全基因组关联分析方法的拓展以及实用分析工具软件的建立
| 摘要 | 第8-10页 |
| Abstract | 第10-11页 |
| 1 前言 | 第12-23页 |
| 1.1 高通量测序技术的发展 | 第13-15页 |
| 1.2 全基因组预测研究背景 | 第15-18页 |
| 1.3 全基因组关联分析方法的研究背景 | 第18-20页 |
| 1.4 多表型多环境的全基因组关联分析 | 第20-21页 |
| 1.5 关联分析工具的发展 | 第21-22页 |
| 1.6 研究目的及意义 | 第22-23页 |
| 2 基因组预测方法的开发 | 第23-42页 |
| 2.1 材料与方法 | 第23-28页 |
| 2.1.1 实验数据 | 第23-24页 |
| 2.1.2 系谱BLUP | 第24-25页 |
| 2.1.3 GBLUP模型 | 第25页 |
| 2.1.4 SBLUP模型的设计 | 第25-26页 |
| 2.1.5 CBLUP模型 | 第26-27页 |
| 2.1.6 BayesionLASSO模型 | 第27页 |
| 2.1.7 表型模拟参数 | 第27-28页 |
| 2.2 结果与分析 | 第28-38页 |
| 2.2.1 不同筛选标记构建亲缘关系矩阵的比较 | 第28-29页 |
| 2.2.2 以组代替个体的亲缘关系矩阵 | 第29-30页 |
| 2.2.3 四种方法在模拟数据中的表现 | 第30-32页 |
| 2.2.4 真实数据中关于方法优势区域的探索 | 第32-36页 |
| 2.2.5 不同方法的优势领域 | 第36-37页 |
| 2.2.6 方法计算速度的比较 | 第37-38页 |
| 2.3 讨论 | 第38-40页 |
| 2.3.1 真实的分子亲缘关系 | 第39页 |
| 2.3.2 基于QTN建立的分子亲缘关系矩阵 | 第39页 |
| 2.3.3 基于组间关系的亲缘关系矩阵 | 第39-40页 |
| 2.3.4 计算效率 | 第40页 |
| 2.4 小结 | 第40-42页 |
| 3 全基因组关联分析软件的拓展 | 第42-55页 |
| 3.1 软件设计 | 第42-45页 |
| 3.1.1 操作平台及数据 | 第42页 |
| 3.1.2 软件设计流程图 | 第42-44页 |
| 3.1.3 内嵌全基因组关联分析方法 | 第44-45页 |
| 3.2 输入文件 | 第45-47页 |
| 3.3 输入命令 | 第47-48页 |
| 3.4 输出文件 | 第48-52页 |
| 3.4.1 NJtree图 | 第48-49页 |
| 3.4.2 3D-PCA | 第49-50页 |
| 3.4.3 多种方法或多性状GWAS综合分析 | 第50-51页 |
| 3.4.4 显著位点区域的LD内相关性分析 | 第51-52页 |
| 3.5 讨论与展望 | 第52-54页 |
| 3.6 小结 | 第54-55页 |
| 4 基因与环境互作的关联分析模型 | 第55-71页 |
| 4.1 材料与方法 | 第55-65页 |
| 4.1.1 实验数据 | 第55-60页 |
| 4.1.2 GbyE模型 | 第60-62页 |
| 4.1.3 GbyE软件 | 第62-63页 |
| 4.1.4 GbyE的模拟设计 | 第63-65页 |
| 4.2 结果与分析 | 第65-68页 |
| 4.2.1 模拟数据中的GbyE | 第65页 |
| 4.2.2 真实数据中的GbyE | 第65-68页 |
| 4.2.3 大数据下GbyE的运算效率 | 第68页 |
| 4.3 讨论 | 第68-70页 |
| 4.3.1 模拟数据 | 第69页 |
| 4.3.2 真实数据 | 第69-70页 |
| 4.3.3 计算效率 | 第70页 |
| 4.4 小结 | 第70-71页 |
| 5 总结 | 第71-72页 |
| 5.1 本研究的创新点 | 第71页 |
| 5.2 结论 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-79页 |
| 附录 | 第79-82页 |
| 攻读博士学位期间发表的学术论文 | 第82页 |
