数量性状遗传分析的新方法及其在育种中的应用

介绍了近年来我们研究室发展的一系列新的遗传模型和相应的统计分析方法。这些模型包括农艺性状遗传模型、种子品质性状遗传模型、动物性连锁遗传模型、QTL 基因定位的遗传模型等。基于混合线性模型的分析原理的统计分析方法包括方差和协方差估算方法、随机效应的无偏预测方法、条件遗传方差和条件遗传效应的分析方法、复合区间作图方法等。     

广义遗传模型与数量遗传分析新方法

根据广义遗传模型的建模原理，提出了一些扩展的广义遗传模型。这些模型既可以分析种子数量性状，也可以分析基因型与环境的互作效应。采用混合线性模型的统计分析方法，可以有效地估算方差分量和协方差分量、预测遗传效应值。并介绍了我们提出的一些遗传模型及相应的统计分析方法。     

广义遗传模型与数量遗传分析新方法

根据广义遗传模型的建模原理，提出了一些扩展的广义遗传模型，这些模型既可以分析种子数量性状，也可以分析基因型与环境的互作效应，采用混合线性模型统计分析方法，可以有效地估算方差分量和协方差分量、预测遗传效应值，并介绍了我们提出的一些遗传模型及相应的统计分析方法。     

两种方法对玉米几个主要数量性状遗传效应的比较分析

本试验采用7个自选系、7个外引系、外杂选系和按NCⅡ组配的49个杂种F1组合为研究材料。对差异显著的7个性状应用混合线性模型、配合力两种分析方法对遗传方差和遗传力进行了比较分析。结果表明：混合模型分析穗行数与生育期2个性状揭示了显著的加性和显性效应，单株粒重、穗粗、行粒数、百粒重、灌浆期等5个性状只揭示了显著的显性和加加上位性效应；而配合力分析是在加－显遗传模型基础上进行的，只能揭示加性和显性效应。两种分析方法所得各遗传方差分量都存在显著的差异，其差异因性状而异。分析表明，这些差异可能是由于不同方法对剩余方差分量或（和）加性遗传方差分量估算不同而引起的。广义遗传力差异大小是基因型与环境的互作而引起；狭义遗传力差异一部分是基因与环境的互作，另一部分却是两种方法所估算的加性（加加上位性）遗传方差不同而引起的。     

内蒙古绒山羊早期生长性状协方差函数估计的研究

为了研究内蒙古绒山羊生长发育的特点,试验采用内蒙古绒山羊1998~2011年的体重记录(出生重到2岁体重)资料。通过建立随机回归模型,采用单变量分析,嵌套3阶legendre模型,筛选固定效应。固定效应包括群、出生类型、性别,出生年和测定年。通过综合比较对数似然函数值、残差方差、AIC和BIC信息标准,选择拟合生长性状的固定效应。最后分别对固定效应和随机效应(加性遗传效应和永久环境效应)配合不同阶数的Legendre多项式,应用似然比及残差方差等作为综合评价指标,选择用于生长性状遗传评估的最优模型。研究结果表明,群、出生类型、性别、出生年和测定年均对所有体重影响极显著;生长性状最优遗传评估模型为LP8-8-7。     

影响猪遗传评估效果的主要因素研究

综述了影响猪遗传评估效果的主要因素和猪遗传评估的发展趋势。影响猪遗传评估效果的主要因素有猪遗传评估方法、计算技术以及环境效应（包括方差异质性）、选择、非加性效应、非正态分布、性状间相关、有重复的记录等模型制约因子等方法。此外，阐述了贝叶斯分析理论在传参数估计中的应用。     

不同硼肥水平下甘蓝型油菜农艺性状的遗传分析

以６个低芥酸、低硫苷油菜品种及１个低芥酸油菜品种和４个常规的甘蓝型油菜品种为亲本．按５×６不完全双列杂交配制正反交３９个组合．Ｆ１和亲本在两种硼肥水平下种植．以包括基因型×环境互作的ＡＤ模型与ＡＤＭ模型分别估算了１１个农艺性状的各项遗传方差分量和狭义遗传率．结果表明，采用ＡＤＭ模型分析时，大多数性状受到母体效应的影响，而且这些性状的机误方差比率均有不同程度的下降．总体上看，各性状的遗传以基因型效应为主，并有程度不同的基因型与环境互作效应．这些性状受基因效应作用的类型相当复杂．此外，还比较了各性状各项狭义遗传率的大小．     

主基因-多基因混合遗传数量性状的单性状选择模型

【目的】分别估计分离世代数量性状主基因-多基因混合遗传中的多基因效应方差和环境方差,为育种工作者提供一种简单易行的单性状选择方法。【方法】利用正态分布的极限误差,将混合正态分布数据划分到多个单一正态分布对应的区间,每一区间代表一种主基因型,采用有重复观测数据的单因素多元方差分析方法,分别估计各主基因型间的主基因效应协方差阵、多基因效应协方差阵和环境协方差阵,然后结合混合正态分布中各成分分布的比例,计算该数量性状的表型方差、遗传方差、环境方差和遗传力等遗传参数,并进行实例分析。【结果】在相同选择强度下,遗传效率为110.3760%,较作为单一正态分布的普通数量性状选择效率提高了10.3760%。当选择强度i=0.5时,遗传增益GS=28.41。【结论】应用建立的主基因-多基因混合遗传数量性状单性状选择模型计算,遗传效率有很大提高,表明该方法具有实用性。     

