数量性状基因定位分析中随机模型方差组分的回归解法

在数量性状基因定位分析中，基于极大似然的方差组分法被公认为完全适用于任意系谱群体的一种有效的统计方法，然而其可操作性因方差组分的非线性极大似然求解和大规模全基因组关联分析而受到极大限制。根据亲缘对表型方差协方差与每个待估方差组分间的线性关系，用亲缘对表型值离均差平方和乘积无偏估计表型方差协方差，建立用来估计随机模型方差组分的线性回归模型。在这个多元线性模型中，自变量是每个方差组分对应的IBD和亲缘系数值。将这种简便的方差组分回归求解方法分别应用于基因定位的连锁分析和全基因组关联分析中：研究基于单个QTL的区间定位和单个SNP分析方法，以及多个QTL的贝叶斯连锁分析方法和大量SNP的LASSO过饱和方程求解方法。计算机模拟分析所建议方法的检测效力和假阳性率，并与基于最大似然的方差组分方法比较。通过在动植物数量性状连锁定位和人类疾病的全基因组关联分析的应用，检验方法的可靠性和适应性。

正确地解析数量性状的基因组变异是实现数量性状基因精确定位和基因组育种值准确估计的理论基础。本项目将基因组变异剖分为主效基因效应和微效多基因效应两部分，构建用来解析数量性状基因组变异的统一遗传模型。联合多种LASSO技术和GBLUP方法,高效率地判别全基因组范围内的主效基因和微效的基因组变异，同时准确地估计数量性状的基因组育种值。该方法广泛适用于随机试验群体和系谱育种群体条件下各种类型的数量性状，包括连续数量性状、复杂的二项疾病性状以及生存时间等性状的基因定位和基因组选择。采用计算机模拟技术，系统地论证新方法的高效性、可靠性和适应性。在此基础上，还分别探讨了适合多基因连锁分析的迭代加权LASSO方法和适合全基因组关联分析中同时考虑主效基因和互作基因的过饱和模型Forward LASSO求解方法。进一步地将改造的LASSO技术拓广去分析分类性状的遗传结构和检测大规模的转录表达性状的eQTL。项目完成过程中，共发表SCI论文7篇，累计影响因子约35。