlukan urutan gen (gene orden) dan peta tautan lengkap. Namun demikian. peta tautan akan membantu menyajikan hasil analisis hU (Lio. 1998). Lander dan Botstein (1989) mengembangkan analisis dua-penanda. atau lebih dikcnal sebagai pemetaan interval. Stra10gi ini memerlukan pengurutan lokus pada genom.Pendekatannyadapatmelaluimcatmumlikelihood(LanderdaDBotstein.1989). regresi (Haley daDKnott. 1991; Martinez dan Curnow. 1991 eft. Channet et 01.. 1998), atau kombinasi keduaD)'I. Dasar teoritis analisis serta penerapannya dapat dilihat pada Lander daDBotstein (1989) atau Hash (2003). Ide daser untuk pemetaan interval antara dua penanda M, dan Mt,+/)t adalah menghitung nilai skor LOn pada setiap kenaikan (/nC1Yment)dalam interval tersebut schingga pacta akhimya didapatkan profil skor Lon untuk seluruh genom (Gamber 2.). Ketika puncaknya telah melebihi nilai ambang batas. dapat dinyatakan bahwa QTL 10lah ditemukan di lokasi itu (Wang, 2000).
8
Pengcmbangan Icbih Janjut adalah meoggabungkan pcmctaaD interval daD rcgrcsi bcrganda, mcnjadi scmacam analisis kovarians. mcJa1ui composite Interval mapping (CIM), yang diajukan oIeh Zcn$ clanJansco (Jansen ]995). Zcng (1994) mengusulkan composite interval mapping yang mcmadukan simple interval mapping dcngan rcgrcsi liner bcrganda. Mctodc ini mcnambahkan pcoanda gcoctik pada model Itatistik YIDB digunakan. Ana1isis CIM mcmpertimbangkan pcnanda interval ditambah bcbcrapa pc:nandaJainyang dipilih dalam sctiap anaJisis schingga uji untuk asosiasi iDtcrval-QTL dilakukan pada suatu kromosom dengan n pcnanda. Liu (1998) mcnyatakan bahwa kclcbihan ClM adalah: (I) bcrkonscntrasi banya pede satu wiJayah genom Mhi"gga pcncarian multidimcosi untuk banyak QTL model dircduksi menjadi pcncarian saw dimcosi clan cstimasi Jokasi clan cfck QTL sccara asimptot adak bias, (2) pcnggunaan pc:nandatcrtcntu scbagai kofaktor dcogan mengbilangkan cfck QTL yang bcrada di luar wiIayah pc:ngujian bcrakibat mc:ningkatkan kcakw'atan clan (3) mcngelimin...,i varian genctik karcna QTL yang Jain sebingga varian residu mcngcc:il akhimya dapat meningkatkan kcmampuan dcteksi QTL. E. Pemilihan mendasarkan peoanda (marker-tlSsUtd seJedion) Selcksi dcngan bantuan pcnanda DNA mcmpunyai kelcbihan, antara Jain adak bcrintcraksi dc:nganJingkungan,tidak dipcngaruhi oleh kondisi tcmpat tanaman tumbuh, dapat didctcksi di scJwub tahap pcrtumbuhan tanaman. Collard II al. (2005) daDCollard clanMackill (2008) mcJaporkanbcbcrapa kcuntungan yang dipcroleh da1ampcnggunaan MAS dibanding dengan pcmuliaan mctodc konveusional yaitu: (1) mcngbemat waktu dari mengganti uji coba lapangan kompleks, (2) mc:nghilangkanfenotip YID8adak dapat diandalkan tcrkait dc:nganuji coba lapangan karcna cfck lingkungan, (3) scJcksi gcnotipc pada tahap pcmbibitan, (4) dapat mcnggabungkan bcbcrapa gen scc:ara bcrsamaan, (5) dapat mcngbindari pcntil'd..h..n gen yang tidak diinginkan &tauyang mcrusak, (6) scJcksi dapat dilakukan pada sifat dcngan hcritabilitas rcndah, (7) Icbih scdcrhana daripada pcmiIihan fenoapc, yang dapat mcnghcmat waktu, sumber daya, daD usaha, daD (8) dapat dilalmlrlJnseleksi pada tanaman tunggal. Francia et al. (2005) mcngcmukakan bahwa kcbcrhasiIan pcocrapan pcnanda molckuler untuk mcmbantu proscdur pcmuJiaan bcrgantung pada bcbcrapa faktor , yaitu (1) pcta gcnctik dcopn pcnanda molckuler yang tcrkait dcngan gen-sen mayor &tau QTL sifat agronomi, (2) asosiasi yang erat antara pcnanda daDsen-gen utama &tauQTL, (3) rdwmbinasi yang mcmadai antara pcnanda tcrpaut dcngan sifat-sifat yang diminati clan(4) adanya akscs untuk menganaJisis scjumlah bcsar individu da1amsatu waktu daD biaya yang cfcktif. Biaya penggunaan alat dalam program pcmuJiaan adalah pcrtimbangan utama. Biaya pcnggunaan MAS dibandingkan dcngan pcmuliaan tanaman konvcnsiona1 bcragam dalam bcrbagai studio Dreher et al. (2003) menunjukkan bahwa cfcktivitas biaya pcrlu dipcrtimbangkan bcrdasarkan kasus per kasus. Faktor.faktor YIDB mempcngaruhi biaya pcnggunaan pcnanda meliputi pola pcwarisan sifat, mctodc cvaluasi fcnotipc. biaya pcnggunaan lahanlrumah kaca, biaya tcnaga kClja, daD biaya sumber daya. Pada bcbcrapa kasus, screening fcnotipik Icbih murah dibandingkan dcngan MAS (Bohn et al., 2001; Dreher et al., 2003). Namun, dalam lcasus lain, screening fcnotipik
9
mungkin memerlukan waktu lama, sutit, clanbiaya mahal, clanpenggunaan penanda akan lebih baik. Beberapa penetitian yang melibatkan penanda untuk ketahanan terbadap penyakit menunjukkan bahwa penanda yang telah dikembangkan untuk MAS, lebm murah daripada metode-metode konvensional (Yu et 01., 2000 ell. Conard et 01.,200S). Satu hat pentiDg bagi MAS yang sering tidak dilaporkan ketika MAS dikatakan Icbih murah untuk digunakan adalah biaya awal yang besar (Langridge et 01.,2001 clt. Collard et 01.,2005) . Ukuran dan komposisi popuIasi merupakan pertimbangan yang penting pada program pemu1iaan (Conard dan Mackin, 2008). Semakin besar jumlah gen yang bersegregasi da1am suatu populasi, sema1cinbesar ukuran populasi yang diperlukan UDtuk mengidentifibsi kombinasi gen tertentu. Pemulia biasanya bekerja dengan ratusan, bahkan ribum populasi, yang seringkali ukuran popuIasinya besar (Ribaut dan Betran, 1999; Witcombe dan Virk, 2001). Mengingat luasnya den kompleksitas seleksi dalam program pemu1iaan,jumlah den ukuran populasi, pemulia dapat dengan mudah menghargai kcgunaan alat-alat baru yang dapat membantu pcrnulia dalam seleksi. Skala program pcmuliaan juga mcnggaris bawahi tantangan dalam menggunakan teknologi yang rclatif mahal scperti MOl'uI'-onlsted Selection (MAS). MAS (juga mal'uI'-asmted bnedtn8 atau mal'uI'-otded selection) dapat mcningkatkan ef"tsiensidan cf'el..1ivitas dalam pcmuliaan tanaman dibandingkan dengan metodc pcmuliaan konvcnsional (Collard et 01.,200S). F. Sistem. Model dan Simulasi Sistem adalah sekumpulan entitas (sering disebut komponcn atau elemen) yang saling bcrhubungan dengan tujuan tertcntu. Elcmen tcrsebut mcrnpunyai ciri den sifat tertcntu yang mcmpunyai nilai logika den numcrik (RubiDstcin, 1981). Pcrilaku sistem biasanya tcrdiri dari sebuah transformasi masukan menjadi kcluaran. Sistcm dapat dipclajari dengan mclakukan pcrcobaan tcrhadap sistem aktua1 atau menggunakan suatu modcl dari sistcm. Model dapat didcfinisikan sebagai abstraksi sistem nyata yang dapat digunakan untuk tujuan prcdilcsidan pengcndalian. Model dapat berupa modcl fisik atau model simbolik yang salah satunya ada1ah model matematis. Dcngan model matematis, solusi analitis atau simulasi dapat dilakukan untuk mcmpclajari sistcm. Simulasi adalah proses yang diperlukan untuk opcrasionalisasi model, atau penanganan modcl untuk meniru tingkah-Iaku sistcm yang scsungguhnya. Pcmodclan den simulasi merupalcan proses yang berhubungan sangat erat. Simulasi dimungkinkan dengan bcrkcmbangnya tcknologi informasi baik perangkat keras terutama media pcnyimpanan yang makin besar dan proses .pengolahan yang makin ccpat maupun pcrangkat lanak tcrutama bahasa program dan paket program yang scmakin ramah pengguna (u.r.I'/rlendly) (Budisantosa. 2012). Simulasi pada tanaman dapat dilakukan pada banyak hal, misalkan simulasi proses produksi yang mcnirukan pertumbuban tanaman dikaitkan dcngan input yang diberikan. Simulasi den pcmodclan banyak digunalcan pada genetika dan pcmu1iaan. Pengamatan terbadap naskah pada jumal Theontlcol dtm Applied Genetic (TAG), didapatkan bahwa makalah tentang .imulasi tclah muncul sejak tahun 1966. Makalah mcningkat tajam pada era sctclah tahun 2000. Makalah bcrisikan penggunaan simulasi baik untuk vcrifikasi
10
maupun justifikasi suatu metode ataupun model, tenltama bcrkenaan stratcgi pemuliaan
daDmoppingQTL.
.
Wang (2000) mclakukan simulasi untuk membaodiDgkan betbagai mctodc pemctaan QTL pada penilangan galur-gaIur inbred dcngan mcnggunakan populasi BCI. Chao daD Ubi (2000) mclakukan simulasi untuk mcncntukan ukuraD contoh UDtuk seleksi ¥ifatkuantitatiCpada taDamaomenycrbuk scndiri (self-ferttltzing crop). Zou (2001) juga m~I,In.IrAn simulasi untuk mcngetahui tingkat cfisiensi clan keln,atan mctode statistik pada analisis QTL. MaDkhAilruJ(2008) dalam naakah discrtasi menggunakan simulasi UDtukmcmpelajari bcrbagai mctode statistik untuk pemctaan QTL dcDganepistasis. w. METODE PENELITIAN
Pcnclitiao ini dilakubn mcndasarkanmetode simulasi, dcngao tabap : (1) Mencotukankontigurasigenctik.(2) MembentukiDdividu,(3) Melakukaapemetaanclan aoalisisQTL,clan(4)Melakukanseleksimenggunakanpcnanda(Gambar1.) A.
KODfigurui seoetik
Konfigurasi geoetik merupakao beotuk atau susunao geoetik suatu iodividu. DaIam hal ini pembeotukao koofigurasi gcnetik tcrdiri dari dua bagiao yaitu, pembuatao peta kromosom clanpencntuan besarao geoetis untuk mcmbeotuk model genctik. SelaojutDya model gend ini akao meoenh.IrAnoilai fenotipe. 1. Peta kromosom Pete suatu kromosom adaJah gambar skcma dalam bentuk sebuah saris lurus yaog mempcrlihatkan lokus-Iobs yaog ada pada kromosom itu. Untuk iDdividu diploid, kromosom dalam keadaao ~angao. Besarao yang diperlukao untuk mcmbuat pete kromosom adalah jumlah kromosom, panjang kromosom, banyakoya 10kus dalam masing-masing kromosom, daDjarak antar lokus. Andaikan sifat yang diminati dikeodalikan oleh suatu lokus, meoggunakan model dua aIel untuk tiap lobs (blalellk). sepcrti populasi yaog berasaI dari persiJangao dua tetua homozigot, make aIel untuk suatu lobs adalah AI daDA1. Dengan demikian ada tiga kcmungkinao geootipe, yaitu AlAI>AIA2clanA1A1.Dcmi kcmudahao digunakao (J Wltuk mcJambangkao gcnotipe, yang tak Jain merupakao banyak aIel AI dikurangi I, sehingga 9 akao bemilai 1,0 daD -I (Hayman. 1954). Dengan demil-iAngCDOtipesuatu individu suatu
di suatu lobs kromosom
dipelajari.
ko-j adaIah
adaIah
G>
9J
= (1,0,
=(91, 9z,..,
dan
-
1), clan gcnotipe
kcse1uruhan
pada
9, ), dcngan I - baoyakoya lokus yang
=
Andaikan G>t (BtJ) adalah vektor yang merupakan subset G>, dengan (1=1.2,... k), k menunjukkao baoyakoya kromosom daDO-1.2 nJ. dcngan t Rt I 8dalah lobs-
=
=
lobs yang terdapat pada kromosomdengan UG>t G>daD nG>,,,,0. Bcntuk clan 11
SUSUII8ftpets Jaomosom Cue coupling (Gamb8l' 2.).
ditentukaD dcngan persiJangan dua tetua inbred dcngan
Mul8' K_flgu,nlgeMtllc (Jumlll"
1crom080m,
P8nJ8nlll
lcromO.om,jum"" Iokua pen8net8 d8n QTL, po1818' pen8nd8 d8n QTL, pen8nd8 d8n QTL, b8..ran 08n8tl8)
Membentuk
lnetlvldu
d... An8"." on. (Mend...Mn
barb.1II8'mod8' 8n8'1e.)
tId8II
va k PoP~'8.' Nru untuk "'''8n kel (I
8el8k81-.gun8k8" pen8net8 (Mamb8ndtnlllken pemlll"8" deng8n pen8nSS8d8" f'8notlpe)
....... Gamb8l' 1. Alur penelitian DaJam 8imuJasi, Jaralc dua lobs (eM) ditetapkan. t1DtuIcpembcntubn samet pertu hkuensi rekombiDasi)'IDg dilambaDgIamdcngan c. Frekucnsi rcJcombinui dapat dipc:rolehdeDpD meDguaaIcan formula Haldane. Pormuia Haldane mcndasarkan pada asumsi tidak Ida eampur tangan (no Intnfenn") yang berarti terjadinya rckombinasi 12
d
berlangsWlgindependen,dengan fonnula ~(1-
.-Zd) (Liu, 1988).
