植物遗传资源学报2007,8(3):366~372JournalofPlantGeneticResources

关联分析在作物种质资源分子评价中的应用

王荣焕,王天宇,黎󰀁裕

(中国农业科学院作物科学研究所,北京󰀁100081)

󰀁󰀁摘要:发掘优异基因资源是作物种质资源分子评价的重要部分,对作物育种尤其是分子育种具有非常重要的实践意义。

基于连锁不平衡(LD)的关联分析是基因发掘也是等位基因发掘的有效途径。本文系统介绍了关联分析的基本理论、策略、特

点及应用现状,并探讨了其在作物种质资源新(等位)基因发掘中的发展趋势及展望。可以预见,与传统QTL作图及功能基因

组学相整合的关联分析必将大大加快我国作物种质资源的研究进程,实现我国种质资源优势向基因资源优势的转变。

关键词:作物种质资源;连锁不平衡;关联分析;基因发掘;等位基因发掘

收稿日期:2007󰀁01󰀁31󰀁󰀁󰀁󰀁󰀁修回日期:2007󰀁05󰀁09

基金项目:󰀁863󰀁项目(2006AA102188);国家自然科学基金项目(30571133)

作者简介:王荣焕,河北衡水人,在读博士通讯作者:王天宇,黎裕,Te:l010󰀁62131196;E󰀁mai:lyul@imai.lcaas.net.cnApplicationofAssociationAnalysisin

MolecularEvaluationofCropGermplasmResources

WANGRong󰀁huan,WANGTian󰀁yu,LIYu

(InstituteofCropScience,ChineseAcademyofAgriculturalSciences,Beijing100081)

󰀁󰀁Abstract:Genediscoveryandalleleminingareimportantinmolecularevaluationofcropgermplasmresources

andareofgreatpracticalsignificanceincropbreeding,especiallyinmolecularbreeding.Linkagedisequilibrium

(LD)󰀁basedassociationanalysisisaneffectiveapproachtofindnewgenesandfavorablealleles.Inthispapercom󰀁

prehensivelybasictheories,strategies,characteristicsandcurrentsuccessfulapplicationsofassociationanalysisin

cropswerereviewed.Thetrendsandprospectsofassociationanalysiswerealsoproposed.Itisconcludedthatwith

theintegrationoftraditionalQTLmappingandfunctionalgenomics,associationanalysiswillcertainlyacceleratethe

molecularevaluationofcropgermplasmresources.

Keywords:Cropgermplasmresources;LD;Associationanalysis;Genediscovery;Allelemining

󰀁󰀁作物种质资源的鉴定评价是作物种质资源研究

的重要组成部分。近20年来,随着基因组学和分子

生物学的迅猛发展,在分子水平上对种质资源进行

评价已成为国内外的研究热点。从广义上来讲,对

作物种质资源的分子评价主要包括遗传多样性分

析、分子身份证构建和基因发掘等。

基因发掘是种质资源分子评价的重要内容。广

义的种质资源基因发掘包括两部分重要内容,一是

在特异种质资源中找到控制目标性状的基因(含数

量性状位点,QTL);二是找到不同种质资源中同一

基因的不同等位基因,并对其功能和效应进行鉴定。

狭义的基因发掘仅指前一部分内容,又称为基因发现(genediscovery),后一部分内容则可称为等位基

因发掘(allelemining)。目前发现新基因的方法主

要包括基于遗传作图和图位克隆的方法、基于比较

基因组学的方法、基于基因表达的方法、基于突变体

的方法、基于生物信息学技术的方法、基于蛋白组学

和代谢组学的方法等[1];发现新等位基因的方法则

主要是基于连锁不平衡(linkagedisequilibrium,LD)

