【正文】 第三章 QTL定位的原理和方法 23:13 23:13 QTL是什么？ ? 數(shù)量性狀位點(diǎn)（ QTL）是影響數(shù)量性狀的一個(gè)染色體片段； ? QTL定位是確定數(shù)量性狀基因在染色體上位置的一種方法； ? QTL 和 QTLs。 23:13 為什么要定位它？ ? 它為了解個(gè)體數(shù)量性狀基因之間的行為和交互作用等基礎(chǔ)知識提供了一條路徑，允許建立更加真實(shí)的表型變異、選擇反應(yīng)和進(jìn)化過程模型； ? 將標(biāo)記信息綜合到遺傳評估中，輔助人工選擇程序，主要方式有 MAS和 MAI； ? 能進(jìn)行基因的位置克隆，允許對當(dāng)前存在的數(shù)量變異進(jìn)行分子機(jī)制的研究，并通過直接的分子干預(yù)，進(jìn)一步增加增效等位基因頻率。 23:13 QTL定位的基本原則 ? QTL定位的基本原則是關(guān)聯(lián)度量的遺傳變異和表型變異； ? 群體的選擇、用于度量表型個(gè)體選擇和基因型判型個(gè)體的選擇是所有 QTL定位設(shè)計(jì)要重點(diǎn)考慮的因素； ? 對于所有的 QTL定位設(shè)計(jì)，標(biāo)記等位基因和 QTL等位基因之間的 LD是必須的。 23:13 ? QTL定位的關(guān)鍵 23:13 23:13 23:13 第一節(jié) LA定位（連鎖分析定位） 23:13 linkage analysis ? only considers the linkage disequilibrium that exists within families, which can extend for 10s of cM, and is broken down by rebination after only a few generations. ? Such as BC and F2 design 23:13 單標(biāo)記分析 23:13 ? 是總平均； 和 是加性和顯性效應(yīng)； 是標(biāo)記和 QTL之間的重組率。 m da r? 是給定個(gè)體標(biāo)記位點(diǎn)基因型為 Aa的條件下的 QTL基因型 Qq的 條件概率 ； ? 是標(biāo)記和 QTL基因型的 聯(lián)合概率 ； ? 是標(biāo)記基因型的 邊際概率 。 )P r ( AaQq)P r (Q q A a)Pr( Aa23:13 來自近交系的回交群體的標(biāo)記和QTL概率 ? 標(biāo)記基因型之間的表型值平均差異： 23:13 單標(biāo)記分析的缺點(diǎn) ? 單標(biāo)記使用標(biāo)記平均值，不能獲得 QTL效應(yīng)單獨(dú)的估計(jì)值和 QTL與標(biāo)記的重組頻率；因此，不能區(qū)分是一個(gè)大的 QTL效應(yīng)松散地與標(biāo)記連鎖，或是小效應(yīng)緊密地與標(biāo)記連鎖。 23:13 區(qū)間定位 ? Lander and Botstein (1989)提出使用所有連續(xù)的標(biāo)記進(jìn)行 QTL定位的方法； ? 該方法原則上能夠區(qū)分 QTL的效應(yīng)和位置； ? 該方法需要一張帶有一定數(shù)目的遺傳圖譜，相鄰標(biāo)記間的距離是已知的。 23:13 Haldane作圖函數(shù) ? 為遺傳距離（ ）； ? 假設(shè)減數(shù)分裂期間的遺傳物質(zhì)交換沿著染色體是隨機(jī)和獨(dú)立發(fā)生的。 21 2 Mer ???M cMM 1 0 01 ?23:13 標(biāo)記和QTL概率 23:13 數(shù)據(jù)分析 ? 為具有 QTL基因型 的個(gè)體 的性狀記錄； ? 為具有 QTL基因型 的個(gè)體的期望效應(yīng)（如 或 ）； ? 為隨機(jī)誤差，并且 ，因此有： ijy ijjm j dm ?am?ije),0(~ 2?Ne ij),(~ 2?jij mNy23:13 最大似然法分析 ? 前面回交例子的似然函數(shù)為： ? 為 QTL位點(diǎn)的基因型； ? 和 為個(gè)體 在標(biāo)記位點(diǎn) A和 B的基因型； ? 為回交個(gè)體數(shù)。 jQiiANiB23:13 ? 似然率檢驗(yàn)（ LRT）： – 為零假設(shè)沒有分離 QTL條件下的似然值； – 為有一個(gè) QTL分離條件下的似然值。 reducedLfullL? LOD檢驗(yàn)： 23:13 最小二乘分析 ? 前面回交例子的最小二乘分析模型為： –需要估計(jì)的參數(shù)：一種為兩個(gè) QTL基因型的平均值；另外一種為總平均值和兩個(gè)基因型之間的效應(yīng)差； ? 顯著性檢驗(yàn)： R MSMS QF ?– MSQ為擬合模型由 QTL基因型解釋的方差； – RMS為擬合模型的殘余均方。 23:13 LS和 ML的比較 ? LS只使用了標(biāo)記平均值信息，標(biāo)記基因型組內(nèi)的方差變異沒有被使用；而 ML使用了所有可能的信息，這包括標(biāo)記基因型和性狀分布。 ? LS的計(jì)算比較簡單易行，能夠使用標(biāo)準(zhǔn)的軟件（ SAS）進(jìn)行分析；而 ML計(jì)算非常困難，需要專門的軟件將其擴(kuò)展到非常復(fù)雜的模型。 