發(fā)布時間：2018-04-16 02:20

  本文選題：關(guān)聯(lián)分析 + LASSO�。� 參考：《揚(yáng)州大學(xué)》2016年博士論文

【摘要】：關(guān)聯(lián)分析和基因組預(yù)測是對植物復(fù)雜數(shù)量性狀進(jìn)行基因鑒定和遺傳改良的重要方法。自2001年以來,應(yīng)用關(guān)聯(lián)分析方法發(fā)掘植物數(shù)量性狀基因就備受關(guān)注,大量的方法以及軟件包已經(jīng)涌現(xiàn),統(tǒng)計(jì)功效和運(yùn)算效率也隨之增加,然而針對多位點(diǎn)、多性狀的關(guān)聯(lián)分析還未受到廣泛關(guān)注。此外,近年來,基因組預(yù)測也成為國際植物基因組學(xué)研究的熱點(diǎn),不同于傳統(tǒng)的標(biāo)記輔助選擇,基因組預(yù)測利用染色體組上的全部的標(biāo)記信息來預(yù)測植物自交系或者雜種后代的表現(xiàn),能夠大大縮短育種時間,從而有效降低了育種成本。大量的參數(shù)方法、半?yún)?shù)及非參數(shù)方法已用于基因組選擇。隨著分子生物技術(shù)的發(fā)展,能夠獲得各種組學(xué)的數(shù)據(jù),包括代謝組和轉(zhuǎn)錄組等,這為表型預(yù)測提供了新數(shù)據(jù)源。但如何有效利用這些組學(xué)數(shù)據(jù)以及預(yù)測方法,還未見系統(tǒng)的比較以及應(yīng)用�；诖�,本文基于LASSO和偏最小二乘分別提出了多位點(diǎn)和多性狀的關(guān)聯(lián)分析方法,旨在提高關(guān)聯(lián)分析的檢驗(yàn)功效;此外,本文分別基于玉米自交系群體以及雜交水稻群體對多種統(tǒng)計(jì)方法和不同組學(xué)數(shù)據(jù)的預(yù)測力進(jìn)行比較,并利用相關(guān)組學(xué)信息預(yù)測了水稻重組自交系群體所有潛在雜交種的產(chǎn)量。研究內(nèi)容主要包括以下兩個方面:一、多位點(diǎn)和多性狀關(guān)聯(lián)分析(1)基于LASSO的多位點(diǎn)關(guān)聯(lián)分析方法。多位點(diǎn)的關(guān)聯(lián)分析方法能同時考慮所有位點(diǎn),并且不涉及多重測驗(yàn)校正,因此與單位點(diǎn)方法相比具有更高的檢測功效。本研究將LASSO方法用于關(guān)聯(lián)分析,并首次采用兩種顯著性測定方法檢驗(yàn)LASSO方法中位點(diǎn)的顯著性,分別為基于bootstrap的LASSO-A和基于混合模型方程的LASSO-B,并通過模擬研究比較了基于混合線性模型的GEMMA方法和LASSO方法的檢驗(yàn)功效和假發(fā)現(xiàn)率。模擬結(jié)果表明LASSO-A方法具有最高的檢驗(yàn)功效以及最低的假發(fā)現(xiàn)率,即使位點(diǎn)的表型貢獻(xiàn)率很低,LASSO仍可以檢測到。本文利用LASSO-A、LASSO-B和GEMMA方法對422份油棕材料的13個經(jīng)濟(jì)性狀進(jìn)行GWAS,LASSO方法共檢測到19個與經(jīng)濟(jì)性狀相關(guān)的標(biāo)記位點(diǎn),很大一部分在前人通過連鎖分析獲得的QTL附近,而GEMMA方法僅檢測到三個顯著SNP,并且均被LASSO方法檢測到。在LASSO方法檢測到的顯著位點(diǎn)中,一些位點(diǎn)具有一因多效性,控制了多個性狀,并且這些性狀間也顯著相關(guān)。無論在模擬數(shù)據(jù)還是實(shí)際數(shù)據(jù)中,LASSO均有較高的檢驗(yàn)功效,該方法是對現(xiàn)有關(guān)聯(lián)分析方法的一個很好的補(bǔ)充。(2)基于多元偏最小二乘的多性狀聯(lián)合關(guān)聯(lián)分析。在實(shí)際育種工作中,經(jīng)常要同時考慮多個復(fù)雜性狀。多性狀聯(lián)合分析既可利用性狀之間的遺傳相關(guān)又可利用環(huán)境相關(guān)信息,可有效提高分析結(jié)果的精確度。