一、家畜数量性状基因定位研究进展（论文文献综述）
常丹丹[1]（2021）在《基于RIL群体的小黑麦穗部性状遗传分析及QTL定位》文中研究表明为探究小黑麦RIL（Recombinant Inbred Lines）群体穗部数量性状的遗传力和最佳遗传模型,运用构建的小黑麦遗传连锁图谱对穗部相关性状进行QTL定位,本文以穗部性状差异显着的小黑麦品种‘石大1号’为母本和‘甘农7号’为父本杂交构建的RIL群体为研究对象,测定了小黑麦穗部的芒长、小穗数、穗长、穗密度、穗粒数、穗粒重等性状的表型值并进行相关性分析,运用数量性状的主基因+多基因遗传模型分析方法对群体的穗部各性状进行了遗传分析,利用ISSR分子标记技术构建的遗传连锁图谱对穗部相关性状进行QTL定位,可为小黑麦穗部性状的遗传研究提供理论依据。主要研究结果如下:（1）小黑麦RIL群体穗部各性状均呈连续性变异,穗部表型有超亲遗传现象,整体变异性广泛,各性状的平均变异系数范围为:9.34%～40.82%。相关性分析表明:小黑麦RIL群体的穗粒重与穗长、小穗数和穗粒数正相关;穗长与穗粒数正相关;芒长与穗长和穗粒数正相关,与穗密度呈负相关。（2）小黑麦穗部芒长的最佳遗传模型为4MG-AI,其主基因遗传率为85.06%;穗长和小穗数的最佳遗传模型均为MX2-CE-A,主基因的遗传率分别为20.35%和31.77%,多基因遗传率分别为62.93%和32.48%;穗密度和穗粒数的最佳遗传模型均为PG-AI,多基因遗传率分别是35.34%和86.96%;穗粒重的最佳遗传模型为2MG-CE,主基因遗传率为51.97%。小黑麦穗部各性状符合数量遗传的特征并以多基因遗传为主。（3）利用小黑麦RIL群体遗传图谱结合穗部性状表型值共检测出13个小黑麦穗部性状相关的QTL位点,每个连锁群上平均1.9个QTL位点,控制芒长、穗长、小穗数、穗密度、穗粒数的QTL分别为1、4、3、2、3个,单个QTL位点的贡献率为7.67%～12.63%。
吴国芳[2]（2021）在《高丹草低氢氰酸性状主效QTL PA7-1和PA7-2的精细定位及其候选基因分析》文中指出高丹草（Sorghum-sudangrass hybrid）杂种优势强、营养价值高、适口性好、可多次刈割利用,是重要的一年生饲用作物。但因其幼嫩茎叶中含有一定量的氢氰酸,家畜采食过量易产生中毒现象。因而培育低氢氰酸含量的高丹草是重要育种目标。在课题组前期对高丹草低氢氰酸含量性状相关主效QTL PA7-1定位研究基础上,我们用高丹草（散穗高粱×红壳苏丹草）F2分离群体1200个单株对低氢氰酸含量性状定位研究发现了另一个相关的主效QTL PA 7-2。进而采用BSA-SSR方法和低氢氰酸含量目标性状QTL侧翼的SSR标记,从高丹草群体1200个分离单株中筛选建立了等位基因重组QIRs群体,经套袋自交得到F3分离群体,并从中筛选出130个F3重组株构建了精细定位群体。本试验重点对PA 7-1和PA7-2这两个主效QTL进行了精细定位及其候选基因挖掘和功能分析。主要结果如下:1.从散穗高粱×红壳苏丹草的1200个F2群体单株中各选10个低氰与高氰植株的DNA等量混合建立基因池,并以亲本为对照筛选得到SSR适宜引物11对。用这11对引物对F2分离群体1200个单株及其双亲的基因组DNA进行PCR扩增,共得到多态性条带位点253个。2.利用这253个多态性标记构建了一个基于高丹草F2群体的连锁群图谱,其覆盖基因组长度211.5 cM,标记间平均距离为0.84 cM。QTL定位检测到4个与低氢氰酸含量性状相关的QTLs,只有PA 7-1和PA 7-2为主效QTL,其遗传贡献率分别为57.4%和47.1%。3.采用QTL侧翼SSR标记对1200个F2单株进行筛选,分别建立了 2个PA 7-1和PA7-2的QIRs群体,各包含379和121个重组株。利用单粒传法分别获得了 F2:3群体,基于该群体再次进行QTL定位,验证了 PA7-1和PA7-2的稳定性。4.为缩短PA7-1和PA7-2的精细定位区间,利用高丹草130个F3重组单株的精细定位群体分别进行了精细定位。最终将PA7-1确定在标记SORBI4G4-120和SORBI4G4-680之间,包含8个SSR标记;将PA7-2确定在标记Sobic.8g1-600和XM00242-400之间,包含6个SSR标记。5.对PA7-1的8个和PA7-2的6个SSR标记片段进行回收、纯化、测序及与已知的高粱基因组比对分析,首次建立了PA7-1和PA7-2高分辨率的物理图谱。将PA7-1确定在高粱第4号染色体的203.6 kb基因组区域内,该区间包含了 18个候选基因;将PA7-2确定在高粱8号染色体上18.4 kb和25.5 kb的区域内,以及该染色体上克隆BAC 88M4基因AY661656.1上,它们共包含了 5个候选基因。6.通过RT-PCR表达水平验证发现,PA7-1有2个基因XM 021458168.1和XP021313843.1,PA7-2有1个基因AY661656.1,这3个基因在低氰的父本红壳苏丹草和F2植株的苗期、分蘖期和拔节期中均有显着表达,表明它们是调控高丹草低氢氰酸含量性状的重要候选基因。
王凤红[3]（2021）在《山羊SNP芯片设计与内蒙古绒山羊重要经济性状全基因组关联分析及基因组选择研究》文中研究指明绒山羊是我国特色优势品种,所产山羊绒是我国唯一具有出口定价权的畜产品。内蒙古绒山羊因产绒量高、绒毛品质优良和遗传性能稳定而享誉世界。本研究基于课题组前期完成的不同山羊品种基因组、转录组数据筛选功能位点,研发出首张适用于国内地方山羊品种芯片,结合系谱和生产性能测定记录,构建了高质量参考群体,基于该芯片在内蒙古绒山羊群体内开展了全基因组关联分析及大数据基因组选择研究,对绒毛品质性状的遗传机理进行初步解析,确定了内蒙古绒山羊基因组选择最佳方法。本研究充分利用我国绒山羊种质资源优势,从基因组角度研究和挖掘一批与羊绒生产性状相关的分子标记和基因资源,为今后绒山羊遗传资源保护和利用提供科学依据,为内蒙古绒山羊优质高产新品系培育提供新的基因资源和理论指导。论文主要结果如下:1.基于课题组近30年测定积累的616 113条内蒙古绒山羊系谱和生产性能记录数据,通过ASREML软件,对内蒙古绒山羊重要经济性状进行遗传参数估计。结果表明:群、测定年份和个体年龄对各性状均有显着影响,可作为固定效应纳入模型。产绒量、绒细、毛长的遗传力分别是0.24、0.27、0.32,均属于中等遗传力（0.20-0.40）,体重和绒长属于低遗传力（0.12和0.14）。