排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
大量SNP标记的出现,使以单个标记为中心的关联分析方法逐渐转变成以单倍型为主的关联分析方法。以单倍型为主的分析方法的首要问题是如何获取单倍型。通过实验手段获取单倍型成本较高,利用基因型数据通过单倍型推断获取单倍型是当前首选方法。针对一般系谱和紧密连锁的SNP标记,本研究提出了一种快速和准确的单倍型推断方法。该方法通过三步六条规则,利用亲子关系确定有序基因型,逐步剔除多余的单倍型,最后通过最大似然法确定单倍型组合。利用模拟数据验证在不同系谱大小、不同标记数目和不同标记基因型缺失率等参数组合条件下单倍型推断方法的效率和准确性,并与PEDPHASE程序作比较。结果表明我们的方法的运行速度和准确性都优于PEDPHASE。我们的方法的运行速度比PEDPHASE快10~15倍;准确性比PEDPHASE高4~10%。同时结果还说明了我们的方法的准确性几乎不受系谱大小、标记数目和标记基因型缺失率的影响。 相似文献
2.
为了精细定位牛6号常染色体上55.7 cM范围内影响产奶量的QTL, 对26个父系半同胞的中国荷斯坦奶牛家系进行了14个微卫星标记的检测, 涉及到的女儿牛达2356头. 统计分析采用线性回归和方差组分分析两种方法, 包括单QTL和双QTL检测. 单QTL的线性回归分析发现, 作用产奶量、乳脂量、乳蛋白量和乳脂率的QTL均定位于标记BMS470附近, 而影响乳蛋白率的QTL则临近标记BMS2460. 方差组分法进一步验证了前者有关3个量性状的结论, 只是将影响乳脂量的QTL定到了标记BMS1242位置. 对于这些QTL置信区间的估计, 线性回归法的结果普遍偏大, 约在31~53 cM的长度范围内, 而方差组分法的只有4~5 cM. 进行双QTL检测时, 两种方法均揭示出分别有2个QTL同时存在并制约着3个量性状的表型变化, 不过估计出来的QTL位置有所不同. 相似文献
1