拓展的混合样本分析法Ext-BSA及其在玉米大斑病和玉米灰斑病抗性位点鉴定中的应用

发布时间：2020-04-24 20:09

【摘要】：分离群体混合分析(bulked segregant analysis)是利用极端材料构建DNA混池,以多态性的分子标记鉴定性状关联位点。随着测序技术的不断发展,分离群体混合分析与测序技术结合,形成混池测序方法。随后,混合样本分析(bulked sample analysis,BSA)被提出,该方法表明混池测序的材料可以是分离群体、自然群体或任意群体,是对分离群体混合分析的发展和补充。对于植物中的复杂性状,混合样本分析方法仍然需要进一步完善。本论文开发了拓展的混合样本分析的计算方法Extended-BSA(Ext-BSA),进一步利用已发表的基因型数据和模拟的表型数据进行功效分析,同时比较了Ext-BSA、SNP-index和GWAS方法的检测结果。最终将Ext-BSA方法应用于自然群体中玉米大斑病和双亲群体中玉米灰斑病抗性位点的检测。本论文主要结果如下:1.本研究开发了拓展的混合样本分析法Ext-BSA,该方法将每个位点等位基因频率的检验值向左右各延伸5个标记,以该范围内最大的检验值减去全基因组平均值,以此得到标准化的S-score,使用Bonferroni方法对检验结果进行矫正,定义显著性标记。此外,本方法也包含等位基因频率的t检验,是混合样本分析方法的进一步完善。2.以发表的玉米简化基因组测序(GBS)数据中375份热带基因型为材料,模拟1,000次表型数据。对Ext-BSA、SNP-index和GWAS三种方法进行分析比较,其中Ext-BSA和SNP-index方法控制了极端材料的选择比例。分析结果表明,当QTL效应(PVE15%)较大时,Ext-BSA的检测功效在51.6-98.1%,比SNP-index高1倍多。在错误发现率(FDR)方面,SNP-index的FDR均接近1,而Ext-BSA的FDR约为0.5。相比混合样本分析方法,混合线性模型下的GWAS利用了整个群体的基因型数据和表型数据,分析结果表现最优。总体而言,混合样本分析方法中,Ext-BSA方法优于SNP-index,所需试验经费远小于GWAS,是基因定位的有效手段。3.以661份玉米自交系为材料筛选构建一个抗病池和一个感病池,使用Ext-BSA方法,对玉米大斑病进行混合样本分析,发现了33个抗病相关QTL,基因注释分析发现了5个抗玉米大斑病的候选基因。4.以实验室前期构建的包含659份家系的F_2群体为材料,筛选构建两个抗病池和一个感病池,使用Ext-BSA方法,对玉米灰斑病进行混合样本分析,鉴定了32个抗病相关QTL。基因注释分析发现了7个抗玉米灰斑病的候选基因。
【图文】：

流程图,混合样本,影响因素,流程

图 1.1 混合样本分析的影响因素和流程（Zou et al., 2016）Figure 1.1 The pipeline and affecting factors of bulked sample analysis（Zou et al., 2016）目前，混合样本分析已经实现与测序技术的完美结合，可以快速鉴定基因组水平的变异位点对性状关联位点进行深入挖掘，极大的节省了研究成本，研究结果可以与品种培育的生产实践相结合，具有广泛的应用前景（图 1.1）。混合样本分析在不同材料或群体中的应用主要分为以下两个方面：（1）分离群体。混合样本分析应用的分离群体分为突变体与野生型杂交构建的分离群体和极端自然材料构建的分离群体。例如，2009 年，研究人员以 EMS 诱变的拟南芥突变体为材料，

柱状图,群体结构,等位基因频率,样本

图 2.1 ZeaGBSv1.0 数据的群体结构和选择样本的最小等位基因频率Figure 2.1 Population structure of the ZeaGBSv1.0 panel and the minor allele frequency (MAF) distribution in selectedsamples2.3.2 模拟的表型数据及其分布依据表型模拟公式 P = aX + e，进行 1,000 次表型模拟。在表型文件中，每个文件均包含 375份表型数据。随机选取 5 次表型模拟结果进行柱状图展示，，如图 2.2 所示，模拟的表型数据均表现为单峰连续性分布，是良好的表型数据，其中展示了三个选择比例 0.05，0.10，0.30，具有广泛的代表性。因此，基因型数据与表型数据可以用于后续 GWAS，SNP-index 和 Ext-BSA 的功效分析。
【学位授予单位】：中国农业科学院
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：S435.131.4

【参考文献】