产绒量、体重、绒长、绒细、毛长之间的遗传相关在-0.32～0.40之间,表型相关在-0.02～0.20之间;发现各性状加性方差较前人研究减小,说明选育后的性状遗传变异减小,有利于选育目标性状的基因型得到有效选择和纯合性状表型更加整齐。2.利用36个典型的中国地方品种（372个个体）和49个国外品种（226个个体）的山羊基因组、转录组数据,同时最大化兼容Illumina山羊52K SNP芯片位点,添加课题组多年来积累的重要功能位点数据,累计约4 500万个MAF大于0.2的SNPs,采用条件性的多目标局域性优化算法,通过对SNPs严格筛选,最终保留67 088 SNPs位点,集成一款全新的山羊70K SNP芯片（GGP＿Goat＿70K）;基于山羊70K SNP芯片,在内蒙古绒山羊群体中进行基因分型测试,所有个体均成功分型,平均call rate98.8%。说明利用该芯片可以实现山羊的基因分型,同时获得了1 920个个体的基因型数据,可用于后续的GWAS和基因组选择研究。3.基于获得的1 920个个体的基因型数据,对内蒙古绒山羊的绒长、绒细和产绒量三个性状进行全基因组关联分析。首先对绒长、绒细和产绒量进行数据整理,检测表型数据是否符合正态分布;同时对内蒙古绒山羊群体进行主成分分析,判断是否存在群体分层现象;然后使用混合线性模型进行GWAS分析,通过分位数-分位数（Quantile-Quantile,Q-Q）图判断期望值和观测值的拟合程度。结果表明在基因组水平获得了4个显着SNPs,扩大100 kb后经注释发现GALNTL5、CCDC171、STUM、CMAS、FGF12、POLN、TACC3、PRLR、EVPL、COL3A1和SOX5为内蒙古绒山羊绒毛性状的重要候选基因,可以用于后续深入研究。4.基于70K SNP芯片在国内开展了绒山羊基因组选择研究,使用GBLUP和SSGBLUP方法估计了内蒙古绒山羊绒长、绒细、产绒量、体重和毛长5个性状的遗传力和基因组育种值,同时与研究一使用的ABLUP法获得的数据进行比较,并用5次重复的5倍交叉验证来评价育种值预测的准确性。结果表明（1）GBLUP和SSGBLUP法估计产绒量的遗传力为0.26和0.28;体重的遗传力为0.17和0.14;绒长的遗传力均为0.09;绒细的遗传力均为0.30;毛长的遗传力为0.31和0.32。（2）SSGBLUP对5个性状评估准确性在45%-82%之间,与ABLUP相比提高19%-25%;（3）SSGBLUP相比于GBLUP和ABLUP有更高的预测准确性和无偏性,SSGBLUP是内蒙古绒山羊基因组选择的最佳方法;（4）通过实施基因组选择可以使内蒙古绒山羊育种世代间隔从4.5年缩短至2年。
朱韶华[4]（2021）在《高山美利奴羊羊毛品质与红细胞性状基因组选择和全基因组关联分析研究》文中研究说明高山美利奴羊是在高山寒旱生态区育成的羊毛纤维直径主体为19.1～21.5μm的一流毛肉兼用美利奴羊新品种,常年生活在高海拔寒旱地区,具有生产性能高、羊毛综合品质优和高原低氧适应性强等特点。与之突出特点相关的羊毛品质和抗高原缺氧等重要性状的基因组选择和全基因组关联分析研究仍处于起步阶段,如何提高育种值估计准确性来缩短世代间隔、加速遗传进展及挖掘与重要性状关联的候选基因已成为高山美利奴羊选育提高和品种完整结构建设中亟需解决的问题。本研究通过基因组选择和全基因组关联分析方法,以高山美利奴羊为研究对象,结合不同密度SNP微阵列数据,以GBLUP（Genomic Best Linear Unbiased Prediction）和Bayes-Alphabet模型为基础,研究不同因素对基因组育种值（Genomic Breeding value,GEBV）估计准确性的影响;采用全基因组关联分析对羊毛品质和高原低氧适应性相关的QTL进行精细定位以搜寻关键的区域信息和候选基因。研究结果如下:1.加性和显性遗传效应对基因组预测准确性的影响结合Affymetrix HD 630K微阵列分型数据,基于GBLUP模型,采用仅包含加性遗传效应的MAG模型（Model with Additive Effect GBLUP）和包含加性与显性遗传效应的MADG模型（Model with Additive and Dominance Effect GBLUP）对498只高山美利奴羊的共9种羊毛品质性状和高原低氧适应性相关的红细胞性状进行基因组预测,遗传方差组分估算结果显示,束纤维断裂伸长率、红细胞计数和红细胞压积三种性状的显性方差占总表型方差比例分别为73%、28%和25%,对其显性方差比例较高的性状,MAG模型获得的GEBV估计准确性更高;多重交叉验证的结果显示,两种模型的预测准确性,除毛丛长度（R2=0.25）和平均血红蛋白浓度（R2=0.12）之外,MAG模型均高于MADG。以上结果表明,MAG模型更适用于高山美利奴羊羊毛品质和红细胞性状的基因组预测。2.标记密度、统计模型和遗传力对基因组预测准确性的影响采用50K和630K两种不同密度的微阵列数据,基于GBLUP和Bayes-Alphabet模型对821只高山美利奴羊遗传力水平不同的6种羊毛品质性状进行基因组预测分析。遗传力估计结果显示,束纤维断裂伸长率和束纤维断裂强度的遗传力分别为0.29和0.35,为中等遗传力水平性状;毛丛长度、毛纤维直径、毛纤维直径变异系数和净毛率的遗传力分别为0.68、0.44、0.55和0.46,为高遗传力性状。标记密度由50K增加至630K后,束纤维断裂伸长率和束纤维断裂强度的预测准确性分别提高了11%（Bayes A）和13%（Bayesion LASSO）,净毛率和毛纤维直径变异系数仅提高了1%（Bayes B）,毛丛长度下降了6%（Bayesion LASSO）,表明增加标记密度可有效提高束纤维断裂伸长率等中等遗传力水平性状的GEBV估计准确性,但对毛丛长度等高遗传力水平性状影响微弱,甚至出现准确性下降的情况;GBLUP模型在中等遗传力水平性状的预测准确性均高于Bayes-Alphabet模型,Bayes B和Bayesion LASSO模型在高遗传力水平性状的准确性更高,表明GBLUP模型更适用于中等遗传力水平性状的基因组预测,Bayes B和Bayesion LASSO模型更适合高遗传力水平性状的基因组预测。3.