第七章

QTL作圖中的其它常見問題王建康，李慧慧，張魯燕中國農業科學院作物科學研究所

QTL作圖中的常見問題QTL作圖是基因精細定位和克隆的根底,目前已成為數量性狀遺傳研究的常規方法.QTL定位結果可以幫助育種家獲得目標性狀的遺傳信息,借助與QTL連鎖的分子標記在育種群體中跟蹤和選擇有利等位基因,提高選擇的準確性和預見性.但是,在利用QTL作圖開展遺傳研究的過程中也經常碰到一些問題,這些問題大致可分為有關作圖統計方法,有關遺傳參數估計,以及有關作圖群體及連鎖圖譜等三大類.有些問題第一~第六章已有所解答,如LOD臨界值的選擇,不同作圖方法檢測成效模擬和比較等.本章對之前沒有或較少涉及的一些問題做出分析和解答,供廣闊科研工作者在利用QTL作圖開展遺傳研究時參考.第七章QTL作圖中的其它常見問題§7.1QTL遺傳方差和奉獻率的計算§7.2復合性狀的QTL作圖§7.3加密標記對QTL檢測成效的影響§7.4缺失標記的填補以及缺失對QTL作圖的影響§7.5奇異別離對遺傳研究的影響§7.6數量性狀表型分布的非正態性§7.1QTL遺傳方差和奉獻率的計算§7.1.1單個QTL的遺傳方差和奉獻率§7.1.2連鎖QTL的遺傳方差和奉獻率§7.1.3QTL奉獻率與QTL檢測成效的提高單個QTL的加顯性遺傳模型在一個遺傳群體中,三種QTL基因型QQ,Qq和qq的頻率用fQQ,fQq和fqq表示.QTL作圖中,首先估計的是三種基因型的平均表現μQQ,μQq和μqq.在此根底上,根據加顯性模型估計QTL的加顯性效應a和d.加顯性模型給出三種基因型的平均表現和加顯性效應之間的線性關系,即,μQQ=m+a;μQq=m+d;μqq=m-a單個QTL產生的遺傳方差QTL的遺傳方差(用VQ表示)依賴于三種基因型的平均表現,以及它們在一個群體中的頻率,即,根據加顯性模型,可以得到QTL的遺傳方差與加顯性效應之間的關系為,如群體中僅存在兩種QTL基因型QQ和qq,它們的頻率用fQQ和fqq表示.那么QTL遺傳方差的表達式為,對于三種QTL基因型的群體,當基因型的頻率偏離孟德爾別離比時,遺傳方差中除加性效應和顯性效應的平方項外,還包含有加性效應和顯性效應的乘積項.乘積項可正可負,這時很難從QTL加顯性效應的大小判斷QTL遺傳方差的上下.單個QTL的表型奉獻率QTL的奉獻率定義為QTL的遺傳方差占表型方差的比例,有時也稱為QTL所能解釋的表型變異或表型方差的比例(phenotypicvarianceexplained,PVE).QTL奉獻率或PVE一般用百分數表示,其計算公式是,其中,VQ是公式7.1.2~4給出的QTL遺傳方差,VP是性狀的表型方差.在一個無奇異別離的群體中,QTL的遺傳方差只依賴于QTL的遺傳效應,效應大的QTL同時也具有較高的PVE.如果存在奇異別離,QTL的遺傳方差除依賴于QTL的遺傳效應外,還依賴于基因型頻率.這時效應大的QTL,其遺傳方差和PVE不一定就高.兩個連鎖QTL在無奇異別離DH群體中4種基因型的頻率和基因型值

a1代表Q1-q1的加性遺傳效應,a2代表Q2-q2的加性遺傳效應,Q1和Q2間的重組率為r.基因型頻率基因型值Q1Q1Q2Q2(1-r)/2μ11=m+a1+a2

Q1Q1q2q2r/2μ12=m+a1-a2q1q1Q2Q2r/2μ21=m-a1+a2

q1q1q2q2(1-r)/2μ22=m-a1-a2

連鎖QTL的遺傳方差QTL間的連鎖或不平衡,可能造成多個QTL的PVE之和超過100%的情形,甚至可能造成單個PVE超過100%的情形.這里,用兩個連鎖QTL的情形說明PVE計算中可能存在的一些現象,不考慮其他遺傳因素.假定親本的基因型為Q1Q1Q2Q2和q1q1q2q2,a1和a2分別為兩個QTL的加性效應,兩個QTL間的重組率為r.在雙親衍生的DH群體中,4種基因型的頻率和基因型值見表7.1.1.兩個QTL各自的遺傳方差分別為但是,DH群體中總遺傳方差并非兩個QTL遺傳方差之和,而是,兩個獨立遺傳QTL的遺傳方差和PVE從等式(7.1.6)不難看出,只有在r=0.5的情況下才有例如,當a1=1.0,a2=1.0,誤差方差=0.4時,兩個QTL各自的遺傳方差為1.當r=0.5時,總的遺傳方差=2,表型方差=2.4,遺傳力為0.833.兩個QTL的理論PVE均為41.7%,兩個QTL的PVE之和等于遺傳力,即總遺傳方差占表型方差的比例.在獨立遺傳的情況下,QTL效應正負號的改變,不會影響QTL的方差和總的遺傳方差,也不影響QTL的PVE的大小.一個包含200個DH家系模擬群體的QTL作圖

兩條染色體的長度均為120cM,各分布一個QTL.QTL的效應和隨機誤差方差見圖例說明.標記間的距離為2cM.兩個連鎖遺傳QTL的遺傳方差和PVE當兩個QTL間存在連鎖,并且a1和a2的效應方向相同(即處于相引連鎖狀態)時,群體中總的遺傳方差會高于單個QTL遺傳方差之和,即這樣就會造成兩個QTL的PVE遠低于單個QTL的PVE之和的情況.例如,當a1=1.0,a2=1.0,誤差方差=0.4時,兩個QTL各自的遺傳方差為1.當r=0.1時,總的遺傳方差=3.6,表型方差=4.這時,每個QTL的理論PVE為25%,總的遺傳方差占表型方差的比例到達90%,遠高于兩個QTL的PVE之和.一個包含200個DH家系模擬群體的QTL作圖

