家畜数量性状基因位点定位的常用统计方法

本文讨论了线性模型为基础的方差分析和回归分析及以似然函数为基础的最大似然法是家畜数量性状基因定位的常用统计方法。其中回归分析灵活多变适应范围广,在区间定位时能同时估计数量性状基因位点的位置和效应值。计算简单、实用、可利用许多现成的统计软件,是目前家畜数量性状基因位点定位的首选方法,最大似然法虽然估计较为正确,但计算过程复杂,化费大量的编程时间。     

群体规模和性状遗传力对F2设计下QTL定位效果的影响

 以F₂设计为资源群体，以区间定位分析为QTL定位的方法，通过计算机模拟，系统地比较了不同资源群体规模和性状遗传力下QTL检测效率,QTL位置和效应估计的准确性和精确性，以期揭示出两个因素对QTL定位效果影响的一般性规律。结果表明：适当扩大资源群体的规模，不仅有助于提高QTL的检测效率，而且还可提高QTL位置和效应估计的可靠性；当对高遗传力性状的QTL实施定位时，QTL的检测效率以及QTL位置估计的准确性和精确性相对较高，但QTL效应估计的可靠性则会有所降低。     

谷物胚乳性状数量基因图的构建方法

 将三倍体胚乳性状的数量遗传模型和二倍体数量性状基因（QTL）图构建方法相结合，导出双侧标记基因型下有关胚乳性状QTL的遗传组成、平均数和遗传方差分量，据之提出以某一区间双侧标记基因型胚乳性状的平均值为依变数，以该区间内任一点假定存在的QTL的加性效应d、显性效应h1和/或h2的系数为自变数，进行有重复观察值的多元线性回归分析，根据多元线性回归的显著性测验该点是否存在QTL，并估计出QTL的遗传效应。给定区间内任一点，皆可以此进行分析，从而可在整条染色体上作图，并以之确定QTL的数目和最可能位置。同时，在检测某一区间时，利用多元线性回归方法将该区间外可能存在的QTL的干扰进行统计控制，以提高QTL检测的精度。文中还讨论了如何将之推广应用于其他类型的DNA不对应资料以及具复杂遗传模型的胚乳性状资料。     

动物遗传设计群体混合模型连锁分析方法

研究提出了一个同时含有主效基因和微效多基因的混合模型连锁分析方法。首先应用LASSO方法快速估计线性混合模型(LMM)非零的主效位点,并将这些位点效应视为固定效应;而后把基于约束极大似然法(REML)估计得到的微效多基因效应再放入LMM中作为随机效应;从而最终实现QTL遗传参数估计和基因定位连锁分析。针对系谱群体的定位分析,该模型,即LASSO-LMM法,不仅很好地继承了单独LASSO法的计算速度,而且还具有比单独LMM法更好的遗传参数估计稳健性。为了具体比较这3种定位方法,采用计算机模拟数据验证。结果表明,相比于单独LASSO法和单独LMM法,LASSO-LMM法在QTL遗传参数估计和统计效力上总体表现出更高的估计精确度和检测效率。     

谷物胚乳性状QTL区间作图的贝叶斯方法

将贝叶斯统计原理和胚乳性状的数量遗传模型相结合,以分离群体中各植株的分子标记基因型以及植株上若干粒种子胚乳性状的单粒观测值为数据模式,提出胚乳性状QTL区间作图的贝叶斯方法.该方法通过Gibbs以及Metropolis-Hastings抽样实现的马尔科夫链蒙特卡罗(MCMC)算法获得QTL效应和位置的估计.方法的有效性用染色体水平和基因组水平2套模拟方案进行验证,结果表明:贝叶斯方法能够准确地估计胚乳性状QTL的位置和效应,并同时区分2种显性效应.     

F2群体动态性状基因定位的极大似然分析

把表型值随着时间(生命时期、年龄、胎次等)或其他可以量化的因素(生理状态、生产水平、代谢率和环境条件等)变化的性状称为动态性状。受动物遗传育种中用来估计动态性状育种值的随机回归测定日模型思想的启发,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对动态性状变化过程的作用,从而建立起动态性状基因定位的数学模型。以F2遗传设计群体为例,论述了动态性状基因定位分析的基本原理,推导了QTL效应大小和位置的极大似然法估计过程。选择3次Legendre多项式为子模型,采用MonteCarlo方法模拟F2设计群体,研究抽样群体大小和测定日密度对不同遗传力QTL检测效力的影响。利用正交设计安排因素试验组合,分析模拟试验结果表明:高遗传力的要比低遗传力的QTL在检测时需要较少个体数和测定日抽样;但不论QTL的遗传力多大,300以上的群体大小和5%以上的测定日密度都可以保证足够高的检测效力。     

基于E-bayes的F_2群体胚乳性状QTL上位性的分析

在F2群体中,采用经验贝叶斯统计方法(E-bayes)对谷类作物的胚乳性状QTL进行上位性分析,并通过计算机模拟加以验证.研究表明,基于E-bayes的胚乳性状QTL上位性分析,能准确地定位各QTL,同时有效地估计出QTL的各种遗传效应.     