羊毛品质和红细胞性状全基因组关联分析研究以498只高山美利奴羊组成的目标群体,利用单标记和单倍型,基于广义线性模型（Generalized Linear Models,GLM）对红细胞性状执行全基因组关联分析,通过基因定位和功能注释,筛选出DHCR24、EFNB2、SH2B3、PLCB1、SPATA9和FLI1六个基因作为影响群体高原低氧适应性的潜在候选基因,特别是PLCB1和FLI1,分别与红细胞生成、正常造血和携氧功能有密切关联;建立977只高山美利奴羊组成的目标群体,利用单标记,基于Farm CPU（Fixed and random model Circulating Probability Unification）模型对羊毛品质性状执行全基因组关联分析,筛选出PBX1、TRPC3、SLITRK5和PVRL1四个基因作为羊毛品质性状相关的潜在候选基因,特别是PBX1和SLITRK5,分别与毛囊间充质干细胞的衰老延迟与表皮的分化、表皮稳态有密切关联,上述结果可作为高山美利奴羊基因组预测研究中具有显着效应的潜在区域。本研究通过纳入加性与显性遗传效应对GBLUP模型进行了优化,发现束纤维断裂伸长率等显性方差占总表型方差比例较大的性状（大于25%）,MAG模型在GEBVs估计中具有更高的准确性,更适用于高山美利奴羊羊毛品质和红细胞性状的基因组预测。增加标记密度可有效提高束纤维断裂伸长率等中等遗传力水平性状的GEBVs估计准确性,但对毛丛长度等高遗传力水平性状影响甚微;通过两类模型的预测准确性比较,GBLUP模型更适合中等遗传力水平性状的基因组预测,Bayes B和Bayes LASSO模型更适合高遗传力水平性状的基因组预测。基于不同GWAS模型和标记类型,筛选出羊毛品质性状关联的4个候选基因（PBX1、TRPC3、SLITRK5和PVRL1）和高原低氧适应性关联的6个候选基因（DHCR24、EFNB2、SH2B3、PLCB1、SPATA9和FLI1）,特别是PLCB1和FLI1,分别与红细胞生成、正常造血和携氧功能有密切关联;PBX1和SLITRK5,分别与毛囊间充质干细胞的衰老延迟与表皮的分化、表皮稳态有密切关联。为高山美利奴羊的基因组选择提供适宜的GEBVs估计模型和具有重要效应的标记信息,并为高原家畜的功能基因挖掘提供有价值的参考。
金星娜[5]（2021）在《饲用型小黑麦RIL群体草产量相关性状的遗传分析及QTL定位》文中提出优质牧草短缺在一定程度上阻碍了畜牧业的发展,寻找优质高产的牧草是解决这一矛盾的途径之一。饲用型小黑麦（×Triticale Wittmack）作为一种优质饲草,提高饲草产量也是其主要育种目标之一。而在实际生产中,大多选择表型良好的亲本杂交培育获得优良小黑麦品种,工作量较大且选择具有盲目性。株高、分蘖数、旗叶长、旗叶宽、穗下节间长和单株鲜重是小黑麦重要的饲草产量相关性状。本研究以饲用型小黑麦273个单株构成的RIL群体F6代为试验材料,观测了株高、分蘖数、旗叶长、旗叶宽、穗下节间长和单株鲜重等饲草产量相关性状的田间表型值,开展了该群体的表型分析,并结合课题组构建的小黑麦RIL群体分子图谱,进行了饲草产量相关性状的QTL分析,浅析了小黑麦饲草产量的遗传机制,为小黑麦高产遗传改良提供了研究基础。主要结论如下:（1）RIL群体中饲草产量相关性状变异系数由大到小依次为单株鲜重（64.10%）、分蘖数（45.05%）、穗下节间长（34.29%）、株高（14.85%）、旗叶长（10.59%）和旗叶宽（9.68%）,RIL群体产量性状的表型分布均表现出超亲的遗传特点;小黑麦饲草产量相关性状与单株鲜重的相关系数由小到大依次为:穗下节间长<旗叶长<株高<旗叶宽<分蘖数,各性状指标间株高、穗下节间长均与分蘖数呈极显着负相关关系,穗下节间长与株高表现为极显着正相关性,穗下节间长与旗叶宽为极显着负相关关系;主成分分析可将饲草产量相关性状综合为生物量构成因子和株高构成因子,累积贡献率达70.81%。（2）对RIL群体表型变异较大的饲草产量相关性状（株高、分蘖数、穗下节间长和单株鲜重）共检测出16个QTL位点分布于7个连锁群,其中检测到5个与株高相关的QTL,4个与分蘖数相关的QTL,3个与穗下节间长相关的QTL,4个与单株鲜重相关的QTL。本研究以两种饲用型小黑麦杂交后的273个单株构成的F6代RIL群体为材料,通过主成分分析将饲草产量相关性状综合为生物量构成因子和株高构成因子,并结合小黑麦该群体分子图谱,以此为基础共检测出16个与饲草产量性状相关的QTL位点。
康晨,罗峰,孙守钧[6]（2021）在《饲用高粱分蘖及其他性状的QTL定位研究现状与进展》文中研究说明饲用高粱作为酿酒和牲畜饲料的重要原料,拥有众多优良的农艺性状,其全基因组测序工作已经完成,分子标记辅助选择技术广泛应用于高粱育种工作中,影响高粱农艺性状的数量基因位点已被定位得到。分蘖作为一项重要的株型性状,对高粱的耐密性、抗倒性、光吸收效能等生理特性有重要的影响。当前饲用高粱株高、穗长、叶部形态等性状的基因定位工作已有相当顺利的进展,而分蘖性状因易受各种因素的影响、研究难度较大,对分蘖的基因定位工作进展则较为缓慢。本研究总结了近期对高粱分蘖性状以及其他农艺性状QTL基因定位的研究进展,同时提出在不同农作物品种进化的过程中,具有一部分同源性高的保守序列保留下来,证明同一物种不同性状之间具有关联性这一观点。在高粱的育种研究中,将基因工程育种与实验统计、数量遗传学结合,能更好地揭示各项因素对高粱农艺性状的贡献程度,提高育种效率,减少人力物力的损失。
杨东升[7]（2020）在《四倍体冰草超高密度分子遗传连锁图谱构建及产量与蛋白质含量等品质性状的QTL定位》文中认为四倍体杂交冰草是二倍体的蒙古冰草与航道冰草经种间杂交、染色体加倍获得的优良饲草,结合了蒙古冰草抗旱耐寒、适应性强、耐贫瘠与航道冰草分蘖性强、叶量大、营养价值较高等优点,具有很强的杂种优势。本试验以四倍体杂交冰草F2群体的246个分离单株及其亲本为材料,结合SRAP、SSR和SNP三种分子标记,利用Join Map 4.0作图软件构建了四倍体冰草超高密度的分子遗传连锁图谱,并对单株产量、茎叶比、粗蛋白质含量等11个性状进行QTL定位分析,以期为下一步深入开展冰草产量、品质等重要相关性状的基因克隆与功能分析、QTL精细定位及分子标记辅助育种等提供理论依据。本研究主要结果如下:1.筛选出42对适宜引物（SRAP引物32对、SSR引物10对）。