| 摘要 | 第7-9页 |
| ABSTRACT | 第9-11页 |
| 主要缩略语 | 第12-14页 |
| 1 前言 | 第14-40页 |
| 1.1 研究问题的由来 | 第14页 |
| 1.2 数量性状的遗传体系 | 第14-15页 |
| 1.3 全基因组关联分析方法学的研究进展 | 第15-39页 |
| 1.3.1 全基因组关联分析的概念 | 第15-16页 |
| 1.3.2 全基因组关联分析方法学的研究进展 | 第16-27页 |
| 1.3.2.1 单位点扫描的全基因组关联分析方法 | 第16-18页 |
| 1.3.2.2 多位点全基因组关联分析方法 | 第18-26页 |
| 1.3.2.3 QTN与环境互作的全基因组关联分析方法 | 第26-27页 |
| 1.3.2.4 QTN互作的全基因组关联分析方法 | 第27页 |
| 1.3.3 全基因组关联分析统计方法的研究进展 | 第27-34页 |
| 1.3.3.1 主成分分析（principal component analysis, PCA） | 第28页 |
| 1.3.3.2 特征值分解（eigenvalue decomposition, EVD） | 第28-29页 |
| 1.3.3.3 奇异值分解（singular value decomposition, SVD） | 第29-30页 |
| 1.3.3.4 惩罚回归分析 | 第30-33页 |
| 1.3.3.5 Bayesian算法 | 第33-34页 |
| 1.3.4 影响全基因组关联分析的因素 | 第34-36页 |
| 1.3.5 全基因组关联分析的存在问题 | 第36-39页 |
| 1.3.5.1 效应估计方式 | 第36页 |
| 1.3.5.2 多重检验矫正 | 第36-38页 |
| 1.3.5.3 群体结构 | 第38-39页 |
| 1.4 本研究的目的与研究内容 | 第39-40页 |
| 1.4.1 研究目的 | 第39页 |
| 1.4.2 研究内容 | 第39-40页 |
| 2 基于奇异值分解和SCAD估计的多位点关联分析新方法 | 第40-70页 |
| 2.1 引言 | 第40-41页 |
| 2.2 材料与方法 | 第41-46页 |
| 2.2.1 数据来源 | 第41-43页 |
| 2.2.1.1 MonteCarlo模拟试验 | 第41-42页 |
| 2.2.1.2 遗传群体 | 第42-43页 |
| 2.2.2 奇异值分解和SCAD估计的变量选择方法(S3-EB) | 第43-45页 |
| 2.2.2.1 遗传模型 | 第43页 |
| 2.2.2.2 奇异值分解与变量选择 | 第43-44页 |
| 2.2.2.3 SCAD估计与变量选择 | 第44-45页 |
| 2.2.2.4 多位点遗传模型参数的经验贝叶斯估计 | 第45页 |
| 2.2.2.5 似然比检验 | 第45页 |
| 2.2.3 mrMLM方法 | 第45-46页 |
| 2.2.4 EMMA方法 | 第46页 |
| 2.2.5 FarmCPU方法 | 第46页 |
| 2.3 结果与分析 | 第46-62页 |
| 2.3.1 MonteCarlo模拟研究结果 | 第46-55页 |
| 2.3.1.1 QTN检测的统计功效 | 第46-47页 |
| 2.3.1.2 QTN效应估计值的精确度 | 第47页 |
| 2.3.1.3 QTN检测的假阳性率 | 第47-55页 |
| 2.3.1.4 计算时间 | 第55页 |
| 2.3.2 拟南芥开花时间相关性状的关联分析结果 | 第55-62页 |
| 2.3.2.1 相关位点检测结果 | 第55-56页 |
| 2.3.2.2 计算时间 | 第56-62页 |
| 2.4 讨论 | 第62-69页 |
| 2.4.1 S3-EB方法的创新性 | 第62-64页 |
| 2.4.2 S3-EB与其他方法的比较 | 第64-68页 |
| 2.4.2.1 S3-EB与SVD方法比较 | 第64-65页 |
| 2.4.2.2 S3-EB与mrMLM、EMMA和FarmCPU比较 | 第65-66页 |
| 2.4.2.3 S3-EB方法与SCAD的比较 | 第66-68页 |
| 2.4.3 S3-EB方法存在的问题及其展望 | 第68-69页 |
| 2.4.3.1 存在的问题 | 第68页 |
| 2.4.3.2 展望 | 第68-69页 |
| 2.5 全文结论与创新点 | 第69-70页 |
| 2.5.1 全文结论 | 第69页 |
| 2.5.2 创新点 | 第69-70页 |
| 参考文献 | 第70-80页 |
| 致谢 | 第80页 |