本文提出了用于優(yōu)異等位基因挖掘和遺傳效應(yīng)估計(jì)的多性狀聯(lián)合關(guān)聯(lián)分析方法,該方法采用多元偏最小二乘和兩階段變量選擇策略,結(jié)合BIC信息準(zhǔn)則進(jìn)行最優(yōu)模型中變量的選擇,通過計(jì)算機(jī)模擬在不同樣本大小,遺傳力以及PIC下研究該方法的可行性,并與單性狀多位點(diǎn)關(guān)聯(lián)分析進(jìn)行結(jié)果比較。結(jié)果表明:相比于單性狀分析,多性狀聯(lián)合分析可以提高檢測功效,尤其對一因多效基因優(yōu)勢更加明顯;樣本容量、遺傳力、PIC以及效應(yīng)值的大小均對候選基因的統(tǒng)計(jì)功效、效應(yīng)估計(jì)值的準(zhǔn)確度和精確度具有重要影響。二、基因組預(yù)測方法比較研究及其應(yīng)用(1)玉米自交系中組學(xué)預(yù)測的統(tǒng)計(jì)方法比較。為了更好地了解不同組學(xué)數(shù)據(jù)和不同方法的預(yù)測準(zhǔn)確性,本文利用339個玉米自交系中測量得到100K個SNP,28769個轉(zhuǎn)錄產(chǎn)物,748個代謝物作為數(shù)據(jù)源,采用8種預(yù)測方法對6個玉米農(nóng)藝性狀進(jìn)行預(yù)測,并比較不同數(shù)據(jù)來源和不同方法的預(yù)測效果。方法包括LASSO,最佳線性無偏預(yù)測(BLUP),BayesA,BayesB,偏最小二乘法(PLS)以及再生核希爾伯特空間(RKHS)和支持向量機(jī)(SVM-RBF和SVM-POLY)。結(jié)果表明在玉米自交系農(nóng)藝性狀的預(yù)測中,BLUP方法在所有組學(xué)和性狀的綜合預(yù)測效果最好,基因組預(yù)測較代謝組和轉(zhuǎn)錄組的預(yù)測效果好。本文將所有組學(xué)數(shù)據(jù)合并后對6個性狀進(jìn)行預(yù)測,發(fā)現(xiàn)預(yù)測力沒有明顯提高。此外,為了更好的了解性狀的遺傳結(jié)構(gòu),對6個性狀進(jìn)行了全基因組關(guān)聯(lián)分析,同時利用LASSO方法檢測出對農(nóng)藝性狀有顯著影響的代謝物。最后,根據(jù)不同的閾值進(jìn)行了標(biāo)記的篩選,并利用篩選后的標(biāo)記進(jìn)行了基因組預(yù)測,通過交叉驗(yàn)證發(fā)現(xiàn)預(yù)測效果沒有明顯改善。(2)雜交水稻產(chǎn)量及其相關(guān)性狀的組學(xué)預(yù)測。利用水稻的基因組,轉(zhuǎn)錄組以及代謝組的數(shù)據(jù)對水稻雜交種的產(chǎn)量及其構(gòu)成性狀進(jìn)行預(yù)測并對預(yù)測效果進(jìn)行評價。本文從210份水稻重組自交系親本中有可能產(chǎn)生的21495個雜交種中,隨機(jī)選擇278份材料進(jìn)行表型鑒定,并利用這278份材料作為訓(xùn)練樣本來預(yù)測所有可能樣本的產(chǎn)量相關(guān)性狀,發(fā)現(xiàn)由代謝物預(yù)測出的產(chǎn)量最高的10個潛在雜交種,它們的產(chǎn)量比平均產(chǎn)量提高30%。相比于基因組數(shù)據(jù),使用代謝組和轉(zhuǎn)錄組數(shù)據(jù)對雜交種產(chǎn)量的預(yù)測力較高。
[Abstract]:Correlation analysis and genome prediction are important methods for gene identification and genetic improvement of plant complex quantitative traits . In order to better understand the genetic structure of traits and to predict the accuracy and accuracy of different methods , the methods include LASSO , the best linear unbiased prediction , BayesA , BayesB , partial least squares ( PLS ) , and the regeneration nuclear Hilbert space ( RHS ) and support vector machine ( SVM - RBF and SVM - POLY ) .