利用这些引物对四倍体杂交冰草246个F2群体单株及其双亲的基因组DNA进行PCR扩增,共获得多态性标记位点997个,其中含SRAP标记753个、SSR标记244个,其多态性位点比率分别为88.8%和92.4%。2.基于简化基因组测序（GBS）技术,共得到上图SNP标记5035个。3.偏分离分析结果表明,在6032个杂交冰草的多态性标记位点中,有137个标记（112个SRAP标记和25个SSR标记）发生了偏分离,偏分离比率为2.27%。4.构建出一张超高密度的四倍体杂交冰草遗传图谱,包含14个连锁群,6032个标记位点,覆盖基因组总长度2624.43cM,标记间的平均距离0.44cM。5.相关性分析显示,四倍体杂交冰草的单株产量、粗蛋白质含量、粗脂肪含量及粗纤维含量等11个性状间呈显着或极显着相关关系。正态性检验结果表明,在3个环境及其平均数据下,冰草作图群体的各性状表型值均呈正态分布。6.对四倍体杂交冰草的11个性状进行QTL定位,共检测到39个稳定QTLs。其中,控制单株鲜重7个、单株干重和粗蛋白质含量各5个、茎叶比和粗灰分含量各4个、WSC含量3个、粗脂肪含量和粗纤维含量各2个、淀粉含量和钙含量各3个、磷含量1个,可解释表型变异在8.0%～26.0%之间。7.在检测到的39稳定QTLs中,有13个为主效QTLs。其中,控制单株鲜重3个（Qfwsp-3-1、Qfwsp-12-4、Qfwsp-14-6）、单株干重 1 个（Qdwsp-14-5）、粗蛋白质含量1个（Qcpc-4-3）、粗脂肪含量1个（Qcfac-8-2）、粗纤维含量1个（Qcfic-6-2）、粗灰分含量1个（Qcac-2-2）、WSC含量1个（Qwscc-7-3）、淀粉含量1个（Qsc-9-3）、磷含量1个（Qpc-4-1）、钙含量2个（Qcc-4-1、Qcc-12-3）。
欧阳峰正[8]（2020）在《影响猪生长和采食的嗅觉受体基因全基因组挖掘》文中研究表明猪生长相关的性状具有很高的经济价值,其大部分为数量性状,受微效多基因控制。研究表明,家畜嗅觉受体（olfactory receptor,OR）基因的遗传变异不仅与它们的进食行为、食物选择和能量平衡调节有关,还与一些重要生长性状关联。本研究拟通过全基因组拷贝数变异（copy number variation,CNV）关联分析、数量性状基因座（quantitative trait locu,QTL）定位方法找出影响生长性状的OR基因,分析生长性状与采食行为性状的遗传相关,并通过全基因组关联分析（genome-wide association study,GWAS）分析方法来研究采食行为是否也与OR基因相关。获得的主要研究结果如下:1.拷贝数变异检测及生长性状关联分析利用CNVcaller软件,在591头大白猪×民猪F2代猪群体中总共检测到3099个CNVRs,其中,2275个CNVRs为缺失,6个为多拷贝,818个为缺失和多拷贝并存。对体长、体高、肩宽、腰宽、管围以及180日龄体重这6个生长性状进行全基因CNV关联分析发现5个CNVRs与F2代猪生长性状显着相关（P<1.61E-5）。其中,CNVR2091区间内OR12D3基因的CNV会显着影响体高性状（P<0.01）,经过qPCR验证发现OR12D3基因的CNV增加,体高会显着升高。2.遗传连锁图谱构建及生长性状QTL定位基于重测序数据构建了大白×民猪F2代猪群体的高密度遗传图谱。该遗传图谱中的总图谱遗传距离为2210.41 cM,相邻标记之间的平均遗传距离为0.38 cM。通过全基因组QTL定位鉴定了14个QTLs与F2代猪生长性状相关。在显着性QTL区间内找到影响体长的OR候选基因为OR12D3,影响体高的OR候选基因为OR12D3、OR13H1,影响肩宽的OR候选基因为OR6C65。结果与CNV关联分析的结果一致,说明嗅觉受体基因可能与猪生长性状相关。3.采食行为及生长性状遗传参数估计及GWAS分析利用1080头杜洛克群体平均日采食量、平均日采食次数、平均每次采食时间、平均每次采食量、采食速度、平均日增重、剩余采食量、饲料转化率等8个采食行为和生长性状进行遗传参数估计。结果发现,平均日采食量与平均日增重（rg=0.82±0.12）、剩余采食量（rg=0.77±0.15）遗传相关比较高,平均每次采食量与平均日增重的遗传相关也比较高（rg=0.61±0.09）,说明采食行为可以影响生长。利用100头杜洛克猪群体重测序数据进行GWAS分析,结果发现,RUFY3、NDUFAB1、PAX4基因可作为平均每次采食时间的候选基因;OR52W1、ATL3、NXF1、SPAG6、LGALS12可作为饲料转化率的候选基因;OR10J5作为平均日采食量的候选基因,OR52W1、OR8D4、OR10S1作为平均日采食次数的候选基因;OR51E1作为采食速度的候选基因。综上,本研究通过全基因组CNV关联分析、QTL定位、GWAS分析的方法挖掘生长性状及采食行为相关的8个OR基因,并通过qPCR验证了OR12D3基因与猪体高性状的关系。为深入了解OR基因的功能以及实施分子育种提供一定的基础。
李晓凯[9]（2020）在《内蒙古绒山羊不同毛被类型性状变异及其分子遗传机制的研究》文中研究表明内蒙古绒山羊是我国着名的绒、肉兼用型地方优良山羊品种,经过30多年的系统选育工作,其不仅以绒毛品质优良闻名于世界,而且产绒量在所有绒山羊品种中亦具有明显优势。随着选育目标转变和市场需求变化,优质绒毛纤维生产是目前绒山羊育种的主要目标,在保持产绒量的同时如何降低绒纤维细度性状是今后分子生物学和数量遗传育种研究的主要方向。在生产实践及本课题组前期研究中发现,绒山羊群体中毛被类型存在遗传多样性,统计学和遗传参数估计表明,粗毛纤维性状与绒毛品质性状存在一定的遗传相关和表型相关,长毛型在各绒毛经济性状等方面具有优势。但关于毛被类型的性状变异的调控机制和遗传机理尚不清楚,在一定程度上阻碍了绒山羊的遗传改良进展。高通量测序技术的不断成熟以及测序成本的不断降低,为从多组学的角度解析复杂性状的遗传机制提供了可能。本研究以2018-2019年内蒙古亿维白绒山羊有限责任公司（原内蒙古白绒山羊种羊场）4-5月份生产性能测定数据记录为基础,通过毛被类型的详细表型观测描述、系谱记录信息、绒毛纤维的实验室测量、全基因组DNA重测序以及皮肤毛囊周期转录组测序等数据的综合挖掘分析,揭示毛被类型表型特征、遗传方式、遗传基础及表达调控的差异,为今后的绒山羊分子育种和间接选育工作提供基础。主要研究结果如下:1.