【目的】基于协方差估计的多因变量回归(multivariate regression with covariance estimation,MRCE)模型进行多性状QTL定位分析,为动植物数量性状基因定位提供理论参考。【方法】构建适用QTL定位的MRCE模型,设计3个模拟试验对模型进行...【目的】基于协方差估计的多因变量回归(multivariate regression with covariance estimation,MRCE)模型进行多性状QTL定位分析,为动植物数量性状基因定位提供理论参考。【方法】构建适用QTL定位的MRCE模型,设计3个模拟试验对模型进行检验,通过计算机生成基因型和2个相关性状的表型值,并用2组数据对模型进行实际应用,其中一组为水稻DH群体数据,选自qtlnetwork软件;另一组为水稻永久F群体数据,由珍汕97×明恢63,含有210个株系的重组自交系(RIL)群体随机交配生成,分析MRCE模型在以上2组数据多性状QTL定位中的应用效果。【结果】用MRCE模型进行QTL定位的模拟试验结果表明,遗传变异所占方差比越大,相关系数绝对值越大,遗传率越大,则功效越好,估计值越接近效应值。MRCE的QTL定位应用结果显示,从水稻DH群体中识别出8个QTL与ph6性状有关,6个QTL与ph8性状有关;从1998年水稻永久F群体数据中识别出3个QTL与穗粒数相关,10个QTL与粒质量相关;从1999年数据识别出3个QTL与穗粒数相关,6个QTL与粒质量相关。【结论】利用MRCE模型进行多性状QTL定位是可行的。展开更多
文摘【目的】基于协方差估计的多因变量回归(multivariate regression with covariance estimation,MRCE)模型进行多性状QTL定位分析,为动植物数量性状基因定位提供理论参考。【方法】构建适用QTL定位的MRCE模型,设计3个模拟试验对模型进行检验,通过计算机生成基因型和2个相关性状的表型值,并用2组数据对模型进行实际应用,其中一组为水稻DH群体数据,选自qtlnetwork软件;另一组为水稻永久F群体数据,由珍汕97×明恢63,含有210个株系的重组自交系(RIL)群体随机交配生成,分析MRCE模型在以上2组数据多性状QTL定位中的应用效果。【结果】用MRCE模型进行QTL定位的模拟试验结果表明,遗传变异所占方差比越大,相关系数绝对值越大,遗传率越大,则功效越好,估计值越接近效应值。MRCE的QTL定位应用结果显示,从水稻DH群体中识别出8个QTL与ph6性状有关,6个QTL与ph8性状有关;从1998年水稻永久F群体数据中识别出3个QTL与穗粒数相关,10个QTL与粒质量相关;从1999年数据识别出3个QTL与穗粒数相关,6个QTL与粒质量相关。【结论】利用MRCE模型进行多性状QTL定位是可行的。