兩條染色體的長度均為120cM,兩個連鎖QTL分布第一條染色體上,之間的重組率為0.1.QTL的效應和隨機誤差方差見圖例說明.標記間的距離為2cM.兩個QTL產生的四種純合基因型的頻率,平均表現,以及邊際頻率和邊際平均數

Q2Q2q2q2

行邊際頻率行邊際平均數Q1Q1

f11,μ11

f12,μ12

f1.=f11+f12

f.1×μ11+f.2×μ12

q1q1

f21,μ21

f22,μ22

f2.=f21+f22

f.1×μ21+f.2×μ22

列邊際頻率f.1=f11+f21

f.2=f12+f22

列邊際平均數f1.×μ11+f2.×μ21

f1.×μ12+f2.×μ22

方差和PVE不可加的原因除遺傳連鎖外,兩個座位上的基因型頻率與單個座位上基因型頻率間的不平衡,以及兩個QTL間的上位型互作,都會造成兩個QTL的遺傳方差不等于單個QTL方差之和的現象.表給出某群體中,兩個QTL產生的四種純合基因型的頻率以及它們的平均表現,四種頻率之和等于1.行邊際頻率代表的是群體中Q1座位上兩種基因型的頻率,列邊際頻率代表的是群體中Q2座位上兩種基因型的頻率.根據行邊際平均數得到的方差代表的是群體中Q1座位的遺傳方差,根據列邊際平均數得到的方差代表的是群體中Q2座位的遺傳方差.根據表中四種基因型的頻率和它們的平均表現,得到的方差代表總的遺傳方差.僅在特定的情況下,表計算出的總遺傳方差才等于兩個邊際方差之和.特定情況就是不存在連鎖,不存在奇異別離.方差和PVE不可加的原因當兩個QTL存在連鎖時,在無奇異別離的DH中,每個座位上兩種基因型的頻率均為0.5.但是,兩個座位上基因型的頻率并不等于0.25,表看到的不平衡是由遺傳連鎖引起的.但是,遺傳研究群體在產生過程中的選擇和漂變等因素也能引起兩個座位的不平衡.基因間的上位型互作,也會造成總的遺傳方差不等于單個座位遺傳方差之和.有些群體中,還可能同時存在基因型頻率上的不平衡和上位型互作.這些因素究竟是降低還是增加總遺傳方差,一般也難以確定.因此,QTL作圖中要盡可能防止對單個QTL遺傳方差或PVE的簡單相加.不同群體大小和PVE對QTL檢測成效的影響群體大小對QTL檢測成效的影響統計上提高假設檢驗成效的途徑主要是增加樣本量和減小試驗誤差.對QTL作圖來說就是增大作圖群體,減小表型測定時的誤差.減小表型測定時的誤差可以提高性狀的遺傳力,同時也提高了單個QTL解釋表型變異的比例,進而提高QTL檢測成效.以ICIM為例,增大RIL群體對提高QTL檢測成效是明顯的(圖7.1.3).對大小為100,200和400的RIL群體來說,把PVE=4%的QTL定位到10cM支撐區間內的概率分別為29%,67%和91%,而把PVE=10%的QTL定位到10cM支撐區間內的概率分別為79%,97%和100%.QTL奉獻率對檢測成效的影響減小表型誤差那么間接提高單個QTL的奉獻率.如果通過降低表型誤差把QTL對表型的奉獻率由4%提高到5%,對大小為100,200和400的RIL群體來說,檢測成效那么分別由29%,67%和91%提高到44%,77%和94%.因此,QTL作圖研究中,作圖群體在資源允許的條件下要盡可能的大,同時表型鑒定時要盡量減小隨機誤差.當然,對于環境影響大并具有較大基因型和環境互作的性狀,還要在多地點/多年份進行表型鑒定.提高PVE和QTL檢測成效的途徑降低群體的遺傳變異也可間接提高PVE,從而提高QTL的檢測成效.遺傳研究中近等基因系和染色體片段置換系等群體,都是通過這種途徑提高遺傳分析可靠性的.例如,假定某群體中三個獨立遺傳QTL的遺傳方差分別為0.1,0.2和0.3,誤差方差為0.4.三個QTL分別解釋10%,20%和30%的表型變異.在這三個QTL的近等基因系中,假定QTL的遺傳效應和誤差方差保持不變.那么,三個QTL近等基因系群體的表型方差分別為0.5,0.6和0.7.三個QTL解釋的表型變異那么增加到20%,33%和43%.因此,在這三個近等基因系群體中,通過控制QTL的個數,間接提高了QTL的表型變異解釋比例,開展遺傳研究和QTL定位將更加有效.QTLIciMapping4.1版的矯正PVE在QTL作圖完成之后，利用所有檢測到QTL的側連標記，建立表型對標記的回歸模型，將回歸模型的決定系數R2視為所有QTL的遺傳方差，對每個QTL的遺傳方差進行矯正，利用矯正的QTL遺傳方差除以表型方差來重新估計PVE。矯正后的PVE具有了可加性！§7.2復合性狀的QTL作圖§7.2.1復合性狀及其在遺傳研究和育種中的應用§7.2.2一個玉米RIL群體中構成性狀和復合性狀的QTL作圖§7.2.3復合性狀的基因效應和遺傳方差§7.2.4復合性狀QTL作圖的成效分析§7.2.5復合性狀的遺傳力構成性狀和復合性狀QTL作圖遺傳研究中,多數情況下的表型數據均直接來源于一些特定環境條件,如大田或溫室中的測量值,有時為尋找環境間穩定表達的QTL,也利用多年多點測量值的線性估計進行遺傳研究.在某些QTL作圖研究中,用于作圖的表型數據那么來自兩個或更多個數量性狀測量值的簡單代數運算,例如和性狀,差性狀,積性狀及商性狀等.為方便起見,將表型數據直接來源于測量值的數量性狀稱為構成性狀,將那些表型值來自于其他數量性狀測量值代數運算的性狀稱為復合性狀.作為一種指數性狀,復合性狀在遺傳研究和育種中廣為使用.玉米的雌雄開花間隔期玉米的雌雄開花間隔期(anthesis-silkinginterval,ASI)是對產量和抗旱有較大影響的一個復合性狀.ASI的表型數據來自玉米雄花開花期(malefloweringtime,MFLW)和雌花開花期(femalefloweringtime,FFLW)之間的差值.在玉米的抗旱研究中,育種家常把ASI作為一個有效的抗旱指標進行研究,并借以選擇抗旱性這一復雜性狀.玉米雌雄開花間隔期的QTL作圖Ribaut等(1996,1997)利用142個分子標記,對一個大小為234的玉米F2群體,在良好灌溉和水分脅迫等條件下對開花期等性狀進行QTL分析.