的关联分析方法。

关联分析(associationanalysis),亦被称为LD作

图(LDmapping)或关联作图(associationmapping),

是一种基于LD的将标记或候选基因的遗传变异

(等位基因变异)与目标性状表型联系起来的分析󰀁3期王荣焕等:关联分析在作物种质资源分子评价中的应用

方法[2,3]。本文将对关联分析的统计学原理、策略、

特点及其应用现状和前景做一系统介绍。

1󰀁关联分析的统计学原理

关联分析以连锁不平衡为基础。关联分析最初

普遍应用于人类疾病,特别是Alzheimer病[4]和膀胱

纤维症[5]的研究中,仅是在近年来才开始应用于植

物的研究中,其主要原因之一是人们对许多植物物

种基因组中的LD结构缺乏了解所致[6]。

1󰀁1󰀁连锁不平衡的遗传学意义

连锁不平衡,亦被称为等位基因关联(allelicas󰀁

sociation),指的是一个群体内不同位点等位基因之

间的非随机关联,包括两个标记间或两个基因或两

个QTL间或一个基因/QTL与一个标记位点间的非

随机关联[3,6]。如果两个不同位点的等位基因一起

出现的频率比理论上同时出现频率高时,那么这两

个位点处于LD状态。鉴于非连锁的位点同样能够

处于LD状态,因此,用配子相不平衡(gameticphase

disequilibrium,GPD)或简称配子不平衡(gameticdis󰀁

equilibrium)更确切些,即相关联的等位基因在配子

阶段一定是共同出现的。关联分析方法只是LD应

用的一种[3],其检测的是某群体内处于LD状态的

一些标记或候选基因的遗传变异即等位基因变异与

特定表型显著关联的频率是否比期望的要更高[6]。

1󰀁2󰀁连锁不平衡的度量

所有LD统计的是实际观测到的位点间的单倍

型频率与期望单倍型频率之间的差异(D)。连锁不

平衡的度量依研究位点的性质和数目而异。在实际

应用中,经常计算的是两个等位基因的两位点间的

LD水平。

假设有两个连锁的位点A(其等位基因分别为

A、a)和B(其等位基因分别为B、b),4个等位基因

的频率分别为󰀁A、󰀁a、󰀁B、󰀁b,4种单倍型AB、aB、Ab

和ab的频率分别为󰀁AB、󰀁aB、󰀁Ab和󰀁ab,则Dab=

(󰀁AB-󰀁A󰀁B)。对于只有两个等位基因的位点,有

多种统计方法可以用来衡量两位点间的LD水

平[7],但最常用的是󰀁2和D󰀁[8,9]。󰀁2和D󰀁的计算

公式分别为:

󰀁2=(Dab)2

󰀁A󰀁a󰀁B󰀁b

|D󰀁|=(Dab)2

min(󰀁A󰀁b,󰀁a󰀁B)forDab<0

|D󰀁|=(Dab)2min(󰀁A󰀁B,󰀁a󰀁b)forDab>0D󰀁仅包括样本的重组史,敏感度较高,即使对于

在实际应用中的稀有等位基因的D󰀁值可能会很大,

意味着其具有较高的LD水平[10]。另一方面,D󰀁虽

然能更准确地估测重组差异,但当样本较小时发现

低频率4种等位基因组合的可能性将大大减小,因

此不适宜研究较小样本。与之相比,󰀁2既包括样本

的重组史又包括突变史,并且可提供标记是否能与

QTL相关的信息,因此关联分析中通常采用󰀁2表示

群体的LD水平[11]。

󰀁2和D󰀁是两个位点间LD的度量。对于具有

大量标记的基因组某区域内LD的分布状况,通常

用LD衰退图和LD矩阵两种形象化的方式来表示。

LD衰退图以位点间的LD对遗传距离作图来表示

一个区域内的LD分布情况,同时也便于比较不同

物种中的LD水平。LD矩阵是某基因内或某染色

体上多态性位点间LD的线性排列。另外,也可以

通过对该区域内反映两两位点间LD水平的󰀁2或

D󰀁的均值来表示该区域内的LD水平[10]。

2󰀁关联分析的策略

关联分析主要包括两种策略[6],即基于全基

因组扫描和基于候选基因的关联分析。两种策略

的技术路线分别见图1和图2。全基因组扫描方

法中,通常采用一定数量分布于基因组染色体上

的标记对所选材料进行基因型鉴定;而基于候选

基因的关联分析仅涉及到对目标候选基因所进行

的序列分析。了解所研究目标群体的基因组LD

模式有利于我们选择适宜的关联分析方法。对于

具有高度LD水平的群体而言,全基因组扫描是最

好的关联分析方法,因为采用这种方法可以减少

所需标记的数量;而较低LD水平的群体适宜采用

基于候选基因检测的高分辨率作图方法。关联分

析的步骤如下。

第一步:种质材料的选择。种质资源的选择对

发掘优异等位基因非常关键。为了能够检测到最多

的等位基因,所选材料应尽可能地包括某物种全部

的遗传变异。对于已构建了核心种质的物种而言,

核心种质是进行关联分析的最佳选择。种质材料的

选择同样也决定了关联分析的分辨率。具有高度多

样性的种质材料能够包括历史上曾经发生过的更广

泛的重组事件,因此这样的群体具有较高的关联分

析分辨率。

第二步:群体结构分析。通过运用基因组范围

内的大量独立遗传标记(如SSRs、SNPs、RFLPs或367