作物QTL定位方法研究进展早在20世纪20年代，Sax研究认为菜豆种皮.docVIP

作物 QTL 定位方法研究进展 早在20世纪20年代，Sax 研究认为菜豆种皮色(单基因质量性状)不同基因型间种子大小(数量性状)的显著差异是由于控制种皮色基因与控制种子大小基因间的连锁造成的．这实质上就是单标记分析。由此，出现了基于标记的性状平均数差异 t 检验法、方差分析法、回归分析法和极大似然法以及基于性状的标记频率差异检验方法．这些方法的缺点是众所周知的。Thoday 提出利用两连锁标记来定位数量性状多基因，此方法的研究结果更为准确。但是，筛选两连锁标记在当时十分困难，限制了它的应用。随着分子生物学的发展，研究人员已获得了许多作物的高密度分子标记连锁图谱，使从整个基因组上定位 QTL 成为可能，Lander 和 Botstein 的区间作图法就应运而生。其主要贡献是建立了 QTL 定位的基本框架，首次实现了在全基因组水平上有哪些信誉好的足球投注网站 QTL，并估计其效应与位置。与区间作图类似的有回归分析法。前者是目标性状对后验概率的回归，后者是对先验概率的回归。若 QTL 在标记附近，两种概率相近，则两方法结果相当；否则，前者优于后者。这纠正了原认为两方法结果均相似的观点。 若同一染色体上有多个连锁的 QTL，用区间作图法会造成待估 QTL 位置与效应估计值的偏差。极端地，若紧密连锁两 QTL 的作用方向相反，往往检测不到；若作用方向相同，在两 QTL 间可能会出现一个“幻影” QTL。当检测多个 QTL 时，因不同 QTL 所用的遗传模型不同，致使其贡献率不能直接相加。即使强行相加，也经常会出现总贡献率远大于100％的情形。为此，Jansen 和 Zeng 独立地提出复合区间作图法。其关键在于怎样选择作为控制遗传背景的协变量——分子标记。标记太多会降低 QTL 检测的功效，太少又达不到控制遗传背景的目的。实质上，该法仍然是单 QTL 模型。为此，Kao 和 Zeng 提出了多区间作图法，其模型中同时包含了多个 QTL 及其两两互作。这是真正意义上的多 QTL 遗传模型，为 QTL 定位开辟了新视野，也体现了 QTL 定位的艺术。 目前，多 QTL 定位的方法主要有极大似然法和 Bayesian 方法两大类。前者包括多区间作图法和惩罚最大似然法，其运算速度较快；后者则主要有可逆跳跃 MCMC (Markov chain Monte Carlo) 方法、Yi 等人提出的方法和压缩估计方法。多区间作图法的不足在于，只能检测具有主效 QTL 间的互作，有时还不能检测到效应较小的 QTL。可逆跳跃 MCMC 的 Bayesian 法的收敛速度太慢，这是 Yi 等人抛弃该方法并提出一种新的 Bayesian 方法的原因。Wu 和 Li 认为，Bayesian 压缩估计方法将 QTL 定位策略推进到利用所有标记的上位性 QTL 的全基因组检测。虽然该法收敛较快，但是它假定的 QTL 数太多致使运算时间太长。为克服这一问题，提出了惩罚最大似然方法。但是，若标记太多，该法的参数估计也是困难的。为此，我们已将可变区间思想同惩罚最大似然方法与 Bayesian 压缩估计方法相结合，以显著减少模型中变量个数。上述方法均是针对某一时间点数量性状观测值(往往为最终结果)的 QTL 定位，即静态 QTL 定位。然而，性状的表达是一个过程。因此，从动态角度定位 QTL 也是重要的。最近，国际上的必威体育精装版热点是 eQTL 定位，即利用表型观测值、分子标记和表达谱数据定位出控制数量性状的基因。 迄今为止，QTL 定位方法有了长足的发展，已经发展了适合不同倍性(二倍体、三倍体胚乳与同源多倍体)、连续性与间断性(二歧或多歧)变量、静态与动态性状、单一性状与多个相关性状联合、单个组合与多个组合联合以及两个亲本与多个亲本甚至育成品种群体的 QTL 定位方法。本文主要对多 QTL 定位、QTL 精细定位和动态性状的 QTL 定位进行较为详细的介绍。 1 多 QTL 定位 1.1 多区间作图法 若回交群体中某一数量性状受 m 个分别位于标记区间 I1,I2,…,Im 的 p1,p2,…,Pm 处 QTL (Q1,Q2,…,Qm )控制，则第 i 个体数量性状表型值 Yi 可表示为 其中，μ为群体平均数；Xij 为 QTL 基因型编码变量，若基因型为 QjQj (或 Qjqj )时，Xij 为1/2(或-1/2)；aj 为 QTL 主效；wjk 为两 QTL 间的上位性效应；δjk 为上位性指示变量，存在上位性时取1，否则取0；ei 为服从N(0,δe2 )的随机误差。由此，样本似然函数为 其中，φ(.) 是正态分布密度函数；μij 和 pij 分别是模型(1)中2m 个不同 QTL 基因型值和条件概率。若各 QTL 间相互独立，可通过多点方法计算 pij。 多区