西双版纳黄瓜多心室性状的QTL定位

【目的】西双版纳黄瓜是中国特有的黄瓜种质资源,有多心室特性。在探明西双版纳黄瓜多心室性状表现及遗传规律的基础上进行多心室QTL定位,为进一步了解其分子机理和标记辅助育种奠定基础,也为黄瓜果实性状改良提供有益参考和帮助。【方法】对‘北京截头’黄瓜（CC3,3心室）和西双版纳黄瓜（SWCC8,5心室）不同时期的子房进行石蜡切片观察;基于以‘北京截头’黄瓜和西双版纳黄瓜为亲本构建的含124个株系的F₉代RIL群体,利用已完成的遗传图谱,结合两个季节的RIL群体心室数目统计结果进行多心室QTL定位分析。【结果】石蜡切片观察发现,西双版纳黄瓜子房由5个心皮内卷构成多心室的结构,与3心室黄瓜相比,其子房横径大且胎座数量多;QTL定位分析发现5个控制多心室性状的QTL（LOD＞2.5）,分别分布在1、2、6号染色体上,其中位于1号染色体上的QTL ln1.1和ln1.3在2013年秋季、2014年春季这两季统计结果中都稳定存在,ln1.1在两季的LOD值分别为10.96和9.24,贡献率分别为39.24%和20.49%,位于标记SSR16472-SSR12070。ln1.3在两季的LOD值分别为27.31和21.45,贡献率分别为75.90%和47.11%,位于标记UW083751-SSR04278,认为这两个位点是控制多心室的主效QTL,其余位点为微效位点。ln1.1区段的遗传距离为6.3 cM,物理距离为0.97 Mb,包含159个基因。ln1.3区段的遗传距离为4.9 cM,物理距离为2.07 Mb,包含227个基因。在ln1.1和ln1.3区段内分别预测了2个调控多心室性状的基因,包括2个WD40重复蛋白基因（Csa1M071910.1和Csa1M072490.1）和2个Aux/IAA生长素应答基因(Csa1M231530.1和Csa1M207820.1)。【结论】位于1号染色体上的ln1.1和ln1.3是控制多心室性状的主效QTL。预测2个参与植物激素信号转导的基因Csa1M207820.1和Csa1M231530.1,以及2个与WD40重复蛋白相关的基因Csa1M071910.1和Csa1M072490.1为候选基因。     

基于协方差估计的多因变量回归模型的多性状QTL定位研究

【目的】基于协方差估计的多因变量回归（multivariate regression with covariance estimation,MRCE）模型进行多性状QTL定位分析,为动植物数量性状基因定位提供理论参考。【方法】构建适用QTL定位的MRCE模型,设计3个模拟试验对模型进行检验,通过计算机生成基因型和2个相关性状的表型值,并用2组数据对模型进行实际应用,其中一组为水稻DH群体数据,选自qtlnetwork软件;另一组为水稻永久F₂群体数据,由珍汕97×明恢63,含有210个株系的重组自交系（RIL）群体随机交配生成,分析MRCE模型在以上2组数据多性状QTL定位中的应用效果。【结果】用MRCE模型进行QTL定位的模拟试验结果表明,遗传变异所占方差比越大,相关系数绝对值越大,遗传率越大,则功效越好,估计值越接近效应值。MRCE的QTL定位应用结果显示,从水稻DH群体中识别出8个QTL与ph6性状有关,6个QTL与ph8性状有关;从1998年水稻永久F₂群体数据中识别出3个QTL与穗粒数相关,10个QTL与粒质量相关;从1999年数据识别出3个QTL与穗粒数相关,6个QTL与粒质量相关。【结论】利用MRCE模型进行多性状QTL定位是可行的。     

基于无线传感网络的航标系统节点定位研究

为了将海上交通信息的采集、处理、传输通过无线网络进行互联,实现航标的数字化、信息化、网络化,提出一种应用加权最小二乘法和卡尔曼滤波相结合的RSSI定位优化算法,实现网络节点定位.仿真结果分析表明：该算法适用于航标系统的节点定位,定位精度满足要求.     

