发布时间 : 星期一 文章QTL定位中常见的12个问题更新完毕开始阅读6c801294a300a6c30d229f75
种中的使用应充分考虑二者有着不同的研究目标，遗传研究在于尽可能多地了解控制目标性状基因的遗传规律，构成性状受较少QTL控制、具有较简单的遗传模型，因此易于研究单个QTL的遗传；育种的目的是要同时选择尽可能多的有利基因和基因组合。与多性状选择指数[3]类似，复合性状的选择可以同时选择影响多个性状的有利等位基因，适度提高育种效率。因此，QTL作图研究中应谨慎使用复合性状，但这并不是排除育种中使用复合性状进行选择。
表6 构成性状和复合性状的理论遗传效应，假定各有2个QTL控制2个构成性状
Table 6 The theoretical QTL effects of two individual traits and four composite traits, assuming each
individual trait is controlled by two QTL.
QTL 染色体
位置
加性效应 Additive 性状 I Trait I
Q1 Q2 Q3 Q4
1 2 3 4
18 28 53 63
1.0 1.0 25
性状 II 和性状 Trait II 1.0 1.0 20
Addition 1.0 1.0 1.0 1.0 45
差性状
积性状
商性状
Chromosome Position (cM)
Subtraction Multiplication Division 1.0 1.0 -1.0 -1.0 5
20 20 25 25 500
0.0503 0.0503 -0.0631 -0.0631 1.2563
群体均值 Population mean
表7 利用构成性状和复合性状的QTL检测功效 Table 7 QTL detection power of individual and composite traits
参数 Parameter 功效 Power (%)
Q1 Q2 Q3 Q4
错误发现率
False discovery rate (%) 位置估计
Estimated position (cM)
Q1 Q2 Q3 Q4
加性效应估计
Q1
18.54 28.46 1.00
52.65 62.85
18.55 28.49 52.68 62.83 1.10
18.62 28.38 52.61 62.63 1.11
18.36 28.44 52.75 62.88 23.32
18.45 28.52 52.65 62.58 0.06
QTL 性状 I 性状 II 和性状
Trait I Trait II Addition 95.10 94.80
92.50 94.50
69.60 69.80 67.20 68.40 27.42
差性状 Subtraction 69.30 70.40 65.30 65.40 28.05
积性状 Multiplication 55.20 54.10 76.90 77.80 28.07
商性状 Division 50.50 50.90 75.20 75.20 29.68
21.63 22.98
17
Estimated additive effect Q2
Q3 Q4
1.01
1.00 1.00
1.09 1.11 1.10
1.11 -1.11 -1.12
23.42 26.46 26.61
0.06 -0.07 -0.07
3 QTL作图有关作图群体及遗传图谱的问题
3.1 QTL作图群体中的表型数据是否要求服从正态分布？
一些QTL应用研究论文中，误以为表型数据的正态分布是QTL作图的前提。其实大部分作图方法只是要求表型数据的随机误差项服从正态分布，数量性状只有在多基因假说下才真正符合正态分布，表型数据的非正态并不影响QTL作图。一般地，个体的表型是群体平均数μ、遗传型值G和随机误差效应ε之和，即统计模型P???G??q[3]。加显性模型下包含
q个QTL的遗传模型为
其中wj和vj是第j个QTL基因型的指示变量[4, 9]，因此G一般服从多项分布，G??[ajwj?djvj]，
j?1而ε则要求服从正态分布，并且是大多数统计方法建模的前提。在多基因假说下，G服从正态分布，因此P也服从正态分布。当QTL的个数较少、并存在少数遗传效应较大的QTL时，P将不服从正态分布。
举例说明，假定长度为160 cM的染色体25 cM处有一QTL解释80%的表型变异，遗传效应为1.0，群体平均数为10。图7为一个模拟作图群体中性状的次数分布，作图群体包含200个DH家系，表型数据明显不服从正态分布。ICIM一维扫描结果（图7）表明LOD在27 cM处达到峰值88.44，对应位置的遗传效应估计值为0.9989，解释81.12%的表型变异。
18