Genetic Models and Analysis Methods for Diploid and Triploid Seed Traits

本文根据Ｃｏｃｋｅｒｈａｍ的广义遗传模型的建模原理,分别推导了适用于农作物二倍体种子和三倍体胚乳数量性状的加性－显性－上位性－母体效应的遗传模型,内容包括不同世代的遗传效应分量及其ＡＵＰ预测值;不同世代的表型方差及各遗传方差的ＭＩＮＱＵＥ（１）法估计值。在考虑基因型×环境互作效应的情形下,扩展了上述遗传模型,并推导了相应的分析方法。     

玉米奥帕克-2修饰基因遗传规律的研究 Ⅱ.胚乳硬质度、胚乳赖氨酸含量及胚乳蛋白质含量的三重测验杂交遗传分析

本试验在3N 性状加性-显性模型的基础上,提出了3N 胚乳性状的三重测验杂交的分析方法,并对两套 O_2玉米软硬自交系所组配产生的 F_2群体的三个胚乳品质性状硬质度、赖氨酸含量及粗蛋白含量进行了遗传规律的分析研究。结果表明:3个胚乳品质性状不仅存在显著的加性或显性效应,还存在显著的基因上位性效应,说明8个供试性状的遗传符合加性-显性-上位性模型;3个性状的实际上位性方差σ_d~2占总遗传方差σ_g~2的比率均小于15%,表明了上位性效应对性状遗传的贡献作用不大,8个胚乳性状的遗传主要由加性或显性效应控制。本文还对3N 和2N 模型在三重测交条件下的异同进行了讨论。     

作物QTL分析的原理与方法

作物的许多性状为数量性状,数量性状基因座(QTL)定位的理论依据是Morgan的连锁遗传规律;定位的群体有初级作图群体、次级作图群体和高级作图群体;分析的方法有零区间作图法、单区间作图法、复合区间作图法、混合线性模型;影响QTL定位精确性的因素有群体的大小、分析方法、QTL的分布及作用模式等。传统的作图群体和作图方法存在一些问题,因此有必要开发新的作图群体、研制新的作图方法,以缩短OTL分析与育种实际应用之间的距离。     

棉花数量性状的连锁作图和关联作图最新进展

现代分子生物学技术和新的统计方法,大大促进了植物数量性状基因(QTL)的解析.连锁作图和关联作图是目前植物数量性状基因解析的重要方法,两者在QTL定位的精度和广度、提供的信息量、统计分析方法等方面具有明显的互补性.连锁作图可以初步对目标性状基因进行定位,而关联作图则可快速对目标基因进行验证和精细定位,并针对特定候选基因提供大量信息,验证候选基因的功能.综述了近10年来棉花数量性状的连锁作图和关联作图最新进展,并结合两种方法对棉花的QTL研究前景进行了展望.     

DNA序列映射方法对蛋白质编码区预测准确率的影响

[目的]探讨当前主要的DNA序列映射方法对蛋白质编码区的预测准确率的影响,寻找有效的映射方法。[方法]以AC(Approxi-mate Correlation)为碱基层的预测准确率的测度,采用FIR(Finite Impulse Response)窄通带滤波器预测算法研究各种映射方法对预测准确率的影响。[结果]在ALLSEQ和HMR195 2个DNA序列集上,Voss法和Z-curve方法是较PN(Paired Numeric)法、EIIP(Electron-IoInteraction Potential)法和复数法更为有效的映射方法。[结论]该研究结果为用预测结果的AC值来验证新映射方法的有效性奠定了基础,对利用生物信息学方法正确揭示DNA序列的结构具有重要意义。     

DNA序列映射方法对蛋白质编码区预测准确率的影响

[目的]探讨当前主要的DNA序列映射方法对蛋白质编码区的预测准确率的影响,寻找有效的映射方法。[方法]以AC（Approximate Correlation）为碱基层的预测准确率的测度,采用FIR（Finite Impulse Response）窄通带滤波器预测算法研究各种映射方法对预测准确率的影响。[结果]在ALLSEQ和HMR195 2个DNA序列集上,Voss法和Z-curve方法是较PN（Paired Numeric）法、EIIP（Electron-Io Interaction Potential）法和复数法更为有效的映射方法。[结论]该研究结果为用预测结果的AC值来验证新映射方法的有效性奠定了基础,对利用生物信息学方法正确揭示DNA序列的结构具有重要意义。     

MINQUE法在遗传模型分析中的应用

介绍了应用ＭＩＮＱＵＥ法分析遗传模型的基本原理,阐述了近年来发展的新的遗传模型及其ＭＩＮＱＵＥ算法的应用概况。ＭＩＮＱＵＥ法能够无偏地分析非平衡数据,有效地分析种种复杂的遗传模型,尤其在估计混合模型中遗传效应的方差分量和成对性状的遗传协方差分量,以及对遗传效应进行线性无偏预测等方面具有重要的应用价值。     