Sc1ain
~
=-~ In(l- 2c), schingga c =
dapat pula mclalui formula Kosambi dengan
asumsi ada campur tangan lcmah (Interference), dcngan formula d CI -~ ln~:::.Kcdua formula m~sJ'Rsilbn frckucDsjrckombinasi )'ID8 nyaris sama ni1ainyauntuk dua lokus yang jaraknya tidak Icbih dari 15 eM (Boopatbi, 2013). Dalam pcoclitian ioi formula yang digunakan ada1ah formula Haldanc dcngan jarak dua Iokus yang yang digunakan maksimal15 eM. Populasi F2 merupakan populasi yang dibcntuk dari basil pcoycrbukan scndiri pada populasi FI , scbingga populasi F2 adalah kuadrat Iarik garnet yang dih."IJran Fl, Konfigurasi gcnctik FI da1am kcadaan beterosigot untuk scmua lokus dan da1am bcntuk coupling, dan sclcksi dilalQ1kcen pada populasi F2.
Pi
011 0"..
0,.,
...~~_~":'8'Lt:.=-=-~~~~:8C::8I Tf~..~'~.;_.-,.~_~._m_._i' Olf
On
~~M'_..40
..
"--'''''"T ,
..,...4
P2
X
OW
~~...
4._.~_,._..._..._.
,.
Ou 0.,.. 'F=r--=r":=..==r"'~-=- ""='---'f
.
011
0t1
r-''t
0"
i=
&.t2
F1
"-'1,;.a= =:a:--~.:.~..:<.8:.":$
--
e.,
j==
- - ....
- _eu..
-. 0:102 0,.,
==
.
"7f
O.wOu.. .,===r-r--
""""'--f
-c;;_Cu -
_ - _- c;;;.
BCj
..,",.
.
tiuc:u -
..=-==
. ... 0" On..
,011
~.- .-~-'-'."~
-,:- -
Cuo,
Cu
Ow .....
ca=.=:--=-==~,. .~~~-=-=-===.f.f4.f 4
- _- _---_ CI.I
0110".. ...;;___1 .._r._~_
Oil
-
-- , ~semng F2
Gambar 2. Pcta kromosom persi1aDgan dua tctua inbred
13
Untuk model dua lolcus A dan B dengan koefasien rekombmasi CAS- c, Iarik gametnya adaIah : %cAtBt + Y2(1 c)..4t~ + Y2(1 C)A1Bt + YzeAzB1. sebingga proporsi genotipc F2 adalah scperti disajikan pada Tabcll. Dengan menggunakan lambang ~ maka susunan genotipc pada lolcus pertama untuk popu1asi bcrtipe F20yaitu homozigot dominan (8 =/), heterosigot (8::0), den homozigot resesif (8-/), mcmpunyai pcluang masmg-masing Y., %, den ~. Susunan gcnotipc berikutnya yaitu pada lo1.."US kc (1+I), ditcntukan olch susunan genotipc pada lokus kc-I daDc(LM}yang mcrupakan fraksi rekombinasi antara lokus kc-I den (1+i) den pcluang susunan genotipc di suatu loktlS beragam (tabcll.)
-
-
TabelI. Pcluang susunan genotipc di suatu lokus Genotipc lokus k~i (8J Genotipe lokus k~i+l)
1 o .1 dengan
(8,.J
Genotipc
1
0
Pcluang Pcluang Pcluang
(J-cl c(J-c} t!
2c(J-c) (J-cl+ t! 2c(i-c)
-I t! c(J-c) (l-cf
c=C(Lt+/)
=
Untuk suatu individu (I «(If) = «(11,(12,..,(1,,), salahsatu kromosomnya adalah «(lie) yang lokus-Iokusnya terbagi atas dua bagian, yaitu lokus pcnanda M scbanyak m daD lokus QTL Q scbanyak g, dengan m+g-k. Lokus pcnanda pada Jcromosomko-l dilambangkan dengan Milt 1(I=i,2,... k), denjO-i.2 mJ mcnunjukkan lokus pcnanda dcngan I mf m, sedangkan untuk lokus Q17. dilambangkan QIIt 1(1-1.2,.., k) memmjukkan Domor kromosom, dan j O=i.2 g,) mcnunjukkan lokus
=
QTLdenganIOf
2.
-0
ModelGenetik
Model genetik QTL ditcntukan untuk menghasilkan nilai Ccnotipe.Model gcnetik yang digunakan dikembangkan dari Nasndlah (1986) dan Nasnillah el 01.(1995) dcngan koreksi kedl yang dilakukan oleh Budisantosa (2012). Model ini merupakan pcmbangkitan nilai Cenotipcbcrdasarkan susunan gen dcngan memperbatikan pengaruh aditif, dominan daD interaksinya dengan asumsi populasi dalam keadaan keseimbangan (equllbrlum). Pola koeC'tSienaditif den dominan ditelUsurl dari model gcnetik untuk saN lokus (Tabel 2.). Nilai pcmuliaan den deviasi dominan untuk susunan gen di suatu lokus dengan aiel At daDA2 yang tiekuensinya bcrturut-turut Cbden Pt. Dengan popuIasi yang digunakan adalah populasi FJ yang mcrupakan pcrsilangan dua tetua homozigot, maka nilai qt - PI - YI. Di samping itu menggunakan Hayman (1954), susunan genotipc dilambangkan 8 yang nilainya 1, 0, -I (banyaknya aiel At). Nilai pemuliaan bagi AtAt. AtA2 den A1A2 bcrturut-turut adaIah 2PlaA, (Pt- ql) aA dan -2qtaA sedangkan deviasi dominan bagi A.Ab A.A2 daD A2A2 bcrturut-turutadalah
_2pJ2l)A, 2P.qtl)AdaD_2q.2SA (Falconer,1960).Jika indeki-I digunakanuntukA.At. i=2 digunakan AtA1' i-3 digunakan untuk A1A2dan koefisien pengali bagi aA 14
dilambangkan CiAclan kocfisen pengali bagi SA bcrturut dilambangkan dtA.pada populasi FJ dcngan nilai q, .. PI .. ~ maka nilai-nilai pcmulian clan dcviasi domiDan bagi AlA.. AIA2 daD A~2 ada1ah scbagai berikut :
2pI -I (PI-Q1) -0 -2ql "-I
CIA= C2A-
C,A-
d'A.. d2AdJA-
_2PI2.. -Va 2PI~ .. Va -2ql ..-Va
Tabel2. Susunan genotipc QTL pada lokus A, nilai 8, pcngaruh aditif daDsimpangan dominan Gcnotipc AlAI AIA2 A2A2
Frekucnsi
8A
aA
Qlz
I 0 -I
1 0
2PI1 PI
c5'A
-Va Va
-I
-Va
Untuk model satu lokus QTL di lokus A, maka pcngaruh lokus tcrscbut adalah
8AaA+ (~-
81)c5'A
Untuk model dua lokus dengan G = (8A.8.), maka pengaruhkcdua lokus jika tidak ada epistasis ada1ah 8AaA+ OJ - 81)c5'A + 8.a. + 0'1- 9j)c5'..Jib dcngan epistasis, maka komponcn epistasinya 8A8.aAa. + 8A(~ + (~ flA2f1BtfAaB+ ~- flAZlIz-flB2tfAtfB
- 8j)aAc5'B-
Model genctik untuk 2 lokus adalah : GA. PAB 9AaA+ (~- 81)8A+
= +
atau dapat dituliskan 2 GAB
8.a. + (~- 8j)8. + 8A8.aAa.
+ 9A(~- 8j)aA8. + (~- 8j)8.8Aa. + (~- 81)(~ - 8j)8A8B :
=PAS + )f:t [8,a,+ (~-
2
8l)81]+
L
[81al + (~-
l..l,J-I+l
8l)8,][8JaJ
+ (~- 8/)8J] Sccara umum, untuk g lokus QTL dapat digabungkan penjumlahan scbanyak g lokus pengaruh aditif clan simpanan dominan, ditambah pengaruh intcraksi scbanyak pasangan intcraksi yang tcrjadi bila dibatasi hanya ada intcraksi antara 2 lokus saja (digenik). Dengan demikian model umumnya dapat dirumuskan dengan :
15
,
9
-
=/J + ~)e,a, '=1
G
+ O~ 9l)6d+ +e~-
dcngan:
-
/J
a, aj (al,aj) (a,.6j) (aj.6,) (6,,6j) g
9,
·· ·
+ (*- el)6d [9jaj
[9,a,
91)6j]
rerata umum (kontribusi dari lokus yang tidak dibicarakan) pcngaruh aditifuntuk lokus ke-L sampai scjumlah lokus pcngaruh dominan untuk lokus ke-k sampai sejumlah lokus
pcngaruhaditifx aditif pcngaruhaditifx dominan pcngaruh aditif x dominan pcngaruh dominan x dominan
jumlah lokusQTL
banyaknya indhidu AI dikurangi 1 pada lokus ke-i. Untuk individu AIAh AIA2clanA2A2'maka 9 bemilai 1,0 daD -1. Untuk membangkitkan nilai genetik perlu ditentukan nilai parameter :
-
GVC
-
a2A f
r
L
'=1.j=1+1
a 0 1m, (genettc coefficient o/variability)
(1-1)a20/(1+1') a211 aZo.
-
-
a2D/a2A
.
a2.\.\: a2AD: a200 perbandingan3: 2 : 1 E N(O,a2(!); a2E - (a2 A_ h2a2a)/h2 , h2- adalah nilai heritabilitas arti sempit Nilai fcnotipe adalah P-G+E. Bila f, r dan varian gcnetik (tT~) di~ntukan, maka varian aditif diperoleh dengan persamaan :
=
(1-n (7.2 :A (1+r) G Nilai-nilai untuk a, diperoleh dari 171yang diuraikan menjadi varian untuk masing172
masing lokus. Untuk g lokus QTL pada populasi F2. 171
= ItT1,
.
dcngan
tT1,
= i al
merupakankontribusivarian aditif dari lokus ke-i. Jika kontribusitiap lokus QTL
i
=
diasumsikan sama, a, a untuk semua i. /11 = gaZ. Jib tidak sama, maka tT1,= PltT1. dengan p, a + u,[{l- (g -l)a) - P,-t] danPo-O; If.1P,-1
dengan: p, u, a
=
· proporsi ragamaditifpada lokuske-i
- nilai yang dibangkitkan dari distribusi Uniform, Ur-U(o,l)
·
- minimalnilaiproporsiragamyangditentukan
g jumlaltlokus Dari nilai-nilai ragam aditif pada masing-masinglokus, kemudian dihitung nilai pcngaruh aditifitya dcngan pcndekatan : ...Z- 1aZ maka
"A'- 2 ' ,
16
al
= ../2tJA12
[18] 2
(r
Untuk mengbitwlg varian dominan pcrlu ditetapkan nilai dcrajat dominansi
= ~). "A Untuk
g lokus QTL nilai tJ~1
= PltJA . Nilai
pcngaruh dominan un1uk masing-
-
masing lokus 8£ 8K "" 8, dihitung dengan cara yang sama pada pcrhitungan nilai pengaruh aditif, dcngan bubungan antara ragam dominan dan pcngarub donUnan adalah 2 11'2 tJDI "" .ul
.