大豆耐盐性QTL定位研究综述

大豆是我国重要的粮食和经济作物,但土地盐渍化严重影响大豆的产量和品质,所以选育耐盐大豆品种意义重大。而分子标记技术的发展,加快了耐盐大豆的育种进程。基于此,在概述数量性状基因座（Quantitative Trait Locus,QTL）定位方法及盐胁迫对大豆的影响的基础上,对大豆耐盐性QTL定位研究情况进行综述,为其他学者进一步深化研究提供参考。     

基于最小二乘估计的多性状QTL复合区间定位法(英文)

本文给出了多性状数量性状基因座复合区间定位法（ＭＣＩＭ）的一种改进方法．它是基于多重多元回归模型的,因此可以用最小二乘法来配合模型．使得它在计算上要比原来基于最大似然法的ＭＣＩＭ简单快捷得多．给出了多重逐步回归的方法,可用来筛选能提供遗传信息的标记作为ＭＣＩＭ模型中的余因子．文中还建议用排列测验的方法估计所需的显著阈值．给出了一个实际例子．     

基于偏最小二乘的无线传感网多跳定位算法

提出了一种基于偏最小二乘的多跳定位算法(ML-PLS)。算法借助偏最小二乘对已知节点间的跳数与真实距离的建模,通过跳数、距离两者间的最大协方差共同推动节点位置的估计。ML-PLS算法对复杂部署环境具有较强的适应性,克服了传统算法只适用于各向同性网络的不足。仿真结果表明,ML-PLS算法定位精确度高且性能较稳定,并能适应不同网络环境。     

陆地棉纤维品质相关QTL定位研究

 【目的】以湘杂棉2号和中棉所28两个具有共同亲本的陆地棉强优势杂交种的F2为作图群体,构建覆盖率较高的遗传图谱,发掘稳定的纤维品质相关QTL,为标记辅助选择提供依据。【方法】利用SSR标记和JoinMap3.0软件构建陆地棉连锁图,利用Win QTLCart 2.5的复合区间作图法分别对2群体6个纤维品质相关性状在F2和F2:3中进行QTL定位。【结果】利用包含245个多态位点、全长1 847.81 cM的遗传图谱检测纤维品质QTL。中棉所28群体在多环境平均值的联合分析中检测到22个QTL,三环境分离分析中检测到39个QTL;湘杂棉2号群体分别检测到18个和51个QTL。在A3、D2、D9等染色体上有QTL成簇分布现象,并在2个群体中发现一些不受环境影响,稳定遗传的QTL。纤维长度、纤维强度、麦克隆值和伸长率4个性状在2个群体中发现有8对共同QTL。【结论】这些稳定遗传的QTL可以用于分子标记辅助纤维品质改良的育种选择。     

基于最小二乘估计的多性关QTL复合区间定位法

本文给出了多性状数量性状基因座复合区间定位法（ＭＣＩＭ）的一种改进方法，它是基于多重多元间归模型的，因此可以用最小二乘法来配合模型，使得它在计算上要比原来基于最大似然法的ＭＣＩＭ简单快捷得多，给出了多重逐步回归的方法，可用来筛选能提供遗传信息的标记作为ＭＣＩＭ模型中的余因子，文中还建议用排列测验的方法估计的需的显著阈值，给出了一个实际例子。     

玉米株型性状的QTL定位

理想株型是杂交种玉米育种的主要目标之一.该研究以玉米黄C×178 F2群体作为研究材料,采用SSR分子标记构建遗传连锁图谱.采用区间作图法对5个玉米株型性状进行了QTL定位.共检出11个QTLs,包括3个株高QTLs,分别可解释表型变异的8.7%,8.3%和9.0%;1个穗位高QTL,解释表型变异的13.4%;2个雄穗分枝数QTLs,分别可解释表型变异的8.2%和7.3%;4个茎粗QTLs,分别可解释表型变异的8.3%,15.9%,10.3%和6.8%,1个穗上叶平均叶向值QTL,可解释表型变异的11.1%.     

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。     

QTL作图主要统计方法及主要作图群体

 系统而简要的介绍了数量性状基因位点作图（QTL作图）及其主要方法、计算机软件及相应作图群体等。QTL作图的主要统计分析方法有采用t-检验、方差分析、回归分析等方法的单标记分析方法,基于两个侧连标记的区间作图法和复合区间作图法,以及近几年由KAO 和ZENG利用Cockerham模型发展起来的多重区间作图法等。分别介绍了QTL作图的主要作图群体如回交,F₂,DH,RIL等,并对这几种作图群体进行了比较。     

大豆数量性状定位的研究进展

大豆的许多重要农艺性状和经济性状是受多基因控制的数量性状。针对大豆产量性状、种子品质性状和重要病害的抗性等,综述了近年来大豆数量性状基因座位(quantitativetraitlocus,QTL)定位研究的进展,并讨论了目前大豆QTL定位研究存在的问题及解决途径。     

