巢式關(guān)聯(lián)分析新方法及其應(yīng)用.pdf

1、傳統(tǒng)的數(shù)量性狀基因座(QTL)定位方法是建立在雙親分離群體基礎(chǔ)上，至少存在兩個(gè)不足。一是雙親間所具有差異基因座個(gè)數(shù)有限。若雙親等位基因一致，其效應(yīng)即使較大也不能被檢測(cè)到;由于親本的不同，群體間結(jié)果的一致性可能不高;二是遺傳群體與育種群體的不一致，導(dǎo)致遺傳分析結(jié)果的育種價(jià)值有限。為克服這些問題，Cornell大學(xué)的科學(xué)家提出了巢式關(guān)聯(lián)設(shè)計(jì)。
　　 巢式關(guān)聯(lián)作圖是由同一個(gè)公共親本與多個(gè)其它親本分別雜交獲得的多個(gè)重組自交家系群體的集合

2、。它結(jié)合了連鎖作圖與關(guān)聯(lián)分析的優(yōu)點(diǎn)，可解決上述雙親分離群體QTL檢測(cè)的缺陷，提高QTL檢測(cè)功效。這一方法已受到大家重視。在前人研究的基礎(chǔ)之上，本研究建立了基于巢式關(guān)聯(lián)作圖的全基因組多QTL定位方法和QTL上位性檢測(cè)方法，模型參數(shù)用經(jīng)驗(yàn)Bayes和EM-LASSO方法估計(jì)，通過一系列模擬數(shù)據(jù)和玉米花期性狀數(shù)據(jù)驗(yàn)證了新方法。其主要結(jié)果如下:
　　 1)建立了巢式關(guān)聯(lián)作圖群體的多QTL定位和上位性檢測(cè)方法，模型參數(shù)用經(jīng)驗(yàn)Bayes進(jìn)行

3、估計(jì)。Monte Carlo模擬研究結(jié)果表明:多QTL模型以及多QTL+上位性QTL模型下，假陽性率均低于0.3％，QTL方差和位置估計(jì)的無偏性好;QTL檢測(cè)功效較高，貢獻(xiàn)率在5％以上的QTL檢測(cè)功效接近100％，貢獻(xiàn)率不低于0.75％的QTL檢測(cè)功效大于80％; QTL貢獻(xiàn)率增加會(huì)提高QTL檢測(cè)功效;
　　 2)利用上述新方法分析了玉米巢式關(guān)聯(lián)作圖群體花期性狀的遺傳基礎(chǔ)。檢測(cè)到雄蕊散粉期性狀的41個(gè)主效QTL和23對(duì)上位性QT

4、L;雌蕊吐絲性狀的34個(gè)主效QTL和19對(duì)上位性QTL;散粉-吐絲間隔期性狀的43個(gè)主效QTL和9對(duì)上位性QTL。上述三性狀QTL總貢獻(xiàn)率分別為72.87、70.35和68.97％;主效QTL總貢獻(xiàn)率分別為28.16、23.66和58.61％，平均貢獻(xiàn)率分別為0.69、0.70和1.36％;上位性QTL總貢獻(xiàn)率分別為44.71、46.69和10.36％，平均貢獻(xiàn)率分別為1.94、2.46和1.15％。這表明主效和上位性QTL的相對(duì)貢獻(xiàn)率