Pengaruh interaksi masing-masing dipcroleh dengan mcmbuat basil kali dari pengaruh aditif dengan pengaruh aditif, pengaruh aditif dengan pcnganIh dominan, dan pcngaruh dominan dengan pengaruh dominan. B. Pembangkitan Individu Pcmbangkitan scjumlab individu, dimulai dari individu pertama sampai individu ke-u. Untuk suatu individu dibangkitkan lengkap dengan susunan genotipc pada masingmasing lokus untuk semua kromosom. Scbagai contoh dibangkitkan susunan senotipo untuk cnam pcnanda dan susunan gcnotipc satu QTL mcnggunakan lambang (J yang tcrdiri dari (1, 0, dan -I), (TabcI3.). Tabel 3. Susunan genotipc penanda dan QTL pada suatu kromosom PcnandalQTL Posisi (eM) Jarak (d) c (l-c) Ind [I] Ind [2]
MJI
Ml1 QJI Mu Mu Mu MI6 5,00 8,00 10,00 15,00 20,00 25,00 5,000 3,000 2,000 5,000 5,000 5,000 0,048 0,029 0,020 0,048 0,048 0,048 0,952 0,971 0,980 0,952 0,952 0,952 I I I 1 1 1 1 0 0 1 I 1 1 1 I 1 -1 0 -1 -1 -1 . 0 0 0 0 0 1 1 Ind [u] 0 0 0 0 0 -1 -1 Kctcrangan : MIJadalab lokus pcnanda, dan QIJadalab lokus QTL yang didusa. e adalab fraksi rckombinasi, u - jumlab individu yang dibangkitkan. 0,00
Setelab terbentuk susunan genotipc penanda dan QTL, maka genotipc QTL ini digunakan untuk membentuk nilai genctik dcngan mcnggunakan model genctik pada pcrsamaan [12] dengan mcnambabkan pengaruh lingkungan yang mengikuU distribusi normal (0, oi ) (Broman dan Sen, 2009). C. Pemetaan dan Analisis QTL Dalam pemetaan QTL, data yang diperlukan adalab susunan data gcnotipe penanda dan nilai fenotipe. Bagian pertama dari data adalab genotipc penanda pada setiap lokus pada scmua laomosom. Untuk populasi F] dengan mcnggunakan pcnanda kodominan, genotipc penanda yang mungkin adalab tiga, scdangkan un1uk popu1asi BCI, genotipe
17
banya dapat dibcdakan menjadi dua, yaitu homozigot dominan clanbeterosigot. Bagian kedua adalah niJai fcnotipc dari siCat yang diminati. yang merupakan pengaruh gabungan dari nilai gcnetik clan pcngarub lingkungan (TabcI4.) Tabcl4. Data simulasi pada popuJasi F2 dengan 6 pcnanda. IndividulPenanda
MJJ
MIl
MIJ
1
1
1
Ind [I] Ind [2]
o
0
Ind [u]
I o o
I 0 0
Mu
1
1
1
0 0 0
-1 0 0
MIS
MI6
1
1
1
-1-1 1 -1.1
I
1
Fenotipc
8,4196 I 10,6744
10,7608 11,5055 10,2155
QTL dipetakan dengan menggunakan metodc regresi (mar~r regreafon), pcmetaan interval (Inu1'WI1mapping, 1M) dan metode pcmctaan interval gabungan (composite Inurval mapping, CIM). Pada metodc Inte1'Wl1mapping, interval yang digunakan adalah jerak antar penanda kc-i clan kc-(i+l) yang dilambangkan dengan M(l.t+lpsedangkan untuk metodc composite Interval mapping, ditambah kofaktor yaitu pcnanda
M(I-J)o clan M(.t+1).
Pcmctaan QTL ditakukan dengan bcbcrapa skcnario yang tcrdiri dari pcngaroh jumlab individu, kcrapatan pcnanda, cfck QTL. Parameter yang ditctapkan pada simulasi ini adaJah : genettc coefficient o/variability (GVC -15%), rata-rata popuJasi (J1-10), nisbab ragam epistasis dan ragam genetik (f-O.l), nisbab ragam dominan dan aditif (raO.25), perbandingan AA:AD:DD adaJab 3:2:1, pcluang atel (q : 0.5) dcngan tindak gen aditit'. dominan dan intcraksinya. Lot..-uspcnanda pertama clan penanda terakhir tcrlctak pada ujung scgmen kromosom sepanjang ISO eM pada masing-masing kromosom. Interval jarak antar lokus pcnanda sama. Fuogsi pcmctaan menggunakan formula Haldanc dan nitai fenotipc mcnggunakan model genetik pada pcrsamaan [16]. Proses simulasi dijalankan dcngan menggunakan Package Q1I pada perangkat lunak "R" (Broman dan Sen, 2009). Pcmctaan QTL ini dilakukan pada populasi F2 clan dijalankan sebanyak 500 ulangan. Pcngujian pcnanda yang tcrkait dcngan QTL dilaksanakan dcngan mclihat nilai LOD (LOD score) untuk masing.masing pcnanda. Pcnanda dengan nilai LOD sama dcngan atau lebib bcsar dari 3 dinyatakan scbagai penanda yang terkait dengan QTL. 1. Model sata 10m QTL (single IocIIsQTI: model) Pada model satu QTL, bcbcrapa skenario pcmctaan dilakukan untuk melibat pengarub jwnlab individu, kerapatan pcnanda, bcritabilitas dcngan asumsi hanya tcrdapat satu QTL pada genom. Sehingga pcngarub gen yang teljadi banya ada dua yaitu. pcngarub aditif clanpcngarub dominan. L Pengaruhjundahindividu Untuk mclibat pengaruh jumlah individu, maka mctode simulasi dilaksanalcan dcngan menggunakan 25,75, 100, clan 200 individu. Parameter lainnya adalah jarak antar penanda 5 eM yang tcrletak pada satu kromosom (sehingga jwnlah penanda ada 31 pcnanda), lokus QTL pada posisi 75 eM, dengan nilai bcritabillitas (h2): 0,2.
18
b.
Pengaruh kerapatan penanda Untuk mclihat pengaruh kcrapatan pcnanda, maka metodc simuJasi dilaksanakan dcngau mc:nggunakanbcIbagai interval antar penllnd" yaitu 2 eM. 5 eM. 10 CM, daD 15 eM pada satu Iaomosom . Lokus QTL diletakkan pada posisi 75 eM. jwnlab individu
100.daDoilaihcritabillitas(hi : 0,2.
Co
Pengaruh heritabilitu Pengaruh hcritabilitas, ditc:ntukanmcudasarkan oi1ai heritabilitas (h2), dcnpn nilai 0,1; 0,2; 0,3; 0,4 daD 0,5. Parmneter lainnya adalah jumlah individu 100. jirak antar pcoanda 5 eM yang tcrletak pada satu laomosom, daDlokus QTL diletakkan pada posisi 75 eM 2.. Model banyak lokus QTL (mllltipk locus an model) Pada model Icbih dari satu QTL, bebcrapa skcnario pemetaan dilakukan untWc mclihat pengaruh intcraksi yang tcrjadi antara Iokus-Iokus QTL. Pcugaruh yang ditimbulkan adalah pcugaruh dalam lokus, yaitu aditif daDdominan, scrta intctaksi antar Iokus, yaitu intcraksi aditif-aditif, intcnksi aditif-dominan clan intcraksi dnminJin. dominan. Bcbcrapa skcnario yang diJalcsanal(anadaJab mcuggunakan model dua lokus QTL yang tcrletak pada satu Icromosomatau satu kclompok linkage (linkage group), model dua lokus QTL yang tcrletak pada laomsosom yang bcrbeda, clan model banyak lokus QTL yang menycbar pada banyak Icromosom. .. Model 2 QTL pacta dua kromolom. Untuk melihat pengaruh ini dibuat skcnario dcugan mCDetapkandua lokus QTL, yaitu pada posisi 25 eM pada 1cromosompertama daDpada posisi 75 eM pada Iaomosom kcdua. Untuk melibat pengaruh jumlah individu ditentukan jumlah individu 50, 100, 200, daD 300, nilai heritabilitas 0,2 daD jarak antar pcnanda 5 eM. Uatuk melibat pengaruh heritabilitas, ditcntuh~ dcngan oi1aiheritabilitas 0,1; 0,2; 0,3; daD0,4 dengan jumlah individu 200 dan jarak antar penanda 5 eM. b. Model 2 QTL pacta utu kromosom. Uatuk melibat pcugaruh ini dibuat skenario dengan menetapkan dua lokus QTL pada posisi 25 eM clan 125 eM yang tcrletak pada satu kromosom. Pengaruh jumlah individu dilibat dcngan menetapkan jumlah individu 50, 100, 200, daD 300, nilai hcritabilitas 0.2 daDjarak antar pcoanda 5 eM. Untuk mclihat pcoganili hcritabilitas, ditcnUldcandcngau nilai heritabilitas 0.1; 0,2; 0,3; dan 0,4 denganjumlah individu 200 danjarak antar penanda 5 eM. Di samping itu dibuat skcnario untuk membandingkan besamya kontribusi masing. masmg lokus. yaitu dcngan dibuat perbandingan varian antara lokus pertama dengan lokus kedua scbesar (1:1), (3:1), daD (9:1). Parameter lain yang ditctapakan adaJah jumJah individu 200, oilai hcritabilitas 0,2; jarak antar pcoanda 5 eM, daD Iokus QTL diletakkan pada posisi 25 eM daD 125 eM. Co Model banyak QTL (mllltiple an) Pengaruh pada model banyak lokus ini dilihat dcngau menetapkan 7 QTL, 2 QTL pada kromosom pcrtama, 3 QTL pada Iaomosom kedua den 2 QTL pada kromosom kctiga. Untuk mcngetahui pengaruh jumlah individu den nilai hcritabilitas ditef'tla1:an dengan pengaruh lokus sama pada semua lokus. Di samping itu dibuat
19
skenario lain dengm membedakan pcngaruh lokusnya, yaitu 2 QTL dengan cCckbcsar yang terletak pacla kromosom pcrtama. 3 QTL dengan cfck sedang terletak pada kromosom kedua, daD 2 QTL dengan cfele keeil yang terletak pada kromosom ketiga. Pacla Iaomosom pertama, QTL diletakan pacla posisi 50 eM dan 7S eM, pada kromsosom kedua QTL diletakkan berturut-tunrt pada posisi 2S eM, 7S eM, clan 125eM, sedangkan pada Icromosom ketiga QTL diletakkan pada posisi 25eM clan 75 eM. Besamya pcngaruh ditentukan mendasarlcan pacla kontribusi varian mllsing-masing lokus, yaitu (40: 40 : 1,5 :1,5: 1,5 : 0,5 : 0,5). Pengaruh jwnlah individu dilihat dengan menetapkan jumlah individu. SOO, 600, 700, dID 800 deDgannilai heritabilitas 0,2 dan jarak antar penanda 5 eM. Untuk meUhat pcngaruh heritabilitas, ditentukan dengan nilai heritabititas 0,1; 0,2; 0,3; dan 0,4, dengan jumlah individu 700 clanjarak antar penanclaS eM. Proses simulasi dijalankan dengan menggunakan Package (l/'L ditambah dengan Package lAttIce, Package Coda, Package MASS, Package ToolJ, dID Package QTLblm pada peranglc8t lunak "R," (Yandel et al., 2012). Pengujian pcnanda dilakukan dengan melihat nilai LOD untuk masing-masing pcnanda. Penancla dengan nilai LOD sama dengan atau lebih besar dari 3 dinyatakan sebagai pcnanda yang terkait dengan QTL. Disamping itu lokui QTL clapat diduga dengan meneari perkiraan selang dari lokasi QTL tersebut, yaitu dengan menggunakan LOD support Intervals. Nilai LOD support yang digunakan untuk populasi F} adalah J,S-LOD support Intervasl. (Broman dan SeD,
2009). D. SeleksiBerdasarkan Penanda dan Fenotipe Seleksi mendasarkan
penanda dilaksanakan setelah mendapatkan interval penancla
yang clapat dikaitkan dengan keberadaan QTL. Seleksi dilaksanakan pada semua skenario model yang digunakan paclapemetaan QTL, yaitu model satu QTL, model dua QTL, dan model banyak lokus QTL. Seleksi diawali membentuk populasi F1 dengan jumJah individu )-ang sebcsar 5.000. Populasi ini mempunyai parameter yang sama dengan popului yang digunakan pada pemetaan QTL. Seleksi dilaksanakan untuk memilih individu-individu dengan penampilan terbaik scsuai dengan sifat yang diminati, sehingga terbcntuk popuIui individu terpilih (selected population). Seleksi dilakukan dengan tingkat seleksi sebcsar 10% dari total individu anggota populasi. Seleksi dilakukan dengan dua eara yaitu. mendasarkan nilai Cenotipe clanpemilihan mendasarkan penancla. Untuk model satu lokus seleksi hanya .djlakukan mcndasarkan satu pcnancla. Sedangkan untuk model dua lokus clan banyak lokus, selem dilakukan dengan satu penancla daD dua penanda. Meskipun dalam pemetaan QTL, interval terkecil yang digunakan 2 eM, tetapi dalam pcngujian efisiensi seleksi digunakan interval penanda I eM. Dengm menggunakan model genetik, nilai genotipe pada populasi bisa diketahui. Nilai genotipe ini merupakan suatu nilai yang menggambarkan keadaan individu yang sesungguhnya dan diwariskan kepada ketunmannya. Dengan menyimak nilai genotipe ini, bisa ditentukan kehanclalan apakah suatu metode seleksi (seleksi pcnanda atau
20
o
fenotipc). Di samping itu dengan melihat nilai genotipe bisa ditentukan tingkat efisiensi suatu metodc sclcksi. Junllah individu telpilih ditentukan sebesar' 10% (sejumIah 500) dari total jumlah individu dalam popuIasi (sejumlah 5000) (TabcI5.) Tabel5. Banyaknya Run sebagai uIangan, individu terpilih bcrdasarkan penanda, dan individu telpilih berdasarkan nilai fenotipc.