50Frequency4030201008.599.51010.51111.512Phenotypic value100LOD scoreEstimated effect806040201070130203040506080901001101201401501D-scanning on one chromosome, step=1cM16001.210.80.60.40.20-0.20 图7 一个表型非正态的模拟作图群体及其QTL作图结果。染色体25 cM处有一QTL解释80%的表型
变异，遗传效应为1.0，作图群体包含200个加倍单倍体家系
Fig. 7 QTL mapping in a simulated population with 200 doubled haploid lines that do not follow a normal distribution. One QTL is simulated at 25 cM on the chromosome, explaining 80% of the phenotypic
variation
3.2 加密标记是否可以显著提高QTL检测功效？
问题1.2中列出了统计学上提高假设检验功效的2个主要途径，即提高样本量和降低表型误差。从实际应用角度来看，在一个已建成的群体一般难以再增加个体数，人们有时候关心是否可以通过加密标记来更准确地定位QTL。在图3模拟实验的基础上，我们又模拟了两种标记密度（MD），即5和20 cM（图8）。MD为5、10和20 cM时需要总的标记数分别为330、170和90，当标记数由密度为10 cM时的170减少到密度为20 cM时的90个时，对于PVE小于10%的QTL，即使群体大小为600，10 cM置信区间检测功效也有明显的下降；对于PVE大于10%的QTL，随着群体的增大，检测功效接近于100%，但对于较小的群体，检测功效也有明显的下降。当标记数由密度为10 cM时的170增加到密度为5 cM时的330时，只有PVE=1%的QTL的检测功效才有明显的变化，其它QTL检测功效的增加不明显。对于一般有100~200个体的作图群体，QTL连锁作图中每隔10 cM左右有一个分子标记可能就足够了[13]。
与IM和ICIM相比，ICIM可以更好地检测连锁QTL（图2）。当然连锁程度对检测功效有较大
19
影响，如果2个QTL分布在同一个标记区间内，可能所有的方法都难以检测到。ICIM要求连锁QTL间至少有一个空白区间[7]，即分隔QTL，因此更密的标记更有可能把连锁QTL变成分隔QTL，也更容易被检测出来。假定在长度为160 cM的一条染色体上22 cM和42 cM处分布2个等效相引相QTL，分别解释31%的表型变异，图9给出群体大小为100、300和500时100个群体的ICIM平均LOD曲线图。当MD为20 cM时，2个QTL位于2个相邻的标记区间，之间没有空白区间。ICIM作图结果表明即使群体大小为500，也无法将二者区分开，而是在两个QTL之间发现一个效应近似等于两个QTL之和的“幻影”QTL。当MD为10 cM时，两个QTL被一个空白区间（即区间[30 cM，40 cM]）分隔，这时有一部分模拟群体检测到2个QTL，大多数模拟群体还是只定位到一个遗传效应较大的“幻影”QTL。当MD为5cM时，两个QTL被3个空白区间（即区间[25 cM，30 cM]、[30 cM，35 cM]和[35 cM，40 cM]）分隔，当群体大小为300和500时大多数模拟群体中都能正确的检测到2个QTL，当群体大小为100时大多数模拟群体都没能检测到2个QTL。
因此，标记的加密尽管可以把紧密连锁的QTL分隔开，但仍需足够大的群体，才能提供更多QTL的重组基因型，从而把2个连锁的QTL分离出来。在低于200的作图群体中，标记增加到一定程度，如每隔5~10 cM有一个标记，再增加更多的标记也不会明显提高QTL的检测功效。
1009080706050403020100MD=5 cMMD=10 cMMD=20 cMPower or FDR (%)401602804005204016028040052040160280400520401602804005204016028040052040160280400520401602804005204016028040052040160280400520PVE=1%PVE=2%PVE=3%PVE=4%PVE=5%PVE=10%PVE=20%PVE=30yRPopulation size 图8 QTL检测功效与标记密度和群体大小的关系
Fig. 8 Relationship of QTL detection power with marker density and mapping population size
20