發現了4個QTL同時控制MFLW和FFLW,1個QTL同時控制ASI和MFLW,以及4個QTL同時控制ASI和FFLW.在良好灌溉和水分脅迫的條件下,共發現2個ASI獨有的QTL,其中1個QTL位于第2條染色體上,可以解釋11.4%的表型變異.另外1個位于第6條染色體上,可以解釋13.0%的表型變異.奇怪的是,這2個QTL僅在ASI的QTL作圖中被檢測到,而在MFLW和FFLW的QTL作圖中未被檢測到.Sari-Gorla等(1999)利用153個分子標記,對另外一個大小為142的玉米RIL群體進行了QTL分析.在良好灌溉條件下,發現5個QTL影響MFLW,0個QTL影響FFLW,以及7個QTL影響ASI.其中,位于第9條染色體上影響ASI的QTL并沒有被MFLW或FFLW發現.在水分脅迫條件下,發現了4個影響MFLW的QTL,2個影響FFLW的QTL和2個影響ASI的QTL.同樣,位于第5條染色體上影響ASI的QTL也沒有被MFLW或FFLW發現.水稻粒形長寬比及其QTL作圖水稻的長寬比(也稱粒型)也是一個比較重要的復合性狀.長寬比根據水稻粒長和粒寬的比值進行計算,是一個重要的水稻品質指標.Redona和Mackill(1998)利用116個分子標記對一個大小為204的水稻F2群體的粒長,粒寬和粒型進行QTL分析,發現了7個影響粒長的QTL,4個影響粒寬的QTL,以及3個影響粒型的QTL.其中,在第3和第7條染色體上發現了3個控制粒型的QTL,與控制粒長和粒寬的QTL位于相近的染色體位置上.Tan等(2000)對來自于一個水稻骨干品種的F2:3和RIL群體進行了QTL分析,發現無論使用精米還是糙米,控制粒長,粒寬和粒型的主效QTL是一致的.但是,對于一些微效的QTL,粒長和粒寬的QTL作圖結果不盡相同.水稻粒形的長寬比Li等(2004)對一個大小為308的水稻BC3F1群體的粒長,粒寬和粒型進行了QTL分析.發現2個控制粒長的QTL,分別位于第3和第10條染色體上.1個控制粒寬的QTL,位于第12條染色體上.2個控制粒型的QTL,其位置與控制粒長的2個QTL相近.Rabiei等(2004)對一個大小為192的水稻F2群體的粒長,粒寬和粒型進行了QTL分析.共發現18個QTL,5個控制粒長,7個控制粒寬,6個控制粒型.在這18個QTL中,有1個解釋15.0%表型變異的粒型QTL,既沒有被粒長發現,也沒有被粒寬發現.復合性狀特異的QTL?!從以上介紹的玉米開花間期和水稻粒型這兩個性狀的遺傳研究來看,復合性狀的QTL作圖和構成性狀的QTL作圖往往得到不同的結果,有時甚至出現一些復合性狀僅有的QTL(Ribautetal.1996;Sari-Gorlaetal.1999;Rabieietal.,2004).這些QTL僅在復合性狀中檢測到,而在構成性狀中都沒有檢測到.下面利用一個玉米RIL群體中構成性狀和復合性狀的QTL作圖,進一步說明復合性狀QTL定位中的這一現象.在此實例中,四種復合性狀并非都具有生物學上的含義,僅用這些復合性狀說明定位到的QTL與構成性狀定位到的QTL之間的差異.一個玉米RIL群體中雄穗開花期和雌穗開花期表型數據之間的相關性這兩個構成性狀之間的相關系數為0.75,說明兩個構成性狀之間存在高度的正相關.該玉米RIL群體包括187個RIL家系,使用756個多態性標記進行基因型鑒定.建立的遺傳圖譜總長為1380.8cM,覆蓋玉米的10條染色體,標記之間的平均間距是1.85cM.構成性狀I是玉米雌花的開花時間(也稱吐絲期),構成性狀II是玉米雄花的開花時間(也稱散粉期).構成性狀I的最小值是73.44,均值是81.47,最大值是91.11.構成性狀II的最小值是72.50,均值是78.40,最大值是86.78.兩個構成性狀(吐絲期和散粉期)的作圖結果性狀QTL編號染色體位置(cM)LOD值加性效應PVE(%)構成性狀I(吐絲期)qZ11877.560.74968.05qZ325217.331.216520.47qZ42775.040.64835.10qZ635711.730.955812.99qZ74613.08-0.47033.15qZ107464.73-0.58354.78qZ1194212.610.995914.23構成性狀II(散粉期)qZ211292.570.35612.68qZ42779.490.761510.24qZ521085.710.57045.62qZ85703.090.38752.93qZ96272.87-0.36932.88qZ107494.77-0.47574.73qZ1194011.010.739611.56和性狀與差性狀的作圖結果性狀QTL編號染色體位置(cM)LOD值加性效應PVE(%)和qZ11876.881.18856.53qZ325213.241.720213.21qZ42776.021.18305.49qZ635713.61.728713.72qZ96282.63-0.71262.35qZ107466.15-1.11285.62qZ1194014.731.799714.98

512.80-0.75902.55

5987.421.23517.00差qZ11874.210.33196.12qZ85696.53-0.441410.08qZ119422.890.27354.16

3933.57-0.30775.28

31035.390.37827.98

513.47-0.30845.06

5984.390.34356.50

10913.400.29534.87積性狀與商性狀的作圖結果性狀QTL編號染色體位置(cM)LOD值加性效應PVE(%)積qZ11876.4994.22856.37qZ42774.8586.40434.54qZ521072.8469.18772.75qZ635713.12138.690213.70qZ96282.58-57.87602.40qZ107466.92-97.21266.65qZ1194014.74147.523415.62