Run W. 1 2
Nilai Fenotipc
ffia YZI Y22
u sebingga modelnya menjadi :
dengan 1- 1,2 danj= 1,2, ..., u. YIJ - banyak individu yang seh8lUSnyaterpilih; i-I pcnanda dan i
pj
- 2 untuk
untuk seleksi bcrdasarkan
seleksi bcrdasarkan nilai fenotipe.
.. eflSiensiseleksiIceI.
Hipotesis yang digunakan adalah: Ho : pj p untuk menguji apakah metode selcksi sama tingkat efisiensinya
=
Ho : Pl = pz untuk menguji apakah salah satu metode seleksi lebih cfisieo. Uji bipotesis dilaksanahn dengan mengunakan dua rcrata Uji Satterthwaite dengan asumsi variannya tidak homogen dengan tingkat beda nyata sebesar 50/.. Jib salah satu metodc seleksi tcrbukti lebih efisien, maka perlu dilanjutkan dengan pengujian selanjutnya untuk menentukan tingkat efisiensi selebi. Pengujian tingkat eflSiensi suatu metode scleksi dengan cara membandingkan metode scleksi tersebut dengan seleksi menggwtakan nilai genotipc, dengan cara meDenhllcAnbcsaran sebesar f.j (bcsaran untuk menentukan tingkat efisicnsi yang diJ<eJ'oenda1ci). Untuk metode seleksi dengan penanda, maka f.j merupakan fungsi dari dj, yang merupakan jarak antar lokus penanda dengan lokus QTL (f.j= {(dj), ~angkaQ untuk metodc seleksi dengan fenotipe, maka f.j merupakan fungsi dari hj, yang merupakan nilai beritabilitas dari QTL {f.j= {(hj). IV. BASIL DAN PEMBAHASAN
A.
Modelsatu lokusQTL
1.
Pengarub jumIah individu Jumlahindividubmlubungan denganbanyaknyagenotipc yang mungkinterjadi yang dipengaruhioleh jumlah lokus QTL. JumIah individu yang diperlukanpada umumnyasebandingdenganjumIah lokus yang mengenda1ikaD sifat yang diminati. 21
.
Sclain itu jumlah individu akan bcrpcngaruh pada biaya untuk dipcrlukan untuk genotyptng di laboratorium. Kondisi yang diinginkan adalah minimum jumlah individu tctapi masih dapat menealcup scmua kemungkinan genotipc yang tcrjadi dalam populasi pcmctaan. Tabel6. Intervallctak pcnanda pada bcrbagai jumlah individu dan bcrbagai mctodc pcmctaan QTL.
Regrcsi sedcrbana
Jumlah individu
25 50 100
Intervallctakpcnanda(eM) Pcmctaaninterval Pcmctaaninterval gabungan
75 *) 60-90*)
200
75 *) 60-90*)
45-105 *)
75 *) 65-85*)
45-105 *)
65- 8S*)
Kctcrangan : *) Ictak pcnanda dengan nilai LOD di atas 3 Pada skcnario mi, lokus QTL dilctakkan pada posisi 7S eM dengan jumlah individu yang digunakan adalah 25, SO, 100, dan 200 individu. Tabel 6. menunjukkan intervallctak pcnanda yang tcrkait dengan QTL pada bcrbagaijumlah individu dan pada bcrbagai mctodc pcmctaan QTL. Lctak pcnanda yang tcrkait dengan QTL ditunjukkan dcngan nilai LOD > 3. Interval Ictak pcnanda dapat bcrupa sana tink posisi pcnanda maupun dalam bentuk interval. Jib Ictak pcnanda dalam bentuk interval, maka interval ditcntukan dengan batas bawah sampai dcngan batas atas dalam satuan eM . Pada jwnJah individu SO, sudah tcrdapat posisi pcDanda dcngan nilai LOD > 3, yaitu pada posisi 75 eM pada semua mctodc pemctaan QTL. Interval pcnanda dalam bcntuk interval baru terjadi pada jwnJah individu 100, yaitu pada posisi 60-90 eM dan ecndcnmg mcluas seiring dengan mcningkatnya jwnJah individu yang digunakan. Hal ini
discbabkan karena dcngan bcrtambahnyajumlah indi\idu, terdapat Icbih banyak pcnanda-pcnanda
yang dapat dikaitkan dengan kcbcradaan QTL.
I
"'-'-'--['~~'N --
."~--L~~-"12 ,
.
10
I
0
..O»
I
t
I
",-
..#
1
~_.:~~
[
'.
\.
'.
'
,
,· ·
/ ,I
J
I
I,
,
./ ~
o.
DWW~.~.
4
_~ I _w --11I\.I. 811.' I.8I8k p8II8IIII8 (eM)
I
"" '.
»
I
--- .'r~ ~;~"':l-
i. I'
12
I
' l J\, \ \. ' " " ""\'" ",,~#I" I
·
J
', \ ,',.
\
.
I
I
.
:.
· iI · I
t,
-
I
·
/I\\!
/
,\ "
I
\.
' \.'
"1
II
.
.
""...
OR__ ____.__.___ C8o\.8 -. IIO\.A
I
~~---I
1.818II p8II8IId8 (eM)
Gambar 3. Gratik rerata dan simpangan nilai LOD terhadap Ictak pcDandapada metode SM dan CIM
22
If
I
. Gambar 3, mcmmjukkan nilai rerata daD simpangan baku ni1ai LOD pada saat prognun simulasi diJakukan. Program simulasi untuk pcmctaan QTL dijalankan scbanyak 500 ulangan untuk scmua mctodc pcmctaaD. Nilai n:rata dan Umpanpl1 baku dihitung pada scmua Ictak pczumdayang digunakan, yaitu pada sctiap iDtcrval5 eM. Gambar 4, meJ1W1juukannilai 1,8 WD support Interval mcrup8kao interval pcnanda yang dipcro1eh dengan menarik garis lepanjang 1,8 LOD dari Dilai puncak LOD. Nilai ini juga menunjukkan interval penanda yang dapat dik,itbq dcDgan kcbcradaan suatu QTL. Interval penanda berdasarkan pada nilai WD suppol't In/el'WlI pada jumlab individu 200 ccndcrung Icbih scmpit dibpnding1ealJpada jumlab individu 100 (Gambar 6). Mcnwut (Zeng) jumlab individu yang dibutuhkan pada pcmctaan QTL t.ergantung dari nilai hcritabilitas siCat yang diminati, pcngaruh QTL yang akan didctcksi clan konfigurasi dari QTL, yang t.erdiridari jumlab QTL, scbarao pcngaruh aditir. pengaruh dominan, maupun intcraksinya. Untuk model satu QTL, dcDgan nilai hcritabilitas 0,6; tindak gen aditif, daDperan pengaruh QTL t.erhadapvarian genotipc scbcsar 500;' maka jumlah contoh individu yang dibutuhkan adalab 55.
~====-~I I
::.1
:-~--C : '
II
.1 I
:~
---
.
i:-@
I
I'
:l
II1.
&
~~
,....
~
~~~__':.-~~~~~~J j ,
I
.
r.::::::::::.:::.:::-.:::.:::~::::.::::-..:::::-.::::::.:::======-:.;1
~4
J
_.~
LCD
!U=:1J>g ' I,
~=_..: __-::":'.:= _""__'_
r
I
= ::::: ,...~-'
" , Ii:
J
[u
LOD
~ .'-\
·
20ii
,.~-=--,-y
':
II 1:
II I
I 11 I!' I
penIIId8 (eM ,
I
I .
I
I
,
~tIIc
.
Ii I'
= ~:;:: 'i
I
!
1
~
I II I. . --: -_- -.-: .-='.C.tikPenand.TcM~1 I. .. . -eM ~ '! L -..; .~ --.:..-:.~",~..(!_ .
\..
_-==-
I
Ketc'Zllngan: u - jumlahindividu,IM=lntervalmapptng.SM=stnglemarker. ciM =composlte Interval mapping.
Gambar 4. Grafik Nilai LOD terbadap letak penanda pada berbagaijumlah individu
23
I
2.
Pengaruh kerapatan penanda KerapataD pcnanda menunjukkan banyaknya penanda pada suatu kromosom. Besamya kcrapatan penanda ditcntukan dengan jarak antar penanda dalam suatu kromosom. Penanda akan mempunyai kcrapatan yang tinggi. jika jarak antar penanda semakin rapat. Pada penclitian ini ditcntukan panjang segmen kromosom adalah 150 eM, dengan kcrapatan penanda yang digunakan adalah 76 penanda (jarak antar penanda 2 eM), 31 penanda (jarak antar penanda 5 em), 16 penanda (iarak antar penanda 10 eM) dan 11 penanda (jarak antar penanda 15 eM). Pada skenario mi, lokus QTL dUetakkanpada posisi 75 eM. Tabel 6. menunjukkan interval letak penanda yang dapat dikaitkan dengan keberadaan QTL, yaitu penandapenanda dengan nilai LOD> 3. Pada kerapatan penanda yang rapat (jarak antar penanda 2 eM) memmjukan interval interval yang dapat dikaitkan dengan keberadaan QTL lebih lebar, yaitu '6-92 eM pada metode regresi sederhana maupun metode pemetaan interval, sedangkan pada metode pemetaan interval gabungan, interval penandanya pada interval 64-82 eM. Pada kerapatana penanada yang seroakin jarang (jarak antar penanda semakin lebar) maka semakin sedikit penanda yang bisa dikaitkan dengan QTL. Tabel 7. Intervalletak penanda pada berbagai kcrapatan penanda pada berbagai metode
pemetaanQTL. KcrapataDpenauda fJarak antar penanda (eM) 2
5
_______
Rcgresi sederhana 56 92 *)
-
Intervalletak penanda (eM) Pemetaan Pemetaaan interval interval gabungan S6 92 *) 64 82 *)
-
60-90.)
60-90.)
10 60-80.) 60-80*) 15 60 .) 60 .) Ketcrangan : *) letak penanda dengan nilai LOD di atas 3
-
65-85.) 60-80.) 60 *)
Gambar 5. menunjukkan nilai LOD pada berbagai kondisi kcrapatan penanda,jika dilihat dari interval antar Penanda yang mempunyai nilai LOD di atas 3 tidak banyak perbedaan. Perbedaan yang muneul hanya teljadi pada metode pemetaan interval gabungan yang mempunyai lebar interval lebib sempit jika dibandingkan dengan dua metode pemetaan lainnya. Jib diperhatikan lebih rinei pada masing-masing kcrapatan penanda, tampak bahwa dengan Makin sempitnya jarak antar penanda maka makin banyak penanda yang bisa dikaitkan dengan keberadaan QTL. Sebaliknya jib jarak antar penanda yang digunakan tertalu lebar, misa1kan 1S eM, maka hanya sedikit jumIah penanda yang bisa dikaitkan dengan QTL, yaitu banya penanda yang terletak pada posisi 80 eM pada metode pemetaan interval gabungan. Intervalletak penanda yang dihitung mendasarkan nilai 1.8 LOD support interval mempunyai interval yang relatiC sama pada seroua tingkat kerapatan penanda, yaitu berkisar pada interval 63 87 eM. Untuk semua metode pemetaan QTL, intervalletak
-
penanda yang terjadi cenderung berimpit satu sama lain (Gambar S).
24
-, _II Loo
.. .ILOD
IV=2cM/
,...........
~
.IV=SCMI
.,...t.C,IIr.......
Ii
.
u
II
-
:'Is.
dI 12dI
. .
N.~~ --..--....-.
. ~
~
W..~.~~ l818Ic"'"
LOD
~.~...:
~.
(eM)
n:1 LOD
~.= ;Oc~11
II
..
8.
~.. LWIk)lllMldll(cM)
~15CM . --- ee. as CM. "'""- ~. 8iI~ .
..
:.,...ico~
.
" .1 ~-----
:...:.=-:..:.:.:..:..-
..~~~: ~,~.",.,,:,: ... ~~.(~t II
Keterangan : V- kerapatan penanda, IM=interval mapping, SM=single marker.
CJM
=composite interval mapping.
Gambar S. Grafik Nilei LOD pada berbagi kerapatan penanda
3.
Pengaruh nilaiheritabilitas.
