关联分析及其在不同分子标记中应用综述.docVIP

关联分析及其在不同分子标记中应用综述 　　摘要：关联分析技术在植物中的应用较晚，近些年才在植物数量性状和植物遗传育种研究中得以应用。关联分析以连锁不平衡作图（LD mapping）为基础，用来鉴定植物性状与目标基因之间的关系。关联分析有很明显的应用优势，它不仅不需要特殊的构图群体，而且还能够同时对多个基因位点进行检测，精度非常高。由于其良好的实用性，关联分析技术已经成为国际基因组学的研究热点。介绍了LD的定义和度量方法，综述了基于分子标记的关联分析在植物遗传中的应用，并对其在遗传学中的应用和发展作了展望。 　　关键词：植物；分子标记；关联分析；连锁不平衡；遗传学；应用 　　中图分类号： Q78文献标志码： A文章编号：1002-1302（2016）02-0013-05 　　关联分析又称连锁不平衡作图（linkage disequilibrium mapping，LD mapping），是建立在连锁不平衡的基础上用于鉴定群体内目标性状与遗传标记相关关系的方法[1]。关联分析最早在人类疾病的研究中得以应用，并取得了丰硕的成果，目前在人类不同致病基因方面已有许多成功的报道[2]。在动物中的应用也相对较多，如在奶牛、鱼、羊、猪、鸡中的应用等。然而，由于目前对植物基因组LD结构的认识还不够全面，导致关联分析在植物中的应用相对较少[3]。但是，随着生物信息学、统计学和基因组学技术的快速发展，关联分析也已成功应用到许多植物上，如玉米、小麦、拟南芥、大麦、大豆等。近年来，许多植物的全基因组测序已经完成，这极大地促进了基因组学的发展，特别是近年来大量单核苷酸多态性（single nucleotide polymorphisms，SNP）标记的开发，关联分析在植物关键基因的发掘上更是得到了广泛的应用，可为植物分子育种提供标记，在国际上已经成为热点研究方向。 　　关联分析通过群体上的进化历史和重组，可以在序列水平上来研究复杂的数量性状，因此与其他分析手段相比，关联分析有其独特的优势：（1）所需时间短，用自然群体作为材料，不需要专门构建，且有较大的选择范围，相对于数量性状基因座（QTL）至少需要2年以上的群体能节约大量的时间；（2）检测范围大，同一座位的不同基因可以用来同时检测，而QTL作图只能检测来自双亲的2个等位基因；（3）准确度高，QTL作图精度一般在10～30cM左右，很少能在基因水平上被标记，而关联分析可达到单基因的水平[4-5]，如Gebhardt等利用关联分析方法将马铃薯抗晚瘟病基因RI定位在0.2cM的基因组区段内[6]。在植物相关研究中，由于其杂交方式和重复类型都可以得到人为有效控制，因此关联分析在植物中的应用比在动物中的吸引力更高。 　　作物很多重要的农艺性状（如株高、产量、营养品质和抗病性等）都属于数量性状，了解这些数量性状的遗传规律对作物的改良有重要意义。目前，人们主要是通过全基因组图谱和QTL定位来了解植物数量性状，而关联分析是QTL定位的有效手段，在分子育种中发挥了重要作用。近年来，随着新一代分子标记――SNPs标记技术的出现以及植物基因组测序技术日趋成熟，植物遗传学研究已经进入基因组研究时代。如今，在许多重要作物中都已经应用到关联分析技术[7-8]，不仅应用到模式植物、三大粮食作物，还在甘蔗、大豆、马铃薯、甜菜、番茄和向日葵等其他植物中得到大量的应用。 　　1关联分析的统计学意义 　　1.1LD连锁不平衡 　　Jennings于21 世纪初期提出了LD这一概念[9]，这是自然选择中的一种现象。在某一群体中，如果2个等位基因同时出现的概率与期望值不相同时，那么它们就处于LD状态。连锁不平衡和遗传连锁是不相同的，遗传连锁指的是由于物理作用而导致的不同位点不分开的现象，而连锁不平衡则是等位基因间的作用。当2个基因位点紧密连锁时，就会导致LD值处在比较高的水平。关联分析是基于LD的，对LD结构的了解是关联分析的前提。因此影响LD的因素同样影响关联分析的结果，这些因素有选择、突变、重组、遗传漂变、群体混合等。选择、遗传漂变和群体混合会增加LD程度，使关联分析的精确性降低；而突变和重组由于多态性位点的产生而破坏LD状态，因此突变和重组是影响LD的2个最主要的因素。标记类型也是LD的1个影响因素，Remington等用SSR标记和SNPs对来自全世界的102份常用玉米育种自交系全基因组标记的LD大小进行了研究，结果表明SSR标记检测的LD水平明显偏高，这说明在反映群体演化中SSR标记更有说服力[10]。另外，授粉方式也是影响LD的因素，一般而言异花授粉重组率高于自花授粉，其LD水平相较于自花授粉作物要低，所以异化授粉作物作关联分析的效果要好于自花授粉作物。 　　1.2LD度量 　　LD统计的是2个不同位点在实际