论文部分内容阅读
传统的数量性状基因座(quantitative trait locus, QTL)定位方法是建立在双亲分离群体基础上,至少存在两个不足。一是双亲间所具有差异基因座个数有限。若双亲等位基因一致,其效应即使较大也不能被检测到；由于亲本的不同,群体间结果的一致性可能不高；二是遗传群体与育种群体的不一致,导致遗传分析结果的育种价值有限。为克服这些问题,Cornell大学的科学家提出了巢式关联设计。巢式关联作图是由同一个公共亲本与多个其它亲本分别杂交获得的多个重组自交家系群体的集合。它结合了连锁作图与关联分析的优点,可解决上述双亲分离群体QTL检测的缺陷,提高QTL检测功效。这一方法已受到大家重视。在前人研究的基础之上,本研究建立了基于巢式关联作图的全基因组多QTL定位方法和QTL上位性检测方法,模型参数用经验Bayes和EM-LASSO方法估计,通过一系列模拟数据和玉米花期性状数据验证了新方法。其主要结果如下：1)建立了巢式关联作图群体的多QTL定位和上位性检测方法,模型参数用经验Bayes进行估计。Monte Carlo模拟研究结果表明：多QTL模型以及多QTL+上位性QTL模型下,假阳性率均低于0.3%,QTL方差和位置估计的无偏性好；QTL检测功效较高,贡献率在5%以上的QTL检测功效接近100%,贡献率不低于0.75%的QTL检测功效大于80%；QTL贡献率增加会提高QTL检测功效；2)利用上述新方法分析了玉米巢式关联作图群体花期性状的遗传基础。检测到雄蕊散粉期性状的41个主效QTL和23对上位性QTL；雌蕊吐丝性状的34个主效QTL和19对上位性QTL；散粉-吐丝间隔期性状的43个主效QTL和9对上位性QTL。上述三性状QTL总贡献率分别为72.87、70.35和68.97%；主效QTL总贡献率分别为28.16、23.66和58.61%,平均贡献率分别为0.69、0.70和1.36%；上位性QTL总贡献率分别为44.71、46.69和10.36%,平均贡献率分别为1.94、2.46和1.15%。这表明主效和上位性QTL的相对贡献率随性状不同而异。