Nilai heritabilitas yang digunakan pada penelitian un adalah niIai heritabilitas arti scmpit, yang mcrupakan perbandingan antara varian aditif dcngan varian t'enotipe. &samya nilai heritabilitas akan mencntukan besamya nilai varian aditif. yang selanjutnya akan mcnentukan pula nilai pengaroh aditit' pada lokus QTL. Tabel 8. Intervalletak penanda pada berbagai niIai heritabilitas dan pada berbagai metode pemetaan QTL. Nilai heritabilitas
0,1 U ~ M
Regresi
~~ ~-~~ ~-~~
Intervalletakpenanda(eM) Pemetaan. Pemetaaaninterval interval gabungan
~~ ~-~~ ~-~~
Keterangan: .) letakpenandadengannilaiLODdi atas 3 25
~~ ro-~~ ~-~~
Nilai hcritabilits (h~ dalam penclitian ini ditcntukan scbcsar 0,1; 0,2; 0,3; dan 0,4. dcngan paramctc:r lainnya Idalah jumlah iDdividu 100, jarak 8D1arpcD8IIda5 eM yang tcrlctak pada satu kromosom dcngan lobs QTL pada posisi 75 eM. Tabc1 8. mcnunjuklam intervallctak pcnanda dcngan DiIai LOD >3. Pads DiIaiheritabilitas 0,1 tidak terdapat posisi pcDaDdayang bisa dibitklP' dcngan QTL, sed..ngJc&npada DiIai heritabilitas 0,2 penanda yang tcrkiat dengan QTL tcrJetak pada posisi 75 eM.. Pada DiIai hcritabilitas 0,3 interval interval pcnanda yang tcrkait dcngan QTL pada posisi 65. 85 eM dcngan metode rcgresi dan pemc:taaDiDtcrval, ~-gJrM pada mctode pemctaan intental gabungau, interval pcnandanya Icbih scmpit, yaitu 70- 80 eM Interval posisi penanda yang tcrkait dcngan QTL scmaJcinlcbar dcngan naiknya DiIaiheritabUitaspada dua metode pcmetaan rcgresi dan pcmetaan intental, yaitu 50-100 eM. Scmcntara pada pcmctaan QTL dcngan metode pcmctaan intenral gabungan, interval pcnanda yang dapat di1caitJamdcngan kchadiran QTL banya pada intenta165-85 eM. 1II
.
.
1
~.(),~
.IO
. j a;OD
LOD . .
'
.. 7 i 5
1
.
$ ~ I: 1'12 ~t "0
.
. III -:..
. 811 iii 1IiI ..:
~
. 'J» '.':: p8i18nd8Tc:M)
~.
I.. ~ ~Ii o ,I:: 0'
10'
. ttOD.
1fti'll0:3
:
;;
811' '10
. S
. .. i 1.. o
o. » ." ~ Kctcrangan
: h;l
.'
.
-
0'
. ~1iiiWid81cM JIll. J» .' . )
o
O,4~
t...UlDoow-I
f ~, j: '2 1,"
--
. _811.
·
I
t L.OD
7 ,.
'7
liD
-\a\:t "::"'fcMl I J
:
I
»
'.
..-tJM
.
Gambar 6. Grafik Nilai LOD tcrhadap pcnanda pada bcrbagai DiIaiheritabilitas
26
I I
811 10 11III DII 18 ~""'(cM) -CN -181
- hcritabilitas,IM-interval mapping;'SM;;iingle'marke,.: =composite interval mapping.
I
8Q-80cM
Gambar 6, IDCDunjuldamnilai' LOD scmakin aaik dcngan oaiknya nilai heritabilitas, clan diikuti juga deDgaD 1ebamya inttna1 pcmmda. Peningkatan Dilai heritabilitas juga cenderung meningkatkan niIai LOD nya pada dua metoclc pcmetaan QTL, baik mctode regrcsi maupun metoclc pcmetaan interval gabungan. Mcskipun demikian. naiknya heritabi1itas tidak bcgitu berpeDgaruh dcngaD lcbamya interval penanda dengan LOD >3 pada metoclc pemctaan interval gabungan tempi sangat bcrpcngaruh pada metodc rcgresi. . Interval 1etak pcnanda yang dihitung mcndasarkan nilai 1,8 LOD support l"te1'Wl1pada niIai heritabilitas 0,3 clan 0,4 mentpunyai interval yang sama, masingmasing 70-79 eM dan 60-80 eM (Gambar 6). B. 1.
Model dua lolms QTL
Model 210lms QTL pada cIua kromosom
'ILOD
1
.
u.:50l
~11.00 ~
.
, .
4
4
7
,
J Z 1 o
S
. o
,
10 80 .to 1.10J50:as
.
j
0'"
55. _: w..
-1M ~OM ~(cM)
LOD
·
. ~.
.
1"
D~'~ 0»
. .
."_
7 I s 4 J 2 1
..~
-
-
.~
'
lu:~ t G"..eM 7 :ee:"ssd4
1"'~
.. ...
.. 5 4' .t.
. m.w
_.~{d.t)
-:
~
.
tV..3Scr.i. 2O"3t:~
~ J. .1 .
r:'
0'
.
o 10 10 10 120 150 2S 55 IS us J4S -.., . .. ...a ...~(cM)
-N
..4
N .o.-,M. -c:1II1I~
.LCD
1&..'.$
-'J.B.eM
. to~.~ ~.
.,
-1M
CN._Ul"-
..
10 ..
"1~
..
.
80 .,IHZO 0 SO eO 80 120. 1GO
:~CN~..CCM.I
Ketermgan.':-ij;;]UDiiehindividu; la-I -kromosom I; la-I -kromosom 2; SM-slngle marker, CJM -composite interval mapping. Gambar 7. Grafik Nilai LOD tcrhadap jumleh individu pada model dua lokus dua kromosom
27
PemctDan QTL pada model ini dil!,hl'ftalcal1dengan mcnetapkan dua lokus QTL, yaitu pada posisi 2S eM pada Iaomosom pcrtama daDpada posisi 7S eM di Iaomosom kedua. Interval jarak antar pcnanda sam&, yaitu S eM daD Dilai bcritabilitas 0,2. Pcrbandingan varian lokus pcrtama dengan lokus kcdua sarna, yaitu (1:1). Bcrbagai macam skcDario yang laiD yang dilaksanakan ada1ah pcogaruh jumlah individu dan pcngaruh nilai hcritabilitas. Pada Gambar 7 tampak gambaran pola DilaiLOD pada bcrbagai jumlah individu yang digunakan dalam pemctaan QTL dcngan mcngguuakan model dua lokus, dan dari gambar tmcbut tcrdapat dua puncak nilai LOD yang 1DClUpakanlokasi QTL dalam genom. Jumiah individu yang scmakin banyak mcnunjukkan peningJratannilai LOD dan lebamya interval letak pcnaDda pada masing-masing lokus. Pada metodc pemctaan interval gabungan tcrlihat bahwa Icbar interval ccndcnmg sama saat jumlah individu yang digunakan 200 dan 300. Interval letak pcnanda yang dihitung mentiaurkaJ1 nilai 1,8 LOD support interval pada jumlah individu 200 adaIah 16-41 eM daD62-88 eM pada mctodc regrcsi dan pemctaan interval, , sedang1c.andcngan mctode pcmetaaan interval gabungan pada interval 19-36 eM dan 66-83 eM. Pada jumlah individu 300 intervalletak penanda ccndcrung lebm sempit (Gambar 7). Gambar 12. mcnunjukkan gambaran bahwa naiknya nilai hcritabilitas akan mempengaruhi basil dari pemctaan QTL. Pada kondisi hcritabilitas kecil yaitu 0,1 dan 0,2; basil pemctaan QTL tidak mcnunjukkan adanya pcnanda yang dapat dikaitkan dengan kchadiran QTL. Dcngan naiknya Dilaibcritabilitas, sudah mulai tcrlihat intervalintervalletak penanda yang dapat di~ait~an dCDganadanya QTL pada interval terscbut. Puncak nilai LOD tcrlihat pada posisi sekitar 2S eM dan 7S eM yang mcrupakan pcnctapan awal dari lokus QTL. Pada mctodc pemetaan interval gabungan tcrlihat interval pcnanda yang tcrkait dengan QTL Icbm stabil dcngan naiknya bcritabilitas dari 0,3 dan 0,4. Interval letak pcnanda yang dihitung mcndasarkan nilai 1,8 LOD support interval pada Dilaihcritabilitas 0,3 ada1ah 18-33 eM dan 68-82 eM pada mctode regrcsi sederhana dan pemetaan interval, sedangkan dengan mct.odcpcmetaan interval gabungan pada interval 20-30 eM dan 70-80 eM. Pada nilai heritabilitas 0,4 intervalletak pcnanda cenderung lebm sempit (Gambar 12). Di samping pengarubjumlah individu dan nilai hcritabilitas, pemctaan QTL dalam suatu genom juga dipengaruhi olch bcsamya proporsi pengaruh gen pada masing-masing lokus. Untuk itu dibuat skcDario pemctaan QTL dcngan proporsi pcngaruh gen yang bcrbeda-bcda pada masing-masing lokus. Proporsi pengaruh gen dalam lokus ditcntukan berdasarkan varian aditif daDvarian dominJmpada Iokus terscbut dibandil1p dengan lokus 1ainnya. Pada perbandingan varian antar Iokus 1:1, interval penanda mcnunjukkan interval yang sama pada Iaomosom pertama daDkromosom kodua (Tabcl 9.) Pada perbandingan varian 3:1, intervalletak pcnanda pada kromosom kcdua Icbm sempit dan hanya pada posisi 7S eM, scdangkan pada pcrbandingan varian 9:1, sudah tidak ditcmnlcanpcnanda yang dapat dilcait~andengan adanya QTL pada Iaomosom kcdua.
28
r
[h~:O,llJ II-I
I
:1LCD
I
'
S 4 J 2 1 o o
,
S
~
m
., ma
a
.15
kl>1_ -1M~ .---..--.. ~.__._--"
ltt~~O,21
LCD
1
m ., m!D Ii ...
m'-
~J:'**(""
. .1of4
._~.~
. IWDI
LOD
or o ~ m ~ m 1v.1
.~
. aa
_ _._: .
W.
::-.~.
15~ .
. .. A .. a i ..r
,""',
l~: 0.41
7
7 6 S 4 J 2 1
m..
J>iIn8iIIIa.....
.-;..u:t)
.~
OaOSllOuostO...usw
IIJ) .
..,.,
(eM!
..-U
.
.
1O'-I
---~
CcMI
Keterangan : h~ - heritabilitas, kr -kromosom; IM=lnterval mapping, SM=alngle marker, C/M -composite Interval mapping.
Gambar 8. Grafik NiJai LOD model dua lokus dua kromosom terhadap nilai heritabiJitas Tabcl9. Intervallctak pcnanda pactaberbagai pcrbandingan varian antar lokus QTL model dua lol..-usdua kromosom
Proporsi varian antar
lokus
IT
3 :1 9: 1 .
NomOI' lokus QTL 1 2 1 2 1 2
Efck lokus 1,272 1,272 1,559 0,900 1,708 0,569
Intervallctakpcnanda(eM) Rcgrcsi Pcmctaan Pcmctaan sederhana interval interval gabungan 10-35 *) 15-35 *) 10-35.) 60-85.) 65-85 *) 60-85.) 5 -40 *) 5-40.) 15-35.) 75 *) 5-50*) 5- 50.) 15- 35.)
Kcterangan : *) Ictak pcnanda dcngan niJai LOD diatas 3
29
2.
Model2 QTL pada satu kromosom.
Untuk mclihat pcngaruh ini dibuat skcnario dengan mcnctapkan dua lokus QTL pada posjsi 25 eM clan 125 eM yang tcrlctak pada sam laomosom, ni1aihcritabilitas 0,2; jum1ah individu 200, clanjarak antar pcnanda 5 eM. Model ini mcnggunakan uumsi bahwa kcdua lokus QTL tcrdapat pada sam kclompok tautan.
", 7 LOD
. ,ILOD
Lu.~6b-:-1
, . .' .
15
.. J".
I' t
,
:
iii .
'80' '.
~.-.
, .,
'Ii . .Uo' '. t~ . LWk P8fI8IIdIJ(eM)
-UXIoI
.
~
.
IU 10Q . ..
.
""::
[[
.
.
A
~
· 8D·
I
L4Uk~(~)
_"'_""-ClM-LCDoI
~
"
I
.
