单细胞精度的表达数量性状位点研究进展

表达数量性状位点(expression quantitative trait loci,eQTL)表示控制基因表达量的遗传变异位点。eQTL分析是后全基因组关联研究时代鉴定疾病相关遗传位点功能的重要方法,且取得了诸多重要发现。传统的eQTL分析基于全基因组测序结合整体RNA测序技术,细胞间差异的基因表达水平会被掩盖,从而无法鉴定细胞类型或状态依赖的eQTL,因此也难以解析特定环境下疾病相关遗传变异位点。近年来,随着单细胞转录组测序技术的发展和应用普及,基于单细胞转录组测序的eQTL (single-cell RNA sequencing-based eQTL,sc-eQTL)研究技术逐渐成为热点,其优势在于可以充分利用单细胞测序的分辨率和颗粒度挖掘细胞类型、细胞状态以及细胞动态依赖的表达变异位点,显著提升解析基因表达关联的遗传变异位点的能力,对人们探究复杂器官的形成以及疾病的发生、发展、干预和治疗具有重要意义。本文主要从sc-eQTL研究的发展、设计方案、建模策略以及面临的挑战等诸多方面综述近年来的研究进展,以期为科研工作者挖掘致病位点,解析基因调控提供全新的视角。

甲基化数量性状位点研究及其在精神分裂症中的作用

人类基因组DNA序列上存在着被称为“甲基化数量性状位点”的位点驱动着DNA甲基化的水平,其在基因组上的分布情况、功能等问题仍在很大程度上是未知的.越来越多的证据表明,甲基化数量性状位点的研究或许能为精神分裂症的发病机制提供新的见解.本研究收集了来自499名中国汉族人群首发精神分裂症患者,以及年龄性别相匹配的500名中国汉族健康对照组的甲基化数量性状位点数据,从不同的角度证明了甲基化数量性状位点与基因表达调控之间存在着紧密的关系,并展示了甲基化数量性状位点在探究精神分裂症遗传因素中的巨大潜力.最后,结合大规模精神分裂症全基因组关联研究数据提出了精神分裂症风险位点可能通过调控AS3MT基因上的甲基化水平,从而影响精神分裂症患病风险的潜在机制.

不同生长环境下水稻结实率数量性状位点的检测

以籼稻密阳23与粳稻吉冷1号配制所获得的R2：3群体200个家系作为作图群体，在北京、昆明、三亚、公主岭和韩国春川等5个点进行水稻结实率的鉴定，并利用SSR标记对水稻结实率数量性状位点进行检测。结果表明，水稻结实率表型值及其在B家系群中的分布以及所检测到的QTL数目因生长环境不同而有较大差异，说明QTL与环境有明显的互作效应。水稻结实率在F3家系群中呈接近正态或偏态的连续分布，是由多个基因所控制的数量性状。共检测到与水稻结实率相关的QTL14个，分布于第1、2、3、4、6、7、8、10和12染色体上，对表型变异的贡献率为4．9％。15．3％。分别位于第1、2、6和12染色体RM1-RM259、RM263～RM6、RM340-RM30、RM270～RMl7区间的qSSR1、qSSR2、qSSR6和口SSRl2至少在2种生长环境下均检测到，对表型变异的贡献率分别为4．9％～8．4％、4．8％。7．2％、7．6％。10．7％和7．4％。10．4％。以上多数QTL增效等位基因均来自吉冷1号，基因作用方式主要为部分显性或显性或超显性。