513.24-67.07593.09

5987.46101.48837.33商qZ85693.16-0.00425.78構成性狀和復合性狀步長為1cM的一維掃描結果

兩個構成性狀中檢測到的11個QTL按照染色體上的順序依次用qZ1~qZ11表示.構成性狀LOD曲線的箭頭指向未到達顯著性水平的兩個峰,復合性狀LOD曲線的箭頭指向到達顯著性水平,但構成性狀的相近位置上不存在顯著的峰.復合性狀的基因效應和遺傳方差采用理論推導和模擬相結合的方法,說明復合性狀的一些遺傳特性,以及用于QTL作圖可能存在的問題.假定有四個QTL,Q1和Q2控制構成性狀I,它們的加性效應分別用a1和a2表示.Q3和Q4控制構成性狀II,它們的加性效應分別用a3和a4表示.構成性狀I的均值用m1表示,構成性狀II的均值用m2表示,作圖群體為雙親衍生的重組近交家系.在RIL群體中,構成性狀的QTL基因型共有16種.但是,每個構成性狀的基因型只有四種.構成性狀I的四種基因型值用G11,G12,G13和G14表示,構成性狀II的四種基因型值用G21,G22,G23和G24表示.在加性遺傳模型下,構成性狀的基因型值與遺傳效應的關系是,G11=m1+a1+a2;G12=m1+a1-a2;G13=m1-a1+a2;G14=m1-a1-a2;G21=m2+a3+a4;G22=m2+a3-a4;G23=m2-a3+a4;G24=m2-a3-a4

包含4個QTL的遺傳模型中復合性狀的基因型值與構成性狀基因型值之間的關系編號Q1Q2Q3Q4性狀I性狀II和性狀差性狀積性狀商性狀1Q1Q1Q2Q2Q3Q3Q4Q4G11G21G11+G21G11-G21G11×G21G11/G212Q1Q1Q2Q2Q3Q3q4q4G11G22G11+G22G11-G22G11×G22G11/G223Q1Q1Q2Q2q3q3Q4Q4G11G23G11+G23G11-G23G11×G23G11/G234Q1Q1Q2Q2q3q3q4q4G11G24G11+G24G11-G24G11×G24G11/G245Q1Q1q2q2Q3Q3Q4Q4G12G21G12+G21G12-G21G12×G21G12/G216Q1Q1q2q2Q3Q3q4q4G12G22G12+G22G12-G22G12×G22G12/G227Q1Q1q2q2q3q3Q4Q4G12G23G12+G23G12-G23G12×G23G12/G238Q1Q1q2q2q3q3q4q4G12G24G12+G24G12-G24G12×G24G12/G249q1q1Q2Q2Q3Q3Q4Q4G13G21G13+G21G13-G21G13×G21G13/G2110q1q1Q2Q2Q3Q3q4q4G13G22G13+G22G13-G22G13×G22G13/G2211q1q1Q2Q2q3q3Q4Q4G13G23G13+G23G13-G23G13×G23G13/G2312q1q1Q2Q2q3q3q4q4G13G24G13+G24G13-G24G13×G24G13/G2413q1q1q2q2Q3Q3Q4Q4G14G21G14+G21G14-G21G14×G21G14/G2114q1q1q2q2Q3Q3q4q4G14G22G14+G22G14-G22G14×G22G14/G2215q1q1q2q2q3q3Q4Q4G14G23G14+G23G14-G23G14×G23G14/G2316q1q1q2q2q3q3q4q4G14G24G14+G24G14-G24G14×G24G14/G24四個QTL所影響的構成性狀以及在染色體上的三種分布模型QTL影響性狀QTL分布模型AQTL分布模型BQTL分布模型C染色體位置(cM)染色體位置(cM)染色體位置(cM)Q1

構成性狀I118.0118.0118.0Q2

構成性狀I228.0153.0228.0Q3

構成性狀II353.0228.0153.0Q4

構成性狀II463.0263.0263.0四個QTL的三種效應模型遺傳參數QTL效應模型AQTL效應模型BQTL效應模型CQ1對構成性狀I的加性效應(a1)110Q2對構成性狀I的加性效應(a2)110Q3對構成性狀II的加性效應(a3)110Q4對構成性狀II的加性效應(a4)110Q1和Q2對構成性狀I的互作效應(aa12)011Q3和Q4對構成性狀II的互作效應(aa34)011各種性狀中QTL的遺傳效應,遺傳方差和廣義遺傳力

構成性狀I構成性狀II和性狀差性狀積性狀商性狀遺傳效應平均數25204555001.2563A11011200.0503A21011200.0503A3011-125-0.0631A4011-125-0.0631A12000000A1300001-0.0025A1400001-0.0025A2300001-0.0025A2400001-0.0025A34000000.0063A123000000A124000000A134000000.0003A234000000.0003A1234000000遺傳方差分布模型A2.0002.0004.0004.0002054.0000.013分布模型B2.9932.9935.9865.9863072.0000.020分布模型C2.0002.0005.9862.0143047.1710.007廣義遺傳力分布模型A0.3000.3000.3000.300

分布模型B0.3910.3910.3910.391

分布模型C0.3000.3000.3910.177

QTL效應模型A的QTL檢測成效參數QTL構成性狀I構成性狀II和性狀差性狀積性狀商性狀功效(%)Q195.10

69.6069.3055.2050.50Q294.80

69.8070.4054.1050.90Q3

92.5067.2065.3076.9075.20Q4

94.5068.4065.4077.8075.20錯誤發現率(%)

