论文部分内容阅读
植物育种目标性状,包括产量、品质、生育期、抗病虫性等大部分是数量性状.数量性状之间并非彼此独立,而是有着这样或那样的关联,性状之间的关联常用Pearson的相关系数度量,又可分为表型相关系数rp,遗传相关系数rg和环境相关系数re.三者之间的关系可用公式:rp=(√h2xh2y)·rg+(√(1-h2x)(1-h2y))·re表示.其中,h2x和h2y分别表示性状x和y的广义遗传力,(1-h2x)和(1-hy2)分别表示性状x和y的环境力.显然,试验中观察到的表型相关既可由遗传相关引起,也可由环境相关引起.本研究报道如何利用数量性状的遗传相关或环境相关进行主基因和QTL的联合分析.1.多性状主基因的联合分析方法根据多个相关数量性状主基因+多基因遗传模型,提出利用多个相关数量性状进行主基因检测、主基因效应和剩余变异估计的联合分离分析方法.该方法以EM算法实现的极大似然估计方法进行主基因的效应估计,以似然比统计量进行主基因的各种遗传假设测验.计算机模拟研究表明,不论主基因是同时控制多个性状的表达,还是仅控制其中一个性状的表达,均远比单个性状的单独分析方法优越.联合分析不仅可以显著提高主基因的检测效率,而且可以增加主基因效应和剩余变异估计值的准确度和精确度.通常来说,只要主基因的检测功效达50﹪,其相应估计值的准确度和精确度均可达到较理想的水平.同时模拟研究还发现,对遗传力和样本容量两个影响主基因检测效能的关键因素来说,其作用效果则是遗传力明显大于样本容量.以水稻杂交组合多蘖矮×中花11的F2群体597个植株株高和分蘖数为例演示了分析程序.结果表明该组合株高和分蘖数受同一对主基因控制.该主基因对株高的加性和显性效应分别为-21.3cm和40.6cm,表现为超显性;对分蘖数加性效应和显性效应分别为22.7和-25.3,表现为接近完全显性.2.多个混合类型性状的QTL联合分析方法在QTL分析的许多试验中,几乎都会同时考察多个数量性状.然而,几乎所有这类试验数据均采用一个性状一个性状地单独分析.多性状QTL的联合分析方法不仅可以提高QTL检测的功效、QTL效应估计值的精度,而且可以检验性状之间的遗传相关究竟是由一因多效还是紧密连锁的QTL造成.本研究在多个相关数量性状QTL联合分析方法的基础上,发展出对多个混合类型性状进行QTL联合分析的新方法.提出用FM算法实现的极大似然方法对多个二歧性状进行QTL联合作图以及用MCMC算法实现的贝叶斯方法对多个混合类型性状QTL的联合分析.前者是已有多个数量性状QTL分析方法的直接推广,但其仍仅依赖于单QTL模型(IM法)或拟多QTL模型(CIM法);而后者则依赖多QTL模型.显然,从模型本身来说,贝叶斯方法要更为优越.大量模拟研究表明,多个混合类型性状的QTL联合分析同多个数量性状QTL分析一样,可以显著提高QTL的检测功效以及增加QTL效应估计的精度.将之应用于水稻对稻瘟病2个生理小种IB54和IG1的抗感反应数据的联合分析,共发现5个稻瘟病抗性相关QTL,而用2个生理小种抗性数据单独分析仅发现其中的4个.此外,研究还发现每个QTL对不同生理小种的抗性具有不同的外显率.