LASSO算法在基于自然群体随机交配的多iQTL定位中的应用

基于自然群体随机交配,应用LASSO算法进行多iQTL定位,带有坐标下降的LASSO方法能够将无关变量压缩并使之趋于零.对模拟产生的自然群体和水稻自然群体数据进行模拟研究,结果表明应用LASSO算法进行多iQTL定位,能够高效、准确地定位到iQTL的位置,并且对各种遗传效应能进行较精确的估计.

基于自然群体随机交配的单个印迹QTL定位的初步研究

【目的】探索基于自然群体随机交配的单个印迹QTL的定位方法,分析影响定位准确性的关键因素。【方法】若印迹QTL决定的某一性状为数量性状,假设该性状与标记之间的关系存在线性关系,可以采用最小二乘法进行印迹QTL定位和遗传参数的估计。利用计算机模拟单点模拟标记、水稻真实自然群体标记进行印迹QTL定位,比较在不同最小等位基因频率(Minor allele frequency,MAF)、不同遗传率、不同随机交配轮数下的统计功效与参数估计精度,印迹QTL的显著性采用F检验和t检验。【结果】通过模拟研究,证明该试验设计对于检测单个印迹QTL是有效的,在MAF大于5%时,印迹遗传率大于10%时,定位与遗传参数估计趋于无偏。【结论】采用自然群体随机交配产生作图群体,可以用来进行单个印迹QTL的定位,定位的结果较好,是一种有效的试验设计,为下一步进行多个印迹QTL奠定了基础。

福建省空气质量指数特征分析

采用函数型主成分分析(FPCA)方法对福建省空气质量指数(AQI)的影响因素进行分析,同时结合Arc GIS图对福建省AQI的时空分布特征进行描述。通过FPCA方法共提取了工业废气与汽车尾气、原料燃烧、人类建设活动、降水等四个主成分,累积总贡献率达到98.1%,时空分析表明不同地区的AQI存在差异,非沿海地区的AQI低于沿海地区。研究表明福建省空气质量指数受当地经济发展程度、经济发展模式、人们生活习惯和气候条件等影响,综合来看,福建省沿海地区空气质量稍差于非沿海地区。根据空气质量的情况不同,我们将福建省9个地级市进行分类,第一类为龙岩、三明、南平和厦门,第二类为宁德、泉州和莆田,福州和漳州都自成一类。

PM2.5对浙江、福建、江西房价的动态影响研究——基于函数型线性模型

以函数型线性模型作为研究动态影响的工具,通过研究发现PM2.5对浙江、福建、江西房价的动态影响存在两种模式:一种是PM2.5上升最终会导致房价下降,PM2.5下降最终会导致房价上升,该模式在全年中占了243天,符合客观认知:空气质量越好房价越高,空气质量越差房价越低;另一种是PM2.5的上升最终会带动房价上升,PM2.5下降最终会导致房价下降,该模式在全年中占了122天,有些违背常理,应当是由其他因素引起而恰好与PM2.5的变动趋势重合。

基于自然群体随机交配的多iQTL定位的模拟

为了研究多个印迹QTL(iQTL)定位方法,本研究采用随机交配策略对纯系自然群体构建可追溯亲本的永久F2作图群体,基于模拟SNP基因型数据与真实水稻SNP基因型数据生成表型性状数据,并应用混合线性模型进行多个iQTL定位和遗传效应的参数估计。模拟研究表明,在不考虑群体结构与亲缘关系造成的干扰时,基于纯系自然群体产生的永久F2作图群体可利用混合线性模型定位到小效应、低遗传率的iQTL,并能估计出iQTL的遗传效应,是一种行之有效的多iQTL定位方法。