水稻灌浆期耐热害的数量性状基因位点分析

利用由98个家系组成的Nipponbare/Kasalath//Nipponbare回交重组自交系群体及其分子连锁图谱,以粒重感热指数[(适温粒重-高温粒重)/适温粒重×100]为评价指标,采用混合线性模型的QTL定位方法,对水稻灌浆期耐热性的主效、上位性数量性状基因位点及其与环境的互作进行分析。共检测到3个灌浆期耐热性主效QTL,分别位于第1、4和7染色体上,LOD值为8.16、11.08和12.86,贡献率8.94%、17.25%和13.50%。其中位于第4染色体标记C1100-R1783之间的QTL,没有显著的上位性和环境互作效应,表明在不同环境和遗传背景中的表达较为稳定,在水稻耐热性育种中可能具有较大的利用价值,其耐热性等位基因来自亲本Kasalath,高温热害时可减少粒重损失3.31%。位于第1染色体标记R1613-C970之间的QTL和第7染色体标记C1226-R1440之间的QTL,耐热性等位基因来自亲本Nipponbare,分别可减少粒重损失2.38%和2.92%。这两个QTL均具有与环境的互作效应,其中第7染色体上的QTL还和其他基因位点有互作。检测到8对加性×加性上位性互作QTL,分布于第1、2、3、5、7、8、10和12染色体上。没有检测到上位性QTL与环境的互作效应。

应用分子标记研究水稻根系形态特征数量性状位点

通过水培试验测定水稻F_3群体(Palawan×IR42)137株系的幼苗根体积、根表面积、相对根粗、最大根长和根数等根系形态特征.借助由该组合的F_2群体所构建的RFLP标记连锁图,通过方差分析检测与根系形态特征表型值相关连的分子标记位点,共测得7个标记位点分别与3个表型性状关连.其中位于2号染色体上的2对连锁标记位点RG139与RZ742及RG171与RG544跟根体积关连;位于5号染色体上的标记位点CDO105与相对根粗关连;2号染色体上的标记位点RG139及5号染色体上的1对连锁标记位点RG229与RG13跟最大根长关连.这些标记位点对关联的表型性状都具有显著的加性效应.

大白×梅山杂交组合肉质性状的数量性状位点定位分析(英文)

为寻找影响猪肉质数量性状基因位点的染色体区域 ,以 3头英系大白公猪和 7头梅山母猪建立F2 资源家系。随机选留 14 7头F2 代个体 (1998年 81头 ,2 0 0 0年 66头 ) ,经检测均获得肉质性状表型数据。对资源家系内的所有个体位于染色体 1、2、3、4、6和 7上的 48个微卫星位点进行扩增。利用线性模型最小二乘法分别对各年度及两年综合后的肉质性状进行数量性状位点 (QTL)区间定位 ,利用置换法确定显著性阈值。研究结果表明 :在 2 0 0 0年群体中 ,猪 4号染色体 (SSC4)上定位了肌内脂肪QTL ,达到染色体极显著水平 (P <0 0 1)和基因组显著水平 (P <0 0 5) ,解释表型变异为 5 2 4% ,梅山猪具有增加肌内脂肪QTL ;两年度群体综合后 ,在上述 4号染色体同一区间 ,肌内脂肪QTL接近染色体显著水平 ;股二头肌pH值和半棘肌pH值QTL分别定位在SSC1和 3上 ;在 1998年和 2 0 0 0年群体中分别发现 1个和 3个达染色体显著水平 (P <0 0 5)的系水力QTL ;在 1998年群体中 ,肌肉含水量QTL位于SSC6;两年综合群体中 ,SSC2、6和 7上定位了肌肉含水量QTL ,达到染色体显著水平 ,含水量QTL均有印迹效应 。

利用重组自交系群体检测水稻种子休眠性数量性状位点

利用由 191个家系组成的密阳 2 3/秋光重组自交家系 (recombinantinbredlines,RIL)F10 代群体 ,进行种子休眠性数量性状基因座 (quantitativetraitlocus,QTL)的检测和遗传效应分析。以抽穗后 35d的种子发芽率作为种子休眠性的表型值 ,分析亲本和 191个RIL的休眠性表现。通过WinQTLCart软件分析 ,检测到分别位于第 5和第 8染色体上的 2个水稻种子休眠性QTL ,其中位于第 8染色体上QTL的加性效应为负值 ,表明该休眠性基因位点来源于亲本秋光 ;第 5染色体上QTL的加性效应为正值 ,表明该休眠性减效基因来源于亲本密阳 2 3。

