数量遗传讲稿-4.ppt

 由此，我们容易得到，两个变数间 ∵ ∴ 由于 这样 由此可见，表型相关、遗传相关和环境相关共处于统一体中，相互联系，相互影响，但不是简单的和差关系，而是通过遗传力和环境力相互联系，相互影响。若两个性状的遗传力低，主要决定于环境相关；否则遗传相关更重要。 二、遗传相关的计算 遗传相关的计算可以通过方差和协方差分析、亲子分析和同胞分析等方法进行。 ㈠、方差和协方差分析 利用方差和协方差分析估算遗传相关，供试遗传材料应随机选用若干个品种或品系，采用单因素完全随机设计或单因素随机区组设计等试验方法进行田间试验，在方差与协方差分析的基础上，首先估算出期望均方组分，而后计算出遗传相关系数。 下面举例说明估算方法。为研究小麦数量性状间的遗传相关，随机抽取90个品种（品系），完全随机排列，重复4次，得到小穗数和百粒重的方差和协方差分析结果如下表。现在我们估算这两个性状的遗传相关。 EMP 359 ?总 计? 0.0369 8.9610 270 ?品种内 -1. 4322 -127.4620. 89 品种间? MP SP 协方差分析 DF 变异来源 359 ?总 计? 0.0308 8.3161 0.4030 108.81 270 ?品种内 0.9868 87.8251 6.7190 597.09 89 品种间? EMS MS SS EMS MS SS Y的方差分析 X的方差分析 DF 变异来源 * 第七章 基因效应分析 第一节 尺度效应 基因效应分析的主要手段是方差和协方差，方差分析的正确性是建立在一系列的基本假定上的，如果遗传试验结果不符合这些基本假设，就不能进行正确的方差分析，有可能得出错误结论。这些假定主要是：（1）分布为正态；（2）方差与平均数相独立；（3）观测值的各分量呈可加性。有些数据就其本身特性就不符合这些假定。但通过对数、反三角函数、倒数转换，有可能使本来不符合假定的试验结果符合基本假定，从而得出正确的结论。 数据的转换也叫尺度转换，当应进行尺度转换而未进行时，就会发生某种特定现象，即尺度效应；一旦正确的尺度转换进行，尺度效应消失。 使用最多的尺度转换为对数转换，对数转换对方差与平均数成比例、倍加性效应、上位互作、基因型与环境互作都有良好的作用。当变异系数小于20%时转换与否影响不大，尺度转换采用哪一种尺度要具体问题具体分析，不同性状不同群体需要不同的尺度。 —、检验标准 尺度是否合适的两个条件是：基因效应的可加性和遗传成分与非遗传成分的独立性。基因效应的可加性将确定非等位基因互作是否存在，由于大多数情况下对加性和显性的估计是根据基因互作不存在的假定而做的，所以尺度是否合适的检验是很重要的，尺度效应不存在，说明加性-显性模型合适。 当上位互作不存在时， 第二节 尺度检验 为了判断现有数据的度量尺度是否合适，要进行尺度检验。 据此1955年Hayman和Mather提出了以下四个尺度效应的检验标准。 当有回交群体时， 这样计算出相应的标准误和t值，若t值＞1.96，表明尺度达显著水平，说明尺度不合适，存在上位性；否则t值＜1.96，表明尺度不显著，说明尺度合适，不存在上位性。 二、尺度检验实例 三、尺度作用分析 ⑴ A尺度主要检验d×d型互作 ⑵ B尺度主要检验h×h型互作 ⑶ C+D的显著性涉及到d×d型和h×h型互作 ⑷ dh型互作与尺度C、D尺度有关，但影响A和B尺度，A和B尺度检验d×d、d×h、h×h等互作。 0.0038 0.0153 3.404 F3 0.0097 0.0388 4.098 B2 0.0003 0.0010 4.037 B1 0.0043 0.0172 3.343 F2 0.0001 0.0002 3.287 F1 0.0013 0.0051 4.603 P2 0.0018 0.0072 3.668 P1 均 方 差 方 差 平 均 数 世 代 不同世代包含的基因型种类和频率彼此不同，因而群体均值不同。各世代群体平均值的差异，实际上反映着基因效应种类及其比例的大小。将若干不同世代群体培育在相同环境下，则可根据世代平均值的比较，求得基因效应及其相应变异的估值，这就是世代均值分析。 —、遗传模型 不同学者根据各自所作假定，所针对群体和考虑问题的出发点不同，分别提出了不同的世代均值构成遗传模型，据此可估算各类基因效应。 第三节 世代均值分析 (一) Mather和Jinks的遗传模型 这是Mather和Jinks1971年提出的遗传模型。这种模型假定P1为AABB，P2为aabb，所以各世代的遗传模型构成如下：