21.6322.9827.4228.0528.0729.68位置估計(cM)Q118.54

18.5518.6218.3618.45Q228.46

28.4928.3828.4428.52Q3

52.6552.6852.6152.7552.65Q4

62.8562.8362.6362.8862.58加性效應估計Q11.00

1.101.1123.320.06Q21.01

1.091.1123.420.06Q3

1.001.11-1.1126.46-0.07Q4

1.001.10-1.1226.61-0.07構成性狀和復合性狀的成效分析QTL檢測成效的模擬研究說明,與構成性狀相比,復合性狀的檢測成效有不同程度的降低,而且錯誤發現率會升高.QTL效應模型A中,四個QTL的加性遺傳效應相等.在三種QTL分布模型下,它們在構成性狀中的檢測成效都超過90%.在三種分布模型中,和與差這兩個復合性狀對不同的QTL也有著近似相等的檢測成效.但是,這些檢測成效遠低于構成性狀的檢測成效.分布模型A和B中,和與差這兩個復合性狀的QTL檢測成效減少了25%左右.分布模型C中,和與差這兩個復合性狀的QTL檢測成效減少了40%以上.在三種分布模型中,積與商這兩個復合性狀QTL檢測成效也比構成性狀的成效有很大的下降.比較起來,Q1和Q2的檢測成效比Q3和Q4下降得更多.構成性狀和復合性狀的成效分析QTL間連鎖的存在,不利于復合性狀作圖.檢測成效會大大降低,QTL的效應和位置估計有更大的誤差.當連鎖距離大于或等于35cM時,復合性狀效應和位置的估計根本無偏,但檢測成效仍然低于構成性狀.構成性狀間的正相關會極大地降低差與商性狀的檢測成效,而構成性狀間的負相關會極大地降低和與積性狀的檢測成效.但不管是正相關或是負相關,構成性狀的QTL檢測成效都高于復合性狀的檢測成效.QTL效應模型A在位置模型B下按標記區間的成效分析

為了便于分析,分別對積性狀,差性狀,和性狀,構成性狀II和構成性狀I的成效值加上100,200,300,400和500.復合性狀中獨有的QTL沒有重復性圖給出按染色體上的標記區間統計的成效,容易看出所有檢測到的QTL在染色體上的分布情況.從效應模型A在位置模型B下檢測到QTL的分布來看,構成性狀I檢測到的QTL分布在Q1和Q2附近,構成性狀II檢測到的QTL分布在Q3和Q4附近.四種復合性狀檢測到的QTL集中在四個預設的QTL附近,其他標記區間上也偶爾檢測到QTL,但頻率極低.在不存在構成性狀QTL的染色體區域上,不存在很高的檢測成效.這也從另一個方面說明,復合性狀中獨有的QTL沒有重復性.也因此可以推測,復合性狀中獨有的QTL很可能是假陽性QTL.復合性狀開展QTL作圖存在的問題在真實的玉米RIL群體中,根據觀測到的QTL分布和各種效應進行模擬(Wangetal.,2021).結果發現,對于復合性狀和構成性狀都能檢測到的QTL,復合性狀的檢測成效與構成性狀的檢測成效相似.對于構成性狀檢測到,但是復合性狀沒有檢測到的QTL,復合性狀的檢測成效就會下降.同時,差性狀和商性狀的FDR高于和性狀和積性狀.究其原因,與構成性狀相比,復合性狀受較多QTL控制,QTL具有更復雜的遺傳效應和連鎖關系.因此,遺傳研究中使用復合性狀進行QTL作圖的意義可能不大.復合性狀在育種中的作用在遺傳和育種中是否應該使用復合性狀,應從二者研究目標的差異方面來考慮.遺傳研究在于盡可能多地了解控制目標性狀基因的遺傳規律.構成性狀受較少QTL控制,具有較簡單的遺傳模型,就更易于研究單個QTL的遺傳,實現遺傳研究的目標.育種的目的是要同時選擇盡可能多的有利基因和基因組合.與多性狀選擇指數類似,復合性狀的使用可以同時選擇到影響多個性狀的多個有利等位基因,以到達提高育種效率的目的.為了實現遺傳研究的目標,需要把一個復雜性狀或復雜模型簡單化,以有利于發現控制性狀的基因及這些基因的遺傳規律.育種的目的是對多個性狀的綜合改進,需要對這些性狀同時進行選擇,育種群體中最好包含所有控制性狀的有利基因和有利基因組合.這時,復合性狀的使用恰恰有利于實現多性狀和多基因聚合的育種目標.模擬RIL群體中構成性狀和復合性狀的廣義遺傳力效應模型分布模型構成性狀I構成性狀II和性狀差性狀積性狀商性狀A:僅有加性A0.3020.3010.3010.3010.3000.278B0.3660.3640.3670.3620.3650.332C0.3030.3020.3670.2240.3640.208B:加性和上位型互作