Estimating soil organic carbon from soil reflectance: a review

Soil organic carbon (SOC) concentration is a useful soil property with which to guide agricultural applications of chemical inputs. To enable this, simple, accurate, rapid and inexpensive methods are needed to produce maps of surface SOC concentrations. Researchers have investigated estimates of soil surface properties from remotely sensed information as a means of rapidly quantifying and monitoring some surface soil properties, such as SOC. The objective of this paper is to review the potential and limitations of remotely sensed data for mapping and evaluating SOC. Several statistical methods including simple regression models, the ‘soil line’ approach, principal component analysis and geostatistics have been applied to data to investigate the accuracy of such estimates. A review of the literature shows that predictive equations are not universal and require new regression models for every scene. An important benefit of remotely sensed data is to suggest a sampling strategy that can lead to improved representation of spatial heterogeneity in SOC.     

An integrated method of selecting environmental covariates for predictive soil depth mapping

Environmental covariates are the basis of predictive soil mapping. Their selection determines the performance of soil mapping to a great extent, especially in cases where the number of soil samples is limited but soil spatial heterogeneity is high. In this study, we proposed an integrated method to select environmental covariates for predictive soil depth mapping. First, candidate variables that may influence the development of soil depth were selected based on pedogenetic knowledge. Second, three conventional methods (Pearson correlation analysis (PsCA), generalized additive models (GAMs), and Random Forest (RF)) were used to generate optimal combinations of environmental covariates. Finally, three optimal combinations were integrated to produce a final combination based on the importance and occurrence frequency of each environmental covariate. We tested this method for soil depth mapping in the upper reaches of the Heihe River Basin in Northwest China. A total of 129 soil sampling sites were collected using a representative sampling strategy, and RF and support vector machine (SVM) models were used to map soil depth. The results showed that compared to the set of environmental covariates selected by the three conventional selection methods, the set of environmental covariates selected by the proposed method achieved higher mapping accuracy. The combination from the proposed method obtained a root mean square error (RMSE) of 11.88 cm, which was 2.25–7.64 cm lower than the other methods, and an R² value of 0.76, which was 0.08–0.26 higher than the other methods. The results suggest that our method can be used as an alternative to the conventional methods for soil depth mapping and may also be effective for mapping other soil properties.     

Toward delineating hydro-functional soil mapping units using the pedostructure concept: A case study

Current soil maps contain qualitative attributes which are challenging to integrate into agronomic models or decision support systems. In this paper, a new approach is proposed that will enable the use of soil maps as a suitable information system of soils hydrostructural properties for agronomic and environmental models. This enhancement is possible through a new methodology for characterizing the soil units on the basis of the multi-scale soil–water functionality of the pedon which is a representative soil mapping unit delineated by pedologists according to the geomorphology. The hydro-functional mapping units should represent soil mapping units that are theoretically homogenous from the perspective of the pedostructure parameters of the pedon. For the purpose of this study, the Haggerty–Cox property, West Lafayette, Indiana, USA was selected. The soil data “soil mapping units and physical characteristics” of the study area were obtained from SSURGO. Due to time and cost constraints, the research was restricted to three SSURGO soil units (SwA, Starks–Fincastle complex with 0–2% slope; MsC2, Miami silt loam, 6–12% slopes; and HoA, Hononegah fine sandy loam with 0–2% slopes) to check their spatial homogeneity according to the pedostructure parameters (PS).The discriminant statistical analysis for the area of study shows that the PS parameters are unique for each soil mapping unit and can be effectively used to characterize these units and validate their delineation. The resulting hydro-functional soil mapping units match SSURGO units but have additional physical attributes. In general, subsurface horizons (B) are more distinguishable than surface horizons (Ap), and using pedostructure parameters from both potential and shrinkage curves gives the highest distinguishing value. Results confirm that the pedostructure parameters are discriminant characteristics of the hydrostructural functioning of soils as delineated by pedologists. Having the hydro-functional soil mapping units will assist in the decision support system data analysis, which in turn, will allow for the prediction of water and chemical transport and interactions.     

参数加速失效模型定位生存性状位点

大多数现存的检测数量性状位点的统计方法,不适于去分析带有偏态分布和删失机制的生存性状。因此,将生存分析中参数和半参数模型镶嵌到数量性状区间定位的框架内,去定位生存性状。在生存性状分析领域里,加速失效时间模型被认为是用于分析数据的一个非常重要模型。基于加速失效时间模型,提出定位生存性状的参数模型,采用EM算法获得参数的极大似然估计。同时,视贝叶斯信息标准为模型选择标准。通过选取带有极大似然和寡参数的指定误差分布,构建了优化模型。为了证明方法的有效性,分析了一个实际数据集,结果表明,在生存分布的五个常用分布函数,对数Logistic分布是控制小鼠高氧性急性肺损伤的最优分布函数。