7 . LOO
, J
. . 1 o
.. o
,J
J
~~.. -:~=-~c___=-~~_~~~,~ II
Kctcrangan : u
jum1ah individu, SM=slngle marker, ClM -composite
I
Interval
mapping. Gambar 9. Grafik Nilai LOD model dua lokus satu kromosom tcrbadap jum1ah individu Jum1ah individu yang dibutuhkan pada model 2 lokus QTL Icbih banyak dibandingkao dcDgan model I lokus QTL yang banya mcmbutubkan jumlah individu scbanyak 100. Hal ini discbabkan karcna semakin banyak lokus yang tcrlibat, maka akan semakin bcsar kcmll11gJdnAn gcnoUpoindividu yang tcrbeotuk. Gambar 9. mcnunjukkan gambaran pola ni1ai LOD pada bcrbagai jumlah individu yang digunakan da1am pcmctaan QTL dengan menggunakan model dua lokus. Dari gambar tcrscbut tcrdapat dua puncak ni1aiLOD yang mcrupakan lokasi QTL dalam genom. Jum1ahindividu yang scmakin banyak mcnunjukkan ~ningJ<..htllni1aiLOD dan Icbamya intcrvallctak pcnanda pada masing.masing lokus. 30
Intervalletak pcnanda yang dihitwig mendasarlcan nilai l,8 WD support interval pada jumlah individu 200 ada1ah IS-43 eM dan 109-134 eM pada mctodc rcgrcsi scdcrbana clan pcmctaan interval, sedangkan dengan mctode pcmctaan interval gabungan
pada interval 19-37 eM clan 113-131 eM Paciajumlah individu 300, intervallctak penanda ccndenmg Icbih scmpit (Gambar 13). Gambar 10 mcnunjuklam gambaran bahwa naiknya nilai hcritabilitas akan mcmpengaruhi basil dari pemctaan QTL. Pacla kondisi hcritabilitas kccil yaitu 0,1 dan 0,2 tidak menunjukkan adanya pcnanda yang dapat dikaitkan dengan kchadiran QTL. Dcngan naiknya nilai hcritabilitas. sudah mulai penanda yang dapat dikaitkan dcngan adanya QTL. Puncak nilai LOD terlihat pada posisi sckitar 2S eM dan, 12S eM yang mcrupakan pcnctapan awal dari lokus QTL. Intervallctak penanda yang dihitung mendasarlcan nilai 1,8 WD support interval pada nilai hcritabilitas 0,3 adalah 18-32 eM dan 117-131 eM pacla mctodc rcgrcsi scderhana clan pemctaan interval, sedangkan dcngan mctodc pcmctaan interva1 gabungan
pada interval21-30 eM dan 120-129eM Paclanilai heritabilitas0,4 penandaecnderungIcbihscmpit(Gambar14).
,
=0.1
LaD
,
interval Ictak
LOO.
. .
10
.,
to. DI --oM~~(CM).
---
18.32cM
21.30cM
___ 117-tsn...
.
(00
- 1~,'29di. $
.
o
.JO
ti:r=~().~
LaD
-
.,
-_
,
to ,DI (..... . L8I8JI.1i8n8nd8
,aM.-\cOot
JO
-"
iii..
. ..1»;
~~
.~-28~ . ..: .,26-136 dot: . ;..:.- ;21. 128cM
~
to.
UI
I!II
(.... :-. ... -oot l8t8tlD8ll8lMfol 1tIDoS -,
Ketcrangan: hZ- heritabilli8S~ 1M-Intervalmiijipjng, SA/;iingle..marker, tlir -composite Interval mapping. Gambar 10. Grafik Nilai LOD pada model dua lokus satu kromosom terhadap nilai hcritabilitas
31
III (CM)
--~-.30~ ~ .
~
o JO .
.'"
".
Faktor lain yang mempcngarubi pcmctaan QTL sclain jumlah individu dan nilai heritabilitas adalah perbandingan penn pengarub gen antar lokus. Tabc1 10. menunjukkan basil pcmetaan QTL pada bcrbagai proporsi varian pcngaruh gen lokus pcrtama dengan lokus kcdua, muing -masing dengan pcrbandingan 1:1,3:1, d8l19:1. Pada pcrbandingan 1:1 dcngan pcngaruh lokus scbcsar 2,173 yang dapat diuraikan menjadi pcngaruh aditif 1,273 dan pcngaruh dominan 0.900, penanada tcrletak pada interval 10-45 eM pada lokus pcrtama dan 1OS-14OeM pada lokus kcdua pada mctode rcgrcsi dan pcmetaan interval. Pada mctode pcmctaan interval gabungan, penanada tcramati pada interval interval 20-30 eM pada lokus pcrtama dan 120-130 eM pada lokus kcdua. Tabell0. Interval letak pcnanda pada berbagai perbandingan varian antar lokus QTL model dua lokus satu kromosom lntervalletak penanda (eM) Regrcsi Pemctaan Pemetaan Posisi Efek Proporsi scd ana interval interval lokus varian antar lokus lokus gabungan QTL
(eM) 25 2,173 10-45 *) 10S-140 *) 125 2,173 3:1 S-55 *) 2S 2,660 120-130*) 125 1,536 9:1 0-60 *) 25 2,915 125 0,972 Kcterangan: *) letakpcnandaclcngantillaiLODdi etas 3 1:1
10-45*) 10S-14O *)
S-55 *) 120-130*) 0-60 *)
20-30*) 120-130*) 15-35*) 15-35*)
Pada perbandingan 3:I, dcngan pengaruh lokus scbcsar 2,660 pada lokus pertama dan 1,536 pada lokus kcdua, dcngan menggunakan mctodc pcmctaan interval gabungan, interval yang tcrjadi banya pada lokus pcrtama, yaitu pada interval 1S-35 eM. Pada mctode regrcsi dan pcmctaan interval, basilnya mcnunjukkan bahwa tcrdapat interval yang bcda nyatapada kcdualokus,yaitu S-55 eM padalokuspcrtamayangIcbihlebar dan lcbih
scmpit
pada lokus kcdua
hanya
sebcsar
120
- 130
eM. Pada pcrbandingan
9: I,
untuk scmua mctodc menunjukkan bahwa interval yang terbcntuk selebar 0-60 eM pada mctodc regrcsi dan pemetaan interval, sedangkan dcngan metodc pcmctaan interval gabungan interval yang tcrbcntuk scbcsar 1S-35 eM. Untuk scmua mctodc tidak terdapat peDanda yang dapat dikaitkan dengan QTL pada lokus kcdua. Hal ini discbabkan karcna kecilnya kontribusi QTL pada 10kus kcdua dibandingkan dengan kontribusi QTL pada lokus pcrtama. 3.
Model banyak lokus QTL (multjple QTL model) Pemetaan QTL yang melibatkan banyak QTL dilakaukan dengan menetapkan 7 lokus QTL pada 3 kromosom. Untuk me1ihatpengarub jumlah individu dan heritabilitas dibuat skenario dcngan mcnctapkan 7 QTL, 2 QTL pada kromosom pertama, 3 QTL pada kromosom kedua dan 2 QTL pada kromosom btiga. Pengaruh QTL ditcntukan 32
sarna untuk scmua lokus pada kctiga kiomosom. Nilai heritabilitas 0,2 dengan jarak antar penanda 5 eM. Pemctaan QTL dengan metodc pemetaan interval gabungan. Gambar II menunjukkan pola hubungan antara Dilai LOD dan lokasi penanda pada semua kromosom, bahwa pada kromosom satu dan kromosom tiga tcrIihat adanya penanda dengan Dilai LOD >3. scdangkan pada kromosom kcdua tidak ditemukan. Penanda yang dapat dikaitlcan dengan kcbcradaan QTL nampak jclas pada basil pemctaan QTL dengan menggunakanjumlah individu 800.
--.-.....-..----..........-
61 LOD
Jumlah Individu
5 4 3 2 1 0
K1omosom-1 -500 ~.
t
--700
IJ)
Kromos0m-3
ia)03
eM
Gambar II. Grafik DilaiLOD tcrbadap penanda pada bcrbagai jumlah individu pada model banyak lokus Untuk mcngetabui pengaruh Dilai heritabilitas pada model banyak QTL. jumlah individu yang digunakan 700 dengan jarak antar penanda 5 eM Pada kondisi Dilai heritabilitas 0.1 tidak ada posisi penanda yang dapat dikaitkan dengan QTL. Posisi penanda yang dapat dikaitkan dengan QTL terlihat pada semua kromosom terIihat pada pemetaan QTL dengan menggunakan Dilaiheritabilitas 0.4 (Gambar 12.). Di samping kondisi di atas. pemctaan QTL yang meh"batkan banyak QTL dilakukan dengan menetapkan 7 QTL dengan 2 QTL dengan efek besar yang tcrletak pada kromosom-I. 3 QTL dengan efek sedang tcrletak pada kromosom-2. clan 2 QTL dengan efek kecil yang terletak pada kromosom-3. Besamya efek QTL ditentukan dcngan menetapkan proporsi varian aditif dan domian pada masing-masing lokus. Lokus QTL pertama dan kcdua masing-masing sebesar 80%. lokus ketiga sampai keempat masing-masing 150/0,dan lokus keenam dan ketujuh masing-masing 5%.
33
61LOD
NiJai heritablitasI
, 'I
5
I
4
I
3
I
2 1 0
I
-h:cu
~ h=(l2~
~ -h=QA--L00=3 eM
Gambar 12. Grafik nilai LOD tcrl1adappenanda pada bcrbagai nilai bcritabilitas pada model banyak lokus Pengaruh lokus QTL pada masing-masing lokus terdapat pada tabcl II, yaitu sebesar 2,S91 untuk dua lokus pcrtama daD kcdua, untuk ketiga sampai kc1imascbesar 0,916 daDsebesar 0,647 pada dua lokus terakhir. Mctodc pcmctaan QTL untuk model ini hanya mengguuakan mctode pcmctaan interval gabungan dcngan menggunakan jumlah individu scbesar SOO,600, 700, daD800. Jumlah individu yang dibutuhkan untuk pcmetaan QTL dengan melibatkan 7 lokus lcbih besar dibandingkan dengan model QTL yang melibatkan 2 lokus QTL. Kemungkinan banyak genotipe yang terbcntuk dengan model dua lokus bialelik sejumlah 9 genotipe (32), sedangkan jika jumlah lokus menjadi 7 lokus, maka kemungkinan semua genotipe yang terbentuk sebanyak 2187 individu (37). Tabelil. lntervalletak penanda pada berbagai jumlah individu pada model banyak
. lokusbcrbeda
lokusden
Kromosom 1 2
3
Lokus QTL(eM) 2S 125 2S
100
12S SO
125
Pengaruh .
lokus
1ntervalletakPenanda(eM) pada iumlahindividu 700 600 500
-
25- 30*) -
-
0.916
-
0.647 0.647
-
-
-
2.591 2.591 0.916
20
- 3S*)
120-125*) 115-12S*} liS- 2S*)
-
0.916
Keterangan : *) interval dengan nilai LOD di atas 3 34
-
-
-
Pcngaruh jumlah individu pada peinctaan QTL yang meh'batlam 7 lokus QTL dcngan mctode pcmctaan interval gabungan terdapat pada tabcll7, yang mcnunjukkan bawah jumlah individu 500 bclum mcnunjukkan adanya kcbcradaan QTL pada lokus pertama, scdangkan pada lokus kccluaintcrvallctak pcnanda 120-125 eM. Pada kondisi jumlah individu 600 interval pcnanda yang dapat dikaitkan dcngan kcbcradaan QTL 2530 eM clan 115-125 eM, scdangkan pada jumlah individu 700, interval pcnanda pada posisi 25-35 eM clan 115-125 eM. Pada kromosom kcdua dcngan pcngaruh QTL sedang tidak terdapat Iokus-Iokus pcn8Ddayang dapat dikaitkan dcngan adenya QTL, dcmikian juga pada 1aomosom dcngan pcngaruh QTL yang kcci1. Pola niJai LOD pada bcrbagai pcngaruh QTL dapat dilihat pada gambar 16, dimana niJai LOD alam tinggi pada 1aomosom-kromosom yang mempunyai pcngaruh QTL yang bcs81l. Dcmikian juga scmakin banyak jum1ah individu, yang dalam pcnelitian ini lebanyak 700 mcnunjukkan nilai LOD yang scmain tinggi clan lebar interval pada batas signifikasi LOD >3 juga scmakin lebar.
c.
ErlliensiMetodeSeleksi
Pcmilihan individu tanamm dilakubn dcngan mcnggunakan dua mctodc, bcrdasarkan ni1ai fcnotipc dan pcmilihan bcrdasarkan dcngan pcnanda. Selanjutnya kcdua mctodc tencbut a1canch'bandingkan clan alc8n ditcntukan tingkat efisicnsinya masing-masing, sehingga dapat digunakan sebagai acuan dalam program pcmuliaan tanaman. 1.
Efisiensi pada modelsatu QTL Model ini mcnggambarkan bahwa soatu sUat kuantitatif dikcndalikan oJeh satu lokus, sehingga pcngaruh yang muncul adaIah pcngaruh lokus. Pcngaruh ini merupalc8n gabungan pcngaruh aiel (aditif) daD pcngaruh interaksi aiel dalam lokus (dominan). Tingkat cfisicnsi suatu mctode selcksi ditcntukan dcngan mcnyimak mlai gcnotipc, seJanjut1canmctodc scleksi pcnanda dibandingkan dcngan metode seleksi mcndasarkan fcnotipc. Perbandingan dilakubn dcngan pcngujian rcrata antara mctode yang digunakan dcngan uji rcrata Satterthwaite pada tingkat bcda nyata 50/.. Tabel 12, mcnunjukkan pcngujian rerata antar mctode seleksi yang digunakan, mctodo selcksi pcnanda mempunyai rerata lebih tinagi dan bcrbcda nyata ch'bandingkanmetode seJeksi fcnotipc pada scmua jarak antar lokus pcnanda dcngan QTL Tabel. 12. Uji rcrata Satterhwaite pada efisiensi seleksi pada bcrbagaijarak pcnanda dcngan QTL.
