不同遗传力和标记密度下QTL区间定位的效果*

 采用计算机模拟方法系统比较了目标数量性状的遗传力和标记密度对F2设计下单个性状数量性状座位(QTL)区间定位效果的影响。研究结果表明：随着性状遗传力的升高，QTL的检测效率以及QTL位置估计的准确性和精确性也提高，但对QTL加性效应和显性效应估计的效果则无明显影响；在一定范围内提高遗传图谱上的标记密度对保证QTL的定位效果具有积极的意义，但当相邻标记间的图距缩小到一定程度（5~10 cM）时，进一步增加标记密度并不能改进QTL定位的效果。同时，对遗传力过低的性状实施QTL定位，单纯增加标记密度无益于改进QTL定位的效果。     

随机效应模型下标记-QTL连锁分析方法

在QTL随机模型的框架内，通过对QTL方差组分的最大似然估计，进行家畜一般系谱群体的QTL-标记连锁分析，研究中同时考虑了性状遗传力和QTL效应的不同水平对QTL定位效果的影响。结果表明，采用QTL随机效应模型可以有效地进行标记-QTL间的连锁分析并可获得较高的检验功效，QTL位置与效应参数的估计均在合理的范围内；同时，性状遗传力和QTL方差贡献对QTL定位准确度和功效均有较大的影响，随着性状遗传力和QTL方差贡献的增大，参数估计的准确性和检验功效提高。固定性状遗传力的情况下（h^20=0．1），QTL效应由0．1→0．5时，相应的检验功效由17％提高到49％；当遗传力和QTL效应均提高到0．5时，QTL检验功效最高达到88％。     

F2群体动态性状基因定位的极大似然分析

把表型值随着时间(生命时期、年龄、胎次等)或其他可以量化的因素(生理状态、生产水平、代谢率和环境条件等)变化的性状称为动态性状。受动物遗传育种中用来估计动态性状育种值的随机回归测定日模型思想的启发,将关于时间(测定日期)的Legendre多项式镶嵌在遗传模型的每个遗传效应中,以刻画QTL对动态性状变化过程的作用,从而建立起动态性状基因定位的数学模型。以F2遗传设计群体为例,论述了动态性状基因定位分析的基本原理,推导了QTL效应大小和位置的极大似然法估计过程。选择3次Legendre多项式为子模型,采用MonteCarlo方法模拟F2设计群体,研究抽样群体大小和测定日密度对不同遗传力QTL检测效力的影响。利用正交设计安排因素试验组合,分析模拟试验结果表明:高遗传力的要比低遗传力的QTL在检测时需要较少个体数和测定日抽样;但不论QTL的遗传力多大,300以上的群体大小和5%以上的测定日密度都可以保证足够高的检测效力。     

分类性状基因定位的多性状似然分析法

简单线性模型统计方法是业已被证明的与GLM法具有相近参数估计准确度和检测效率的一种二歧性状基因定位分析的简化方法。将适于二歧性状的一元线性模型推广到多类别分类性状基因定位分析中,文中提出采用多元线性模型对多类别分类性状进行基因定位分析。该方法首先将分类性状的各个类别转化为不同的二歧性状,并把每个二维数据看作是连续的,然后采用似然分析法,根据多性状联合定位的统计准则判断QTL的位置和估计QTL效应。模拟结果表明：新方法在大样本和中等遗传力条件下,能够以很高的计算效率相当准确地估计分类性状隐含变量给定的QTL位置和效应。     

阈性状的标记QTL连锁分析

采用最大似然区间定位法对阈性状的标记QTL进行连锁分析,并对影响阈性状QTL检测效率的主要因素(性状遗传力、QTL的方差贡献率、标记间重组率、阈值)进行了模拟研究。实验设计的群体为利用标记位点和QTL位点上都为杂合子的公畜与来自随机平衡群体的母畜群交配产生的半同胞个体组成,模拟产生的资源群体大小为500头。研究结果表明:当性状的遗传力较高,QTL方差贡献较大时,检验统计量LR值较大,检验效果较好;遗传力较低,QTL方差贡献较小时,LR值较小,QTL检测效果较差。另外,标记间重组率和阈值对QTL定位的准确度也有直接的影响,随着标记间重组率的增大,QTL定位的效果越差,当阈值在0.2~5之间时,QTL检测效果最好。     