通过对内蒙古绒山羊（阿尔巴斯型）不同毛被类型表型观察和描述性统计分析,发现长毛型的主要特征为全身粗毛被毛长且光亮,在群体各年龄段的比例中占有优势,约57.90%～78.70%;短毛型的主要特征为全身被毛粗短或仅四肢或背部粗毛较长,无光泽,在群体各年龄段占21.30%～42.12%。根据系谱和毛被类型数据进行遗传方式分析,推测毛被类型可能为常染色体遗传,其中长毛型显性性状。长毛型绒山羊在抓绒后体重、绒细和产绒量等方面均具有优势,可以作为今后品种选育提高的候选个体或亚群。2.全基因组重测序遗传变异检测共发现13,259,614个SNPs和2,646,292个InDels,基因组区域注释发现分别有0.60%的SNPs和0.16%的InDels属于外显子突变;其中含有错义突变和移码突变的基因分别为10,479和1,343个。基于全基因组SNP位点的群体遗传分化指数FST>0.15筛选,发现了 80,625个SNP和4,953个基因。GO功能分析注释发现富集细胞部分、核部分、线粒体包膜、线粒体膜、裂解酶活性、水解酶活性、刺激反应、细胞交流等生物学功能上,KEGG通路富集分析共发现262个信号通路,其中钙信号通路、赖氨酸降解、Notch信号通路、MAPK信号通路、WNT信号通路等与皮肤毛囊生长发育的相关信号通路中显着富集。3.利用FST和θπ相结合的滑动窗口方法进行全基因组扫描,共筛选到1,227个基因,包括长毛型特有的558个候选基因、短毛型特有的686个候选基因和长毛型与短毛型共有的17个受选择基因。其中ADA、ARID1B、UNC5C和ZEB1等已知与皮肤毛囊的生长发育相关,遗传突变会引起毛发的异常。长毛型个体中的PKIG、CDX1、GCC2、PPP1 CB、LIMS1、HDAC9、GFRA1、PDGFRB、Myo10、LATS2、PROM1、FGF16、TP73等13个基因和短毛型个体中LRPAP1、TRPV4、NELFA、CPLX1、DGKQ、NFKB1、EDA、CXCR3、FGF10、FGF13、FGFBP1、LTBP1、MBTPS2、PPP1CB、SHOC2、SOS2、KRT10、SLC6A14、SLC45A1、CACNG1、CCL19、COL4A5、FABP5、CTBP1等24个基因都是潜在的与毛被类型相关的候选基因。4.通过毛被类型（试验-对照）和毛长（混合线性模型）的GWAS分析,分别检测到12个和603个候选基因,其中检测到C6H4orf48、DGKQ、LOC108636241、LRPAP1、NAT8L、NELFA、POLN、RGS12、SLBP、TACC3、TMEM129 等基因与重组率相关,推测重组热点与毛被类型存在潜在的关系;此外毛长的功能挖掘分析,发现LRPAP1、NELFA、CPLX1、DGKQ、ABCC4、ARHGAP10、AEBP1、IL-6、DUSP6、ERRFI1、ENPP2、FARP2、ZNF407、CDH7、KIF7、TSPEAR、WNT16和CDH19等可能与毛长或毛被类型存在相关。5.利用毛被类型的名义显着性候选基因和课题组前期的不同毛被类型周期性比较转录组数据,进行WGCNA数据的挖掘分析,发现Yellow模块与毛被类型存在较强的相关性,其中CPLX1、LRPAP1、DGKQ、NELLFA、CDK5RAP2、COL18A1、FARP2、KIF7、RECQL5、RHBDF2、RIPK1、SEMA4B、TRPV4、UVSSA、ZFAT等候选基因可能与不同毛被类型存在潜在一定的相关性。6.候选位点关联验证分析,发现LRPAP1基因的第115544377位点的（G→A）的基因型与毛被类型存在极显着相关关系,即基因型（GG）与绒山羊短毛型相关;而AA或AG与绒山羊长毛型相关。本研究通过基因组选择信号、全基因组关联分析以及WGCNA等方法为从基因组层面定位了LRPAP1、TRPV4、NELFA、CPLX1、DGKQ等24个最可能与毛被类型存在相关的候选基因,为今后毛被类型的分子调控机制提供了分子基础。通过遗传变异检测获得了的大量功能突变位点也为今后绒山羊的品种分子遗传改良提供了大量的潜在的分子遗传标记。
乔贤[10]（2020）在《绒山羊SNP芯片设计及重要经济性状全基因组关联分析研究》文中指出随着高通量测序技术的发展,大规模基因分型技术的成本大幅降低,使得高通量SNP芯片在动物育种中的应用成为可能。基因芯片技术的日益更新为全基因组关联分析在育种中的应用提供了有效的工具。依托基因芯片和全基因组关联分析发掘的高通量分子遗传标记,建立参考群,可进行准确的基因组育种值估计,为将来精准的基因组选择的应用推广奠定了坚实的基础。内蒙古绒山羊是经过长期自然选择和人工选择培育出的绒肉兼用型优良地方畜种,因其高产绒量、优质的绒毛品质、稳定的遗传性能而闻名。绒毛品质性状是微效多基因控制的数量性状,遗传力较低,测量繁琐,很难通过传统的育种值估计选育的方法进行快速的选育提高。通过全基因组关联分析,将利用SNP芯片基因分型测序所得SNP与细度性状记录相结合,旨在探索山羊绒细度变异的遗传机理,开发与超细绒性状密切相关的SNP和基因,充分发掘绒山羊种质资源优势,从全基因组水平研究和发掘一批与绒毛性状相关的具有自主知识产权的基因组遗传资源信息,为我国绒山羊的保护和利用提供有力参考依据,为超细绒山羊的改良和培育提供新的理论依据和基因组遗传资源。本研究基于第二代高通量测序技术,对我国着名的地方品种（内蒙古绒山羊与辽宁绒山羊）进行了全基因组重测序,并结合国内、外其他山羊品种的38个个体的基因组数据,首次使用目标富集策略设计动物SNP芯片,成功获得了山羊66K捕获芯片。为检验芯片对绒山羊重要经济性状研究上的效力,对内蒙古绒山羊（二狼山型）进行了重要经济性状相关的全基因组关联分析,对获得的候选SNP位点进行了基因功能注释和生物学功能挖掘等分析。主要研究结果如下:1.基于第二代高通量测序技术对我国着名绒山羊品种73只个体进行全基因组重测序,所有样品共检测到5.52 M单核苷酸变异（SNPs）和710,600个插入缺失（Indels）,其中约有87.25%SNP为新发现的遗传变异。通过对这些高质量SNP遗传标记进行分析筛选,可用于后续绒山羊SNP芯片的遗传标记的开发。2.利用绒山羊的重测序数据及国、内外其他山羊品种的38个个体的基因组数据,基于全基因组捕获测序策略,进行绒山羊66K SNP芯片设计,并建立起一套基于液相杂交技术的芯片设计的思路技术流程,可供其它物种SNP芯片设计借鉴。3.建立了 SNP捕获型芯片通用分析流程,成功利用绒山羊66K SNP芯片实现了低成本全基因组捕获测序,并获得来自423个体的161,125高质量SNP数据集,可用于后续的GWAS研究。4.针对内蒙古绒山羊（二狼山型）羊绒细度性状进行全基因组关联分析研究,对筛选得到的排名前26位SNP位点进行KEGG分析,筛选出4个SNP位点所在基因AKT1、ALX4、HK1、NT-3可作为绒毛细度性状的候选基因进行进一步的研究。MALDI-TOF-MS检测GWAS结果中随机筛选48个SNP位点,结果显示,其中1个SNP位点与细度性状显着相关,可以佐证说明GWAS结果较为可靠,该芯片可以应用于绒山羊重要经济性状的相关研究。
