基于超高密度分子标记的QTL定位
发布时间：2021-08-05 16:23
数量性状基因座（QTL）定位是现代数量遗传学研究的主要手段。传统的QTL定位主要是基于常规的分子标记遗传图谱。常规遗传图谱的分子标记密度不高,相邻标记间通常都存在空白区,因而必须根据两侧标记,通过连锁分析对空白区进行QTL检测。传统的QTL区间作图或复合区间作图方法都是基于这一原理。近10多年来,由于高通量测序技术的发展,利用高通量测序已经在不少物种中构建出高密度或超高密度的遗传图谱。高密度遗传图谱已经基本没有空白区,这意味着没有必要使用双侧标记进行QTL定位,而是可以通过直接检验各个标记来定位QTL。因此,针对常规遗传图谱的QTL定位方法不能有效地利用高密度图谱提供的信息,有必要专门开发适用于高密度图谱的QTL定位方法。高通量测序技术对QTL定位研究带来的另一个重要发展就是基于自然群体的全基因组关联分析（GWAS）,目前已成为QTL定位的一种常用方法。然而,GWAS的灵敏度和精确度有赖于大样本。目前,虽然高通量测序成本已大幅度降低,但进行大样本重测序对普通研究者来说仍然是一笔巨大的费用。因此,如何在不增加重测序费用的条件下有效提高GWAS的灵敏度和精确度是一个亟待解决的问题。针对上述...
【文章来源】：福建农林大学福建省
【文章页数】：83 页
【学位级别】：博士
【部分图文】：
决定系数、F统计量、k之间的关系
图 2-2 余因子数量和F统计量的关系Figure 2-2. The relationship between the number of cofactors and the F-statistics图 2-3 余因子数量和 统计量的关系Figure 2-3. The relationship between the number of cofactors and the R-squared从图 2-2 和图 2-3 可以看出，F统计量值越大，决定系数 值越大，线性拟合的效果越好，但F统计量达到最大值 1273 时，开始下降。 值趋于１，但在
图 2-3 余因子数量和 统计量的关系Figure 2-3. The relationship between the number of cofactors and the R-squared从图 2-2 和图 2-3 可以看出，F统计量值越大，决定系数 值越大，线性拟合的效果越好，但F统计量达到最大值 1273 时，开始下降。 值趋于１，但在0.9889 时开始趋于平稳。如果把两张图合并在一起，就会发现它们曲线相交在横坐标为 13（余因子选择个数）的点上。为了更详细说明F统计量达到最大时，回归模型总体最显著时的细节，我们对余因子个数为 11、12、13 和 14 四组数据的细节进行比较，见表 2-2，设定 11 个数据（10 个 QTL 和 1 个 值）进行 QTL 定位（估计 QTL 位置和效应）时发现，选择 13 个余因子时效果最佳，可完全定位到设定的 QTL，估计余因子效应值有 5 个（下划线标注）更接近设定的效应值， 值最接近设定的中值，比设定 10 个 QTL 多一个余因子，是 Bin514 的效应被分解在 Bin512 和 Bin515 两个位置上，但不会影响 QTL 定位。总结：对回归模型的总体显著性进行检验，通过找到F统计量的最大值，便可以确定回归模型余因子最佳的个数。由于F统计量服从F分布，在确定余因子最佳个数的时候，可以通过数值逼近的方式快速确定，消耗较少的计算资源。
【参考文献】：
期刊论文
[1]QTL作图中零假设检验统计量分布特征及LOD临界值估计方法[J]. 孙子淇,李慧慧,张鲁燕,王建康. 作物学报. 2013(01)
[2]葡萄种质资源初级核心群的构建[J]. 刘鑫铭,刘崇怀,樊秀彩,郭大龙,张国海,孙海生. 植物遗传资源学报. 2012(01)
[3]基于温、热带玉米自交系永久F2群体的叶片数QTL分析[J]. 张伟强,王翠玲,孙朝辉,库丽霞,陈彦惠. 河南农业大学学报. 2011(01)
[4]关联分析及其在植物遗传学研究中的应用[J]. 谭贤杰,吴子恺,程伟东,王天宇,黎裕. 植物学报. 2011(01)
[5]苦瓜种质资源的研究与利用[J]. 万新建,李作善,缪南生,熊德桃. 现代园艺. 2009(08)
[6]利用永久F2群体定位小麦株高的QTL[J]. 王岩,李卓坤,田纪春. 作物学报. 2009(06)
[7]不同生态环境条件下小麦籽粒灌浆速率及千粒重QTL分析[J]. 王瑞霞,张秀英,伍玲,王瑞,海林,闫长生,游光霞,肖世和. 作物学报. 2008(10)
