多性狀全基因組關聯分析新方法的探索

《多性狀全基因組關聯分析新方法的探索》是張瑾為項目負責人,南京農業大學為依託單位的青年科學基金項目。

基本介紹

  • 中文名:多性狀全基因組關聯分析新方法的探索
  • 項目類別:青年科學基金項目
  • 項目負責人:張瑾
  • 依託單位:南京農業大學
項目摘要,結題摘要,

項目摘要

由於人工選擇的品種群體構建時間短、SNP標記密度高和利用歷史重組機會多,致使近年來關聯分析在植物遺傳研究中套用較為廣泛。但是,目前的分析方法一般採用單性狀分析,假陽性率較高,功效有待提高。研究已表明,多性狀聯合分析能提高遺傳分析功效與精度,剖析複雜性狀的一因多效。在已提出品種群體數量性狀上位性關聯分析和抗性性狀多QTL檢測新方法的前期工作基礎上,本項目將研究多性狀聯合遺傳分析的參數估計算法;進而構建多性狀聯合的全基因組關聯分析技術平台,經Monte Carlo計算機模擬研究驗證後,研製相應的計算機軟體包;用於286個大豆品種群體籽粒大小與形狀性狀的多性狀全基因組關聯分析,揭示這些相關性狀的遺傳基礎是一因多效還是基因連鎖。預計發表SCI論文2篇,研製軟體1套。

結題摘要

當前的全基因組關聯分析是基於背景控制的單標記分析。由於涉及多重矯正,使每次檢測的顯著水平過低,導致一些重要位點丟失。為解決這一問題,提出了一種多位點快速檢測的關聯分析新算法FASTmrEMMA。用該算法,將多基因效應和剩餘變異轉換為正態離差,藉助最小角估計,實現在控制其它染色體標記變異情況下對每條染色體尋找潛在關聯標記,將所有潛在關聯標記放入同一模型進行經驗Bayes估計和似然比檢驗,最終鑑定出真QTN,這稱為pLARmEB方法。兩種方法經Monte Carlo模擬研究表明,增加了兩種方法的QTN檢測功效和效應估計精度,降低了假陽性率。研製了計算機軟體包,以構建GWAS技術平台。分析了286個大豆品種群體籽粒大小與形狀性狀的QTNs,並挖掘優異等位基因。進一步實施了上述籽粒大小或形狀的多性狀聯合分析,發現了更多的顯著SNPs,揭示這些相關性狀的遺傳基礎是一因多效還是基因連鎖。發表SCI論文3篇,研製2種新方法的R軟體包。

相關詞條

熱門詞條

聯絡我們