23:13 ? 似然率檢驗(yàn)和 F檢驗(yàn)的比較： –對一個(gè) QTL，如果殘差呈正態(tài)分布，則 LS和ML估計(jì)是相同的； –對一般情形，關(guān)系變?yōu)椋? ? 大部分 QTL定位分析結(jié)果顯示 LS獲得與 ML極端近似的結(jié)果。 23:13 基因組掃描 ? 區(qū)間定位的優(yōu)勢在于能對整個(gè)標(biāo)記的基因組進(jìn)行掃描； ? QTL定位是在整個(gè)基因組內(nèi)進(jìn)行，某一個(gè)區(qū)間內(nèi)QTL基因型的條件概率根據(jù)側(cè)翼標(biāo)記信息進(jìn)行計(jì)算，然后一個(gè)區(qū)間接著一個(gè)區(qū)間，使用最小二乘或最大似然法進(jìn)行分析，同時(shí)每個(gè)區(qū)間的檢驗(yàn)統(tǒng)計(jì)量（ Fratio或 LRT）也被計(jì)算，具有最大檢驗(yàn)統(tǒng)計(jì)量的位置就是 QTL最可能存在的位置，而該位置的 QTL效應(yīng)就是最好的 QTL估計(jì)效應(yīng)。 23:13 23:13 多次檢測問題 ? 如果有許多獨(dú)立的零假設(shè)被檢驗(yàn)，而且事先知道所有的零假設(shè)都為真，則，至少出現(xiàn)一次假顯著（ false positive)的概率為 1 ( 1 ) n??? ? ?23:13 伯努利校正 11 ( 1 ) n n? ? ?? ? ? ?23:13 Permutation test ? 對表型和標(biāo)記基因型數(shù)據(jù)進(jìn)行隨機(jī)重排，它消除了標(biāo)記基因型和表型之間的關(guān)聯(lián)； ? 每次重排數(shù)據(jù)，都要重新在整個(gè)基因組中進(jìn)行QTL定位分析； ? 通過多次重排，可獲得每次檢驗(yàn) LRT統(tǒng)計(jì)量在沒有 QTL的零假設(shè)條件下的分布； 23:13 ? Permutation test的具體步驟： 23:13 FDR(false discovery rate) ? α is declared FDR (such as ) ? j is the largest order that met formula (1) ? m is the number of marker ( 1 )j jPm???23:13 FDR(false discovery rate) ? 方法 – Sort p values of all marker interval based on ascending order – 23:13 LOD下降支撐區(qū)間（ LOD drop support interval） ? 如果某一特定位置檢測到一個(gè) QTL，需要對 QTL所在的位置執(zhí)行檢驗(yàn)； ? 零假設(shè)是該 QTL位于估計(jì)的峰值位置，備擇假設(shè)為QTL位于距峰值距離為 的位置， ? 檢驗(yàn)統(tǒng)計(jì)量為全 QTL模型在峰值位置和距離峰值位置 圖距單位位置的似然函數(shù)的差值的兩倍，當(dāng)樣本為大樣本時(shí)，它近似呈自由度為 1的 分布； ? 因此可以通過偏離峰值位置，使檢驗(yàn)統(tǒng)計(jì)量降到一個(gè)給定的數(shù)值來對 QTL位置置信區(qū)間進(jìn)行檢驗(yàn)。 dd2?23:13 ? 例如： – 95%的 QTL置信區(qū)間對應(yīng)的檢驗(yàn)統(tǒng)計(jì)量下降； – 1 LOD下降對應(yīng) 97%的 QTL置信區(qū)間； – 2 LOD下降對應(yīng) %的 QTL置信區(qū)間； 23:13 23:13 Bootstrap置信區(qū)間 1. 對于一個(gè)大小為 的群體，抽取 個(gè)帶有覆蓋性質(zhì)的記錄（有些記錄被抽取多次，而有些記錄沒被抽?。? 2. 分析并估計(jì) QTL位置； 3. 重復(fù)上面的 1和 2兩個(gè)過程，如 200次或更多； 4. 在分布的兩尾去掉 %的極端的 QTL位置估計(jì)值； 5. 剩余的 95%表示置信區(qū)間的估計(jì)值。 n n23:13 QTL位置估計(jì)的置信區(qū)間 23:13 預(yù)測置信區(qū)間 ? 置信區(qū)間的長度受樣本大小、 QTL效應(yīng)和標(biāo)記密度的影響，對一個(gè)高密度標(biāo)記圖譜， Darvasi and Soller (1997)給出了一個(gè)預(yù)測的近似 95%的置信區(qū)間（單位 cM)： – 為樣本大?。? – 和 為標(biāo)準(zhǔn)的加性和顯性效應(yīng)（以基因型標(biāo)準(zhǔn)差為單位）。 nda23:13 統(tǒng)計(jì)能力（ Statistical power） 23:13 為什么要計(jì)算檢測能力？ ? 給定樣本大小，計(jì)算能夠檢測到的 QTL效應(yīng)； ? 給定 QTL效應(yīng)，估計(jì)檢測到該 QTL需要的群體大??； ? 檢測特定的 QTL時(shí)，比較不同的群體設(shè)計(jì)。