二、家畜数量性状基因定位研究进展（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、家畜数量性状基因定位研究进展（论文提纲范文）
（1）基于RIL群体的小黑麦穗部性状遗传分析及QTL定位（论文提纲范文）
| 项目来源 |
| 摘要 |
| SUMMARY |
| 第一章 文献综述 |
| 1.1 小黑麦概述 |
| 1.1.1 小黑麦起源及特点 |
| 1.1.2 小黑麦类型及应用 |
| 1.1.3 小黑麦传统育种 |
| 1.1.4 分子标记在小黑麦研究中的应用 |
| 1.2 遗传群体构建及分子标记类型 |
| 1.2.1 作图群体构建 |
| 1.2.2 分子标记概述 |
| 1.3 数量性状基因定位 |
| 1.4 研究目的与意义 |
| 1.5 技术路线 |
| 第二章 小黑麦穗部性状相关性及遗传分析 |
| 2.1 材料与方法 |
| 2.1.1 试验材料 |
| 2.1.2 试验地概况 |
| 2.1.3 试验设计 |
| 2.1.4 性状测定及方法 |
| 2.1.5 数据统计与分析 |
| 2.2 结果与分析 |
| 2.2.1 穗部性状的表型及次数分布 |
| 2.2.2 表型性状的相关性分析 |
| 2.2.3 小黑麦穗部主基因+多基因混合遗传模型分析 |
| 2.2.3.1 遗传模型的选择 |
| 2.2.3.2 小黑麦穗部性状备选模型的适合性检验 |
| 2.2.3.3 小黑麦穗部性状的遗传参数 |
| 2.3 讨论 |
| 2.3.1 小黑麦RIL群体穗部性状相关性 |
| 2.3.2 小黑麦穗部性状遗传模型 |
| 2.3.3 小黑麦穗部性状遗传参数对育种的指导 |
| 2.4 小结 |
| 第三章 小黑麦穗部性状QTL定位 |
| 3.1 材料与方法 |
| 3.1.1 亲本及群体构建 |
| 3.1.2 试验地概况 |
| 3.1.3 DNA提取 |
| 3.1.4 小黑麦ISSR-PCR扩增和检测 |
| 3.1.5 数据统计与分析 |
| 3.1.6 QTL命名方法 |
| 3.2 结果与分析 |
| 3.2.1 小黑麦RIL群体穗部表型分析 |
| 3.2.2 小黑麦RIL群体穗部性状QTL定位 |
| 3.3 讨论 |
| 3.3.1 群体选择及分子作图 |
| 3.3.2 小黑麦穗部性状QTL定位 |
| 3.3.3 影响小黑麦QTL定位的因素 |
| 3.4 小结 |
| 第四章 结论 |
| 参考文献 |
| 致谢 |
| 个人简介 |
| 在读期间发表论文和研究成果等 |
| 导师简介 |
（2）高丹草低氢氰酸性状主效QTL PA7-1和PA7-2的精细定位及其候选基因分析（论文提纲范文）
| 摘要 |
| abstract |
| 缩略语表 |
| 1 前言 |
| 1.1 高丹草概述 |
| 1.2 氢氰酸 |
| 1.2.1 非生氰糖苷类氰化物 |
| 1.2.2 生氰糖苷类氰化物 |
| 1.3 QTL定位 |
| 1.3.1 QTL定位原理及步骤 |
| 1.3.2 QTL定位的方法 |
| 1.3.3 QTL定位验证 |
| 1.3.4 QTL精细定位 |
| 1.3.5 精细定位区间候选基因分析 |
| 1.4 高丹草QTL定位研究进展 |
| 1.5 本研究的目的及意义和技术路线 |
| 1.5.1 本研究的目的及意义 |
| 1.5.2 技术路线 |
| 2 高丹草低氢氰酸含量QIRs群体构建 |
| 2.1 材料与方法 |
| 2.1.1 试验材料与种植 |
| 2.1.2 氢氰酸含量测定 |
| 2.1.3 DNA提取及BSA基因池的建立 |
| 2.1.4 SSR适宜引物的筛选及PCR扩增 |
| 2.1.5 数据统计与处理 |
| 2.1.6 高丹草低氢氰酸含量相关SSR分子标记的开发 |
| 2.1.7 遗传群图谱的构建和QTL定位分析 |
| 2.1.8 高丹草低氢氰酸含量QIRs等位基因重组群体的构建 |
| 2.2 结果与分析 |
| 2.2.1 氢氰酸含量测定 |
| 2.2.2 基因组DNA纯度的电泳检测 |
| 2.2.3 高丹草低氢氰酸含量相关SSR引物的筛选及多态性分析 |
| 2.2.4 高丹草低氢氰酸含量相关SSR分子标记的获得 |
| 2.2.5 高丹草遗传图谱构建及氢氰酸含量QTL定位 |
| 2.2.6 QIRs群体获得 |
| 2.3 讨论 |
| 2.3.1 BSA法评价 |
| 2.3.2 SSR分子标记及遗传图谱研究 |
| 2.3.3 QTL定位准确性 |
| 2.3.4 等位基因重组株QIRs分析 |
| 2.4 小结 |
| 3 高丹草低氢氰酸含量主效QTL PA7-1 的精细定位 |
| 3.1 材料与方法 |
| 3.1.1 群体构建 |
| 3.1.2 精细定位区间内标记的开发 |
| 3.1.3 F_3精细定位群体DNA提取、氢氰酸含量测定 |
| 3.1.4 高丹草连锁群构建 |
| 3.1.5 主效QTL PA7?1 的精细定位 |
| 3.1.6 主效QTL精细定位区间候选基因序列测定和分析 |
| 3.2 结果与分析 |
| 3.2.1 散穗高粱×红壳苏丹草F_(2:3)群体氢氰酸含量性状分析 |
| 3.2.2 F_(2:3)群体氢氰酸含量性状QTL定位 |
| 3.2.3 F_3群体氢氰酸含量性状变异 |
| 3.2.4 PA7?1 精细定位区间内标记的SSR特异引物的筛选 |
| 3.2.5 基于高丹草F_3精细定位群体连锁群构建及QTL定位 |
| 3.2.6 PA7?1 的精细定位 |
| 3.2.7 精细定位区间候选基因序列测定和分析 |
| 3.2.8 精细定位区间序列比对、物理图谱建立与候选基因分析 |
| 3.3 讨论 |
