本文關(guān)鍵詞：混合線性模型解析數(shù)量性狀遺傳基礎(chǔ)的研究

  更多相關(guān)文章： 混合線性模型 多親本重組自交系 剖分遺傳力 代謝組 預(yù)測

【摘要】：線性模型中包含固定效應(yīng)和隨機(jī)效應(yīng)兩部分,這種類型的模型稱之為混合線性模型(LMM)�；旌暇�性模型廣泛應(yīng)用于動植物遺傳育種以及人類遺傳疾病挖掘等領(lǐng)域。而本研究從統(tǒng)計量檢驗、方差組分估計和預(yù)測等三個方面拓展混合線性模型應(yīng)用,主要包括以下三個方面的研究。第一、AGIC QTL定位群體,是多個親本通過數(shù)代親本之間的橫交以及若干世代的近交得到一個群體,可以譯作多親本重組自交系。相比較傳統(tǒng)的二親本的群體,該群體能夠提高QTL定位的分辨率和檢驗效率。而且該群體具有一定的遺傳多樣性,其QTL結(jié)果可以直接應(yīng)用在育種上。本研究將混合線性模型拓展到MAGIC群體的QTL定位研究上。該模型中使用微效多基因效應(yīng)替代CIM中的cofactors,減少背景噪音導(dǎo)致假陽性問題。在模型中,將檢驗標(biāo)記效應(yīng)作為隨機(jī)效應(yīng)處理或固定效應(yīng)處理。同時通過釋放檢驗標(biāo)記與微效多基因重復(fù)估計的部分提高檢驗效率。在具體算法實現(xiàn)上,使用矩陣特征分解、Woodbu ry矩陣變換以及參數(shù)預(yù)估計等技巧,以此提高計算效率。模擬數(shù)據(jù)和實際數(shù)據(jù)表明,該方法在不增加計算速度的前提,能夠有效地控制假陽性并且可以提高檢驗效率。第二、在人類疾病和玉米的數(shù)量性狀已有研究探討復(fù)雜性狀的遺傳變異來源。而該研究使用LMM對524個品系水稻的5個數(shù)量性狀進(jìn)行遺傳力剖分研究。將標(biāo)記按照位置信息劃分為調(diào)控區(qū)、內(nèi)含子、外顯子以及基因間等四個功能分區(qū),以此探討數(shù)量性狀的遺傳變異主要來源于哪一個分類。研究表明,調(diào)控區(qū)或基因間,即對基因具有調(diào)控功能的部分,對5個數(shù)量性狀遺傳變異貢獻(xiàn)最大。研究也將4個功能分區(qū)通過構(gòu)建不同kinship矩陣使用multiBLUP對表型進(jìn)行預(yù)測。結(jié)果表明,該策略的預(yù)測效果并沒有顯著提高。第三、代謝組對理解表型變異的分子機(jī)制具有重要作用,而且已有研究表明代謝組可以對表型進(jìn)行預(yù)測。本研究采用數(shù)據(jù)與第二個研究相同,包含839個代謝組信息。使用LR、LMM、 Bayes B以及LASSO等四種模型進(jìn)行關(guān)聯(lián)分析,研究發(fā)現(xiàn)了一些與表型顯著相關(guān)的代謝物。而且通過模型比較,發(fā)現(xiàn)LASSO模型為最佳模型,既能夠控制群體結(jié)構(gòu)引起的假陽性問題,又具有較高的檢驗效率。在此研究基礎(chǔ),使用LMM、Bayes B以及LASSO等3種模型對表型進(jìn)行預(yù)測。結(jié)果顯示代謝組可以對表型進(jìn)行預(yù)測,其預(yù)測效果與GBLUP相當(dāng)。本課題為畜禽遺傳育種領(lǐng)域基礎(chǔ)性研究,涉及到的三個方面(統(tǒng)計檢驗、方差組分估計和預(yù)測),均為該領(lǐng)域重要研究內(nèi)容,也是國際研究熱點,其重要性不言而喻。而本課題研究的理論成果,具備一定創(chuàng)新性,在畜禽遺傳育種和人類精準(zhǔn)醫(yī)療等領(lǐng)域具有一定的應(yīng)用價值。
【學(xué)位授予單位】：中國農(nóng)業(yè)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：Q348

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 周永正;混合線性模型聯(lián)合估計的一個注記[J];數(shù)學(xué)的實踐與認(rèn)識;2002年06期

2 石磊，向黎明，，王學(xué)仁;混合線性模型效應(yīng)參數(shù)的影響分析[J];數(shù)學(xué)物理學(xué)報;1996年03期

3 朱軍;運用混合線性模型定位復(fù)雜數(shù)量性狀基因的方法[J];浙江大學(xué)學(xué)報(自然科學(xué)版);1999年03期

4 汪咬元;有約束條件時混合線性模型的最優(yōu)估計量公式[J];數(shù)學(xué)雜志;1986年04期

5 周永正;;一般混合線性模型固定效應(yīng)、隨機(jī)效應(yīng)與另一隨機(jī)向量的聯(lián)合估計[J];數(shù)學(xué)的實踐與認(rèn)識;2011年19期

6 石磊,張寶華,雷森;混合線性模型效應(yīng)參數(shù)的Bayes影響分析[J];云南大學(xué)學(xué)報(自然科學(xué)版);1999年06期

7 王勝初,閻新甫;混合線性模型生成模擬數(shù)據(jù)的方法和軟件設(shè)計[J];浙江農(nóng)業(yè)大學(xué)學(xué)報;1998年02期

8 石磊,李興緒,周汝良,雷森;混合線性模型效應(yīng)參數(shù)的Bayes局部影響分析[J];數(shù)學(xué)物理學(xué)報;2002年04期

9 胡希遠(yuǎn);利用SASPROC MIXED分析混合線性模型非平衡試驗數(shù)據(jù)[J];數(shù)理統(tǒng)計與管理;2005年01期

10 王愛國,D Laloe,LR Schaeffer CGIL;混合線性模型下豬群間遺傳聯(lián)系的度量[J];遺傳;2000年05期

中國重要會議論文全文數(shù)據(jù)庫 前2條

1 周永正;;混合線性模型中β與δ的同時估計[A];中國現(xiàn)場統(tǒng)計研究會第九屆學(xué)術(shù)年會論文集[C];1999年

2 童春發(fā);施季森;李力;;一般遺傳模型的方差分析和協(xié)方差分析[A];持續(xù)發(fā)展，再創(chuàng)輝煌——中國林學(xué)會林木遺傳育種分會第五屆年會文集[C];2002年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 魏巨龍;混合線性模型解析數(shù)量性狀遺傳基礎(chǔ)的研究[D];中國農(nóng)業(yè)大學(xué);2016年

2 尤薩夫;基于混合線性模型進(jìn)行遺傳數(shù)據(jù)分析的異常值檢測方法[D];浙江大學(xué);2008年

本文編號：1282406