【學(xué)位授予單位】：揚(yáng)州大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：S513;S511

【相似文獻(xiàn)】

相關(guān)期刊論文 前1條

1 崔海星;趙青;關(guān)明杰;朱一辛;;基于數(shù)字散斑相關(guān)方法的竹膠合薄板彈性變形分析[J];林業(yè)科技開發(fā);2011年06期

相關(guān)會議論文 前10條

1 潘兵;;數(shù)字(體)圖像相關(guān)方法的近期研究進(jìn)展[A];第十三屆全國實(shí)驗(yàn)力學(xué)學(xué)術(shù)會議論文摘要集[C];2012年

2 孫晨;周軼昊;陳巨兵;;用于測量準(zhǔn)平面結(jié)構(gòu)形貌及變形場的三維數(shù)字圖像相關(guān)方法[A];中國力學(xué)大會——2013論文摘要集[C];2013年

3 盧晨霞;侯振德;;利用圖像相關(guān)方法測量牛骨的逆壓效應(yīng)[A];第九屆全國生物力學(xué)學(xué)術(shù)會議論文匯編[C];2009年

4 潘兵;謝惠民;戴福隆;;用于變形和形貌測量的數(shù)字圖像相關(guān)方法:研究進(jìn)展及應(yīng)用實(shí)例[A];第十二屆全國實(shí)驗(yàn)力學(xué)學(xué)術(shù)會議論文摘要集[C];2009年

5 秦拯;龔發(fā)根;張大方;;一分布式入侵檢測系統(tǒng)中告警相關(guān)的研究與實(shí)現(xiàn)[A];第三屆中國測試學(xué)術(shù)會議論文集[C];2004年

6 潘兵;;標(biāo)準(zhǔn)數(shù)字圖像相關(guān)方法中若干問題的檢討和改進(jìn)[A];中國力學(xué)大會——2013論文摘要集[C];2013年

7 張曉川;陳金龍;;擴(kuò)展數(shù)字圖像相關(guān)方法初值選擇及亞像素位移測量[A];力學(xué)與工程應(yīng)用（第十三卷）[C];2010年

8 劉戰(zhàn)偉;劉宏;郭保橋;謝惠民;;基于數(shù)字散斑相關(guān)方法的環(huán)氧樹脂材料沖頭加載實(shí)驗(yàn)研究[A];力學(xué)與工程應(yīng)用（第十三卷）[C];2010年

9 亢一瀾;宋海鵬;肖霞;;三維數(shù)字散斑相關(guān)方法在大變形變形場測量中的應(yīng)用[A];第十二屆全國實(shí)驗(yàn)力學(xué)學(xué)術(shù)會議論文摘要集[C];2009年

10 王懷喜;馬少鵬;謝惠民;張東升;戴福隆;;基于數(shù)字散斑相關(guān)方法的竹炭的破壞行為研究[A];第十二屆全國實(shí)驗(yàn)力學(xué)學(xué)術(shù)會議論文摘要集[C];2009年

相關(guān)博士學(xué)位論文 前4條

1 徐揚(yáng);關(guān)聯(lián)分析和基因組預(yù)測相關(guān)方法的探討與應(yīng)用[D];揚(yáng)州大學(xué);2016年

2 鄒向宇;藥物品質(zhì)檢測儀器及相關(guān)方法研究[D];吉林大學(xué);2006年

3 鞏翠芝;數(shù)字散斑相關(guān)方法在木材微觀力學(xué)行為研究中的應(yīng)用[D];東北林業(yè)大學(xué);2009年

4 王靜;數(shù)字散斑相關(guān)方法及微/納米尺度熱力學(xué)測試研究[D];天津大學(xué);2005年

相關(guān)碩士學(xué)位論文 前10條

1 楊鵬;數(shù)字體積相關(guān)方法的開發(fā)與應(yīng)用研究[D];東南大學(xué);2015年

2 郜永靜;一種數(shù)字散斑相關(guān)方法的研究與應(yīng)用[D];南昌大學(xué);2013年

3 劉晨;基于數(shù)字圖像相關(guān)方法的PBX斷裂行為研究[D];中國工程物理研究院;2016年

4 周榆;基于貝葉斯網(wǎng)絡(luò)的因果告警相關(guān)方法研究[D];湖南大學(xué);2005年

5 周繼紅;數(shù)字投影散斑相關(guān)方法的研究及其應(yīng)用[D];黑龍江大學(xué);2010年

6 張耿耿;圖像相關(guān)方法的算法優(yōu)化與實(shí)驗(yàn)研究[D];華中科技大學(xué);2011年

7 譚豪云;數(shù)字散斑相關(guān)方法研究與應(yīng)用[D];天津大學(xué);2008年

8 肖晨;應(yīng)用于損傷斷裂實(shí)驗(yàn)的數(shù)字圖像相關(guān)方法研究[D];天津大學(xué);2014年

9 陳教豆;基于雙目高速成像與數(shù)字散斑相關(guān)方法的全場離面振動測量方法研究[D];華南理工大學(xué);2015年

10 張志鋒;圖像變換技術(shù)在數(shù)字散斑相關(guān)方法中的應(yīng)用研究[D];天津大學(xué);2005年

，

本文編號：1756877