贝叶斯回归分析方法及其在QTL作图中的应用

以实例详述了运用贝叶斯统计进行线性回归分析的原理和方法,并将其推广应用于F2群体的QTL作图。该方法可同时实对QTL基因型、位置、效应及模型剩余方差等参数的贝叶斯估计,其可行性和有效性通过计算机模拟数据进行了分析验证。结果表明：尽管随着遗传力的提高,QTL位置和效应估计值的准确度随之提高,但在设定的3种遗传力(5％、10％和20％)下相差不大,均很准确;而估计值的精确度则随着遗传力的提高而明显提高。因此,在QTL遗传力较低时,为了提高QTL位置和效应估计的准确度与精确度,适当的样本容量是必要的。     

利用分子标记信息和QTL随机效应模型进行个体遗传评定的效果

利用分子遗传标记信息和随机QTL效应模型,研究了个体遗传评定的效果.结果表明,采用分子标记信息,一般都可提高种畜遗传评定的准确性;对于遗传力较低而QTL方差贡献较大的性状,采用标记辅助遗传评定效果较好;将QTL效应作为随机效应,可以提高种畜效应值估计的效果.     

猪F2代资源家系的群体结构对QTL定位的影响

 【目的】研究猪F2代资源家系的群体结构对数量性状座位(quantitative trait loci,QTL)定位的影响,为QTL定位群体的构建提供参考。【方法】通过模拟的方法,模拟了18种不同的群体结构,研究F0代(亲本)、F1代和F2代群体大小、F0代和F1代公母比例以及祖代QTL基因频率等6种因素对QTL定位的影响。【结果】随着F2代群体的增大,QTL检测的效率明显提高,加性效应的估计值逐渐偏低,95%置信区间显著减小。造成加性效应降低的主要原因是QTL在两亲本群体中没有纯合。随着F0代母畜比例的增加,QTL 95%置信区间也明显降低;随着祖代QTL基因频率差异的增加,QTL检测的效率和准确性都显著提高。【结论】F2代群体大小、F0代母猪比例和祖代QTL基因频率对QTL定位有显著影响,而F1代的群体大小、F0代的群体大小和F1代公母比例对QTL定位的影响不显著。     

水稻籼粳交F8、F2群体穗长QTL比较分析

【目的】对水稻F8重组自交系群体穗长QTL进行检测,并比较分析相同亲本衍生的不同群体的遗传图谱、QTL位置、QTL效应的异同,鉴定稳定表达的穗长QTL,以期增加对穗长遗传行为的了解,且有助于通过分子聚合育种手段改良穗长性状。【方法】以籼稻品种泸恢99和粳稻品种日本晴（基因组测序）为亲本构建的F8重组自交系群体中的188个家系为研究材料,利用包含207个标记的遗传连锁图谱,采用基于混合线性模型的QTL定位软件QTLNetwork 2.0,对水稻穗长QTL进行定位和效应分析,并比较分析F8、F2群体的QTL定位和遗传图谱异同。【结果】在F8群体中检测到7个与穗长性状相关的QTL,分别位于第2、3、6、7、8、10染色体上,QTL对表型变异的贡献率为3.38%—14.8%,总贡献率为52.5%。F8、F2群体在5条相同染色体上都定位到了穗长QTL,这些QTL所在标记区间物理位置大部分是重叠和包含关系。F8、F2图谱在定位标记数、标记的位置顺序、遗传距离、平均图距等方面发生了变化。【结论】在F8、F2群体检测到一个稳定遗传的主效应QTL位点,位于第6染色体,并发现了4个尚未报道的穗长QTL。     

主基因-多基因混合模型下种畜标记辅助遗传评定的效率

在主基因-多基因混合遗传模型的框架内模拟研究了种畜遗传评定的相对效率,比较了常规BLUP与标记辅助BLUP(MBLUP)进行个体遗传评定的效果,模型中将与标记紧密连锁的QTL效应看作随机效应,分子标记的间距为5 cM,QTL的基因型通过侧翼标记来推断.试验设计为半同胞女儿设计,模拟中还考虑了性状遗传力和QTL效应的不同水平对MBLUP评定效果的影响.研究结果表明,多数情况下,MBLUP较常规BLUP具有更大的相对优势,二者的遗传评定效果均直接受性状遗传力和QTL效应的影响,随着性状遗传力的提高,两种方法遗传评定的准确性也进一步提高,但MBLUP的相对优势不断下降;而随着QTL效应的增加,MBLUP的相对优势则有不断增大的趋势.特别是在高QTL效应和低遗传力的情况下标记辅助BLUP的优势最为明显,个体遗传评定的相对准确性增加幅度也最大.     