| 3.3.1 主效QTL PA7?1 的稳定性 |
| 3.3.2 主效QTL PA7?1 精细定位的准确性 |
| 3.3.3 低氢氰酸含量性状候选基因 |
| 3.4 小结 |
| 4 高丹草低氢氰酸含量主效QTL PA7-2 的精细定位 |
| 4.1 材料与方法 |
| 4.1.1 群体构建 |
| 4.1.2 精细定位区间内标记的开发 |
| 4.1.3 F_3精细定位群体DNA提取、氢氰酸含量测定 |
| 4.1.4 高丹草连锁群构建 |
| 4.1.5 主效QTL PA7?2 的精细定位 |
| 4.1.6 主效QTL精细定位区间候选基因序列测定和分析 |
| 4.2 结果与分析 |
| 4.2.1 散穗高粱×红壳苏丹草F_(2:3)群体氢氰酸含量性状分析 |
| 4.2.2 F_(2:3)群体氢氰酸含量性状QTL定位 |
| 4.2.3 F_3群体氢氰酸含量性状变异 |
| 4.2.4 PA7?2 精细定位区间内标记的SSR特异引物的筛选 |
| 4.2.5 基于高丹草F_3精细定位群体连锁群构建及QTL定位 |
| 4.2.6 PA7?2 的精细定位 |
| 4.2.7 精细定位区间候选基因序列测定和分析 |
| 4.2.8 PA7?2 精细定位区间序列比对、物理图谱构建与候选基因分析 |
| 4.3 讨论 |
| 4.3.1 PA7?1 和PA7?2 的加性效应 |
| 4.3.2 精细定位可行性分析 |
| 4.4 小结 |
| 5 PA7?1 和PA7?2 精细定位区间候选基因表达水平验证 |
| 5.1 材料与方法 |
| 5.1.1 试验材料 |
| 5.1.2 植物总RNA的提取 |
| 5.1.3 cDNA的合成 |
| 5.1.4 半定量RT?PCR |
| 5.2 结果与分析 |
| 5.2.1 氢氰酸含量差异 |
| 5.2.2 总RNA的提取和检测 |
| 5.2.3 候选基因的RT?PCR表达验证 |
| 5.3 讨论 |
| 5.4 小结 |
| 6 结论 |
| 6.1 高丹草低氢氰酸含量主效QTL PA7?1 的精细定位和候选基因分析 |
| 6.2 高丹草低氢氰酸含量主效QTL PA7?2 的精细定位和候选基因分析 |
| 6.3 主要创新点 |
| 致谢 |
| 参考文献 |
| 附图 |
| 作者简介 |
（3）山羊SNP芯片设计与内蒙古绒山羊重要经济性状全基因组关联分析及基因组选择研究（论文提纲范文）
| 摘要 |
| abstract |
| 缩略语表 |
| 1 引言 |
| 1.1 绒山羊育种研究进展 |
| 1.1.1 绒山羊概述 |
| 1.1.2 绒山羊育种现状 |
| 1.2 SNP芯片的研究进展 |
| 1.2.1 SNP分型芯片的特点 |
| 1.2.2 SNP分型芯片的分类及原理 |
| 1.2.3 SNP分型芯片在畜牧领域的概况及应用 |
| 1.3 全基因组关联分析研究进展 |
| 1.4 羊基因组选择研究进展 |
| 1.4.1 基因组选择理论 |
| 1.4.2 基因组选择方法 |
| 1.4.3 基因组选择影响因素 |
| 1.4.4 羊基因组选择研究进展 |
| 1.5 研究目的及意义 |
| 1.6 技术路线图 |
| 2 研究一 内蒙古绒山羊重要经济性状遗传参数的评估 |
| 2.1 材料与方法 |
| 2.1.1 数据来源 |
| 2.1.2 非遗传因素分析-广义最小二乘法 |
| 2.1.3 多性状重复力混合模型估计遗传参数 |
| 2.2 结果 |
| 2.2.1 基本统计分析 |
| 2.2.2 固定效应的确定 |
| 2.2.3 遗传参数估计 |
| 2.3 讨论 |
| 2.3.1 遗传力 |
| 2.3.2 遗传相关 |
| 2.4 小结 |
| 3 研究二 山羊70KSNP芯片的研发设计与测试 |
| 3.1 材料与方法 |
| 3.1.1 芯片设计数据来源 |
| 3.1.2 芯片测试数据来源 |
| 3.1.3 主要分析软件及工具 |
| 3.1.4 主要试剂及仪器 |
| 3.1.5 位点筛选 |
| 3.1.6 位点优化 |
| 3.1.7 DNA提取 |
| 3.1.8 基因分型 |
| 3.2 结果 |
| 3.2.1 70K SNP芯片的设计 |
| 3.2.2 70K SNP芯片与Illumina 52K SNP芯片的比较 |
| 3.2.3 位点检出率 |
| 3.2.4 位点MAF统计 |
| 3.3 讨论 |
| 3.4 小结 |
| 4 研究三内蒙古绒山羊重要经济性状全基因组关联分析 |
| 4.1 材料与方法 |
| 4.1.1 样品采集 |
| 4.1.2 表型数据处理 |
| 4.1.3 数据质控 |
| 4.1.4 全基因组关联分析 |
| 4.1.5 GO、KEGG富集分析 |
| 4.2 结果 |
| 4.2.1 表型数据的基本统计 |
| 4.2.2 数据质控及群体遗传结构分析 |
| 4.2.3 绒长性状的全基因组关联分析 |
| 4.2.4 绒细性状的全基因组关联分析 |
| 4.2.5 产绒量性状的全基因组关联分析 |
| 4.2.6 功能富集分析 |
| 4.3 讨论 |
| 4.4 小结 |
| 5 研究四内蒙古绒山羊重要经济性状基因组选择研究 |
| 5.1 材料与方法 |
| 5.1.1 构建参考群 |
| 5.1.2 基因型数据 |
| 5.1.3 GBLUP |
| 5.1.4 SSGBLUP |
| 5.1.5 基因组准确性评估 |
| 5.1.6 世代间隔 |
| 5.2 结果 |
| 5.2.1 群体结构和遗传参数 |
| 5.2.2 基因组预测准确性比较 |
| 5.2.3 世代间隔 |
| 5.2.4 选择效果分析 |
| 5.3 讨论 |
| 5.4 小结 |
| 6 结论 |
| 7 创新点 |
| 8 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 作者简介 |
（4）高山美利奴羊羊毛品质与红细胞性状基因组选择和全基因组关联分析研究（论文提纲范文）
| 摘要 |
| SUMMARY |
| 英文缩略表 |
| 第一章 文献综述 |
| 1.1 畜禽遗传评估的方法与研究进展 |
| 1.2 全基因组关联分析 |
| 1.3 基因分型的方法 |
| 1.4 本研究的目的和意义 |
| 第二章 加性和显性遗传效应对羊毛品质和红细胞性状GEBV估计准确性的影响研究 |
