QTL定位的原理和方法
QTL定位的原理和步骤(共15张PPT)
回交（BC）群体 受微效多基因控制，遗传关系复杂
（三）检测分离世代群体中每一个体的标记基因型
受微效多基因控制，遗传关系复杂
（ 双单倍体 doubled 测定作图群体的每个个体（系）数量性状值。
重组近交系（recombinant inbred lines, RIL）群体统计分析源自数量性状数据QTL定位
第六页，共15页。
三、QTL作图一般步骤
（一）构建作图群体 适于QTL作图的群体是待测数量性状存在广泛变异，
多个标记位点处于分离状态的群体。一般是由亲缘关系较远 的亲本间杂交，再经自交、回交等方法构建。
第七页，共15页。
三、QTL作图一般步骤
（一）构建作图群体 QTL定位：也称QTL作图，借助分子标记，可以在染色体上检测出QTL，并可以确定影响某一数量性状的QTL在染色体上的数目、位置和
第十一页，共15页。
三、QTL作图一般步骤
（三）检测分离世代群体中每一个体的标记基因型
21 113 22
第十二页，共15页。
三、QTL作图一般步骤
（四）测量数量性状 测定作图群体的每个个体（系）数量性状值。如：
株高
百粒重 蛋白质含量 ……
第十三页，共15页。
三、QTL作图一般步骤
（五）统计分析
是控制数量性状的基因在基因组中的位置。
QTL定位：也称QTL作图，借助分子标记，可以在染色 体上检测出QTL，并可以确定影响某一数量性状的
QTL在染色体上的数目、位置和遗传效应。
第三页，共15页。
二、QTL定位的原理
如果分子标记覆盖整个基因组，控制数量性状的 基因( Qi)两侧会有相连锁的分子标记( M i- 和 M i+ )，这 些与Qi紧密连锁的分子标记将表现不同程度的遗传效应。
qtl定位的原理和方法
qtl定位的原理和方法QTL定位（定位关联分析）是一种现代分子遗传学研究中最受欢迎的方法之一，用于检测性状与基因位点之间的关联。
它采用大量的DNA样本进行分析，以定位具有显著影响的基因位点，以便将某个性状与其遗传控制位点联系起来。
下面将对QTL定位的原理和方法进行详细介绍：一、QTL定位的原理1、遗传距离QTL定位所使用的原理是双亲亲代遗传距离（PBT），即从一只父母中继承的遗传信息离该代性状之间的距离。
因此，在发现基因位点与性状间存在关联关系时，这些基因位点应该处于控制该性状的PBT之内。
2、显著的统计功能PBT表明，当两个或多个位点之间存在最大的相互影响时，它们应该被认为是具有可能共同控制某一性状的位点。
计算这些位点之间的关联关系时，QTL定位使用了高度灵活的统计功能来确定可能控制性状的位点。
3、方差分析QTL定位采用了ANOVA（方差分析）的方法对样本位点的遗传信息进行更精确的分析。
这将帮助我们更准确地定位具有良好关联关系的基因位点。
二、QTL定位的方法1、映射表首先，根据QTL定位要求，会有一张明确的映射表，用于建立基因位点与性状之间的关联关系。
该映射表由DNA分子标记（如微卫星）、RNA分子标记和细胞表面标记组成，用于确定基因位点的具体位置。
2、细胞表型接下来，需要拿出相关的细胞表型数据，如果是杂交的环境下，样本的性状可以用已知的表型数据及其位点来与受检样本进行比较。
3、统计分析最后，使用统计分析来研究基因位点与性状之间的关联关系，以确定突变可能使性状发生变化的基因位点。
总之，QTL定位是一种利用映射表、细胞表型和统计分析来定位可能与某个性状紧密关联的基因位点的重要方法。
它可用来帮助我们发现形态性状与遗传物质之间的关联，从而更好地了解遗传分析和分子基因组学。
数量性状的分子标记(QTL定位的原理和方法讲义)
数量性状的分子标记(定位的原理和方法讲义)作物中大多数重要的农艺性状和经济性状如产量、品质、生育期、抗逆性等都是数量性状。
与质量性状不同，数量性状受多基因控制，遗传基础复杂，且易受环境影响，表现为连续变异，表现型与基因型之间没有明确的对应关系。
因此，对数量性状的遗传研究十分困难。
长期以来，只能借助于数理统计的手段，将控制数量性状的多基因系统作为一个整体来研究，用平均值和方差来反映数量性状的遗传特征，无法了解单个基因的位置和效应。
