第十章数量性状分离分析的操作方法与算法程序.docVIP

第十章 数量性状分离分析的操作方法与算法程序 本章主要介绍数量性状分离分析法的操作方法与算法程序，主要包括遗传试验设计与数据文件建立、分布参数估计与模型适合性检验、遗传参数估计、后验概率与主基因型归类以及程序使用等五个方面。 第一节 遗传试验设计与数据结构 根据设定的遗传交配设计获得遗传数据是进行数量性状遗传分析的前提；明确了所获遗传数据的结构才能正确地选用相应的算法程序进行数量性状分离分析。 一 遗传试验设计 遗传试验设计包括遗传交配设计（遗传设计）和田间试验设计（环境设计）两个方面。本章的遗传交配设计主要指两纯系亲本及其杂交与回交所形成的后代群体的设计。数量性状遗传体系分离分析法涉及单个分离世代与多个分离世代联合两种情形。单个分离世代的数量性状资料有两种：植物个体观测值与家系内各单株观测值平均数（即家系平均数）。F2和B1+B2群体一般考查个体观测值；F2∶3、B1∶2+B2∶2、DH和RIL等家系群体一般先考查家系内若干单株的数量性状观测值，然后利用家系平均数进行分析。群体类型的选择要考虑数量性状的遗传率高低，例如，高遗传率（70%～100%）的数量性状进行分离分析可以选择具有个体观测值资料的F2和B1+B2群体，此时增加遗传分析精确度过的方法是增大样本容量；中等（30%～70%）和低（0%～30%）遗传率的数量性状进行分离分析选择具有个体观测值资料的F2和B1+B2群体往往不可靠，而是要选择具有家系平均数资料的F2∶3、B1∶2+B2∶2、DH和RIL群体。一方面家系平均数的误差比单株观测值的误差要小，另一方面利用家系群体可以进行重复试验，这样，中低遗传率数量性状的遗传分析精确度过将得到提高。 田间试验设计（即环境设计）也值得重视。这是因为通过适当的田间试验设计可以较好地控制试验误差，而小的误差方差能有效地提高数量性状分离分析的精确度。在遗传试验进行田间试验设计中，一般采用随机区组设计，这时F2、B1和B2群体中的遗传数据是以单株观测值或小区观测值为单位的；F2∶3、B1∶2、B2∶2、DH和RIL等家系群体则是以家系平均数为单位的，即一个家系只用该家系内若干个观测值的平均数来表示。对于家系分离群体，为了进一步减少试验误差，还可以采用家系重复试验，如重复内分组随机区组设计或格子设计。若采用重复内分组随机区组设计，在假定每一组样本都是总体的一个代表条件下，可将相同家系只用家系平均数进行分析。另外，由于进行了家系重复试验，其试验误差将会显著地减少，其遗传分析的精确度过就会提高。若采用格子设计，还可利用格子设计进行必要的矫正，用矫正后的家系数据进行以下的分析。 应当指出，只利用单个分离世代群体进行数量性状分离分析将会降低数量性状加性与显性遗传参数的估计精确度。这是因为加性遗传参数可以从两纯合亲本平均数的差异中表示出来，显性遗传参数可以从中亲值与杂种一代F1平均数的差异中表示出来。因此，在利用单个分离世代进行数量性状的分离分析时，最好加进双亲（P1和P2）与杂种一代（F1），以提高主基因遗传参数的估计精确度。 此外，群体的样本容量也是十分重要的。一般地，分离群体的样本容量不应小于100。这是可以理解的，对于1对主基因控制的数量性状，理论上其稀少主基因型个体数为25；对于2对主基因控制的数量性状，理论上其稀少主基因型个体数为8左右；对于3对主基因控制的数量性状，理论上其稀少主基因型个体数不到2，并且这种数量性状除受主基因控制外往往还会受多基因的修饰。当然，若样本容量增加到200及其以上是很好的。由此说明，利用具有较小样本容量的分离群体进行遗传分析时，其结果的误差往往较大。至于P1、P2和F1等不分离群体，一般应有20～50单株。 利用多个分离世代进行数量性状的分离分析方法有三种：①利用P1、F1、P2、B1、B2和F2的数量性状分离分析；②利用P1、F1、P2、F2和F2∶3的数量性状分离分析；③利用P1、F1、P2、B1∶2、B2∶2和F2∶3的数量性状分离分析。第①种方法常用于易杂交的作物类型，如水稻，其数据结构是个体观测值资料；第②方法常用于杂交不容易的作物，如大豆，其数据结构是个体观测值资料+家系平均数资料。这两种联合分析方法都增大了样本容量。但是，个体观测值的试验误差是比较大的，为了减少试验误差，提高遗传分析的精确度过，建议采用家系资料进行联合分析，特别是结合家系重复试验设计方法，第③种方法就是基于此提出的。 以上各种方法的分离群体构成方法见图10‐1。 亲本P1 × 亲本P2 （亲本50～100株/群体） F1 亲本P1 × F1 × 亲本P2 A B1 B2 F2 B 100～200株/群体 200～500株/群体