基于性状-标记多元回归的QTL定位方法

基于性状—标记多元回归分析,提出在各条染色体上进行的QTL定位方法,采用“伪似然比”统计量进行显著性测验,并应用多元逐步回归对所检测到的QTL进行进一步地筛选,这不仅简化计算,而且明显提高统计功效。同时给出模拟例子,说明该方法的可行性。     

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。     

Multiple Interval Mapping for Whole Cocoon Weight and Related Economically Important Traits QTL in Silkworm (Bombyx mori)

A backcrossed population (BCi) derived from a cross between C100 and Dazao was obtained. The quantitative trait loci (QTLs) of the economically important traits for whole cocoon weight, cocoon shell weight, ratio of cocoon shell and weight of pupae, etc., were analyzed for the first time using the multiple interval mapping software WinQTLCart2.0. In total 40 QTLs were detected and contributed to 21 groups based on the constructed linkage map. According to the mapping results, 2, 2, 3, and 2 major QTLs explained over 20% of total phenotypic variations, whereas four QTLs, namely qCW-19,qSW-2, qCSR-4, and qPW-23, explained more than 30% of total phenotypic variations for whole cocoon weight, cocoon shell weight, ratio of cocoon shell and weight of pupae, respectively. Correlated traits QTLs often share the same location.Furthermore, most of the detected QTLs were closed to one-side marker. By using the very closed markers, positive QTLs can be aggregated, which can form a basis for molecular marker-assisted selection and breeding.     

Multiple Interval Mapping for Whole Cocoon Weight and Related Economically Important Traits QTL in Silkworm （Bombyx mort）

A backcrossed population （BC1） derived from a cross between C100 and Dazao was obtained. The quantitative trait loci （QTLs） of the economically important traits for whole cocoon weight, cocoon shell weight, ratio of cocoon shell and weight of pupae, etc., were analyzed for the first time using the multiple interval mapping software WinQTLCart2.0. In total 40 QTLs were detected and contributed to 21 groups based on the constructed linkage map. According to the mapping results, 2, 2, 3, and 2 major QTLs explained over 20% of total phenotypic variations, whereas four QTLs, namely qCW-19, qSW-2, qCSR-4, and qPW-23, explained more than 30% of total phenotypic variations for whole cocoon weight, cocoon shell weight, ratio of cocoon shell and weight of pupae, respectively. Correlated traits QTLs often share the same location. Furthermore, most of the detected QTLs were closed to one-side marker. By using the very closed markers, positive QTLs can be aggregated, which can form a basis for molecular marker-assisted selection and breeding.     

大豆生育期性状的遗传及QTL定位研究

综述大豆生育期性状遗传及基因定位研究进展,讨论当前的研究重点和今后可能的研究方向,以期为相关研究提供参考。     

作物QTL定位方法研究进展

阐述了作物QTL定位的主要统计方法,并分析了各个方法的优缺点;同时介绍了QTL定位方法的最新研究进展。旨在为作物遗传工作者进行数量性状遗传分析和数量性状新基因发掘等研究方面提供一定的参考。     

绿豆产量性状的QTL定位

绿豆单株荚数、单荚粒数等农艺性状和粒长、粒宽等籽粒性状与绿豆产量密切相关。以“VC2917/鹦哥绿”RIL群体为材料,通过连续3年田间实验,对12个与绿豆产量相关性状进行评价和QTL定位。相关性分析表明,单株产量与单株荚数（0.837）、百粒重（0.294）的相关性最强,百粒重与粒长（0.512）、粒宽（0.340）、籽粒直径（0.492）、籽粒周长（0.441）的相关性最强,株高与单株分枝数之间呈极显著正相关（0.406）。2017年检测到20个QTLs,分布在除第8染色体外的10条染色体上,遗传贡献率在4.61%~23.76%;2018年检测到16个QTLs,分布在除第8染色体外的10条染色体上,遗传贡献率在4.97%~16.66%之间;2019年检测到20个QTLs,分布在除第1、3、8、9染色体外的7条染色体上,遗传贡献率在和4.65%~20.37%之间。12个性状均发现稳定QTLs,其中株高PH1a、PH1b和PH1c位点,单株分枝数PPP1a、PPP1b和PPP1c位点,荚宽PW10a.1、PW10b和PW10c.1位点,籽粒直径SD10a、SD10b和SD10c位点,籽粒周长SP6a、SP6b和SP6c位点,百粒重HSW7a、HSW7b和HSW7c位点连续3年在相同位点稳定检测到,说明这些位点存在相关性状基因,是今后利用分子标记辅助选择培育高产绿豆新品种或克隆相关基因优先考虑关键区域。