基于LASSO算法的多QTL定位的模拟研究

此篇文章中,应用一种基于LASSO的算法去同时定位多个数量性状位点(QTL)。在QTL定位方法中,迭代加权最小二乘法(IRLS)和极大似然法(ML)在参数估计准确性和检测效率方面效果几乎一致。但是在参数估计的稳健性和计算速度方面,迭代加权最小二乘法又明显优于极大似然估计。结合参数的先验分布信息,基于贝叶斯理论的极大似然估计能够分析多QTL模型。然而迭代加权最小二乘估计不能很好的检测多QTL。目前贝叶斯分析已经成为一个多QTL定位的重要的途径,但它主要缺点是计算时间过长,并缺乏简单有效的显著性检验。通过循环坐标下降的LASSO方法可将全模型的系数同时压缩并使之趋进于零,因此该方法能应用于快速同时估计整个基因组的非零遗传效应位点。在这个研究中,应用基于LASSO的算法去同时定位多QTL。模拟证明LASSO方法比迭代加权最小二乘法具有更高的估计精度和检测效率。     

胚乳性状测定方法对QTL遗传效应估计的影响

从理论上分析了不正确地基于胚乳性状测定方法的QTL定位方法造成遗传效应估计偏差的原因,并通过计算机模拟验证;同时探讨了胚乳性状测定方法对胚乳性状QTL的遗传效应估计结果的影响,并指出今后胚乳性状QTL定位的研究方向.     

动态性状功能定位模型的优化

功能定位的实质是将动态性状变化过程的基本规律镶嵌在QTL定位框架内。拟合与时间相关的QTL基因型的期望均值向量和剩余误差的协方差矩阵是动态性状功能定位的核心内容。根据QTL的统计检测效率,通过比较关于QTL基因型的期望均值向量和剩余误差的协方差矩阵的子模型的不同组合,来筛选优化的功能定位模型。以水稻一个DH群体的叶龄性状为例,我们分别用3个具有生物学意义的子模型和2阶Legendre多项式去拟合QTL基因型的均方向量,用13个平稳和非平稳模型去描述剩余协方差的变化。其结果GM2和“衰减”指数模型组合被确定为用来检测水稻第3个连锁群控制叶龄动态变化QTL的优化模型。     

参数加速失效模型定位生存性状位点

大多数现存的检测数量性状位点的统计方法,不适于去分析带有偏态分布和删失机制的生存性状。因此,将生存分析中参数和半参数模型镶嵌到数量性状区间定位的框架内,去定位生存性状。在生存性状分析领域里,加速失效时间模型被认为是用于分析数据的一个非常重要模型。基于加速失效时间模型,提出定位生存性状的参数模型,采用EM算法获得参数的极大似然估计。同时,视贝叶斯信息标准为模型选择标准。通过选取带有极大似然和寡参数的指定误差分布,构建了优化模型。为了证明方法的有效性,分析了一个实际数据集,结果表明,在生存分布的五个常用分布函数,对数Logistic分布是控制小鼠高氧性急性肺损伤的最优分布函数。     

不同遗传力和标记密度下QTL区间定位的效果*

 采用计算机模拟方法系统比较了目标数量性状的遗传力和标记密度对F2设计下单个性状数量性状座位(QTL)区间定位效果的影响。研究结果表明：随着性状遗传力的升高，QTL的检测效率以及QTL位置估计的准确性和精确性也提高，但对QTL加性效应和显性效应估计的效果则无明显影响；在一定范围内提高遗传图谱上的标记密度对保证QTL的定位效果具有积极的意义，但当相邻标记间的图距缩小到一定程度（5~10 cM）时，进一步增加标记密度并不能改进QTL定位的效果。同时，对遗传力过低的性状实施QTL定位，单纯增加标记密度无益于改进QTL定位的效果。     

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．文中最后提出了复合区间定位的实用程序     

相关数量性状基因图谱的联合构建

将曾氏的复合区间法推广到多个相关数量性状基因（ＱＴＬ）图谱的联合构建。以Ｆ＿２世代３个性状为例，列出联合构建的混合模型，以及参数的极大似然估计和假设的似然比测验的方法。模拟示范构建的ＱＴＬ图谱表明，当基因的多效性存在时，与各个性状的独立构建相比联合构建可大大提高ＱＴＬ的检测效率。     

动态性状候选基因检测效率分析

把组 织 器官 的生 长 发育 和随 生 命时 期 或某 些定 量因 素 变化 的 生产 性能 统 称为 动 态性 状。 本 研究 的目 的 是将 动 态性状基 因定 位分 析 的普 适 性方 法应 用 到动 态性 状 候选 基因 分 析中 。采 用 M onte C arlo 法 模拟 分析 抽 样个 体数 、测 定 日频 率、候选基因 频率 和遗 传 贡献 率 等因 素对 动 态性 状候 选 基因 检测 统 计效 率的 影 响。模 拟 试验 结 果表 明:4因素 对候 选 基因 检测 效 率的影响 存在 着差 异 ,它 们 的作 用大 小顺 序 为:累计 遗 传贡 献率 > 个体 数> 测 定日 频数 > 基因 频率 ;个体 数和 测定 日 频数 2因素对候 选基 因检 测 效率 表 现出 一定 的 交互 作用 。     

小麦数量性状基因定位及比较基因组研究进展

综述了小麦数量性状基因定位的研究概况；分析了提高小麦ＱＴＬ检测效率的途径，概述了小麦与其它禾本科作物之间关于比较基因组方面的研究进展。此外，还就分子标记等有关问题进行了讨论。     

A Brief Review: Statistical Methodology for Mapping Quantitative Trait Loci

由于数量性状表型变异的连续性,无法用传统的孟德尔方法对单个数量性状位点（ＱＴＬ）进行分离和定位。８０年代初发现的ＤＮＡ分子标记已被广泛应用于ＱＴＬ的分离、定位及遗传效应估计,即ＱＴＬ作图。统计学分析是实现ＱＴＬ作图的一个重要环节。本文对８０年代以来ＱＴＬ作图统计方法的主要发展进行了简要综述。