[发明专利]小麦抗赤霉病dsMQTL分析方法

说明书

本发明公开了一种小麦抗赤霉病dsMQTL分析方法，包括：小麦赤霉病QTL数据收集，以QTL区间大小平均值+标准差为筛选标准，去除区间过大的QTL，对QTL进行初步筛选；将筛选后的数据导入dsMQTL软件中，获得dsMQTL。本发明省去了经典元分析中首先需要构建或者选择遗传图谱步骤，作图结果显著提高了meta‑QTL区间的稳健性和唯一性，研究结果有利于不同实验结果的比较、后续目标QTL的精细定位以及分子标记辅助的遗传改良。

技术领域

本发明涉及一种小麦抗赤霉病dsMQTL分析方法，属于数据分析技术领域。

背景技术

自从利用分子标记首次发表QTL定位以来，在动植物上很多与不同表型性状相关的QTL被报道。其中很大一部分QTL在不同遗传背景和环境中难以重现。

经典的QTL元分析方法首先需要选择或构建遗传图谱作为原始QTL映射的载体。由于不同QTL定位所用的作图群体大小、类型以及分子标记类型和数目存在差异，不同实验构建的遗传图谱之间无共同标记或者共有标记较少，因此，传统的元分析方法往往选择整合不同遗传图谱来增加标记密度，但不同遗传图谱的整合本身就是一个复杂的过程，由于子图谱来源不同，不同元分析所用整合图谱也存在差异，导致不同研究结果可比性欠缺。更为重要的是，有些QTL结果区间过大，使得元分析结果出现大量无效区间，严重影响了元分析准确性。因此，合理的去除大区间QTL，有助于增加分析结果的准确性和可靠性，但现有的元分析方法解决此问题。

目前，缺乏一种能有效去除大区间QTL的负面影响且输出结果稳定可靠的元分析方法。

发明内容

本发明所要解决的技术问题是克服现有元分析方法的缺陷，提供一种小麦抗赤霉病dsMQTL分析方法，使输出结果稳定可靠，方便不同实验结果的对比。

为解决上述技术问题，本发明提供一种小麦抗赤霉病dsMQTL分析方法，包括：

小麦赤霉病QTL数据收集，

以QTL区间大小平均值+标准差为筛选标准，去除区间过大的QTL，对QTL进行初步筛选；

将筛选后的数据导入dsMQTL软件中，获得dsMQTL。

优选地，收集的小麦赤霉病QTL数据包括染色体、品种名称、接种方法、接种环境、实验次数、实验地点数量、实验群体大小、置信区间、物理位置、峰值标记及位置、LOD值和表型解释率。

优选地，初步筛选的方法为：计算所有QTL物理区间长度平均值+标准差，以此为标准，将QTL区间平均值+标准差的QTL剔除。以QTL区间大小平均值+标准差为筛选标准，尽可能保留更多的原始QTL信息的同时去除区间过大的QTL。

优选地，以测序图谱为QTL映射载体获得结果dsMQTL。无需常规元分析中遗传图谱的选择或构建步骤。

优选地，所述dsMQTL软件基于python环境，在python环境下运行，能拟合绝大多数QTL。

优选地，所述dsMQTL软件中使用最小二乘法进行区间拟合，软件中包含1-dsMQTL，2-dsMQTL，3-dsMQTL，4-dsMQTL这4个模型，分别假设染色体上有1、2、3、4个dsMQTL的情况。

优选地，在对4个模型分别进行拟合检验后，选择最符合QTL可靠性积累曲线的模型，在满足以下两个标准的前提下生成后续的dsMQTL：(1)QTL置信度的累积曲线聚类成峰，模型可以拟合；(2)一个dsMQTL至少有3个部分重叠的原始QTL。

本发明所达到的有益效果：

(1)在元分析的数据准备阶段，对区间过大的QTL进行剔除，这避免了结果出现无效区间的情况，有利于进一步缩小区间；