本文關(guān)鍵詞：作物復(fù)雜性狀遺傳關(guān)聯(lián)分析及基于線性模型的多因素維度縮減方法的開發(fā)　出處：《浙江大學(xué)》2016年博士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 復(fù)雜性狀 關(guān)聯(lián)分析 新關(guān)聯(lián)分析策略 混合線性模型 上位性 組學(xué) 多因素維度縮減

【摘要】：剖析復(fù)雜性狀、復(fù)雜疾病的遺傳機理,對作物高效育種和精準(zhǔn)醫(yī)療有非常重要的意義。連鎖分析和關(guān)聯(lián)分析是剖析復(fù)雜性狀的兩種主要途徑。其中,連鎖分析利用家系內(nèi)目標(biāo)位點與分子標(biāo)記的連鎖共分離信息來定位目標(biāo)位點區(qū)段,在過去的二十多年被廣泛應(yīng)用。近來,隨著高通量測序技術(shù)發(fā)展,全基因組測序數(shù)據(jù)(如單核苷酸多態(tài)性標(biāo)記—SNP)大量涌現(xiàn),掀起了人類疾病和作物復(fù)雜性狀全基因組關(guān)聯(lián)的研究(GWAS)熱潮。這些研究中,有一些已經(jīng)取得不錯的結(jié)果,但大多數(shù)GWAS研究都未解決“遺傳率丟失”的問題。所謂的“遺傳率丟失”現(xiàn)象指的是通過GWAS定位找到的目標(biāo)SNP只能解釋傳統(tǒng)家系研究估計得到的總遺傳變異方差(遺傳率)的一小部分。由于當(dāng)前大部分GWAS研究通常只考慮單位點效應(yīng),忽視了基因間互作、基因與環(huán)境互作,這被認(rèn)為是造成這種差異的一種可能解釋。在本研究中,根據(jù)已有數(shù)據(jù)特性,我們探索和設(shè)計了一些新的關(guān)聯(lián)策略來應(yīng)對這一挑戰(zhàn)。這些方法策略分別應(yīng)用于棉花、水稻和煙草的全基因組關(guān)聯(lián)分析。此外,本研究還使用線性模型框架重構(gòu)了MDR方法(多因素維度縮減方法)的核心算法,開發(fā)了稱為LMDR的新方法。本文共分五個章節(jié),其主要內(nèi)容概括如下。第一章首先介紹了GWAS的一些基本概念和遇到的挑戰(zhàn),以及對于這些挑戰(zhàn)我們提出的一些應(yīng)對策略。第二章中,基于316份陸地棉品種測得的約40萬個SNP標(biāo)記,我們對四個纖維產(chǎn)量性狀進行了全基因組關(guān)聯(lián)分析。棉花是常異花授粉作物,在這份數(shù)據(jù)中我們也發(fā)現(xiàn)了一些雜合基因型,但GWAS常用的簡單加模型不能處理這些雜合基因型。因此,我們采用了全模型來探索陸地棉產(chǎn)量性狀的遺傳基礎(chǔ),該全模型同時包含了加性,顯性,上位性以及環(huán)境互作效應(yīng)的檢測。分析結(jié)果顯示,雖然雜合子的比例并不高(約0.07),顯性相關(guān)的效應(yīng)卻貢獻了大部分的總遺傳率。這表明少數(shù)的雜合基因型仍對表型變異有較大的影響,并在分子水平上揭示了雜合優(yōu)勢對棉花產(chǎn)量性狀的重要性。此外,通過全模型與相應(yīng)簡化模型結(jié)果的比較,該研究也為“遺傳率丟失”提供一個可能解釋。第三章中,我們采取了多種全基因組關(guān)聯(lián)策略來研究超級雜交稻協(xié)優(yōu)9308高產(chǎn)的遺傳基礎(chǔ)；所用材料為由協(xié)優(yōu)9308衍生的重組自交系(RIL)群體,我們對138份重組自交系后代進行了重測序,并開展關(guān)聯(lián)分析。由于GWAS研究通常是基于自然群體,首先我們就GWAS研究在這個實驗群體的可行性進行了檢查和討論。隨后,我們同時采取三種關(guān)聯(lián)研究策略(包括傳統(tǒng)的無先驗知識的全基因組關(guān)聯(lián)分析,和兩個分別基于先驗QTL和已注釋基因的關(guān)聯(lián)分析)對株高和抽穗期兩個性狀進行一個整體比較分析。研究結(jié)果發(fā)現(xiàn),多種關(guān)聯(lián)策略共同找到的位點相對比較可靠,可優(yōu)先用于后續(xù)研究。此外,作為一個例子,這項研究表明了GWAS不僅可以在實驗群體中進行,而且多策略關(guān)聯(lián)分析還可以補充或精細以前的QTL定位結(jié)果,以更精確的QTL信息為后續(xù)基因克隆和分子標(biāo)記輔助選擇服務(wù)。第四章中,我們以煙葉中鉻含量和總糖含量為例,對四組學(xué)數(shù)據(jù)(即基因組學(xué),轉(zhuǎn)錄組學(xué),蛋白質(zhì)組學(xué)和代謝組學(xué))和復(fù)雜表型間的關(guān)聯(lián)進行了探討,以確定相應(yīng)的數(shù)量性狀SNP(QTSs),數(shù)量性狀轉(zhuǎn)錄本(QTTs),數(shù)量性狀蛋白(QTPs)和數(shù)量性狀代謝物(QTMs)。這些中間分子表型(或內(nèi)表型)有助于闡明復(fù)雜性狀的遺傳變異機理。最后一章中,我們使用線性模型框架重建了MDR的核心算法。MDR是一種基于機器學(xué)習(xí)的檢測基因互作方法。然而,它缺乏明確的統(tǒng)計性質(zhì),例如p值是通過置換檢驗或中心極限定理得到的。LMDR克服這些限制。通過模擬研究,我們發(fā)現(xiàn),LMDR不僅能提供合理的統(tǒng)計性質(zhì),而且不需要置換檢驗就可以得到p值,所以計算效率高；此外,LMDR也更易拓展到]neta分析和條件分析。同時,LMDR非常容易實現(xiàn),兼容目前MDR的大多數(shù)擴展方法。
[Abstract]:......
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：Q943

【參考文獻】

相關(guān)期刊論文 前3條

1 LU XiuPing;GUI YiJie;XIAO BingGuang;LI YongPing;TONG ZhiJun;LIU Yun;BAI XueFei;WU WeiRen;XIA Ling;HUTTNER Eric;KILIAN Adrzej;FAN LongJiang;;Development of DArT markers for a linkage map of flue-cured tobacco[J];Chinese Science Bulletin;2013年06期

2 SHANG Hai-xuan;YE Sheng-hai;DENG Xiao-mei;ZHOU Ya;XIU Fen-lian;JI Xian-jun;LIU Ji-yun;CHEN Ping-ping;JIN Qing-sheng;ZHANG Xiao-ming;;Identification and Fine Mapping of Heading Date Related Mutant Gene in Rice[J];Rice Science;2012年04期

3 ;Proteomics Identification of Differentially Expressed Proteins Relevant for Nicotine Synthesis in Flue-Cured Tobacco Roots Before and After Decapitation[J];Agricultural Sciences in China;2008年09期

，

本文編號：1350959