这种状况制约了人们在育种中对数量性状的遗传操纵能力。
分子标记技术的出现，为深入研究数量性状的遗传基础提供了可能。
控制数量性状的基因在基因组中的位置称为数量性状基因座（）。
利用分子标记进行遗传连锁分析，可以检测出，即定位（）。
借助与连锁的分子标记，就能够在育种中对有关的的遗传动态进行跟踪，从而大大增强人们对数量性状的遗传操纵能力，提高育种中对数量性状优良基因型选择的准确性和预见性。
因此，定位是一项十分重要的基础研究工作。
年，等发表了第一篇应用连锁图在番茄中定位的论文。
之后，随着分子标记技术的不断发展以及许多物种中分子连锁图谱的相继建成，全世界出现了研究的热潮，每年发表有关研究的论文数量几乎呈指数增长（图），显示了该研究领域的勃勃生机。
目前，定位研究已在许多重要作物中展开，并且进展迅速。
本章主要介绍定位的原理和方法。
图年期间国际上每年发表有关研究的论文的数量. 数据从英国信息系统检索得到第一节数量性状基因的初级定位定位就是检测分子标记（下面将简称为标记）与间的连锁关系，同时还可估计的效应。
定位研究常用的群体有、、和。
这些群体可称为初级群体（）。
用初级群体进行的定位的精度通常不会很高，因此只是初级定位。
由于数量性状是连续变异的，无法明确分组，因此定位不能完全套用孟德尔遗传学的连锁分析方法，而必须发展特殊的统计分析方法。
年代末以来，这方面的研究十分活跃，已经发展了不少定位方法。
一、定位的基本原理和方法孟德尔遗传学分析非等位基因间连锁关系的基本方法是，首先根据个体表现型进行分组，然后根据各组间的比例，检验非等位基因间是否存在连锁，并估计重组率。
数量性状的分子标记
数量性状的分子标记QTL定位是一种用于研究数量性状的分子标记方法，通过对群体中的基因组的变异性进行检测，确定与数量性状相关的区域。
本文将介绍QTL定位的原理和方法，包括遗传连锁、测量数量性状和构建遗传图谱等。
QTL定位的原理和方法主要基于两个关键概念：连锁和重组。
连锁是指两个位于同一染色体上的基因间的紧密关联性。
重组是指两个位于同一染色体上的基因之间的基因重组事件。
在基因座重组时，基因座之间可能发生重组，导致基因座的位置发生改变。
通过对基因座的重组情况进行检测，可以推断基因座之间的连锁关系。
QTL定位的第一步是测量数量性状。
数量性状是指受多个基因和环境因素影响的连续变量性状，如体重、身高等。
在进行QTL定位之前，需要通过测量数量性状的表型值来确定样本的表型差异。
对于数量性状的测量，可以使用传统的测量方法，如体重测量、尺寸测量等，也可以利用高通量测序技术，如RNA测序、蛋白质质谱等。
QTL定位的第二步是构建遗传图谱。
遗传图谱是指基因座之间的相对位置，用于描述基因座之间的连锁关系。
构建遗传图谱的主要方法是通过对群体中的基因型进行分析，确定基因座之间的连锁关系。
常用的构建遗传图谱的方法包括连锁分析、复合杂交分析等。
连锁分析是通过对多个基因座的基因型进行测定，确定基因座之间的连锁关系。
复合杂交分析是通过将多个群体之间的交配与测量数量性状的表型值，来推断基因座之间的连锁关系。
QTL定位的第三步是确定与数量性状相关的区域。
通过对基因座的重组情况进行分析，可以确定与数量性状相关的区域。
具体的方法包括相关分析、关联分析等。
相关分析是通过计算基因座之间的相关系数，来确定与数量性状相关的区域。
关联分析是通过对基因座的基因频率进行比较，来确定与数量性状相关的区域。
QTL定位的最后一步是验证与数量性状相关的区域。
通过对已定位的区域进行验证，可以确定与数量性状相关的基因。
验证方法包括驱动基因分析、功能鉴定等。
驱动基因分析是通过对数量性状的变异性进行分析，来确定与数量性状相关的基因。
作物QTL分析的原理与方法
作物QTL定位方法与技术作物QTL定位的方法主要有传统连锁分析、基因芯片 技术和深度学习等。连锁分析通过群体遗传学手段，鉴定两个或多个基因位点 间的连锁关系，进而确定控制性状的QTL。基因芯片技术利用基因组wide的标 记分布，对大量基因位点进行同时检测，高效地定位QTL。深度学习则利用神 经网络等算法，自动化学习和识别数据中的特征，实现对QTL的精准定位。
