近二十多年來,數(shù)量性狀位點(diǎn)定位和基因組選擇研究成為動植物以及人類基因組學(xué)研究的熱點(diǎn)之一。隨著高密度遺傳圖譜的逐步建立,標(biāo)記位點(diǎn)個(gè)數(shù)動輒成千上萬,甚至數(shù)以百萬計(jì)。傳統(tǒng)的數(shù)量性狀位點(diǎn)定位方法以及基因組選擇方法,不能很好的處理這種高維甚至超高維數(shù)據(jù)建模問題。因此,為了追求更高精度的定位以及預(yù)測效果,研究者生產(chǎn)了大量的實(shí)驗(yàn)品系。設(shè)計(jì)基于這些實(shí)驗(yàn)品系的統(tǒng)計(jì)方法成為一項(xiàng)十分重要的研究工作。針對在動物實(shí)驗(yàn)中產(chǎn)生的多親合作雜交小鼠品系,本文引入隨機(jī)效應(yīng)項(xiàng)來刻畫個(gè)體之間存在的不均衡親屬關(guān)系,建立了聯(lián)合考慮八個(gè)祖先的主基因效應(yīng)以及親源效應(yīng)的混合線性模型。而針對在植物選育種中產(chǎn)生的甘藍(lán)型油菜雙倍體品系,本文在不同環(huán)境下的殘差方差齊性和非齊性的假定下,分別建立了齊方差和異方差模型,綜合考慮環(huán)境效應(yīng),基因效應(yīng)以及基因與環(huán)境互作效應(yīng)對表型的影響�？紤]到基因型數(shù)據(jù)取值離散（0,1或者2）且位點(diǎn)之間存在連鎖不平衡現(xiàn)象,通過在模型中嵌入取值0或者1的二分類指示變量,本文巧妙地將待估參數(shù)分成被選入模型和被剔除出模型兩子塊,并藉此設(shè)計(jì)快速高效的分塊Gibbs抽樣算法,減少計(jì)算時(shí)長,彌補(bǔ)貝葉斯算法常常被人詬病的計(jì)算時(shí)間長以及... 

【文章來源】：武漢大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：99 頁

【學(xué)位級別】：博士

【部分圖文】：

重組斷點(diǎn)表示法一(Xu,2013b)o

（?ｉ?＾?＾??％?＾?■?？?＾?＼??ａ＾ｐ；．?－?ｋ??嘗??圖１．５?ＣＣ品系的８個(gè)父系。??鼠（包括?５?個(gè)經(jīng)典的近交系（Ａ／Ｊ，Ｃ５７ＢＬ／６Ｊ，１２９Ｓｌ／ＳｖＩｍＪ，ＮＯＤ／ＳｈＺＯ?／?ＨＩＬｔＪ?）和３個(gè)被選為代表３個(gè)Ｍｕｓ?ｍｕｓｃｕｌｕｓ亞種的野生系（ＰＷＫ?／ＳＴ／ＥＩＪ，ＷＳＢ／ＥＩＪ），如圖（１．５）所示）（Ｃｈｕｒｃｈｉｌｌ?ｅｔａｌ．，２００４）。為表述方種小鼠分別記為Ａ，Ｂ，Ｃ，Ｄ，Ｅ，?Ｆ，?Ｇ和Ｈ。將這些小鼠以及它們的雜行近親雜交（如圖１．６所示），用這種方式來進(jìn)行基因重組（Ｃｈｅｓｌｅｒｅｔａｌ．，２ｉ?ｅｔａｈ，?２００８）。這種隨機(jī)配對可以產(chǎn)生“永久的”（Ｉｍｍｏｒｔａｌｉｚｅｄ）群體，即的基因型可以任意克隆。??ＯＲ８６７?￣—?￣???＾?

埃博拉病毒的藥物及疫苗的初步篩查非常有價(jià)值。此外，ＣＣ－ＲＩＸ小鼠支持親源??效應(yīng)的分析與研宄（Ｔｈｒｅａｄｇｉｌｌ?ｅｔａｌ．，２０１２）。所謂的親源效應(yīng)是指繼承于父親以及??母親的等位基因具有不同的效應(yīng)值。親源效應(yīng)對大多數(shù)復(fù)雜性狀具有顯著影響??（Ｍｏｔｔ?ｅｔａｌ．，２０１４），并且，親源效應(yīng)還能對基因表達(dá)的表觀遺傳調(diào)控（ｅｐｉｇｅｎｅｔｉｃ??ｒｅｇｕｌａｔｉｏｎ）起到很好作用（Ｂａｒｌｏｗ，?２０１１）。??雖然對?ＲＩＸ?小鼠，己有一些研究，如?Ｔｓａｉｈ?ｅｔ?ａｌ．?（２００５）；?Ｚｏｕ?ｅｔ?ａｌ．?（２００５ａ）采??用混合效應(yīng)模型來刻畫ＲＩＸ小鼠之間的不均衡親屬關(guān)系。Ｇｏｎｇ?ｅｔａｌ．?（２０１２）提出??了更加靈活的，變系數(shù)非參數(shù)模型??Ｌ??Ｖｉ?—?＾（Ｕ）?＋?Ｘｉｊ＾（ｔｉ）?＋?ｄｉｌ〇Ｌｌ?＋?Ｃｊ??１＝１??來對單位點(diǎn)進(jìn)行定位。其中，ｙ７：為第ｉ個(gè)個(gè)體的表型值，４為協(xié)變量的測量時(shí)點(diǎn)，??為第ｊ個(gè)位點(diǎn)的基因型，ｊ?＝?１，…，Ｍ。Ｈａｌｌｉｎ?ｅｔ?ａｌ．?（２０１６）將酵母的增長性狀??變異分解為加性，顯性以及配對上位效應(yīng)，并采用隨機(jī)效應(yīng)模型對單位點(diǎn)進(jìn)行了??定位研究。然而，很多復(fù)雜性狀往往受到不止一個(gè)基因的影響，因此多重ＱＴＬ??定位較逐位點(diǎn)定位法更有效。雖然Ｙｕａｎ?ｅｔ?ａｌ．?（２０１１）通過混合效應(yīng)模型??


本文編號：2973764