数量性状基因定位的原理及方法

数量性状基因定位的原理及方法
随着现代分子生物学的发展和分子标记技术的成熟,已经可以构建各种作物的分子标记连锁图谱.基于作物的分子的标记连锁图谱,采用近年来发展的数量性状基因位点(QTL)的定位分析方法，可以估算数量性状的基因位点树目、位置和遗传效应。

本文介绍了数量性状基因定位的原理以及分析方法。

每一种方法都有自己的优点，但也存在相应的缺陷。

1 数量性状基因定位的原理
孟德尔遗传学分析非等位基因间连锁关系的基本方法是，首先根据个体表现型进行分组，然后根据各组间的比例，检验非等位基因间是否存在连锁，并估计重组率。

QTL定位实质上就是分析分子标记与QTL之间的连锁关系，其基本原理仍然是对个体进行分组，但这种分组是不完全的。

2 数量性状基因定位的方法
自然界存在生物个体的性状、品质等多为数量性状，它们受多基因的控制，也易受环境影响。

多基因及环境的共同作用结果使得数量性状表现为连续变异,基因型与表现型间的对应关系也难以确定。

因此,长期以来,科学工作者只是借助数理统计方法,将复杂的多基因系统作为一个整体,用平均值和方差来表示数量性状的遗传特征,而对单个基因的效应及位置、基因间的相互作用等无法深入了解, 从而限制了育种中数量性状的遗传操作能力。

20 世纪80 年代以来发展的分子标记技术为深入研究数量性状的遗传规律及其操作创造了条件, 提高了植物育种中目标数量性状优良基因型选择的可能性、准确性及预见性。

下面主要介绍了几种定位方法。

2.1 QTL 定位方法
连锁是QTL定位的遗传基础。

QTL 定位是通过数量性状观察值与标记间的关联分析,即当标记与特定性状连锁时,不同标记基因型个体的表型值存在显著差异,来确定各个数量性状位点在染色体上的位置、效应, 甚至各个QTL 间的相关作用。

因此, QTL 定位实质上也就是基于一个特定模型的遗传假设, 是统计学上的一个概念, 有可信度(如99% , 95%等) ,与数量性状基因有本质区别( 图1)。

本文就目前主要应用的QTL 定位方法的特点进行分述。

数量性状基因环境表型特定模型数量性状位点
图1 QTL与数量性状基因的关系
2. 2 区间作图法( interval mapping, IM)
Lander和Botstein( 1989) 等提出,建立在个体数量性状观测值与双侧标记基因型变量的线性模型的基础上, 利用最大似然法对相邻标记构成的区间内任意一点可能存在的QTL 进行似然比检测,进而获得其效应的极大似然估计。

其遗传假设是,数量性状遗传变异只受一对基因控制,表型变异受遗传效应( 固定效应)和剩余误差( 随机效应) 控制,不存在基因型与环境的互作。

区间作图法可以估算QTL 加性和显性效应值。

与单标记分析法相比,区间作图法具有以下特点:能从支撑区间推断QTL 的可能位置;可利用标记连锁图在全染色体组系统地搜索QTL,如果一条染色体上只有一个QTL,则QTL 的位置和效应估计趋于渐进无偏; QTL 检测所需的个体数大大减少。

但IM 也存在不足:回归效应为固定效应;无法估算基因型与环境间的互作(Q E) ,无法检测复杂的遗传效应( 如上位效应等) ;当相邻QTLs 相距较近时, 由于其作图精度不高, QTLs 间相互干扰导致出现GhostQTL;一次只应用两个标记进行检查, 效率很低。

2. 3 复合区间作图法( composite interval mapping, CIM)
CIM 是Zeng( 1994)提出的结合了区间作图和多元回归特点的一种QTL作图方法。

其遗传假定是,数量性状受多基因控制。

该方法中拟合了其他遗传标记,即在对某一特定标记区间进行检测时, 将与其他QTL 连锁的标记也拟合在模型中以控制背景遗传效应。

CIM 主要优点是:由于仍采用QTL 似然图来显示QTL 的可能位置及显著程度, 从而保证了IM 作图法的优点;假如不存在上位性和QTL 与环境互作, QTL 的位置和效应的估计是渐进无偏的;以所选择的多个标记为条件(即进行的是区间检测) ,在较大程度上控制了背景遗传效应,从而提高了作图的精度和效率。

存在的不足是:由于将两侧标记用作区间作图,对相邻标记区间的QTL 估计会引起偏离;同IM 一样, 将回归效应视为固定效应, 不能分析基因型与环境的互作及复杂的遗传效应(如上位效应等) ;当标记密度过大时,很难选择标记的条件因子。

2.4 基于混合线性模型的复合区间作图法(mixed composite interval
mapping,MCIM)
朱军( 1998)提出了用随机效应的预测方法获得基因型效应及基因型与环境互作效应,然后再用区间作图法或复合区间作图法进行遗传主效应及基因型与环境互作效应的QTL定位分析。

该方法的遗传假定是数量性状受多基因控制,它将群体均值及QTL 的各项遗传效应看作为固定效应, 而将环境、QTL 与环境、分子标记等效应看为随机效应。

由于MCIM 将效应值估计和定位分析相结合,既可无偏地分析QTL与环境的互作效应,又提高了作图的精度和效率。

此外该模型可以扩展到分析具有加加、加显、显显上位的各种遗传主效应及其与环境互作效应的QTL。

利用这些效应值的估计, 可预测基于QTL 主效应的普通杂种优势和基于QTL与环境互作效应的互作杂种优势,因其具有广阔的应用前景。

2. 5 其他QTL定位方法
主要有Bayesian 作图法、双侧标记回归法( flanking marker regression analysis, FMRA) 、轮回选择回交定位法( recurrent selection and backcrossing, RSB)、多亲本作图法等。

Bayesian作图法( Satagopan et al , 1996)亦是基于线性模型作图方法,其过程是先推测QTL 个数,再依据Bayes因子决定最可能的QTL 个数。

它不仅可以用于普通数量性状的QTL 定位,亦可定位复杂的二元性状( binary trai t) (Yi and Xu, 2000)。

FMRA( Haley and Knott, 1992)是应用回归方法,搜索在全染色体组上任何两个标记间是否存在QTL 并确定其最可能的位置和效应。

这一方法最大的优点是计算简单,所得结果与IM 法的结果基本相同。

轮回选择在植物遗传改良中具有十分重要的作用。

RSB 定位法就是利用轮回选择构建群体,充分发挥高密度分子标记连锁图及QTL 与其附近标记不断重组的优势, 分解复的数量性状遗传结构,将QTL定位在1 cM 之内。

因此, 其QTL 定位效率及精度比IM 及其衍生方法更高( Luo et al , 2002) 。

多亲本作图法( Xu, 1998)是IM 法在多亲本杂交群体中QTL 定位分析的推广, 它克服了其他作图方法中仅限于利用在一个或几个性状上存在较大遗传差异的两个亲本的缺点, 充分利用了自然基因资源,并且对其他性状亦可进行有效检测。

但利用这一模型必须解决以下两个问题:不同杂交组合的多态性位点的可能不一致性及同样的两个标记在不同的组合间遗传距离可能也不相同。