四、自然群体
自然群体是指在没有人为干预下自然形成的群体，如野生种、地方品种、自然 变异群体等。这些群体通常具有丰富的遗传变异和复杂的遗传结构，对于研究 作物的适应性、抗逆性和产量等性状的遗传基础非常有用。此外，自然群体还 可以用于发现和克隆稀有或特殊的QTL。
五、基于基因组的作图群体
随着基因组学技术的发展，基于基因组的作图群体越来越受到重视。这种群体 可以通过重测序技术获得大量的SNP（单核苷酸多态性）标记，并利用这些标 记构建高密度的遗传图谱。这种图谱可以用于精细定位和克隆QTL，以及研究 基因组中的结构变异和非编码区基因组。
2、QTL分析的具体步骤
（1）数据采集：收集作物的基因型和表型数据。基因型数据可以通过高通量 测序技术获得，而表型数据则可以通过田间试验和室内分析等方法获得。
（2）作图：利用作图软件将基因型和表型数据组装成图，以展示它们之间的 关系。常用的作图软件包括QTL Cartographer、QTL IciMapping等。
原理
1、QTL的概念及定义
QTL是指作物基因组中控制数量性状的基因座位，它们可以通过影响表型变异 来影响作物的农艺性状。QTL通常分为两类：主效QTL和微效QTL。主效QTL是 指对表型变异起主要作用的QTL，而微效QTL则是指对表型变异起较小作用的 QTL。
QTL 定位方法---
QTL 定位方法分子标记技术和数量遗传学的发展，使得分子遗传学与数量遗传学相互渗透和融合，从而形成了一个新的研究领域—分子数量遗传学（Molecular Quantitative Genetics）。
分子数量遗传学研究的内容，就是借助分子标记，采用适当的统计分析方法明确QTL 在染色体上的位置及其效应。
而QTL 定位的原理是：利用适当的分离群体，构建较高密度的、分布较均匀的、覆盖全基因组的分子标记连锁图。
根据遗传连锁的基本遗传学原理，对分离群体中单株的标记基因型和性状的表型值进行一定的统计分析，将决定数量性状的QTL 定位在分子标记连锁图中。
目前，QTL 定位的方法主要有单标记分析法（Edwards et al, 1987），区间作图法（Lander and Botstein, 1989）和复合区间作图法（Zeng, 1994）等。
单标记法（Single marker analysis）是最简单的分析标记与性状关联的方法，包括以标记为基础的分析方法（Marker-based analysis, MBA）和以性状为基础的分析方法（Trait-based analysis, TBA，Lebowitz et al., 1987）。
前者利用每个标记位点不同基因型间的性状均值差异，以传统的单因素方差分析法测验被研究的数量性状在标记基因型间的差异显著性。
对于一个作图群体而言，任意标记位点具有三种基因型（F2群体）或两种基因型（回交群体、重组自交系、双单倍体系），分析每一基因型个体的数量性状均值的差异，并进行F 测验，当F 测验显著时，则表明该标记位点可能与一个或多个QTL 连锁。
利用这种方法进行的数量性状分析，既简单又符合QTL 定位的基本统计原理，且不需要完整的分子标记连锁图，是定位QTL 的最为有效方法。
但不足之处是不能准确估计QTL 的位置，且往往会低估其遗传效应。
以性状为基础的分析方法的原理是假定因选择而使数量性状的高表型个体中的QTL 增效等位基因和低表型个体中的QTL 减效等位基因的频率增加，当QTL 的等位基因与某一标记基因连锁时，会因相互关联而导致高、低表型个体间标记基因频率的差异。
数量性状基因定位的原理及方法
数量性状基因定位的原理及方法随着现代分子生物学的发展和分子标记技术的成熟,已经可以构建各种作物的分子标记连锁图谱.基于作物的分子的标记连锁图谱,采用近年来发展的数量性状基因位点(QTL)的定位分析方法，可以估算数量性状的基因位点树目、位置和遗传效应。
本文介绍了数量性状基因定位的原理以及分析方法。
每一种方法都有自己的优点，但也存在相应的缺陷。
