利用基因组选择法进行标记辅助导入研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    31201777
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    24.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    C1702.家畜种质资源与遗传育种学
  • 结题年份:
    2015
  • 批准年份:
    2012
  • 项目状态:
    已结题
  • 起止时间:
    2013-01-01 至2015-12-31

项目摘要

Marker-assisted introgression main index options mark score and other background choices mark a limited number of the above methods, these methods less efficient, more linkage drag and genetic background of recovery slow and other problems. Genomic selection to use to cover the whole genome marker breeding value estimation, the estimated breeding value of the resultant is called genomic breeding values. In this study, genomic selection method for marker-assisted introgression studies of marker assisted into the optimization of a multiple QTL. Import a QTL in marker-assisted selection methods, mainly for the prospects, background selection, mark the number of trait heritability, such as the combination of different levels of study, in order to get the best implementation of the program. Import multiple QTL in marker-assisted to carry out marker-assisted introgression multiple QTL for mating system and selection methods, the first GWAS analysis, find a QTL affecting economic traits combination, followed by the design of different marker-assisted introgression, compare import efficiency, in order to obtain the best implementation of the program. The use of genome-wide marker-assisted selection to import the study was designed to solve the problem to reduce the linkage drag, speed up the recovery of the genetic background, provide a reference implementation of marker-assisted introgression practice.
目前标记辅助导入主要用指数选择、标记得分等方法进行背景选择,由于以上方法所用标记数量有限,因此这些方法存在效率较低、连锁累赘较多、遗传背景恢复慢等问题。而基因组选择使用覆盖全基因组的标记进行育种值估计,由此得到的估计育种值称为基因组育种值。本研究利用基因组选择方法进行标记辅助导入研究,主要探讨标记辅助导入1个和多个QTL的优化方案。在标记辅助导入1个QTL中,主要针对前景选择方法、背景选择方法、标记数目、性状遗传力等进行不同水平的组合研究,从而获得最佳实施方案。在标记辅助导入多个QTL中,开展标记辅助导入多个QTL的最佳交配体制及选择方法的研究,首先进行GWAS分析,找到影响经济性状的QTL组合,其次设计不同的标记辅助导入方案,比较其导入效率,从而获得最佳实施方案。利用全基因组选择进行标记辅助导入研究旨在解决减少连锁累赘、加快遗传背景的恢复等问题,为在实践中实施标记辅助导入提供参考依据。

结项摘要

由于传统的选择方法所用标记数量有限,因此这些方法存在效率较低、连锁累赘较多、遗传背景恢复慢等问题。而基因组选择使用覆盖全基因组的标记进行育种值估计,由此得到的估计育种值称为基因组育种值。本研究利用基因组选择方法进行标记辅助导入研究,探讨标记辅助导入的最佳实施方案,为在实践中实施标记辅助导入提供参考依据。本研究通过对于不同的前景选择方法,不同的背景选择方法,不同的群体规模、不同的性状遗传力,不同目标QTL的初始频率,不同的标记数等多个因素对标记辅助导入一个QTL的导入效果影响。此外,还研究了标记辅助导入多个QTL时,两种实验设计对标记辅助导入效率的影响。.研究结果表明:在标记辅助导入一个QTL研究中,发现在3种前景选择方法中,全基因组选择效果要优于其他选择方法,横交第2世代时,全基因组选择方法的导入QTL频率已经达到了1.000。在供体群中QTL的初始频率对于导入QTL频率影响比较大,随着供体群中QTL的初始频率的增大,导入QTL频率也会增大。随着标记数量和群体规模的增大,导入QTL频率略微增大。不同性状遗传力和不同背景选择方法对导入QTL频率的影响比较小。在4种背景选择方法中(全基因组选择、标记得分选择、MBLUP选择、指数选择),在回交第3世代时,利用全基因组选择时其背景恢复为0.9992,要优于其他背景选择方法。供体中QTL初始频率对背景恢复的影响较为明显,随着供体中QTL初始频率的增大,背景的恢复也呈现增大趋势。全基因组选择获得背景性状的遗产进展始终是高于其他背景选择方法。随着标记数目的增加其背景性状遗传进展呈现微小的增加趋势。不同的群体规模对背景性状遗传进展的影响相对比较小些。.对于导入多个QTL时,试验设计2略优于试验设计1,两者导入QTL的频率较接近。.以上研究结果还表明,全基因组选择作为前景选择方法可以使得导入QTL频率增加,全基因组选择作为背景选择方法可以加快遗传背景的恢复,因此可以说全基因组选择解决传统选择方法的弊端。以上研究结果为标记辅助导入在实践中的具体应用提供一定的参考

项目成果

期刊论文数量(7)
专著数量(0)
科研奖励数量(0)
会议论文数量(1)
专利数量(0)
Correlation between serum esterase polymorphism and production performance of Yuxi fat-tailed sheep
玉溪大尾羊血清酯酶多态性与生产性能的相关性
  • DOI:
    --
  • 发表时间:
    2013
  • 期刊:
    African Journal of Biotechnology
  • 影响因子:
    --
  • 作者:
    Yuqin Wang;Shujuan Zhao;Youbing Yang;Li Hongwei
  • 通讯作者:
    Li Hongwei
标记的等位基因频率对标记辅助导入效率的影响研究
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    中国家禽
  • 影响因子:
    --
  • 作者:
    杨又兵;祁艳霞;李广录;李宏伟
  • 通讯作者:
    李宏伟
基于标记辅助的两个QTL导入
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    湖北农业科学
  • 影响因子:
    --
  • 作者:
    杨又兵;黄勇;李广录;李宏伟
  • 通讯作者:
    李宏伟
piRNA biogenesis and its functions
piRNA的生物合成及其功能
  • DOI:
    10.1134/s1068162014030169
  • 发表时间:
    2014-05-01
  • 期刊:
    RUSSIAN JOURNAL OF BIOORGANIC CHEMISTRY
  • 影响因子:
    1
  • 作者:
    Huang, Yong;Bai, Jun Yan;Ren, Hong Tao
  • 通讯作者:
    Ren, Hong Tao
POLYMORPHISM ANALYSIS OF HENAN FAT-TAILED SHEEP USING MICROSATELLITE MARKERS
河南大尾羊微卫星标记多态性分析
  • DOI:
    --
  • 发表时间:
    2014
  • 期刊:
    The Journal of Animal & Plant Sciences
  • 影响因子:
    --
  • 作者:
    Y. B. Yang;X. H. Zhang;Y. Z. Pang;Y. X. Qi
  • 通讯作者:
    Y. X. Qi

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码