A0.3940.3920.3940.3910.3920.334B0.4350.4330.4360.4310.4350.378C0.3950.3930.4510.3230.4570.276C:僅有上位型互作A0.1780.1770.1780.1760.1770.162B0.1610.1610.1620.1600.1610.154C0.1780.1770.1940.1600.1930.148一個真實的玉米RIL群體0.5970.6000.6980.3970.6990.392從構成性狀的定位結果推測復合性狀的遺傳根底既然復合性狀不利于進行QTL研究,那么,如何獲得復合性狀的遺傳信息?實際群體中,其實可從構成性狀的QTL定位結果推測控制復合性狀的QTL.如一個QTL同時控制兩個構成性狀,遺傳效應的方向是一致的,可以肯定該QTL也控制和性狀.如一個QTL同時控制兩個構成性狀,遺傳效應的方向是相反的,可以肯定該QTL也控制差性狀.很難說,控制和性狀的QTL一定控制積性狀,控制差性狀的QTL一定控制商性狀.在研究積性狀與商性狀的QTL時,可能要考慮對積與商進行對數變換,然后按和與差的情況處理.但如何做更適宜,還有待進一步研究.謹慎使用復合性狀開展遺傳研究綜上所述,控制復合性狀的QTL至少控制一個構成性狀,不太可能出現不控制任一構成性狀卻控制復合性狀的QTL.因此,實際群體中檢測到的只控制復合性狀的QTL有以下兩種可能.一是構成性狀中未超過給定臨近值的微效QTL,二是表型在數學運算過程中產生出的假陽性.與構成性狀相比,復合性狀受較多QTL控制,QTL具有更復雜的遺傳效應(包括二階和更高階的上位型互作)和連鎖關系,QTL作圖成效比構成性狀的成效有明顯下降.復合性狀引起遺傳結構復雜程度的增加,可能是造成QTL作圖中檢測成效降低,假陽性提高的主要原因.因此,遺傳研究中使用復合性狀開展QTL作圖的意義不是很大.育種研究與遺傳研究有著不同的目的,復合性狀在育種中的使用可以同時選擇到影響多個性狀的有利等位基因或基因組合,以到達提高育種效率的目的.QTL作圖研究中應謹慎使用復合性狀,但這并不是要排除在育種中使用復合性狀,或者利用復合性狀進行選擇.§7.3加密標記對QTL檢測成效的影響§7.3.1加密標記對單個QTL檢測的影響§7.3.2加密標記對連鎖QTL檢測的影響提高QTL檢測成效的途徑統計學上提高假設檢驗的成效有兩個主要途徑,即增加樣本量和降低誤差方差.從實際應用的角度來看,在一個已建成的遺傳群體中,一般難以再增加群體中的個體或家系數量.重復試驗可以有效降低基因型平均表現中的誤差方差,提高基因型平均表現的廣義遺傳力,進而提高QTL的檢測成效.在基因型鑒定方面,過去一般只用幾十個RFLP標記或數百個SSR標記,開展一個遺傳群體的基因型鑒定工作.隨著分子標記技術的開展,現在已經能用上萬甚至更多的SNP標記開展基因型鑒定.因此,人們自然關心是否可以通過加密標記的方式來更準確地定位QTL.在關聯分析中,越多的標記,越有利于檢測群體中的剩余連鎖不平衡.加密標記會提高關聯分析的QTL檢測效率.這一節介紹加密標記對連鎖分析QTL檢測的影響.加密標記對單個QTL檢測的影響模擬三種標記密度,即5,10和20cM,10條染色體,長度均為160cM.因此,三種標記密度需要總的標記數分別為330,170和90.QTL具有不同的效應,PVE設置了1%,2%,3%,4%,5%,10%,20%和30%八種水平.這些QTL位于8條不同的染色體的22cM處,即不考慮QTL之間的連鎖.模擬群體為RIL,群體大小從20到500,間隔為20.成效統計的支撐區間長度為10cM,即成效統計時僅考慮區間17~27cM上檢測到的QTL,該區間之外的QTL統計為假陽性.每個QTL效應,每個標記密度,每個群體大小,模擬次數為1000(Lietal.,2021).QTL檢測成效與標記密度和群體大小的關系加密標記對單個QTL檢測的影響當標記數由密度為10cM時的170個減少到密度為20cM時的90個時,對于PVE小于10%的QTL,即使群體大小為500,檢測成效也有明顯的下降.對于PVE大于10%的QTL,當群體增大到200之后,其檢測成效接近于100%.但對于較小的群體,檢測成效也有明顯的下降.當標記數由密度為10cM時的170增加到密度為5cM時的330時,只有PVE=1%的QTL的檢測成效才有明顯的變化.其他QTL檢測成效的增加不明顯.因此,對于一般有100-200個體的作圖群體,QTL連鎖作圖中每隔10cM左右就需要有一個分子標記.增加標記有增加檢測成效的作用,但更有利于提高效應較小QTL的檢測成效.在關注加密標記提高檢測成效的同時,也應該注意增加標記在大群體中會產生更大的檢測成效的增加.同時,增加標記使得假陽性QTL有增加的趨勢.因此,只有大遺傳群體才能充分表達加密標記對QTL作圖的奉獻.加密標記對連鎖QTL檢測的影響QTL之間的緊密連鎖,極大地增加了遺傳研究的難度.但這卻是遺傳研究中不得不面對的問題.在第四章建立表型對標記的線性模型的過程中,已經知道一個QTL位置和效應的信息,在理論上完全包含在與其連鎖最緊密的左右兩個標記變量的系數中.從而在一個掃描區間上,可以通過矯正表型的方法,使得矯正值中只包含當前區間上QTL的信息.以到達控制區間以外QTL影響的目的.如果一個標記變量同時受兩個QTL的影響,當掃描區間含有這個標記時,矯正值中將同時包含這兩個QTL的信息.這時,難以把這兩個QTL區分開的.因此,ICIM作圖方法一般要求連鎖QTL之間要有一些空白區間(Whittakeretal.,1996;Lietal.,2007).所謂空白區間,就是這些標記區間上不存在任何控制性狀的QTL.很明顯,增加標記可能使得原來沒有空白區間的連鎖QTL之間出現空白區間,從而到達區分連鎖QTL的目的.距離為20cM的兩個連鎖QTL與三種標記密度在染色體上的示意圖

染色體長度為160cM,兩個QTL位于22cM和42cM處

三種標記密度下100次模擬群體中連鎖QTL的完備區間的平均作圖結果

標記密度與連鎖QTL的檢測當標記密度為20cM時,即使群體大小為500,ICIM也無法將二者區分開.而是在兩個QTL之間,發現一個效應近似等于兩個QTL效應之和的“幻影〞QTL.當標記密度為10cM時,有一局部模擬群體檢測到兩個QTL.但大多數模擬群體還是只定位到一個遺傳效應較大的“幻影〞QTL.當標記密度為5cM時,大多數模擬群體中都能正確檢測到預設的兩個QTL.如連鎖QTL之間不存在空白區間,更極端的情況如一個標記區間上存在兩個QTL,QTL作圖方法是難以將二者區分開的.LOD曲線反映的是兩個QTL累加的效果.這種情況下,僅靠增加群體規模來區分連鎖QTL是徒勞無益.唯一的方法是增加標記密度,使得連鎖QTL之間至少存在兩個空白區間.只有這樣,才有可能將連鎖QTL區分開來.因此,連鎖QTL的區分需要更密的分子標記和更大的群體規模.§7.4缺失標記的填補以及缺失對QTL作圖的影響§7.4.1缺失標記的填補§7.4.2一個水稻F2群體中的株高QTL§7.4.3缺失標記對QTL檢測成效的影響缺失標記的填補在知道標記間的連鎖關系后,可以根據與缺失標記連鎖的無缺失標記的標記型,來推測缺失標記型的概率.然后,根據缺失標記型的條件概率,對缺失的標記型進行填補.下面介紹F2群體中缺失標記型的填補方法,其他群體的填補方法與此類似(Zhangetal.,2021).假設所有標記都已經通過連鎖分析排好順序,M和m是某個體中缺失標記處的兩個標記等位基因.從染色體或連鎖群的第一個標記開始,逐個填補缺失標記型.可以認為,當前標記之前的所有標記都無缺失,或者已經對缺失值進行了填補.缺失標記可分為如下三種情況.缺失標記沒有任何不缺失的連鎖標記在這種情況下,除了知道三種標記型MM,Mm和mm的頻率滿足1:2:1的孟德爾別離比外,沒有任何可用的連鎖信息.這時,只能通過抽取隨機數的方法補缺失.具體地說,從均勻分布U(0,1)中抽取一個隨機數x.如果x>0.75,缺失標記基因型補為MM;如果x<0.25,補為mm;否那么,補為Mm.即以0.25的概率將缺失標記補為MM,以0.5的概率補為Mm,以0.25的概率補為mm.缺失標記僅在一側能找到連鎖的未缺失標記此時,可利用缺失標記基因型在未缺失標記(取距離最近的未缺失標記)基因型下的條件概率(表7.4.1)來填補缺失.以無缺失標記基因型AA為例.從均勻分布U(0,1)中抽取一個隨機數x.假設x<(1-r)2,那么缺失標記基因型補為MM;假設(1-r)2<x<(1-r)2+2r(1-r),補為Mm;否那么,補為mm.很明顯,如果重組率很小,會遠大于0.25,把缺失標記填補為MM的概率遠大于0.25.缺失標記M與一個未缺失標記A連鎖時(重組率用r表示),缺失標記基因型的條件概率無缺失標記的基因型缺失標記的基因型MMMmmmAA(1-r)22r(1-r)r2