1 数量性状基因定位的原理孟德尔遗传学分析非等位基因间连锁关系的基本方法是，首先根据个体表现型进行分组，然后根据各组间的比例，检验非等位基因间是否存在连锁，并估计重组率。
QTL定位实质上就是分析分子标记与QTL之间的连锁关系，其基本原理仍然是对个体进行分组，但这种分组是不完全的。
2 数量性状基因定位的方法自然界存在生物个体的性状、品质等多为数量性状，它们受多基因的控制，也易受环境影响。
多基因及环境的共同作用结果使得数量性状表现为连续变异,基因型与表现型间的对应关系也难以确定。
因此,长期以来,科学工作者只是借助数理统计方法,将复杂的多基因系统作为一个整体,用平均值和方差来表示数量性状的遗传特征,而对单个基因的效应及位置、基因间的相互作用等无法深入了解, 从而限制了育种中数量性状的遗传操作能力。
20 世纪80 年代以来发展的分子标记技术为深入研究数量性状的遗传规律及其操作创造了条件, 提高了植物育种中目标数量性状优良基因型选择的可能性、准确性及预见性。
下面主要介绍了几种定位方法。
2.1 QTL 定位方法连锁是QTL定位的遗传基础。
QTL 定位是通过数量性状观察值与标记间的关联分析,即当标记与特定性状连锁时,不同标记基因型个体的表型值存在显著差异,来确定各个数量性状位点在染色体上的位置、效应, 甚至各个QTL 间的相关作用。
因此, QTL 定位实质上也就是基于一个特定模型的遗传假设, 是统计学上的一个概念, 有可信度(如99% , 95%等) ,与数量性状基因有本质区别( 图1)。
qtl定位原理和流程
qtl定位原理和流程下载温馨提示:该文档是我店铺精心编制而成，希望大家下载以后，能够帮助大家解决实际的问题。
文档下载后可定制随意修改，请根据实际需要进行相应的调整和使用，谢谢!并且，本店铺为大家提供各种各样类型的实用资料，如教育随笔、日记赏析、句子摘抄、古诗大全、经典美文、话题作文、工作总结、词语解析、文案摘录、其他资料等等，如想了解不同资料格式和写法，敬请关注!Download tips: This document is carefully compiled by theeditor. I hope that after you download them,they can help yousolve practical problems. The document can be customized andmodified after downloading,please adjust and use it according toactual needs, thank you!In addition, our shop provides you with various types ofpractical materials,such as educational essays, diaryappreciation,sentence excerpts,ancient poems,classic articles,topic composition,work summary,word parsing,copy excerpts,other materials and so on,want to know different data formats andwriting methods,please pay attention!QTL 定位是一种用于确定数量性状基因座（Quantitative Trait Locus，QTL）在染色体上位置的方法。
数量性状的分子标记(QTL定位的原理和方法讲义)
数量性状的分子标记（QTL定位的原理和方法讲义）数量性状的分子标记(qtl定位的原理和方法讲义)作物中最重要的农艺和经济性状，如产量、品质、生育期、抗逆性等，都是数量性状。
与品质性状不同，数量性状受多基因控制，遗传基础复杂，易受环境影响。
它们表现出持续的变异，表型和基因型之间没有明确的对应关系。
因此，数量性状的遗传研究非常困难。
长期以来，我们只能用数理统计的方法从整体上研究控制数量性状的多基因系统，用平均值和方差来反映数量性状的遗传特征，因此无法理解单个基因的位置和作用。
