| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 引言 | 第12-19页 |
| 1.1 全基因组关联分析研究概述 | 第12-16页 |
| 1.1.1 样本量选择与数据控制 | 第13页 |
| 1.1.2 实验设计方法 | 第13-14页 |
| 1.1.3 GWAS统计分析 | 第14-16页 |
| 1.2 全基因组关联分析在肉牛上的应用 | 第16-17页 |
| 1.2.1 生长性状 | 第16-17页 |
| 1.2.2 屠宰性状 | 第17页 |
| 1.2.3 肉质性状 | 第17页 |
| 1.3 本研究的目的和意义 | 第17-19页 |
| 第二章 材料与方法 | 第19-24页 |
| 2.1 试验材料 | 第19页 |
| 2.1.1 参考群体构建 | 第19页 |
| 2.1.2 血样采集及芯片测序 | 第19页 |
| 2.2 试验方法 | 第19-23页 |
| 2.2.1 性状表型记录 | 第19-20页 |
| 2.2.2 芯片数据质量控制 | 第20页 |
| 2.2.3 群体分层与协变量校正 | 第20页 |
| 2.2.4 基于经验贝叶斯的全基因组关联分析算法 | 第20-23页 |
| 2.2.5 基于压缩混合模型的全基因组关联分析算法 | 第23页 |
| 2.3 研究中使用软件与下载网址 | 第23-24页 |
| 第三章 结果与分析 | 第24-41页 |
| 3.1 模拟数据集全基因组关联分析 | 第24-26页 |
| 3.1.1 模拟数据集的概述 | 第24页 |
| 3.1.2 模拟数据集的结果 | 第24-26页 |
| 3.1.3 模拟数据集结果的分析 | 第26页 |
| 3.2 高密度芯片基因型质量控制结果 | 第26-27页 |
| 3.3 表型性状的描述性统计量 | 第27-28页 |
| 3.4 群体遗传分布 | 第28-29页 |
| 3.5 两种算法的全基因组关联分析结果 | 第29-41页 |
| 3.5.1 骨重的全基因组关联分析结果 | 第29-35页 |
| 3.5.2 体重的全基因组关联分析结果 | 第35-41页 |
| 第四章 讨论 | 第41-45页 |
| 4.1 基于经验贝叶斯方法的全基因组关联分析的算法 | 第41页 |
| 4.2 基于经验贝叶斯方法的全基因组关联分析的应用 | 第41-45页 |
| 第五章 全文结论 | 第45-46页 |
| 参考文献 | 第46-51页 |
| 致谢 | 第51-52页 |
| 作者简历 | 第52页 |