Aar(1-r)1-2r+2r2

r(1-r)aar2

2r(1-r)(1-r)2缺失標記在其左右兩側均能找到未缺失的連鎖標記此時,利用缺失標記基因型在兩個相鄰的未缺失標記(左右兩側分別取距離最近的那個未缺失標記)基因型下的條件概率(表7.4.2)填補缺失.以無缺失標記基因型AABB為例.從均勻分布U(0,1)中抽取一個隨機數x.假設x<(1-r1)2(1-r2)2/(1-r)2,那么缺失標記基因型補為MM;假設(1-r1)2(1-r2)2/(1-r)2<x<(1-r1)2(1-r2)2/(1-r)2+2r1r2(1-r1)(1-r2)/(1-r)2,補為Mm;否那么,補為mm.很明顯,如果兩個未缺失標記之間的重組率很小,會遠大于0.25,把缺失標記填補為MM的概率遠大于0.25.兩個未缺失標記連鎖時,缺失標記基因型的條件概率無缺失標記的基因型邊緣頻率缺失標記的基因型MMMmmmAABB(1-r)2

(1-r1)2(1-r2)22r1r2(1-r1)(1-r2)r12r22AABbr(1-r)AAbbr2

AaBBr(1-r)AaBb(1-2r+2r2)Aabbr(1-r)aaBBr2

aaBbr(1-r)aabb(1-r)2

一個水稻F2群體一個水稻F2群體中包含180個個體(葉少平等,2005;Zhangetal.,2021),雜交組合的兩個親本是秈稻品種PA64s和粳稻品種Nipponbare.2002年Nipponbare已實現完全測序,PA64s在同一年也實現了局部測序.利用137個多態性SSR標記構建連鎖圖譜,12條染色體上分布著6~12個標記,遺傳圖譜的總長度為2046.2cM,平均標記間距離為17.1cM.該F2群體中共有24,660個標記點(即180×137),其中5,131個是PA64s標記型,6,175個是Nipponbare標記型,11,114個是雜合型.所有標記基因型數據中,有2,240個缺失標記型,占所有標記數據的9.08%.親本PA64s里有一個主要的矮稈基因,其株高是74.4cm.親本Nipponbare的株高是98.3cm.一個水稻F2群體的株高QTLQTL編號

標記區間

左標記距離(cM)加性效應顯性效應

LOD值PVE(%)顯性度

qPH1-1RM246－RP212.0-0.57-7.988.0412.0313.96qPH1-2RP82－RP319.5-8.590.5915.5425.57-0.07qPH3-1RM523－RM25116.94.35-4.866.5113.30-1.12qPH3-2RP242－RM52011.4-4.69-1.005.046.840.21qPH4RP67－OSR1513.7-3.56-2.094.615.530.59qPH5RM159－RP29913.0-0.44-4.483.133.8610.24qPH6RP199－RM2766.2-0.79-5.053.174.966.36qPH7RM82－RM1807.00.266.485.277.5625.24qPH12RM19－RM2472.4-1.663.933.985.44-2.36F2群體中缺失標記對QTL檢測成效的影響無缺失標記的不同F2群體大小對QTL檢測成效的影響

