资源描述：
《QTL作图中的问题和对策》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第四届“QTL作图和育种模拟研讨会”，2009年8月17-20日，山东泰安QTL作图中的问题和对策中国农科院作科所王建康E-mail:wangjk@caas.net.cn1QTL作图中的遗传学概念¢Locus,Allele,Gene,Chromosome¢Genotype,Phenotype,Haplotype¢Populationstratification¢Hardy–Weinbergequilibrium¢Effectivepopulationsize¢Linkagephase¢Linkagedisequilibriu
2、m¢Additive,dominance,andepistasis¢Genotypebyenvironmentinteraction2QTL作图中的统计学方法¢T-test¢ANOVA:analysisofvariance(estimateheritability)¢Maximum-likelihoodestimate¢Likelihoodratiotest¢BinomialandMultinomialdistributions¢Principal-componentsanalysis¢Regressionmodels¢St
3、epwiseselectionprocedure¢Shrinkagemethods¢Permutationtest¢FrequentistandBayesianstatistics3QTL作图的基本原理¢一个标记位点上3种基因型的性状平均数4QTL作图的2大类别¢连锁作图(Linkagemapping)¢关联作图(Associationmapping)5问题1：什么是假阳性和假阴性?TypeIerrorTypeIIerror6统计假设检验¢真阳性(Truepositive)¢真阴性(Truenegative)¢假阳性(Fal
4、sepositive,TypeIerror)¢假阴性(Falsenegative,TypeIIerror)¢第一类错误(TypeIerrorrate)的概率=P{拒绝零假设H
5、零假设H为真}00¢第二类错误的概率(TypeIIerrorrate)的概率=P{未拒绝零假设H
6、零假设H为假}007显著性水平α与假阳性(TypeIerror)Error:把有说成没有N¢N次独立检验的显著性水平为:1-(1-α)¢N次独立检验的Bonferroni校正:≈α/N¢问题:很多时候多重检验是不独立的!¢排列检验(permutationt
7、est)(非参数方法的一种),用于计算多重检验中检验统计量的临界值8问题2：什么是LOD值？L0¢LRT的一般定义LRT=−2ln()LA¢LOD(likelihoodofodd)值LALOD=log()=log(L)−log(L)A0L0¢二者的关系LRTLRTLOD=≈或LRT≈.461LOD2ln(10).4619问题3：什么是QTL的检测功效？¢定义:Thepowerofastatisticaltestistheprobabilitythatthetestwillrejectafalsenullhypothesis(
8、i.e.,itwillnotmakeaTypeIIerror).¢功效=1.0-第二类错误的概率(即对于一个真实存在的QTL,你通过检验说的确有)10问题4：什么是功效分析?功效分析的作用是什么？¢定量分析一个统计方法的有效性¢比较不同的统计方法¢功效分析一般通过MonteCarlo模拟来实现11完备区间作图(ICIM，上图)和简单区间作图(SIM，下图)的功效分析12RIL群体大小与检测功效13FDR:falsediscoveryrate(在所有检验显著的QTL中假QTL的比例)14问题5：ICIM需要哪些输入参数？¢回归
9、模型中变量进出的概率¢PIN¢POUT(=2*PIN)¢PIN的经验值:0.05~0.01¢LOD临界值153种作图参数的ICIM一维扫描LOD曲线16问题6：用多大的LOD临界值？¢一次检验：α(例如0.1,0.05,0.01)n¢n次独立检验犯错误的概率：1-(1-α)¢全基因组QTL作图包含许多次检验¢这些检验不独立¢经验LOD临界值:2.0–3.017问题7：如何提高QTL作图精确度？¢作图方法¢扩大群体¢减少表型测量误差¢增加标记？¢CSSL18问题8：有利等位基因的来源？¢遗传效应的解释¢亲本标记类型编码:2(P
10、1),0(P2),1(F1)¢P1:m+a;F1:m+d;P2:m-a基因型A2A2A1A2A1A1中亲值m基因型值G22G12G11加性效应a加性效应a显性效应d19问题9：什么是PVE?为什么报道QTL时要指明PVE的大小？¢PVE=Phenotypicvariationexplain
