论文部分内容阅读
品种资源群体具有遗传变异大和历史性重组多等特点,蕴藏了很多可被作物遗传育种利用的优异基因,为作物遗传和设计育种提供了基础。特别地,抗病性和抗逆性等重要性状大多是多歧性状(即分级性状),表现出离散的表现型和较为复杂的非孟德尔遗传机制,致使多歧性状的QTL (quantitative trait locus)定位分析较为复杂。但是,挖掘多歧性状基因间互作(即上位性)是数量性状遗传与设计育种的重要内容。因此,探索品种资源群体多歧性状的多QTL定位和上位性检测新方法十分必要。多歧性状的优异基因发掘方法大多是基于双亲的分离群体,不适合品种资源群体。虽然在系谱信息已知情况下,已有贝叶斯关联分析方法和方差组分分析方法,但是在系谱信息未知情况下,相关研究工作比较少。而本研究针对该问题进行了探索,尤其是关于其上位性检测方面的研究。在研究中引入了伪似然的方法,即让表型的条件概率近似服从伪数据(pseudo data)的正态分布,并由此构建伪似然(pseudo-likelihood)函数；然后利用极大似然方法估计群体平均值、环境效应和群体结构效应等固定效应,用经验贝叶斯方法估计QTL效应、QTL×环境互作效应和基因间互作效应等随机效应；最后通过计算机模拟研究和大豆幼苗根长耐盐碱性实际数据分析,验证了新方法。其结果如下：在群体平均值、环境效应和群体结构效应等固定效应,多QTL效应和QTL×环境互作效应等随机效应模型下,建立了多QTL检测及QTL×环境互作检测的分层广义线性混合模型方法。通过一系列Monte Carlo模拟数据和257个大豆幼苗根长耐盐碱性数据,验证了新方法。模拟结果显示：1)新方法比单QTL模型方法和卡方独立性检验方法的功效高；2)参数估计值的偏差较小,QTL检测功效较高,假阳性率较低；3)表型分布呈对称时功效最高,QTL检测功效随表型分类数、Non-founders个数和遗传率的增加而增加。将上述遗传模型拓展至QTL间互作的上位性遗传模型,获得了相似的结果。为了解决遗传模型中待估参数较多的问题,利用x2测验,在显著水平0.25条件下剔除明显不显著的变量,分析上述大豆品种群体耐盐碱性数据。模拟研究和实例分析共同验证了该上位性关联分析方法。