“汕优63”的产量及其构成因子的数量性状基因位点分析

本文选用优良杂交组合珍汕 97/明恢 63的 F2 稻蔸群体为材料 ,对产量及产量构成因子 (有效穗、每穗实粒数和千粒重 )的表现分别在两年内进行了考查。通过对 537个 RFL P标记和 54对 SSR标记的筛选 ,共找到了 151( 133个 RFL P,18个 SSR)个多型性标记 ,用这些多型性标记构建了该群体的饱和分子标记遗传连锁图。对产量和产量构成因子进行了 QTL定位 ,在两年内共检测到 36个 QTL s,其中 8个 QTL s在两年内都被检测到 ,其余 2 8个 QTL s分别在一年内检测到。通过对这些 QTL s的定位、效应大小及作用方向的分析 。

控制水稻剑叶形态相关性状的数量基因位点(QTL)的定位

水稻籽粒中一半以上的碳水化合物来自剑叶的光合作用，剑叶形态改良一直是水稻株型育种的一个重要目标．利用一个日本主要种植的粳稻品种越光（轮回亲本）和一个印度的籼稻品种Kasalath杂交产生的回交重组自交系群体（backcross recombinant inbred lines，BILs）对剑叶形态中的3个主要性状（剑叶长、叶宽以及其叶面积）进行了相关分析及其数量基因位点（quantitative trait loci，QTL）的定位．研究表明，控制剑叶形态的3个主要性状间存在极显著的正相关，并检测到影响3个性状的8个QTL，分布在第1，3，4，6条染色体上，贡献率介于4．94％～22．07％，其中第4染色体上C1016标记和第6染色体上C556标记附近的共有6个QTL，其两侧的紧密分子标记在水稻株型分子育种上具有一定应用价值．

水稻数量性状位点(QTL)定位研究进展

20世纪 80年代以来 ,DNA标记技术的诞生给数量性状的遗传研究带来了革命性的变化。本文综述了近年来水稻QTL定位的研究进展。对水稻QTL分子标记辅助选择育种进行了探讨 ,并对今后QTL的研究方向提出了一些思考。

近等基因导入系定位水稻抗稻曲病数量性状位点的研究初报

在已构建的Lemont/TeqingRILs遗传连锁图谱上选择 14 6个分子标记 ,鉴定了 2 6 6个特青背景的近等基因导入系的图示基因型 ,结合两年田间稻曲病的自然鉴定结果 ,利用图示基因型重叠方法对抗稻曲病数量性状位点 (QTL)进行了初步定位。结果表明 ,14 6个标记总的遗传图距为 2 2 2 7.6cM ,覆盖 95 .6 %的供体基因组 ,相邻标记平均为 15 .2cM。通过性状 -标记相关分析和图示基因型重叠 ,在第 10和第 12两条染色体上定位到 2个抗稻曲病QTL(QFsr10和QFsr12 ) ,其增强抗性的等位基因均来自亲本Lemont,加性效应分别为 3.38级和 3.34级。

家蚕标记基因位点与数量性状基因位点重组参数的最大似然估计法

利用分离世代群体（ＢＣ＿１或Ｆ＿２），估算家蚕标记基因位点与数量性状基因位点重组参数的最大似然估计法，求解似然方程组的ＥＭ迭代算法。通过１２０次计算机模拟和一个生产实例验证了方法的可行性。

猪数量性状位点定位研究进展

数量性状位点 (QTL)是在基因组中占据一定染色体区域 ,控制某一数量性状的一组微效多基因的集合 (或基因簇 )。目前对猪数量性状的研究已发展为直接将研究目标指向各个数量性状位点 ,借助各种遗传标记 ,构建遗传连锁图谱 ,通过一定的统计分析方法 ,从而将影响数量性状的多个基因剖分开来 ,将其定位于特定的染色体区域。本文对猪的生长、胴体、肉质、繁殖及抗病性状的QTL的定位现状及应用前景试作综述 ,同时也涉及到QTL的概念。

