利用Bayesian-MCMC方法进行畜禽复杂离散性状QTL定位
复杂离散性状由于表型数据呈离散分布并且提供信息量过小, 因此很难用常规的统计方法对此类性状的QTL进行定位研究. Bayesian-MCMC方法是复杂离散性状QTL定位的重要手段, 该方法通过所有先验信息来推导QTL参数的后验分布并利用Markov Chain随机过程进行抽样的方法对目标参数进行统计推断. 利用Monte Carlo方法, 针对畜禽远交群体模拟产生多个全同胞家系的2级分类复杂离散性状, 然后基于IBD方差组分的随机模型的定位策略, 同时利用MCMC的3种不同抽样技术(Gibbs抽样、Metropolis抽样和Reversible Jump MCMC抽样)产生相应QTL参数的后验样本, 并进行了目标参数的Bayesian统计推断. 结果表明: Bayesian-MCMC方法能够对不同家系结构和QTL效应水平下复杂离散性状QTL进行有效检测; 当家系含量增加时, QTL定位的精确性和准确性提高, 并可适用于效应更小QTL的检测.
作 者： 刘剑锋 张沅 张勤 王立贤 张纪刚 作者单位： 刘剑锋(中国农业大学动物科技学院,北京,100094;中国农业科学院畜牧研究所,北京,100094)张沅,张勤,张纪刚(中国农业大学动物科技学院,北京,100094)
王立贤(中国农业科学院畜牧研究所,北京,100094)
刊 名： 中国科学C辑 ISTIC PKU 英文刊名： SCIENCE IN CHINA (SERIES C) 年，卷(期)： 2006 36(3) 分类号： Q95 关键词： 复杂离散性状 QTL定位 Bayesian-MCMC方法 远交群体 IBD方差组分随机模型