上圖的群體大小從180開始,然后逐漸減少5%,10%,15%,20%,25%和30%.以下圖的群體大小從500開始,然后逐漸減少5%,10%,15%,20%,25%和30%.缺失標記對QTL檢測成效的影響當模擬群體大小為180(與真實群體一致)時,隨著缺失率的增加,所有QTL的檢測成效會逐步降低,假陽性QTL的比例呈逐漸上升的趨勢.當模擬群體大小為500時,隨著缺失率的增加,效應較大的QTL的檢測成效變化不明顯,效應較小QTL的檢測成效有明顯的降低.與模擬群體大小180類似,假陽性QTL的比例呈逐漸上升的趨勢.因此,對于效應較小的QTL和較小的群體,缺失標記對QTL作圖的影響較大.對于效應較大的QTL和較大的群體,缺失標記對QTL作圖的影響可以忽略.盡管作圖成效會受到缺失標記的影響,但在缺失標記條件下,被檢測到的QTL位置和效應估計與無缺失條件下根本一致,都是漸近無偏的,估計值的方差也根本相同.缺失標記對QTL檢測成效的影響利用水稻F2群體構建的連鎖圖譜,以及表列出的QTL建立遺傳模型,模擬無缺失標記的不同大小F2群體.當模擬群體大小從180(與真實群體一致)開始,然后逐漸減少5%,10%,15%,20%,25%和30%的情況下,除PVE最高的qPH1-2外,所有QTL的檢測成效逐步降低,假陽性QTL的比例呈逐漸上升的趨勢.當模擬群體大小從500開始,然后逐漸減少5%,10%,15%,20%,25%和30%的情況下,效應較大的QTL的檢測成效變化不明顯,效應較小QTL的檢測成效有明顯的降低.與模擬群體大小從180開始的情況類似,假陽性QTL的比例呈逐漸上升的趨勢.因此,群體大小對效應較小的QTL的影響較大.缺失標記對QTL檢測成效的影響比較圖和圖的檢測成效和假陽性發現率可以發現,一定比例的標記缺失對QTL作圖結果的影響相當于一定比例個體缺失對QTL作圖的影響.也就是說,一個群體大小為n,標記型缺失率為p的群體的作圖成效,與大小為n(1-p),無標記型缺失群體的作圖成效大致相同.因此,盡管大多數QTL作圖方法和軟件可以處理帶有缺失標記的數據,在遺傳群體的基因型鑒定的過程中,還是要盡可能防止缺失數據的發生,從而得到更好的遺傳研究結果.缺失標記的填補只是一種技術手段.如果不利用其他額外信息,就填補本身來說,是不會增加QTL檢測成效的.當然,如果采用對缺失的標記型重新進行基因型分析的方式進行填補,這時相當于利用額外信息對缺失標記進行填補,其結果是降低標記數據的缺失率.采用這種方式填補缺失標記,可以增加QTL的檢測成效,提高遺傳分析的準確性.§7.5奇異別離對遺傳研究的影響§7.5.1一個水稻F2群體中的奇異別離標記§7.5.2奇異別離在三種基因型群體中對QTL作圖的影響§7.5.3奇異別離影響的距離§7.5.4奇異別離在兩種基因型群體中對QTL作圖的影響奇異別離奇異別離幾乎存在于所有的遺傳研究群體中,是一個廣泛研究的遺傳學問題(HedrickandMuona,1990;Lorieuxetal.,1995;HackettandBroadfoot,2003;Luoetal.,2005;Zhuetal.,2007;Xu,2021).在§7.4的水稻F2群體中,對每個標記做1:2:1的孟德爾別離比適合性檢驗,在0.01的顯著性水平下,存在9個顯著偏離孟德爾別離比的標記(表7.5.1).這些標記分布在水稻第2,3,5,8,10,11和12染色體上(Zhangetal.,2021).顯著性檢驗中,-log10(P)(P為顯著性水平概率)的最大值是20.02,對應于第12條染色體上的標記RP129.RM304和RP129周圍的一些標記也是顯著的,但這很可能是由連鎖造成的,因此沒有在表中給出.一個水稻F2群體中的奇異別離標記標記名稱染色體樣本量

M:m-log10(P)適合度MMMmmmMMMmmmR0313.831.000.230.38R9811.141.000.380.32R5115.840.410.211.00RM4486483221.664.541.000.650.34RM304107578251.786.691.000.520.33RM147103927780.5716.800.500.171.00RM5521157110131.656.601.000.960.23RP12912928713.0420.021.000.470.01RM491122728600.5510.690.450.231.00適合度及其估計適合度是群體遺傳學中研究選擇效應的重要參數.適合度是指某基因型繁殖后代的相對能力,取值在0和1之間.假定兩種基因型AA和aa的個體各有100個,有10個基因型AA的個體和9個aa基因型的個體成活下來.那么,aa的繁殖成活率是AA的0.9倍.這時,認為AA的適合度為1,aa的適合度為0.9.對于一個F2群體中的三種基因型AA,Aa和aa,如果適合度均為1,三種基因型的頻率將分別為0.25,0.5和0.25.否那么的話,三種基因型將偏離1:2:1的孟德爾別離比.因此,可以通過基因型的相對頻率,定義三種基因型的適合度.假定M來自親本PA64s,m來自親本Nipponbare.用nMM,nMm和nmm表示三種標記型MM,Mm和mm的樣本量,用nMAX表示nMM,0.5*nMm和nmm三者中的最大值.那么,三種標記型的適合度分別為nMM/nMAX,0.5*nMm/nMAX和nmm/nMAX.F2群體中存在奇異別離時的QTL檢測成效有、無奇異別離的方差比值將QTL的顯性度用s=d/a表示.從等式(7.5.1)和(7.5.2)可以得到有無奇異別離情況下QTL的兩個遺傳方差的比值為,統計學上,一個決定因素的不同水平之間的方差越大,這些水平間的差異越易于檢測.不同水平間較大的差異會造成高的顯著性概率,因此也會有較高的檢測成效.QTL作圖也是如此.如果一個QTL的遺傳方差很大,這個QTL就會產生很高的LOD值,也就容易被檢測到.等式(7.5.3)給出了有無奇異別離QTL遺傳方差的相對變化,可用于定量解釋奇異別離對QTL作圖的影響.從直觀上看,假設k大于1,奇異別離會引起QTL遺傳方差的增加,因此有益于QTL的檢測.假設k小于1,奇異別離會引起QTL遺傳方差的降低,因此不利于QTL的檢測.假設k等于1,奇異別離不會影響到QTL的檢測(Zhangetal.,2021).F2群體中不同基因型頻率的遺傳方差與無奇異別離時方差的比值

從左到右代表四種顯性度,即無顯性,局部顯性,完全顯性和超顯性.F2群體中奇異別離標記與QTL之間連鎖距離對QTL遺傳方差比值的關系奇異別離影響的距離根據表7.5.2,可以計算不同連鎖距離時QTL基因型的頻率.進而計算不同連鎖距離下遺傳方差比值k,并由此推測一個奇異別離所能影響的距離.以表中的四種奇異別離標記為例,圖給出QTL遺傳方差比值隨標記與QTL間遺傳距離的變化曲線.可以看出,當奇異別離標記與QTL緊密連鎖時,有些QTL的k值遠低于1,有些QTL的k值遠高于1.隨著遺傳距離的增加,所有QTL的方差比值都趨向于1.說明奇異別離對遺傳分析的影響變得越來越小.從圖可以看出,當標記與QTL間遺傳距離超過20cM時,k值將在0.8到1.2的范圍內.如果這個范圍內的k值可以忽略奇異別離影響的話,可以認為,奇異別離的影響距離不超過20cM(Zhangetal.,2021).奇異別離在兩種基因型群體中對QTL作圖的影響對于僅有兩種基因型的群體,奇異別離對QTL作圖的影響顯得簡單些(李慧慧等,2021).