影响小麦加工品质数量性状位点的研究

以M 5和M 16为亲本构建的重组自交系为材料,对影响小麦加工品质性状的数量性状位点(QTL)进行了研究.检测了群体中籽粒硬度、蛋白质含量、SDS沉降值、拉伸面积等品质性状,它们在群体中呈近似正态的连续分布,为多基因控制的数量性状.利用43个SSR标记和42个AFLP标记构建了相关染色体的分子连锁图.在1A、5D、6D染色体上分别检测到与籽粒硬度相关的QTL各1个,其中位于染色体5D上的X gw n190对表型变异的贡献率最大,达62.5%,为主效基因;在1B和6A染色体上分别检测到与蛋白质含量相关的QTL各1个,它们对表型变异的贡献率分别为13.2%和15.6%;在染色体1B和3B上分别检测到与SDS沉降值相关的QTL各1个,贡献率最大(10.2%)的一个QTL位于3B染色体上靠近E 37M 61-286的区域;在1A、3B、5D染色体上分别检测到与拉伸面积相关的QTL各1个,其中5D染色体上的X gw n190对表型的贡献率最大,为11.5%.

稻米垩白与直链淀粉含量的数量性状位点及其相互关系研究

用七丝占/外选35重组自交系(Recombinantinbredlines,简称RILs群体)为材料,对控制稻米垩白和直链淀粉含量的数量性状位点(QTLs)及其相互关系进行了分析.共检测到2个控制直链淀粉含量的QTLs,位于第6染色体上;在第2和第6染色体上检测到4个与稻米垩白有关的QTLs,说明稻米垩白和直链淀粉含量两个性状均为多基因控制的数量性状.通过对稻米垩白与直链淀粉含量的表型相关分析和条件性状分析表明,稻米垩白与直链淀粉含量间存在一定程度的正相关关系.

猪的基因图谱及数量性状位点定位

在人类基因组计划的带动下 ,猪的遗传连锁图谱和细胞遗传学图谱有了较大的进步。利用目前猪基因组图谱的研究成果 ,通过基因组扫描法和候选基因法 ,可以对猪重要经济性状的主效基因位点进行区域定位 ,进而图位克隆 ,找到主效基因 ,为现代遗传育种奠定理论基础。

多年生黑麦草叶片长度数量性状位点(QTLs)研究

选择固定有益等位基因 ,研究多年生黑麦草叶片长度数量性状位点 ,结果表明 :与叶长最为相关的 3个标记所表达的变异占表型总变异的 5 0 .9% (r2 ) ;在选择中如能将这 3个标记最优化地组合在一起 ,其综合共同作用有望使叶片长度延长和缩短 2 6 mm;鉴于供试材料在最初 3个世代的群体选择中所估测到叶片长度的遗传力为 0 .32 ,这样在今后的选择工作中 ,即使只使用现有的两个标记 。

利用微卫星进行奶牛数量性状基因位点定位的研究

采用孙女设计法对德国奶牛的3个数量性状——产奶量、乳脂产量及乳蛋白产量进行了数量性状基因位点的定位研究。实验共有20个父系半同胞家系的1 130头种公牛，共测定了30对染色体上的229个微卫星，表型性状的育种值由孙代母牛估计得到。连锁分析采用多重遗传标记回归法，临界F值由置换实验法计算得到。统计检验发现在某些染色体上存在着一些显著的QTL’s区域，特别是14号染色体上某一区域对所有3个产奶性状都有极显著的影响。进一步证实了Coppieters和Ron等人的实验结果。

数量性状位点(QTLs)内候选基因的生物信息学分析方法

几乎所有的农作物都开展了QTL(quantitative trait loci)定位研究,定位的方法也很多,如区间作图、复合区间作图、基于混合线性模型的复合区间作图和贝叶斯作图等,但这些研究方法均有它们自身的缺陷,定位的QTL在基因组上区间仍然很大,精度不高。为了更好地理解QTLs的分子生物学基础。文章简要地介绍了利用生物信息学方法分析QTL区间内候选基因的方法,并着重从遗传、基因组结构、表达和功能等方面来剖析QTL内的候选基因,为将来更好地利用QTL提供了借鉴。