论文部分内容阅读
动物和植物在其生命周期中一般都会经历几个发展阶段。单一的生长模型通常很难准确反映生长的多阶段性，而多阶段的生长模型因为其灵活性可以更细致地刻画多阶段性。现有的关联分析大多是基于单个时间点的数量性状和SNP来进行的，因此发展统计模型来进行多阶段动态生长性状与SNP之间的关联分析显得十分重要。本文以美洲黑杨和欧美杨杂交无性系为对象研究了杨树个体材积的多阶段生长模型，并基于多阶段动态生长模型发展了一套全基因组关联分析的统计方法。本文的研究主要包括多阶段生长曲线拟合、多阶段生长曲线的特征和生物学解释、功能全基因组关联分析、SNP之间的相关性和调控网络、SNP对多阶段动态性状影响效应的聚类性以及影响效应的路径分析。 本文研究的主要内容和结论如下: (1)首先比较了5种生长函数，包括Logistic函数、Gompertz函数、Richards函数、HossfeldⅣ函数，以及Double-Logistic函数，发现Double-Logistic函数能区分杨树生长的两个不同阶段，可更好地拟合杨树个体材积的生长。其次，分析了Double-Logistic方程中各参数的生物学含义、参数的分布及其相关性，在此基础上给出了两个阶段的转折点及分离系数的定义和计算方法。通过研究发现，杨树个体材积在第1到第24年间可划分为两个不同的生长阶段，约在第10年平均完成第一阶段总生长量的96％，此后第二阶段开始起主导作用。最后，在模型的残差分析中引入环境因素，发现引入前一年的年降雨量可以显着改进模型的拟合。 (2)建立了基于多阶段生长性状的功能全基因组关联分析的统计模型。与只考虑SNP和单个时间点的数量性状之间的关联分析不同，该模型考察SNP与多个时间点的动态生长性状整体之间的关联性。首先将此统计模型应用于杨树个体材积生长数据，筛选出了关联的显着SNP。随后，分别针对生长的渐近最大值、最大速度点、转换期长度、最快生长期、阶段转折点等特征，详细分析了显着SNP的影响。数据模拟显示这种方法可以较准确地估计模型参数，能够有效筛选影响生长进程的SNP。最后，找到了一些影响杨树个体材积生长的基因。 (3)对前面筛选出的显着SNP，利用图模型中的因果推断方法，首先通过独立性与条件独立性的检验，进行SNP之间的相关和调控网络分析。结果发现，具有较强相关性的SNP大多位于同一染色体上，一些SNP之间具有因果调控关系。然后结合杨树个体材积生长曲线，定义显着SNP对动态数量性状影响的相似性和影响的直接与间接作用方式，从而进行显着SNP的聚类分析和作用路径分析。研究发现一些SNP和杨树个体材积生长的关系具有相似性，而另外一些SNP与杨树个体材积生长的显着相关性不是来源于它自己的直接影响，而是通过其它SNP的间接影响。 本文的研究方法可以用于其他的物种和其他的动态数量性状。