版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、剖析復(fù)雜性狀、復(fù)雜疾病的遺傳機(jī)理,對(duì)作物高效育種和精準(zhǔn)醫(yī)療有非常重要的意義。連鎖分析和關(guān)聯(lián)分析是剖析復(fù)雜性狀的兩種主要途徑。其中,連鎖分析利用家系內(nèi)目標(biāo)位點(diǎn)與分子標(biāo)記的連鎖共分離信息來定位目標(biāo)位點(diǎn)區(qū)段,在過去的二十多年被廣泛應(yīng)用。近來,隨著高通量測序技術(shù)發(fā)展,全基因組測序數(shù)據(jù)(如單核苷酸多態(tài)性標(biāo)記—SNP)大量涌現(xiàn),掀起了人類疾病和作物復(fù)雜性狀全基因組關(guān)聯(lián)的研究(GWAS)熱潮。這些研究中,有一些已經(jīng)取得不錯(cuò)的結(jié)果,但大多數(shù)GWAS研究
2、都未解決“遺傳率丟失”的問題。所謂的“遺傳率丟失”現(xiàn)象指的是通過GWAS定位找到的目標(biāo)SNP只能解釋傳統(tǒng)家系研究估計(jì)得到的總遺傳變異方差(遺傳率)的一小部分。由于當(dāng)前大部分GWAS研究通常只考慮單位點(diǎn)效應(yīng),忽視了基因間互作、基因與環(huán)境互作,這被認(rèn)為是造成這種差異的一種可能解釋。
在本研究中,根據(jù)已有數(shù)據(jù)特性,我們探索和設(shè)計(jì)了一些新的關(guān)聯(lián)策略來應(yīng)對(duì)這一挑戰(zhàn)。這些方法策略分別應(yīng)用于棉花、水稻和煙草的全基因組關(guān)聯(lián)分析。此外,本研究還
3、使用線性模型框架重構(gòu)了MDR方法(多因素維度縮減方法)的核心算法,開發(fā)了稱為LMDR的新方法。本文共分五個(gè)章節(jié),其主要內(nèi)容概括如下。
第一章首先介紹了GWAS的一些基本概念和遇到的挑戰(zhàn),以及對(duì)于這些挑戰(zhàn)我們提出的一些應(yīng)對(duì)策略。
第二章中,基于316份陸地棉品種測得的約40萬個(gè)SNP標(biāo)記,我們對(duì)四個(gè)纖維產(chǎn)量性狀進(jìn)行了全基因組關(guān)聯(lián)分析。棉花是常異花授粉作物,在這份數(shù)據(jù)中我們也發(fā)現(xiàn)了一些雜合基因型,但GWAS常用的簡單加模
4、型不能處理這些雜合基因型。因此,我們采用了全模型來探索陸地棉產(chǎn)量性狀的遺傳基礎(chǔ),該全模型同時(shí)包含了加性,顯性,上位性以及環(huán)境互作效應(yīng)的檢測。分析結(jié)果顯示,雖然雜合子的比例并不高(約0.07),顯性相關(guān)的效應(yīng)卻貢獻(xiàn)了大部分的總遺傳率。這表明少數(shù)的雜合基因型仍對(duì)表型變異有較大的影響,并在分子水平上揭示了雜合優(yōu)勢對(duì)棉花產(chǎn)量性狀的重要性。此外,通過全模型與相應(yīng)簡化模型結(jié)果的比較,該研究也為“遺傳率丟失”提供一個(gè)可能解釋。
第三章中,我
5、們采取了多種全基因組關(guān)聯(lián)策略來研究超級(jí)雜交稻協(xié)優(yōu)9308高產(chǎn)的遺傳基礎(chǔ);所用材料為由協(xié)優(yōu)9308衍生的重組自交系(RIL)群體,我們對(duì)138份重組自交系后代進(jìn)行了重測序,并開展關(guān)聯(lián)分析。由于GWAS研究通常是基于自然群體,首先我們就GWAS研究在這個(gè)實(shí)驗(yàn)群體的可行性進(jìn)行了檢查和討論。隨后,我們同時(shí)采取三種關(guān)聯(lián)研究策略(包括傳統(tǒng)的無先驗(yàn)知識(shí)的全基因組關(guān)聯(lián)分析,和兩個(gè)分別基于先驗(yàn)QTL和已注釋基因的關(guān)聯(lián)分析)對(duì)株高和抽穗期兩個(gè)性狀進(jìn)行一個(gè)整