[8]水稻粒形相关性状及千粒重QTL的稳定性分析[J]. 王松凤,李辉,刘喜,陈亮明,刘世家,江玲,万建民. 南京农业大学学报. 2008(03)
[9]我国普通小麦核心种质的构建及遗传多样性分析[J]. 郝晨阳,董玉琛,王兰芬,游光霞,张洪娜,盖红梅,贾继增,张学勇. 科学通报. 2008(08)
[10]基于QTL定位的水稻有效穗数杂种优势预测[J]. 赵彦宏,朱军,徐海明,杨剑,高用明,宋佑胜,石春海,邢永忠. 中国水稻科学. 2007(04)
本文编号：3324074
【文章来源】：福建农林大学福建省
【文章页数】：83 页
【学位级别】：博士
【部分图文】：
决定系数、F统计量、k之间的关系
图 2-2 余因子数量和F统计量的关系Figure 2-2. The relationship between the number of cofactors and the F-statistics图 2-3 余因子数量和 统计量的关系Figure 2-3. The relationship between the number of cofactors and the R-squared从图 2-2 和图 2-3 可以看出，F统计量值越大，决定系数 值越大，线性拟合的效果越好，但F统计量达到最大值 1273 时，开始下降。 值趋于１，但在
图 2-3 余因子数量和 统计量的关系Figure 2-3. The relationship between the number of cofactors and the R-squared从图 2-2 和图 2-3 可以看出，F统计量值越大，决定系数 值越大，线性拟合的效果越好，但F统计量达到最大值 1273 时，开始下降。 值趋于１，但在0.9889 时开始趋于平稳。如果把两张图合并在一起，就会发现它们曲线相交在横坐标为 13（余因子选择个数）的点上。为了更详细说明F统计量达到最大时，回归模型总体最显著时的细节，我们对余因子个数为 11、12、13 和 14 四组数据的细节进行比较，见表 2-2，设定 11 个数据（10 个 QTL 和 1 个 值）进行 QTL 定位（估计 QTL 位置和效应）时发现，选择 13 个余因子时效果最佳，可完全定位到设定的 QTL，估计余因子效应值有 5 个（下划线标注）更接近设定的效应值， 值最接近设定的中值，比设定 10 个 QTL 多一个余因子，是 Bin514 的效应被分解在 Bin512 和 Bin515 两个位置上，但不会影响 QTL 定位。总结：对回归模型的总体显著性进行检验，通过找到F统计量的最大值，便可以确定回归模型余因子最佳的个数。由于F统计量服从F分布，在确定余因子最佳个数的时候，可以通过数值逼近的方式快速确定，消耗较少的计算资源。
【参考文献】：
期刊论文
[1]QTL作图中零假设检验统计量分布特征及LOD临界值估计方法[J]. 孙子淇,李慧慧,张鲁燕,王建康. 作物学报. 2013(01)
[2]葡萄种质资源初级核心群的构建[J]. 刘鑫铭,刘崇怀,樊秀彩,郭大龙,张国海,孙海生. 植物遗传资源学报. 2012(01)
[3]基于温、热带玉米自交系永久F2群体的叶片数QTL分析[J]. 张伟强,王翠玲,孙朝辉,库丽霞,陈彦惠. 河南农业大学学报. 2011(01)
[4]关联分析及其在植物遗传学研究中的应用[J]. 谭贤杰,吴子恺,程伟东,王天宇,黎裕. 植物学报. 2011(01)
[5]苦瓜种质资源的研究与利用[J]. 万新建,李作善,缪南生,熊德桃. 现代园艺. 2009(08)
[6]利用永久F2群体定位小麦株高的QTL[J]. 王岩,李卓坤,田纪春. 作物学报. 2009(06)
[7]不同生态环境条件下小麦籽粒灌浆速率及千粒重QTL分析[J]. 王瑞霞,张秀英,伍玲,王瑞,海林,闫长生,游光霞,肖世和. 作物学报. 2008(10)
[8]水稻粒形相关性状及千粒重QTL的稳定性分析[J]. 王松凤,李辉,刘喜,陈亮明,刘世家,江玲,万建民. 南京农业大学学报. 2008(03)
[9]我国普通小麦核心种质的构建及遗传多样性分析[J]. 郝晨阳,董玉琛,王兰芬,游光霞,张洪娜,盖红梅,贾继增,张学勇. 科学通报. 2008(08)
[10]基于QTL定位的水稻有效穗数杂种优势预测[J]. 赵彦宏,朱军,徐海明,杨剑,高用明,宋佑胜,石春海,邢永忠. 中国水稻科学. 2007(04)
本文编号：3324074
本文链接：https://www.wllwen.com/projectlw/swxlw/3324074.html