动物遗传设计群体混合模型连锁分析方法

研究提出了一个同时含有主效基因和微效多基因的混合模型连锁分析方法。首先应用LASSO方法快速估计线性混合模型(LMM)非零的主效位点,并将这些位点效应视为固定效应;而后把基于约束极大似然法(REML)估计得到的微效多基因效应再放入LMM中作为随机效应;从而最终实现QTL遗传参数估计和基因定位连锁分析。针对系谱群体的定位分析,该模型,即LASSO-LMM法,不仅很好地继承了单独LASSO法的计算速度,而且还具有比单独LMM法更好的遗传参数估计稳健性。为了具体比较这3种定位方法,采用计算机模拟数据验证。结果表明,相比于单独LASSO法和单独LMM法,LASSO-LMM法在QTL遗传参数估计和统计效力上总体表现出更高的估计精确度和检测效率。     

基于LASSO算法的多QTL定位的模拟研究

此篇文章中,应用一种基于LASSO的算法去同时定位多个数量性状位点(QTL)。在QTL定位方法中,迭代加权最小二乘法(IRLS)和极大似然法(ML)在参数估计准确性和检测效率方面效果几乎一致。但是在参数估计的稳健性和计算速度方面,迭代加权最小二乘法又明显优于极大似然估计。结合参数的先验分布信息,基于贝叶斯理论的极大似然估计能够分析多QTL模型。然而迭代加权最小二乘估计不能很好的检测多QTL。目前贝叶斯分析已经成为一个多QTL定位的重要的途径,但它主要缺点是计算时间过长,并缺乏简单有效的显著性检验。通过循环坐标下降的LASSO方法可将全模型的系数同时压缩并使之趋进于零,因此该方法能应用于快速同时估计整个基因组的非零遗传效应位点。在这个研究中,应用基于LASSO的算法去同时定位多QTL。模拟证明LASSO方法比迭代加权最小二乘法具有更高的估计精度和检测效率。     

用逐步回归鉴别上位性QTL互作标记的模拟研究

利用蒙特卡罗模拟对逐步回归分析在鉴别代表ＱＴＬ 上位性的互作遗传标记上的应用进行了详细研究⒚结果表明,逐步回归分析能够有效、准确地鉴别出反映ＱＴＬ上位性的互作遗传标记,并优于当前常用的双向方差分析⒚ＱＴＬ之间的紧密连锁会导致互作标记鉴别的分辨率降低,并使鉴别的效率出现扭曲⒚大样本和／或高遗传率可以从总体上提高互作标记准确鉴别的效率,而特定的互作标记鉴别的效率在很大程度上取决于它所代表的ＱＴＬ上位性的相对贡献率⒚显著水平也是影响互作标记鉴别效率的一个重要因子⒚本文建议在几种不同的显著水平下进行若干次逐步回归分析,并在确定适当的显著水平时考虑性状的遗传率及样本容量⒚     

ＢＣ１和 Ｆ２设计下利用单标记信息检测 ＱＴＬ的效率

本文采用计算机模拟方法研究了 ＢＣ１和 Ｆ２设计不同资源群体规模、性状遗传力、ＱＴＬ效应 （ＱＴＬ方差占加性遗传方差的比例）和标记 －ＱＴＬ间图距下单标记分析对 ＱＴＬ的检测效率。结果表明：当资源群体的规模较大,目标性状的遗传力较高,ＱＴＬ效应较大,所检测的标记距离 ＱＴＬ的距离较近时,无论是 ＢＣ１设计还是 Ｆ２设计,都可获得较高的 ＱＴＬ检测效率。但在其他条件相同时,Ｆ２设计对 ＱＴＬ的检出率明显高于 ＢＣ１设计。