这种情况限制了人们在育种中对数量性状的遗传操作能力。
分子标记技术的出现使进一步研究数量性状的遗传基础成为可能。
控制数量性状的基因在基因组中的位置称为数量性状位点（QTL）。
QTL定位可以通过分子标记进行遗传连锁分析来检测。
借助与QTL连锁的分子标记，我们可以在育种中跟踪相关QTL的遗传动态，从而大大提高人们对数量性状的遗传操作能力，提高育种中数量性状良好基因型选择的准确性和可预测性。
因此，QTL定位是一项非常重要的基础研究工作。
1988年，Paterson等人发表了第一篇关于利用RFLP连锁图谱定位番茄QTL的论文。
此后，随着分子标记技术的不断发展和许多物种分子连锁图谱的完成，世界各地掀起了QTL研究的热潮。
QTL研究发表的论文数量几乎每年都呈指数增长（图5.1），这表明了该研究领域的活力。
目前，QTL定位研究已在许多重要作物上开展，并取得了快速进展。
本章主要介绍QTL定位的原理和方法。
图5.11986~1998年期间国际上每年发表有关qtl研究的论文的数量.数据从英国bids 信息系统检索得到第一节数量性状基因的初步定位qtl定位就是检测分子标记（下面将简称为标记）与qtl间的连锁关系，同时还可估计qtl的效应。
qtl定位研究常用的群体有f2、bc、ri和dh。
这些群体可称为初级群体（primarypopulation）。
用初级群体进行的qtl定位的精度通常不会很高，因此只是初级定位。
QTL定位的原理和方法
通过QTL定位技术，可以找到控制植物产量和品质的关键基因，为提高作物产量和品质提 供理论依据。
动物QTL定位
动物生长性状的QTL定位
利用QTL定位技术，研究动物生长性状的相关基因，有助于提高动 物的生长速度和生产效益。
动物繁殖性状的QTL定位
通过QTL定位技术，可以找到与动物繁殖性状相关的基因，为动物 繁殖育种提供分子标记辅助选择。
QTL定位精度
QTL定位精度是指通过QTL定位方法确定QTL位置的准确性。重组率越高，QTL与遗传标记之间的距离越短，定 位精度越高。
统计推断在QTL定位中的作用
统计推断
统计推断是指根据样本数据和概率模型，对未知参数或假设进行估计或验证的过程。在QTL定位中， 统计推断用于估计QTL的位置和效应大小。
关联分析
将QTL定位与关联分析相结合，可以更全面地揭示基因 变异与表型变异之间的关系。
功能基因组学
将QTL定位与功能基因组学相结合，有助于深入了解QTL 的功能和作用机制。
感谢您的观看
THANKS
QTL定位就是通过统计学方法，将数量性状与 基因组中的特定区域关联起来，从而确定控制 该数量性状的基因在基因组中的位置。
QTL定位的意义
揭示数量性状遗传
机制
通过QTL定位，可以了解控制特 定数量性状的基因及其变异等位 基因，从而揭示其遗传机制。
辅助育种
QTL定位可以为育种提供重要信 息，帮助育种家针对特定性状进 行选择和改良，提高育种效率和 准确性。
标记密度
增加遗传标记的密度可以提高QTL定 位的精度和分辨率，但同时也增加了 实验成本和数据处理难度。QTL互Fra bibliotek与复杂性状研究
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
15:15
完全连锁标记统计能力的计算理论
• Ⅰ型错误（ ）：当零假设为真，拒绝零假设所 犯错误的概率； • Ⅱ型错误 （ ）：当零假设为假，接受零假设所 犯错误的概率； • 统计能力被定义为：
Байду номын сангаас
15:15
Statistical errors
P(T)
H0
Critical value
HA
15:15
位置的QTL效应就是最好的QTL估计效应。
15:15
15:15
多次检测问题
• 如果有许多独立的零假设被检验，而且事 先知道所有的零假设都为真，则，至少出 现一次假显著（false positive)的概率为
1 (1 )
15:15
n
伯努利校正
1 (1 ) n
• RIL的产生慢而困难。 15:15