Mctodeselcksi
1m antarlokuspcnandadcngan QTL 5eM 10eM 20 eM Penanda 89,13a 80,53a 67,79a Fenotipe 13,01b 13,26b 13,48b Kctcrangan: rcratayangdiikutihmufyang samatidak adabedanyatapadatingkatbeda nyataa - 5% Pada model satu lokus QTL dengan satu pcnanda, tingkat efisicnsi selem ditcntukandengan mcnggunakanbcrbagai jarak antar lokus pcnanda dengan QTL. 35
Tingkat cfisiensi pada model ini mencapai 95% artinya mctodc sclcksi yang digunakan mencapai proporsi kcbcDaran sebcsar 95%, atau jib kita mcmilih scjumlah 100, maka 95 individu terscbut mempunyai sifat sesuai dcngan yang diinginkan. Scdangkan untuk mencapai tingkat efisiCDSiscbcsar 9()01o,maka jarak penanda yang digunakan harus tcrletak pada posisi 3-5 eM. Tingkat efisiensi semakin menurun dcogan Icbamya jarak antara penanda d=gan QTL, yaitu menjadi 75% pada intervaljarak 11-15 eM. Dcngan dcmikian dapat dikatakan babwa tingkat efisicnsi metodc sclcksi dengan mcnggunakan pcnanda molckulcr mcrupakan fungsi dari jarak antar pcnanda dcngan lokus yang mcngcndalikan sifat InIRnhtW( Hasil ana1isislcbih lanjut dapat disimpulkan hubungan antara tingkat cfisicnsi dcngan jarak antar pcnanda dcngan QTL mcngikuti hubungan "resfprocal quadratic" dcngan fungsi: 1 Y
=
(a + bx + cx2)
degan ni1aia .. 0,00978; 1>-0,000248;dan c--O,OOOOOO280 dcngan nilai R2..0,9988 sehingga fungsinya mcnjadi :
1
Y
= (0,00978
+ 0,000248%
- 0,0000000280x2)
100
Reslprocal Quadratic
90 80 70
g
I
60
so 40 30 20 10 0 0
20
40
80 d
60
100
120
140
160
Gambar 13. Grafik fungsi hubungan antara tingkat cfisiensi dcnganjarak antara lokus pcnanda dcngan lokus QTL (d). Gambar 13, merupakan grafik fungsi hubungan antara tingkat efisicnsi dengan jarak antara lokus pcnanda dcogan lokus QTL. Scmakin jauh jarak antara lokus penanda dcogan lokus QTL maka tingkat cfisicnsinya semakin rcndah. Tingkat cfiscnsi akan
36
mencapai 100 % jib lokus penanda tepat pacta lobs QU, tetapi 1condisiini sangat jarang terj8di. Metode seleksi dengm menggunabn f'cnotipe merupalam metocle yang umum cligunalcan pada praktek pemuti88D tsn-. meskipun pengamatan f'cnotipe ini dipengarubi oJeh faktor JingIamgaD.DaJam bjim iDi DiJairenolipe cJiperoJehcIariniJai genotipe ditambah dengan CaktortingJamgan. Faktor JiDgJamgancliperoJeh cIari man lingkungan yang ditunmbn cIari DiJaiheritabiJitas. Denpn demikian tingkat efisiensi selcksi iDi merupakan bpi cIari Di1aihcritabitita. HubUDpn ftmpi mtara tiDgkat efisiensi metodo seleksi fenoti.pedengm ni1aiheritabiJitu merupakan fungsi "reslprocal qudratfc" dengan persamaan t\mgsi :
1
-
Y (a+ n+cx2) deganniJaia - 0,08230528; b- -0,08854932; daDc:-O,01623555; dengan DiJai R~,9949,
sehingga fungsinya menjacli: Y
= (0,08230528
-
1
0,08854932%
--0,01623555%2)
100 90
RtSlprDc81 Qu8dradc
80
-
70
i'60 'Icu 50 'Iii 40 ffi 30 20 10
o o
0.1
0.2
0.3
0.4 hZ
O~
0.6
0.7
0.8
Gambar 14. Orafik 1impi hubungan 8ntara tingbt efisiensi solem Cenotipedengan nilai heritabilitas (h~ Gambar 14 merupakan srafik ftmpi hubuagan 8ntara tinsJcatofisiensi solcksi Cenotipe dengan niIai bcritabilitu. NiJai heritabilitu IDelllJllDbIlbD be8amya koatribu8i pengaruh send p8da penampiIm tenodpe. sehiDggasemaIdDbesar DBaiheritabDitas akan semakin besar pula pengaruh genctik pada pcDampakan sitat fenotipe.
37
Lcbih lanjut tcrlihAt pada grafik bahwa tingkat efisiensi mfminght dengan scmakin mcningkatnya Dilaihcritabilitas. 2.
Efisiensi paela model dua QTL Skcnario yang ~iI.~"".1r.n pada model ini adalah kcdua lokus tcrlctak pada kromosom yang Ama. Pcngaruh antar lokusnya ditenbdcan dengan bcrbagai macam pcrbandingan. Perbandingan pcngaruh lobs yang dilakukan adalah pcrbandingan pcagaruh varian lokus pc:rtamadcngan pcngaruh lokus kcdua ada1ah 1:1; 3: 1 dan 9:1.
100 90 SO 70
Reslprocal
~6O c 50 40 15 30 20 10
;~
o
o
20
40
60
S8
100
120
140
160
Gambar IS. Grafik fungsi hubungan antara tingkat cfisicnsi denganjarak antara lokus pcoanda dcngan lokus QTL pada model dua lobs (d). Metode pemilihan dengan menggunakan penanda pada model dua lokus ini dapat dilakukan mcndasarkan dua pcnanda maupun hanya dcngan saw penanda Tingkat efisicnsi yang diseleksi dengan mcnggunakan dua pcnanda seka1igus. Untuk mencapai tingkat efisiensi 85 % dipcrlukan due buah pcnanda yang jaraknya dcngan lokus QTL sampai dcngan 3 eM. Tingkat cfisiensi 80 % dicapai pada jarak 4 eM. bcrikutDyauntuk efisicnsi 75% dipcrlukan pcnanda dengan jarak dengan lokus QTL antara 5-8 eM. Fungsi antara tingkat efisicnsi pada model dua lobs iDi juga mengikuti fungsi "reslprocal quadrattc" dcngan persamaan fungsi : 1 Y
=
(a + b% + C%2)
degan Dilai a = 0,0104694; 1>-0,0004501;dan c-O,0000631; dcngan Dilai R2.0,9982. sehingga fungsinya mcnjadi :
1
Y = (0,0104694+ 0,0004501% + 0,0000631%2) Lebihjelas tampakpadadengangrafiksepertipadagambarIS. 38
Gambar IS, mcrupakan gratik fungsi hubungan antara tingkat cfisicnsi dengan jarak antara lokus penanda dengan lokus QTL pada model dua lokus. Scmakinjauh jarak antara lokus penanda dengan lokus QTL maka tingkat cfisicnsinya scmakin rendah. Tingkat eflSiensitcrtinggi yang bisa dicapai pada model ini adaIah scbcsar 8S%. Di samping scleksi mcuggunakan menggunakan due penanda, pada model due lokus QTL, seleksi dilakukan dengan menggunakan hanya satu pcuanda. Skcnario pcmilihan menggunakan satu penanda ini dilaksanakan dengan mcmbuat proporsi pengaroh lokus pertama dan kedua dengan perbandingan 3:1 dan 9:1. Seleksi dengan menggunakan penanda pada model ini dilakukan hanya menggunakan satu penanda, yaitu penanda yang terlctak dekat dengan lokus QTL yang pertama. Tingkat efisicnsi yang dicapai dengan menggunakan satu penanda ini adalah 60010,yaitu pada jarak lokus peDandadengan lokus QTL dengan interval 1-3 eM. Tingkat efisiensi menurun sampai 55% pada jarak lokus penanda dan QTL pada interval 4-S eM, dan efisiensi SO% pada interval penanda 6-9 eM.
Gambar 16. Grafik fungsi hubungan antara tingkat efisicnsi dcuganjarak lokus penanda QTL (d) pada model dua lokus pada proporsi antar lokus (9:1). Pola hubungan antara tingkat etisiensi dcugan jarak lokus penanda dengan QTL terlihat pada gambar 20, yang mcugikuti fungsi IIrenpl'OCtl/quadratic" dengan nilai a = 0,015898; b=O,OOO5062;dan c- -0,000001678. dengan nilai R2.:0.9920. sehingga fungsinya menjadi :
y
= (0,015898 +
1
-
0,0005062% 0,000001678%2)
39
Untuk skcnario pc::rbandingan proporsi varian antar lokus 3:1 dipcroleh pengaruh lokus pertama scbcsar 1,823 daD pcngaruh lokus kcdua scbcsar 0,207. Pengaruh lokus diurailcan menjadi pcngaruh aditif daD domiDan pada masing-masing lokus, schingga dipcroleh pcngaruh aditif scbcsar 1,458 dan pcngaruh dnmiNlDscbcsar 0,365. Untuk lol.."US kcdua, pcngaruh aditif scbcsar 0,162 daDpcngaruh dominan scbcsar
0,041.
70 Reslprocal
60 SO
!:40
1
.!l 30 tfi 20 10 0 0
20
40
60
100
~
120
140
160
Gambar 17. Grafik fungsi hubungan antara tingkat cfisicnsi denganjarak lokus pcnanda QI'L (d) pada model dua lokus pada proporsi antar lokus (3: 1) Pola hubungan antara tingkat cflSiensi dengan jarak lokus pcnanda dengan QTL tcr1ihat pada gambar 22., yang mengikuti fungsi "restprocal quadratic" dengan nilai a .. 0,0155809; b-O,OO0617S;dan c- -O,OOOOO2S84; dengan nilai Rz.o,9920, sehingga fungsinya :
Y
3.
=
1 (0,0155809 + 0,0006175% 0,000002584%2)
-
Efisiensipada modelbuyak lokus
Model banyak lokus dilakunAlcAn dengan mcnetapkan tujuh lokus QTL dilctakkan pada tiga kromosom yang berbcda. Dua QTL dcngan C£ckbcsar dilctakkan pada kromsosom pcrtama, tiga QTL dengan C£ckscdang dilctakkan pada kromosom kedua dan 2 QTL dengan C£ck kccil dilctakkan pada kromosom kctiga. Bcsamya
40
pcngaruh QTL pada masing-masing krOmosom sama. Bcsamya cfck QTL ditcntukan dcngan mcmbuat pcrbandingan varian antar lokus. Bcsamya pcrbandingan varian antar lokus akan mencntukan niIai pengaruh aditif daDdominan pada masing-masing lokus. Pcrbandingan varian antar lobs ditcntukan dcngan pcrbandingan 40 : 40 : 1,5 : 1,5 : 1,5 : 0,5 : 0,5; sehingga diperoleh pengaroh aditif daD pengaruh dominan pada sctiap kromosom pada masing-masing lokus. Pcngaroh adinf pada sctiap lokus bcrturut turut adalah 3,600; 3,600; 0,403; 0,403; 0,403; 0,285 daD 0,285. Sedangkan pengaroh dominan bertunIt-turut adalah 2,560; 2,560; 0,285; 0,285; 0,285; 0,201 den 0,201. Pengaruh interaksi anUll'lokus dapat terjadi adalah intrckasi aditif-aditif, aditif-dominan, daDdominan-dominan. Sclcksi mendasarkan pada penanda molekuler dilakukan dengan menggunakan penanda-penanda yang ter1etakpada lobs QTL yang mempunyai cfek besar yaitu pada kromsosom pertama. Selcksi dilaksanakan dengan satu penanda dana dcngan dua pcnandft.
