基于最小二乘估计的数量性状基因座的复合区间定位法

数量性状基因座（ＱＴＬ）的复合区间定位法是区间定位法的１种改进方法，它大大提高了ＱＴＬ定位的准确性，但计算上比较复杂和费时．由于其似然比统计量的联合分布未知，故准确的显著性测验临界值必须采用排列测验法或模拟抽样法进行估计，但其复杂费时的计算使得这些经验方法显得不实用．本文给出基于最小二乘估计的复合区间定位法，它保持了复合区间定位的基本性质，但在计算上要比基于最大似然估计的方法简单和快速得多．由于它对性状的分布无需特殊的要求，因而有更广的适用范围．通过消除模型中冗余的标记，可使数值计算速度进一步提高．这样，用经验方法估计显著临界值就变得可行了．另外，消除冗余标记还可提高ＱＴＬ定位的准确性，改进ＱＴＬ效应的估值．

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．

动态性状基因座的复合区间定位

动态性状因其广泛性和重要性而备受动植物遗传育种研究者关注.用分子遗传学方法探索该类性状的遗传机制已成为一个极富挑战性的研究课题.将关于时间(测定日期)的Legendre多项式镶嵌在遗传模型的每个遗传效应中,以刻画QTL和协同因子对动态性状变化过程的作用,从而建立动态性状基因复合区间定位分析的数学模型.利用复合区间定位策略的优势,提高对控制动态性状多个QTL的检测效力.以F2设计群体为例,阐述了动态性状基因复合区间定位的似然分析原理,推导了参数似然估计的EM法两步求解过程.模拟实验证明,相同设计条件下,复合区间定位对分布在同一连锁群上多个影响动态性状QTL的检测效果明显好于区间定位;随着协同因子数目的增加,复合区间定位不但能检测出更多的甚至所有的QTL,而且对每个QTL分辨得更加清楚.在实际应用过程中,应针对动态性状的变化规律,并考虑计算成本恰当地选择协同因子数目.

利用两种统计模型对中国肉用西门塔尔牛屠宰性状的全基因组关联分析

旨在利用两种统计模型对中国肉用西门塔尔牛的胴体重和骨重两个屠宰性状进行全基因组关联分析(GWAS),并比较不同模型的分析结果,促进GWAS的方法研究。本研究以1 301头中国肉用西门塔尔牛为试验材料,通过实地采集和测量获得样品和表型数据,通过提取样品DNA,并利用Illumina BovineHD(770K)芯片分型获得基因型数据,采用线性混合模型(LMM)和复合区间定位-线性混合模型(CIM-LMM)两种模型进行关联分析,定位影响目标性状的显著SNPs及候选基因;同时对两种模型的GWAS结果进行对比,探讨模型的优劣。结果表明,CIM-LMM检测到了LMM检测的所有显著SNPs(P<0.05),显示出更高的统计效力。本研究共识别8和7个SNPs分别与胴体重、骨重显著关联,其中有2个SNPs与这两个性状都相关。这些SNPs主要分布于3、5、6、10、14、16、17号染色体上,其中6号和14号染色体显著SNPs分布较为集中;最终找到了11个候选基因,同时探讨了GCNT4、ALDH1A2、LCORL和WDFY3等基因的功能。本研究为中国肉用西门塔尔牛屠宰性状的遗传机理做了探索,并且为GWAS研究方法开拓了新的思路。