利用Bayesian-MCMC方法進(jìn)行畜禽遠(yuǎn)交群數(shù)量性狀和閾性狀QTL定位.pdf

1、本文針對(duì)畜禽QTL定位，當(dāng)采用近交系或遠(yuǎn)交系雜交的試驗(yàn)設(shè)計(jì)時(shí)，資源群體往往很難滿足設(shè)計(jì)要求；而直接對(duì)遠(yuǎn)交群進(jìn)行分析，由于QTL和標(biāo)記連鎖狀態(tài)的復(fù)雜性，統(tǒng)計(jì)效率顯著下降，尤其對(duì)于閾性狀的分析，由于表型數(shù)據(jù)的不連續(xù)特征和極低的表型方差，進(jìn)一步加大了遠(yuǎn)交群QTL檢測(cè)的難度。本研究通過(guò)MonteCarlo的試驗(yàn)方法，采用全同胞家系和全同胞-半同胞混合家系兩種不同試驗(yàn)設(shè)計(jì)方案，結(jié)合IBD方差組分的隨機(jī)模型和Bayesian-MCMC統(tǒng)計(jì)方法，分別

2、對(duì)數(shù)量性狀和閾性狀進(jìn)行QTL-標(biāo)記連鎖分析及相關(guān)參數(shù)估計(jì)。在分析過(guò)程中，對(duì)IBD概率矩陣推導(dǎo)的多點(diǎn)法進(jìn)行了改進(jìn)(同時(shí)考慮包括標(biāo)記連鎖群起止端點(diǎn)在內(nèi)的所有標(biāo)記信息)和擴(kuò)展(由全同胞推斷擴(kuò)展到混合家系推斷)，采用單MarkovChain抽樣策略和3種抽樣技術(shù)(GibbsSampling、Metropolis-HastingsAlgorithm和RJMCMC)產(chǎn)生所有未知目標(biāo)參數(shù)的后驗(yàn)樣本，對(duì)QTL位置的區(qū)間估計(jì)及置信概率、點(diǎn)估計(jì)采用QTL強(qiáng)