收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

利用Bayesian-MCMC方法进行畜禽远交群数量性状和阈性状QTL定位

刘剑锋  
【摘要】:针对畜禽QTL定位,当采用近交系或远交系杂交的试验设计时,资源群体往往很难满足设计要求;而直接对远交群进行分析,由于QTL和标记连锁状态的复杂性,统计效率显著下降,尤其对于阈性状的分析,由于表型数据的不连续特征和极低的表型方差,进一步加大了远交群QTL检测的难度。本研究通过Monte Carlo的试验方法,采用全同胞家系和全同胞一半同胞混合家系两种不同试验设计方案,结合IBD方差组分的随机模型和Bayesian-MCMC统计方法,分别对数量性状和阈性状进行QTL-标记连锁分析及相关参数估计。在分析过程中,对IBD概率矩阵推导的多点法进行了改进(同时考虑包括标记连锁群起止端点在内的所有标记信息)和扩展(由全同胞推断扩展到混合家系推断),采用单Markov Chain抽样策略和3种抽样技术(Gibbs Sampling、Metropolis-Hastings Algorithm和RJ MCMC)产生所有未知目标参数的后验样本,对QTL位置的区间估计及置信概率、点估计采用QTL强度函数的方法,并在此基础上进行其它目标参数的Bayesian推断,并在不同条件下进行QTL检测和参数估计的模拟研究,旨在探讨Bayesian-MCMC方法应用于畜禽远交群QTL定位的可行性。 在数量性状分析中,对不同的QTL效应水平、不同家系结构的定位结果进行比较得到:在90%以上的支持概率下,得到的QTL位置的估计区间长度在5~22cM之间,由此证明该方法适用于畜禽远交群数量性状QTL连锁检测;QTL效应越大,得到的估计区间长度越短、支持概率越大,相应的点估计值的误差方差越小,定位精确性和准确性越高;随着家系数减小和家系含量增大,估计区间呈现减小趋势,而相应支持概率增大,点估计结果的误差方差降低。 阈性状的QTL检测结果可概括为以下方面:(1)大多条件下,检测结果与模拟条件基本吻合,表明了基于IBD方差组分随机模型的Bayesian-MCMC方法进行阈性状QTL检测,稳健性较高;(2)QTL效应和家系结构依然是影响阈性状QTL检测的重要因素,QTL效率越大,估计精确性越高,随着家系含量和群体规模的增加,检测结果的准确性和精确性呈增加的趋势,当家系含量较小时,在公畜后代数相同条件下,加大全同胞数量可明显提高检测效果;(3)根据RJ MCMC抽样得到QTL数目的后验样本来估计QTL数目体现出极高的稳健性和准确性,几乎在所有条件下,QTL数目的后验众数估计值与QTL的实际数目完全相同;(4)相同条件下较高标记密度或标记多态性可得到估计精度更高的检测结果;(5)多QTL条件下,QTL间隔越大,相互干扰越小,估计准确性越高;(6)在2个等位基因的QTL模型假设下,检测结果准确性和精确性低于基于无穷等位基因假设下的分析结果,但仍然可以在90%以上的支持概率下得到14cM长度以内的QTL区间估计结果;(7)低性状发生率下,QTL位置的估计区间长度加大,支持概率下降,点估计误差增加,其它的模型参数估计结果的误差方差同样呈增大趋势;(8)相同“潜在变量”,而表型数据呈二级、三级和连续分布时,QTL检测效果随表型分级数增加而提高,对三类不同类型性状进行综合比较,数量性状QTL检测及相应参数估计结果最为理想。 综上,通过对QTL定位的可能影响因素进行优化和筛选,Bayesian-MCMC方法在畜禽远交群QTL定位,尤其是阈性状QTL定位、多QTL定位中,表现出较好的检测效果。本研究中所采用的统计方法和编写的计算程序可直接应用于实际资料分析。


知网文化
【相似文献】
中国博士学位论文全文数据库 前1条
1 刘剑锋;利用Bayesian-MCMC方法进行畜禽远交群数量性状和阈性状QTL定位[D];中国农业大学;2005年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978