深度杂交系（Advanced intercross lines AIL）
• AIL开始于F2群体，杂交后裔继续杂交一定数目
的世代（与RIL近似，但是远交，而不是近交）； • AIL是在F2群体QTL定位的基础上进一步提高QTL 的定位精度； • AIL的任何性状都能被度量，但基因型判型只着眼 于感兴趣的区域； • AIL的关键特性是在目标区域创造了附加的重组事
15:15
FDR(false discovery rate)
j Pj (1) m
• α is declared FDR (such as 0.05) • j is the largest order that met formula (1) • m is the number of marker
• 零假设是该QTL位于估计的峰值位置，备择假设为 QTL位于距峰值距离为 d 的位置， • 检验统计量为全QTL模型在峰值位置和距离峰值位 置 d 图距单位位置的似然函数的差值的两倍，当样 2 本为大样本时，它近似呈自由度为1的 分布； • 因此可以通过偏离峰值位置，使检验统计量降到一 个给定的数值来对QTL位置置信区间进行检验。 15:15
3. 重复上面的1和2两个过程，如200次或更多；
4. 在分布的两尾去掉2.5%的极端的QTL位置估计 值； 5. 剩余的95%表示置信区间的估计值。
15:15
QTL位置估计的置信区间
15:15
预测置信区间
• 置信区间的长度受样本大小、QTL效应和标记密 度的影响，对一个高密度标记图谱，Darvasi and Soller (1997)给出了一个预测的近似95%的置信 区间（单位cM)：
1n
15:15
Permutation test
• 对表型和标记基因型数据进行随机重排，它消除 了标记基因型和表型之间的关联；
• 每次重排数据，都要重新在整个基因组中进行 QTL定位分析； • 通过多次重排，可获得每次检验LRT统计量在没 有QTL的零假设条件下的分布；
15:15
• Permutation test的具体步骤：
• Such as BC and F2 design
15:15
单标记分析
15:15
• m是总平均；a 和 d 是加性和显性效应； r 是标记 和QTL之间的重组率。
• Pr(Qq Aa)是给定个体标记位点基因型为Aa的条 件下的QTL基因型Qq的条件概率；
• Pr(QqAa ) 是标记和QTL基因型的联合概率；
15:15
• 分析类型。
完全连锁标记统计能力的计算
• 近交系杂交情形下的QTL定位检测能力计算基于 单标记的t-检验和F-检验。
15:15
• F2设计：
• BC设计：
t BC (a d )
4 e2 n
2
n 4 t
15:15
2 2 e BC
(a d )
• 对于合理的样本大小和小的QTL效应，要求的 t 值
Impact of alpha
P(T)
Critical value
15:15
T
Impact of effect size, N
P(T)
Critical value
15:15
T
影响检测能力的重要因素
• 群体类型；
• 样本大小；
• QTL效应； • 基因组大小； • 标记密度； • 显著性阈值；
15:15
最小二乘分析
• 前面回交例子的最小二乘分析模型为：
– 需要估计的参数：一种为两个QTL基因型的平 均值；另外一种为总平均值和两个基因型之间 的效应差； • 显著性检验：
F MSQ RMS
– MSQ为拟合模型由QTL基因型解释的方差；
15:15
– RMS为拟合模型的残余均方。
LS和ML的比较
• 如果连锁不完全（ r 0），且使用区间定位分析：
15:15
• 为了增加QTL检测能力，可以增加判型的个体数
目或标记密度；两者之间花费依赖于标记的成本
与获得个体表型成本之间的比率。
15:15
增加检测能力的方式
• 增加样本大小；
• 增加效应大小。
– 后者可以通过选择一个具有丰富分离QTL的群
15:15
最大似然法分析
• 前面回交例子的似然函数为：
• Q j为QTL位点的基因型；