Gamber 18. Grafik fungsi hubungan antara tingkat eflSicnsidua penanda denganjarak lobs penanda QTL (d) pada model banyak lokus. Selcksi dengan menggunakan dua penanda menunjukkan bahwa tinglcat e6siensi sebesar 55% dapat terjadi ji1cajarak lokus kedua penanda dengan lokus QTL terletak pada interval 1-3 eM. Tingkat efisicnsi 50-A.terjadi pada jarak lokus penanda dengan lokus QTL pada interval 4-8 eM. Sedangkan tingkat efisicnsi menunm menjadi 45% pada posisi jarak antara lokus penanda dengan lokus QTL pada interval 9-13 eM (Gambar 18). Tingkat cfisiensi maksimum yang dapat dicapai dcngan scleksi pcnanda 41
ini hanya 55%, meskipun jib dilihat dari proporsi pengaruh QTL pada kcdua lokus ini sckitar 70%. Pola hubungan antara tiDgkat ctisiensi dengan jarak lokus pcnanda dengan QTL tcrlihat pada gambar 18., yang mcngikuti timgsi "resiproeaJ quadratic" dcngan nilai a
-
0,01671402; b-O,OOO46026;dan c- -0,00000067, dengan niIai R2..0,9988, sc:bingga iUngsinya mcnjadi :
1
'Y
= (0,01671402+ 0,00046026%- 0,00000067%2)
40 Reslprocal
3S 30
-1
20
ffi
15
i'2S S1/1
10 S 0 0
20
40
60
80 d
100
120
140
160
Gambar 19. Grafik fungsi hubungan antara tingkat cfisieDSisatu penanda denganjarak lokus pcuanda QTL (d) pede model banyak lokus Tingkat cfisicnsi sclcksi juga dilakukan dengan menggunakan satu pcnanda. Pcnanda yang dipilih ada1ah pcnanda yang tcrlctak pede lokus QTL dengan pcngaruh bcsar, yaitu tcrlctak pada kromosom pertama. EfisiCDSitcrti.nggipada sclcksi dengan satu penanda ini ada1ah 40%. Tingkat cflSiensi ini dic:apai pada posisi lokus pcnanda yang tcrlctak pada jarak 1 eM dari lokus QTL. Tingkat cfisiensi yang rcndah ini discbabkan karcna proporsLpcngaruh QTL pada lokus ini hanya sckitar 350/..Tingkat Efisicnsi 35% dipcroleh jib posisi pcnanda pada interval 2- 11 eM. sedangkan tingkat cflSicnsi 30 % pada posisi jarak
antara lokus pcnanda
dengan
lokus QTL pada interval
pcnanda
12
- 21
eM (GambarlI9). Pola hubUDganantara tingkat cfisicnsi dengan jarak lokus pcnanda dengan QTL tcrlihat pada gambar 19., yang m~1cvti timgsi "restprocaJquadratic" dengan nilai a '"
42
0,02500078; b-O,00045743; dan c= ..0;00000021, dcngan nilai R2.co,9950, schingga fungsinya menjadi : 1 Y
= (0,02500078
+ 0,00045743x~
0;00000021x2)
Seleksi dengan menggunakan sifat fcootipe dilakukan dengan menggunakan berbagai nilai beritabilitas. Tingkat efisiensi seleksi pada htritabilitas 0,1 adalah 28 % , meningkat menjadi 35% pada nilai beritabilitas 0,2. Tingkat efisiensi seleksi fenotipe ini terus meningkat seiring dengan meninglcatnya nilai beritabilitas, yaitu pada beritabilitas 0,7 nilai efisiensi 86 %, (Gambar 20) Hub1Dlganantara efisiensi seleksi dengan nilai beritabilitas mengikuti fungsi yang mengikuti fungsi "restpl'OCa/quadratic" dengan nilai a - 0,0384379; b--0,05331250; dan c- 0,02150519, dengan nilau R2..0,9984, sebingga fungsinya: 1 y
= (0,0384379
- 0,05331250x
+ 0,02150519x2)
Gambar 20. Grafik fungsi bubungan antara tingkat eflSiensi seleksi fenotipe dengan nilai beritabilitas (h~ pada model banyak lokus
43
v. Kesimpulandan Saran A. Kesimpulan 1.
Model genetik uniuk diploid pada pemetaan QTL dapat disusun dati pengaruh lokus (aditif clan dominan) clan &tau pcngaruh intcraksi antar lokus (epistasis). Pcngaruh antar lokus dapat ditentukan sama &tauberbcda.
2.
Pemetaan QTL dipengaruhi olch jumlah individu, ni1ai heritabilitas, peran pcngaruh lokus, clanjumlah lokus QTL yang mcogcndalikan
3. 4.
suatu sifat.
Tingkat cfisiensi seIeksi mcnggunakan peuanda molckuler lcbih c6sien dibandingkan dengm selcksi fcootipe pada semua model QTL yang digunakan. Tiugkat cfisicosi mctodc selcksi mcngikuti fungsi "reciprocal quadrattc". Efisicosi sclcksi dcngan pcnanda molckuler (E.J mcrupakan fungsi dati jarak antara lokus pcnaDda dengan lokus QTL, .-IRva" pada cfsiensi sclcksi dengan sifat fenotipe (E; mcrupakan fungsi dati nilai heritabilitas.
B.Saran 1. 2.
Model genctik perlu dil,IqJlcRn pada populasi kcturunan persilangan galur murni yang laiDnya, pada yaitu populasi silang balik (bac/a:ro$s. BC), populasi haploid ganda (double haploid, -DH), ataupun populasi recombinant inbred lines (RlL's). Penclitian ini memcrIukan data pcndnlcul1gdati suatu lembaga pcnclititian atau pcrusahaan yang mclakukan pcnclitian JICDB8UIUUU1 pcnaDdauntuk selcksi.
DAFrAR PUSTAKA Azrai, M., 200S. PCI"lInf,~taJt Markah Molcku1er da1am Proses Selcksi Pemuliaan Tanaman. Jumal AgroBiogen 1(1):26-37. Belknap, J.K. 1988. Effect of withiu.strain sample size on QTL detection and mapping usiug recombinant inbred mouse strains. Behavior Genetics 28(1) : 29.38 Bohn, M., S. Grob, M M. Khairallah, D. A. HoisiugtoD,H.F. Utz, clanA.E. Mclchinger. 2001. R.e-cvaluation of the prospects of markcr-assistcd selection for improviug insect resistance agaiust Dtatraea spp. iu tropical maize by cross validation and iudcpendent validation. Thcor Appl Genet 103: 1059-1067. Boopatbi, N.M. 2013. Genetics Mappiug and Marker Assisted Selection. Basic, Practice, and Benefit. Springer New Delhi He1delbcrgNew York Dordrcc:htLondon. 293p. Broman, K. W, and S. Scn, 2009. A Guide to Q1L Mapping. Springer Dordrccht Heidelberg London New York. Broman K.W. ,2001. Review of statistical methods for QTL mapping iu experimental crosses. Lab Animal 30(7): 44-52. Budisantosa, H. 2012. Efisicnsi pemilihRntctua clankombinasi persilangan pada pemuliaan tanaman tebu : pcndekatan simulasi. Universitas Gadjah Made. Yogyakarta. Disertasi. 185 hal.
44
Chao, Y. T. daD Y. Ubi. 2000. sampre size requjrcd Cormarker assisted selection in improving quantitative traits of self-fertilizing species. Euphytica 116: 87-94. Channct, G., T. Cadalcn, P. SourdiUe, M. Bernard. 1998. An extension of the 'marker regression' method to interactive QTL. Mol. Breeding 4:67-72. Collard, B. Y. C. dan D. 1 Mackill. 2008. Marker-assisted selection: an approach Cor precision plant breeding in the twenty-first century. Phil. Trans. R. Soc. B363:557572. Collard, B.C.Y., M. Z. Z. Jahufer, 1. B. Brouwer, den E. C. K. Pang. 2005. An introduction to markers, quantitative trait loci (QTL) mapping and marker-assisted selection for crop improvement: The basic concepts. Euphytica 142: 169-196. Dreher, K., M. Khairallah. J. Ribaut, den M Morris, 2003. Money matters (I): Costs of field and laboratory procedures associated with conventional and JD81'ker-assistcd maize breeding at CIMMYT. Mol Breed 11: 221-234. Falconer, D.S. and T.F.C. Mackay. 1996. Introduction to Quantitative Genetics. 4th edition. Longman. Essex. Francia, E., O. Tacconi, C. Crosatti, D. Barabaschi, D. Bulgarelli, E. DaD'AgUo, dan G. Vale'. 2005. Marker assisted selection in crop plants. Plant Cell, Tissue and Organ Culture 82: 317-342. Haley, C. S. and S. A. Knott. 1992. A simple regression method for mapping quantitative trait loci in line crosses using t1anking markers. Heredity 69: 31S-324. Hash, C.T., P.B. Bramel. 1999. Alphabet Soup. Ma1calah pada Seminar of the Application ofMolccular Markers. IITA, Ibaden, Nigeria, 16-17 August 1999. Hash, C.T. 2003. QTL Analysis by Regression and Simple Interval Mapping Procedures. (Adapted fi'om lectures prepared by S. Chandra, ICRISAT). Diktat Pelatihan Pemuliaan Mutasi den Pemuliaan Molckular. Hayman, B.L 1954. The theory of analysis of diaDel crosses. Genetics, 39:789-809 Jansen, R. C., 1993. Interval mapping of multiple quantitative trait loci Genetics. 135: 20S-211. Jansen, R.C. 1995. Genetic Mapping of Quantitative Trait Loci in Plants
- A Novel
Statistical Approach. Tesis doktoral. Universitas Wageningcn, Wageningen.
Kearsey,M J. And H.S. Pooni, 1998. The geneticalanalysisof quantitativetraits. Chapman &;HaD, Bristol.
Lamadji, S., L. Hakim, den Rustidja. 1999. Aksclarasi pertanian tangguh melalui pcmuliaan non-konvcnsionaL Dalam Ashari et al. (&Is.). Prosiding Simposium V Pcmuliaan Tanaman PERIPI Komda lawa Timur. hat. 28-32. Lander, E.S. and D. Botstcin. 1989. Mapping Mendelian factors underlying quantitative traits using RFLP linkage maps. Genetics 121: 185-199. Liu, B.H. 1998. Statistical Genomics: Linkage, Mapping, and QTL Analysis. CRC Press, Boca Raton. Lynch, M. and B. Walsh. 1998. Genetics and Analysis of Quantitative Traits. Sinauer Assoc. Inc. Sunderland, Massachusetts.
45
Martinez. O. and R. N. Curnow, 1992. Estimating the locations and the sizes of the effects of quantitative trait loci using flanking markers. Theor. Appl. Genet. 85: 480-488.
-
NasruIlah. 1986. Evaluation of The Haploid Tcclmiquc for Crop Improvement A Simulation Study. Univcnity of The Philipincs. Los Banos. Discrtasi doktor. 79p. Nasrullah A.L. Carpena and M. M. Lantin. 1995. A simple way to construct matrix specifications in defining gene action. Proc. Simposium PemuIiaan TanamaD Ill: 39-46. Rubinstein, R Y. (1981). Simulation and the Monte Carlo Method. John Wiley and son. New York. Ribaut, J.-M. and J. Betran. 1999. Single large-scale marker-assisted selection (SL8MAS). Mol. Breed. 5: 531-541. Sax. K. 1923. The assosiation of size diferenccs with secd-c:oatpattern and pigmentation in Phaseolus vulgaris. Genetics 8 : 552-560. Tanksley, S.D. and C.M. Rick. 1980. Isozymic gene linkage map of the tomato: Applications in genetic and breeding. Thcor. Appl. Genet. 57:161-170. Tansklcy, S.D., K Mcdina-Filho, and C.M Rick. 1982. Use of naturaIly-occurring enzyme variation to detect and map gene controlling quantitative traits in an interspecific backcross of tomato. Heredity 49:11-25. Vuylsteke, M.J.R 1999. Genetic Analysis of Maize by Using The AFL~ethod. Tesis doktoral. Universitas Wagcningen, Wagcningcn. Wang, S. 2000. Simulation Studi on The Methods for Mapping Quantitative Trait Loci in Inbred Line Crosses. A Dissertaion Zhcjian University, Hanzhou, Zhejiang, China. Weir, B.W. 1996. Genetic Data Analysis n. Sinauer Assoc. Inc. Sunderland, Massachusetts. Witcombe, J. R and D. S. Virk. 2001. Number of aosscs and population size for participatory and classical plant breeding. Euphytica 122:451-462. Yande!, B.S., J. Y. Moon, S. BanCljcc. W.N. BeUy, N. Vi, 2012. QTL analysis using baycsian interval mapping. Yin, X, P. Stem, MJ. Kropf!: A.H.C.M SchapendoDk. 2003. Crop modelling, QTL mapping, and their complementary role in plant breeding. Agron. J. 95:90-98. Zeng, Z.B. 1994. Precision mapping ofquantittivetraits loci. Genetics 136:1457-1468 Zeng, (tanpa tahun). ExpcrimcDtaldesain an(fsample size rcquirment for QTL mapping. Zou, F. 2001. Efficient and Robust Statistical Methodologies for Quantitative Trait Loci Analysis. Disertasi. Universitas Wisconsin-Madison.
46
DAFTAR RIWAYAT HIDUP
Data Pribadi Nama
Bambang Supriyanta
Tcmpat,Tanggallahir NIM
Klaten, 21 April 1971
Program/Minat
Dmu Pcrtanian I Pemuliaan Tanaman
Studi
041.23149St.SPN/OOI71
Alamat
n. Cempnka Putih CT Xl143 Deresan Yk
Telephonc/HP
0274564980 I 08156803838
E-mail
Bambangsg2@gmailcom
Istri
Ale Ratna Dianing Pratiwi
Anak
1. Sage Farah Nur Anindita S 2. Nona Adhelia Talitha S 3. Bintang Nurfaiz Moningaba S
Pekerjaan
Star Pengajar Fnkultas PcrtanillJ1UPN "Veteran" Yogyakarta
Riwayat Pendidikan I. Pendidilcan Dasar
2. Pendidikan Tinggi
1. SDNegeriKrakitanIll Klaten,Tahoo1983 2. SMPPangudiluhurI Klaten,Tahun 1986 3. SMANegeriI Klaten,Tahun1989 1. 81 Fnkultas PcrtanillJ1UGM. TahWl1996 2. 82 Fnkultas Pcrtanian UGM. Tahun 1999
. 47