ql定位的几种常用方法.docxVIP

ql定位的几种常用方法 1923年，sax研究了官豆种子的大小（数量特征）与种皮色素（分散基因独特的疾病）之间的遗传关系。他把有色与大粒、白色与小粒的相互关联归结于控制种子大小的多基因与控制种皮色素的单基因之间的连锁。Thoday首次提出利用两个单基因标记对控制数量性状的多基因进行系统定位的构想,认为当标记位于要定位的基因两侧时,标记和要定位基因之间的共分离基因型易于鉴别,定位也更准确,因而主张应首先筛选这样的标记。此后,许多学者讨论了借助于当时可供利用的遗传标记进行数量性状基因座(quantitative traitloci,简称QTL)定位的理论研究。由于单基因标记的缺乏,已有的标记多态性差或不适于分析数量性状,使得系统、精确地进行QTL定位一直十分困难。随着分子标记技术的发展,在许多作物上已获得了完整的高密度的分子标记连锁图谱,用单标记分析法进行QTL定位的研究日益增多,该方法的缺陷也逐渐显露出来。针对这些缺陷,Lander和Botstein(1989)提出了基于两个侧邻标记的区间作图法。由于缺乏对遗传背景的控制,当一条染色体上存在多个QTL时,区间作图法的定位结果将是有偏的。有鉴于此,1993,1994年Zeng提出了把多元线性回归与区间作图结合起来的复合区间作图方法,用检测区间之外的标记控制背景遗传效应,提高了QTL定位的精度。由于多元回归的局限性,用复合区间作图方法难以有效地定位具有上位性和基因型×环境互作效应的QTL。1998年,朱军及Zhu和Weir11]提出了基于混合线性模型的复合区间作图方法,为有效地定位具有上位性和基因型×环境互作效应的QTL提供了有力的工具。本文将系统地介绍QTL定位方法的研究概况。 1 多参数最大似然法 单标记分析法就是通过方差分析、回归分析或似然比检验,比较不同标记基因型数量性状均值的差异。如存在显著差异,则说明控制该数量性状的QTL与标记有连锁。由于单一标记分析法不需要完整的分子标记连锁图谱,因而早期的QTL定位研究多采用这种方法。 方差分析法和简单线性回归法只能检测标记与QTL的连锁,无法估计它们之间的重组率。Zhuchenko等试图用矩量法解决回交群体中的这类问题,但未能适当地检验其方法的有效性,大多数情形下,得到的结果超出了参数的空间。Jayaker曾为两类不同试验设计提出了标记-QTL之间重组率的估计公式,但未能给出环境方差的适当估计方法。最大似然法在解决很多问题时显得比矩法更有效,但是,采用最大似然法需要知道观察值的分布。即便构建了似然函数,也可能无法获得参数的解析解,因而需要借助数值算法。已发展的多参数最大似然迭代估计方法包括Fisher痕值法、EM算法和Newton-Raphson迭代法,所有这些迭代方法都可能因参数的初始迭代值不同而收敛于局部最大值。作为替代,Weller在数量性状呈正态分布假定下,利用Zhuchenko等提出的矩量法减少所估计的参数数目。不过,Luo和Kearsey认为,Weller的方法由于对每个参数的似然值分别进行研究,忽略了被估计参数之间的内在数学关系,即使在只有三个未知参数的情况下,也难于获得这些参数的最大似然估计值。为此,80年代末90年代初Luo和Kearsey利用标记基因型的均值和方差获得QTL基因型的均值和方差的矩法估计公式,使得最大似然估计只涉及重组率一个未知参数,发展了分别适合于F2、回交群体和DH群体的统计方法。Darvasi和Weller(1992)证明,这一方法只能得到参数的近似最大似然估计。Luo和Woolliams(1993)遂将其改称为矩估计法,提出以矩估计法所得到的QTL基因型均值和方差的估计值作为EM算法的迭代初始值,进行近交F2群体有关参数估计的最大似然方法。总之,最大似然法把参数估计和连锁检验合为一体,提高了QTL作图的效率。 传统的单个标记分析方法存在许多缺点:(1)不能确定标记是与一个QTL连锁还是与几个QTL连锁;(2)无法确切估计QTL的可能位置;(3)由于遗传效应与重组率混合在一起,导致低估了QTL的遗传效应;(4)容易出现假阳性;(5)检测效率不高,所需的个体数较多。1994年Kearsey和Hyne提出了一种用标记基因型均值之间的差异与标记-QTL重组率进行回归分析的模型,作者称之为“标记回归”方法,Hyne和Kearsey将其扩展为分析两个连锁QTL的模型,Charmet等使用该法分析了两个互不连锁的QTL之间的上位性。Wu和Li提出了一种QTL“联合作图”方法,思路与“标记回归”方法非常接近。“标记回归”方法和“联合作图”方法利用了一条染色体上的所有标记进行回归分析,算法简便直观,而且可以处理标记基因型数据不完整的作图群体。但是,由于事先不知道一条染色体上有几个QTL,用该方法进行QTL定