• Ai 和 Bi 为个体 i 在标记位点A和B的基因型； • N 为回交个体数。
15:15
• 似然率检验（LRT）：
–
Lreduced为零假设没有分离QTL条件下的似然值；
– L full 为有一个QTL分离条件下的似然值。 • LOD检验：
15:15
标 记 和 概 率
QTL
15:15
数据分析
• yij为具有QTL基因型 j 的个体 i 的性状记录； • m j为具有QTL基因型 j 的个体的期望效应（如 m d 或 m a ）；
2 e ~ N ( 0 , )，因此有： • eij 为随机误差，并且 ij 2 yij ~ N (m j , )
15:15
重组近交系（Recombinant inbred lines RIL）
• 重组近交系来源于F2群体的近交；
• RIL只需要被判型一次，却能很好地度量多个性状 （clonal Lines）； • RIL关键的特性是比F2发生更多的重组，数量性
状通过使用系平均值能被准确度量；
• RIL只能定位加性QTL；
•15:15 Pr( Aa ) 是标记基因型的边际概率。
来自近交系的回交群体的标记和 QTL概率
• 标记基因型之间的表型值平均差异：
15:15
单标记分析的缺点
• 单标记使用标记平均值，不能获得QTL效应单独
的估计值和QTL与标记的重组频率；因此，不能 区分是一个大的QTL效应松散地与标记连锁，或 是小效应紧密地与标记连锁。
15:15
FDR(false discovery rate)
• 方法
– Sort p values of all marker interval based on ascending order –
15:15
LOD下降支撑区间（LOD drop support interval）
• 如果某一特定位置检测到一个QTL，需要对QTL所 在的位置执行检验；
15:15
• QTL定位的关键
15:15
15:15
15:15
第一节 LA定位（连锁分析定位）
15:15
linkage analysis
• only considers the linkage disequilibrium that exists within families, which can extend for 10s of cM, and is broken down by recombination after only a few generations.
– n 为样本大小； – a 和 d 为标准的加性和显性效应（以基因型标 准差为单位）。 15:15
统计能力（Statistical power）
15:15
为什么要计算检测能力？
• 给定样本大小，计算能够检测到的QTL效应；
• 给定QTL效应，估计检测到该QTL需要的群体大
小；
• 检测特定的QTL时，比较不同的群体设计。
• 将标记信息综合到遗传评估中，辅助人工选择程序，主要
方式有MAS和MAI； • 能进行基因的位置克隆，允许对当前存在的数量变异进行 分子机制的研究，并通过直接的分子干预，进一步增加增 效等位基因频率。
15:15
QTL定位的基本原则
• QTL定位的基本原则是关联度量的遗传变异和表 型变异； • 群体的选择、用于度量表型个体选择和基因型判 型个体的选择是所有QTL定位设计要重点考虑的 因素； • 对于所有的QTL定位设计，标记等位基因和QTL 等位基因之间的LD是必须的。
Selective phenotyping Recombinant progeny testing Interval specific congenic strains (ISCS) Recombinant inbred segregation test (RIST)
Locus-based strategies:
• LS只使用了标记平均值信息，标记基因型组内的
方差变异没有被使用；而ML使用了所有可能的信
息，这包括标记基因型和性状分布。
• LS的计算比较简单易行，能够使用标准的软件
（SAS）进行分析；而ML计算非常困难，需要专
门的软件将其扩展到非常复杂的模型。
15:15