6、體比較分析。研究結(jié)果發(fā)現(xiàn),多種關(guān)聯(lián)策略共同找到的位點(diǎn)相對(duì)比較可靠,可優(yōu)先用于后續(xù)研究。此外,作為一個(gè)例子,這項(xiàng)研究表明了GWAS不僅可以在實(shí)驗(yàn)群體中進(jìn)行,而且多策略關(guān)聯(lián)分析還可以補(bǔ)充或精細(xì)以前的QTL定位結(jié)果,以更精確的QTL信息為后續(xù)基因克隆和分子標(biāo)記輔助選擇服務(wù)。
第四章中,我們以煙葉中鉻含量和總糖含量為例,對(duì)四組學(xué)數(shù)據(jù)(即基因組學(xué),轉(zhuǎn)錄組學(xué),蛋白質(zhì)組學(xué)和代謝組學(xué))和復(fù)雜表型間的關(guān)聯(lián)進(jìn)行了探討,以確定相應(yīng)的數(shù)量性狀SNP(
7、QTSs),數(shù)量性狀轉(zhuǎn)錄本(QTTs),數(shù)量性狀蛋白(QTPs)和數(shù)量性狀代謝物(QTMs)。這些中間分子表型(或內(nèi)表型)有助于闡明復(fù)雜性狀的遺傳變異機(jī)理。
最后一章中,我們使用線性模型框架重建了MDR的核心算法。MDR是一種基于機(jī)器學(xué)習(xí)的檢測基因互作方法。然而,它缺乏明確的統(tǒng)計(jì)性質(zhì),例如p值是通過置換檢驗(yàn)或中心極限定理得到的。LMDR克服這些限制。通過模擬研究,我們發(fā)現(xiàn),LMDR不僅能提供合理的統(tǒng)計(jì)性質(zhì),而且不需要置換檢驗(yàn)就
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 混合線性模型方法探索復(fù)雜性狀的遺傳結(jié)構(gòu)及其軟件開發(fā).pdf
- 復(fù)雜性狀遺傳分析方法研究及其軟件開發(fā).pdf
- 復(fù)雜性狀遺傳風(fēng)險(xiǎn)預(yù)測的統(tǒng)計(jì)方法研究.pdf
- 基于全基因組關(guān)聯(lián)研究的復(fù)雜性狀遺傳風(fēng)險(xiǎn)預(yù)測研究.pdf
- 復(fù)雜性狀與基因組多位點(diǎn)的關(guān)聯(lián)分析方法研究.pdf
- 復(fù)雜性狀相關(guān)microRNA及遺傳位點(diǎn)的分析與預(yù)測.pdf
- 作物復(fù)雜性狀遺傳信息的破解及其在育種中的應(yīng)用.pdf
- 基于縮減模型的局部非線性動(dòng)力分析.pdf
- 靜電微器件的模型自由度縮減方法研究.pdf
- 作物復(fù)雜性狀QTL定位相關(guān)的幾個(gè)問題的探討.pdf
- 復(fù)雜性狀家庭聚集性統(tǒng)計(jì)分析方法的研究.pdf
- 基于SOM和模糊聚類的設(shè)計(jì)空間縮減方法研究及應(yīng)用.pdf
- 多性狀遺傳數(shù)據(jù)的基因關(guān)聯(lián)檢驗(yàn).pdf
- 白菜類作物重要農(nóng)藝性狀的遺傳分析.pdf
- 一種新的篩選復(fù)雜性狀相關(guān)基因的方法.pdf
- 線性算子的動(dòng)力復(fù)雜性.pdf
- 基于染色體3d結(jié)構(gòu)和關(guān)聯(lián)分析解析植物復(fù)雜性狀的遺傳調(diào)控:以擬南芥開花相關(guān)性為例
- 復(fù)雜性肛瘺術(shù)后復(fù)發(fā)的相關(guān)因素分析.pdf
- 多尺度復(fù)雜性方法在醫(yī)學(xué)圖像紋理分析上的應(yīng)用.pdf
- 風(fēng)-光-負(fù)荷典型場景縮減方法及在電網(wǎng)規(guī)劃中的應(yīng)用.pdf
評(píng)論
0/150
提交評(píng)論