全基因组关联分析(genome-wide association study,GWAS)的理论及应用是近十几年来国内外数量性状研究的热点,但是以往GWAS方法注重于个别主要QTL/基因的检测与发掘。为了相对全面地解析全基因组QTL及其等位基因构成,本研究提出了限制...全基因组关联分析(genome-wide association study,GWAS)的理论及应用是近十几年来国内外数量性状研究的热点,但是以往GWAS方法注重于个别主要QTL/基因的检测与发掘。为了相对全面地解析全基因组QTL及其等位基因构成,本研究提出了限制性两阶段多位点GWAS方法(RTM-GWAS,https://github.com/njau-sri/rtm-gwas)。RTM-GWAS首先将多个相邻且紧密连锁的SNP分组,成为具有多个单倍型(复等位变异)的连锁不平衡区段(SNPLDB)标记,然后采用两阶段分析策略,基于多位点复等位变异遗传模型,在节省计算空间的条件下保障全基因组QTL及其复等位变异检出的精确度。和以往GWAS方法相比,RTM-GWAS以性状遗传率为上限,能够较充分地检测出QTL及其相应的复等位变异并能有效地控制假阳性的膨胀。由其结果建立的QTL-allele矩阵代表了群体中所研究性状的全部遗传组成。依据这种QTL-allele矩阵的信息,可以设计最优基因型的遗传组成,预测群体中最优化的杂交组合,并用以进行群体遗传和特有与新生等位变异的研究。本研究首先对RTM-GWAS方法的特点和计算程序功能进行说明,然后通过大豆试验数据说明RTM-GWAS计算程序的使用方法。展开更多
穗长是一个重要的农艺性状,与产量密切相关。一般配合力(general combining ability,GCA)是评价优异自交系的重要指标。因此,解析穗长GCA的遗传基础,制定相应的育种策略对玉米杂交种产量的提高具有重要意义。本研究以123个玉米自交系和...穗长是一个重要的农艺性状,与产量密切相关。一般配合力(general combining ability,GCA)是评价优异自交系的重要指标。因此,解析穗长GCA的遗传基础,制定相应的育种策略对玉米杂交种产量的提高具有重要意义。本研究以123个玉米自交系和8个测验种按照North Carolina II遗传交配设计组配的537个F1杂交种为试验材料,在2个环境下进行表型鉴定,利用玉米5.5 K液相育种芯片鉴定的11,734个SNP(single nucleotide polymorphisms)对2个环境以及综合环境穗长GCA进行多位点全基因组关联分析(multi-locus genome-wide association study,MGWAS)和基因组预测。利用7种MGWAS共检测到11个穗长GCA显著关联SNP标记(P<8.52E-07),单个位点解释GCA变异介于8.06%~28.23%之间。不同MGWAS共定位的SNP位点有5个。位点7_178103602在周口和综合环境利用mrMLM(multi-locus random-SNP-effect mixed linear model)方法重复检测到,可解释穗长GCA变异的26.02%~28.23%,为环境稳定的主效SNP。共挖掘10个候选基因,其中auxin amido synthetase 9和EID1-like F-box protein 2可能是控制穗长GCA的关键基因。5种随机效应模型对3个环境穗长GCA的预测准确性介于0.53~0.69之间,且模型间差异较小。在新乡和周口环境,GBLUP(genomic best linear unbiased prediction)和RKHS(reproducing kernel Hilbert space)整合不同显著位点作为固定效应均可提高穗长GCA基因组估计育种值的准确性,提高率为2.34%~14.98%,而在综合环境中除了利用FarmCPU(fixed and random model circulating probability unification)或BLINK(Bayesian-information and linkage-disequilibrium iteratively nested keyway)鉴定的1个显著位点作为固定效应会略降低预测精度外,其他2种MGWAS方法显著位点的加入均能提高基因组预测力,提高率为2.80%~6.84%。因此,MGWAS显著位点作为固定效应加入预测模型有利于提高穗长GCA基因组估计育种值的准确性,可用来对玉米亲本穗长GCA进行有效预测和选择。展开更多
文摘全基因组关联分析(genome-wide association study,GWAS)的理论及应用是近十几年来国内外数量性状研究的热点,但是以往GWAS方法注重于个别主要QTL/基因的检测与发掘。为了相对全面地解析全基因组QTL及其等位基因构成,本研究提出了限制性两阶段多位点GWAS方法(RTM-GWAS,https://github.com/njau-sri/rtm-gwas)。RTM-GWAS首先将多个相邻且紧密连锁的SNP分组,成为具有多个单倍型(复等位变异)的连锁不平衡区段(SNPLDB)标记,然后采用两阶段分析策略,基于多位点复等位变异遗传模型,在节省计算空间的条件下保障全基因组QTL及其复等位变异检出的精确度。和以往GWAS方法相比,RTM-GWAS以性状遗传率为上限,能够较充分地检测出QTL及其相应的复等位变异并能有效地控制假阳性的膨胀。由其结果建立的QTL-allele矩阵代表了群体中所研究性状的全部遗传组成。依据这种QTL-allele矩阵的信息,可以设计最优基因型的遗传组成,预测群体中最优化的杂交组合,并用以进行群体遗传和特有与新生等位变异的研究。本研究首先对RTM-GWAS方法的特点和计算程序功能进行说明,然后通过大豆试验数据说明RTM-GWAS计算程序的使用方法。
文摘穗长是一个重要的农艺性状,与产量密切相关。一般配合力(general combining ability,GCA)是评价优异自交系的重要指标。因此,解析穗长GCA的遗传基础,制定相应的育种策略对玉米杂交种产量的提高具有重要意义。本研究以123个玉米自交系和8个测验种按照North Carolina II遗传交配设计组配的537个F1杂交种为试验材料,在2个环境下进行表型鉴定,利用玉米5.5 K液相育种芯片鉴定的11,734个SNP(single nucleotide polymorphisms)对2个环境以及综合环境穗长GCA进行多位点全基因组关联分析(multi-locus genome-wide association study,MGWAS)和基因组预测。利用7种MGWAS共检测到11个穗长GCA显著关联SNP标记(P<8.52E-07),单个位点解释GCA变异介于8.06%~28.23%之间。不同MGWAS共定位的SNP位点有5个。位点7_178103602在周口和综合环境利用mrMLM(multi-locus random-SNP-effect mixed linear model)方法重复检测到,可解释穗长GCA变异的26.02%~28.23%,为环境稳定的主效SNP。共挖掘10个候选基因,其中auxin amido synthetase 9和EID1-like F-box protein 2可能是控制穗长GCA的关键基因。5种随机效应模型对3个环境穗长GCA的预测准确性介于0.53~0.69之间,且模型间差异较小。在新乡和周口环境,GBLUP(genomic best linear unbiased prediction)和RKHS(reproducing kernel Hilbert space)整合不同显著位点作为固定效应均可提高穗长GCA基因组估计育种值的准确性,提高率为2.34%~14.98%,而在综合环境中除了利用FarmCPU(fixed and random model circulating probability unification)或BLINK(Bayesian-information and linkage-disequilibrium iteratively nested keyway)鉴定的1个显著位点作为固定效应会略降低预测精度外,其他2种MGWAS方法显著位点的加入均能提高基因组预测力,提高率为2.80%~6.84%。因此,MGWAS显著位点作为固定效应加入预测模型有利于提高穗长GCA基因组估计育种值的准确性,可用来对玉米亲本穗长GCA进行有效预测和选择。