| 2.1 引言 |
| 2.2 材料与方法 |
| 2.3 结果与分析 |
| 2.4 讨论 |
| 2.5 小结 |
| 第三章 统计模型、标记密度和遗传力对羊毛品质GEBV估计准确性的影响研究 |
| 3.1 引言 |
| 3.2 材料与方法 |
| 3.3 结果与分析 |
| 3.4 讨论 |
| 3.5 小结 |
| 第四章 羊毛品质和红细胞性状的全基因组关联分析研究 |
| 4.1 引言 |
| 4.2 材料与方法 |
| 4.3 结果与分析 |
| 4.4 讨论 |
| 4.5 小结 |
| 第五章 结论 |
| 5.1 主要结论 |
| 5.2 创新点 |
| 5.3 后续研究内容 |
| 参考文献 |
| 附表与附录 |
| 致谢 |
| 作者简介 |
| 导师简介 |
（5）饲用型小黑麦RIL群体草产量相关性状的遗传分析及QTL定位（论文提纲范文）
| 摘要 |
| SUMMARY |
| 第一章 文献综述 |
| 1 小黑麦研究进展 |
| 1.1 小黑麦概述 |
| 1.2 小黑麦传统育种研究进展 |
| 2 分子标记技术及其在小黑麦中的应用 |
| 2.1 DNA分子标记 |
| 2.2 分子标记类型 |
| 2.3 分子标记在小黑麦中的应用 |
| 3 分子图谱 |
| 3.1 作图群体的选择与建立 |
| 3.2 作图群体杂交亲本 |
| 3.3 适当的分离群体类型 |
| 3.4 群体大小 |
| 3.5 统计方法及阀值 |
| 4 分子标记选择 |
| 4.1 ISSR分子标记技术 |
| 4.2 禾本科分子图谱构建研究进展 |
| 5 数量性状基因定位 |
| 5.1 QTL定位的原理和方法 |
| 5.2 禾本科QTL定位研究进展 |
| 6 本研究的目的和意义 |
| 7 本研究的主要内容和技术路线 |
| 第二章 小黑麦饲草产量相关性状表型分析 |
| 1 材料与方法 |
| 1.1 试验地概况 |
| 1.2 试验材料 |
| 1.3 试验设计 |
| 1.4 测定指标 |
| 1.5 数据分析 |
| 2 结果与分析 |
| 2.1 RIL群体饲草产量相关性状的表型变异分析 |
| 2.2 RIL群体饲草产量相关性状的相关性分析 |
| 2.3 RIL群体饲草产量相关性状的主成分分析 |
| 3 讨论 |
| 3.1 RIL群体饲草产量相关性状的表型分析 |
| 3.2 RIL群体饲草产量相关性状的相关性分析 |
| 3.3 RIL群体饲草产量相关性状的主成分分析 |
| 4 小结 |
| 第三章 小黑麦饲草产量相关性状QTL定位 |
| 1 材料与方法 |
| 1.1 试验材料 |
| 1.2 小黑麦RIL群体的表型鉴定 |
| 1.3 数据统计与分析 |
| 1.4 QTL定位分析 |
| 2 结果与分析 |
| 2.1 小黑麦RIL群体表型正态分布 |
| 2.2 小黑麦RIL群体分子图谱特点 |
| 2.3 小黑麦饲草产量相关性状的QTL定位 |
| 2.4 控制小黑麦株高的QTL分析 |
| 2.5 控制小黑麦分蘖数的QTL分析 |
| 2.6 控制小黑麦穗下节间长的QTL分析 |
| 2.7 控制小黑麦单株鲜重的QTL分析 |
| 3 讨论 |
| 3.1 本研究材料的应用价值 |
| 3.2 DNA提取 |
| 3.3 小黑麦杂交亲本和作图群体选择 |
| 3.4 小黑麦的分子图谱 |
| 3.5 小黑麦连锁群饲草产量相关QTL分布 |
| 3.6 小黑麦QTL位点的重叠性 |
| 3.7 影响QTL检测的因素 |
| 3.8 QTL的应用 |
| 4 小结 |
| 第四章 结论与展望 |
| 1 结论 |
| 2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 在读期间发表论文和研究成果 |
| 导师简介 |
（6）饲用高粱分蘖及其他性状的QTL定位研究现状与进展（论文提纲范文）
| 1 饲用高粱分蘖性状及其他农艺性状的生理特性 |
| 2 QTL定位在高粱育种中的应用 |
| 2.1 基于DNA分子杂交的分子标记 |
| 2.2 QTL定位统计分析法 |
| 2.2.1 单标记分析 |
| 2.2.2 区间作图法 |
| 2.2.3 复合区间作图法(CIM) |
| 2.2.4 基于混合线性模型的复合区间作图法(MCIM) |
| 3 饲用高粱分蘖等性状的研究进展 |
| 3.1 饲用高粱分蘖性状的分析 |
| 3.2 饲用高粱其他农艺性状的研究进展 |
| 4 饲用高粱农艺性状QTL定位的讨论及其展望 |
（7）四倍体冰草超高密度分子遗传连锁图谱构建及产量与蛋白质含量等品质性状的QTL定位（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略语表 |
| 1 前言 |
| 1.1 冰草概述 |
| 1.2 冰草属植物育种研究 |
| 1.3 冰草的主要营养成分 |
| 1.4 遗传标记的发展及其在冰草上的应用 |
| 1.4.1 遗传标记 |
| 1.4.2 DNA分子标记的发展及在牧草上的应用 |
| 1.5 分子遗传连锁图谱 |
| 1.5.1 分子遗传图谱构建的主要步骤 |
| 1.5.2 亲本选配 |
| 1.5.3 作图群体类型 |
| 1.5.4 群体大小 |
| 1.5.5 牧草分子遗传连锁图谱构建的研究 |
| 1.6 QTL定位研究 |
| 1.6.1 QTL定位常用软件选择 |
| 1.6.2 QTL定位的分析方法 |
| 1.6.3 QTL定位与比较基因组学 |
| 1.6.4 QTL定位与MAS育种 |
| 1.6.5 QTL定位与基因图位克隆 |
| 1.6.6 牧草重要性状QTL的定位研究 |
| 1.7 本研究目的及意义 |
| 1.8 主要研究内容及技术路线 |
| 1.8.1 主要内容 |
| 1.8.2 技术路线 |
| 2 四倍体杂交冰草超高密度分子遗传图谱构建 |
| 2.1 试验地概况 |
| 2.2 供试材料及其田间管理 |
| 2.3 试验方法 |
| 2.3.1 DNA提取与检测 |
| 2.3.2 SRAP分析 |
| 2.3.3 SSR分析 |
| 2.3.4 SRAP及SSR标记的数据统计与分析处理 |
| 2.3.5 SNP分析 |
| 2.3.6 四倍体冰草分子遗传连锁图谱的构建 |
| 2.4 结果与分析 |
| 2.4.1 供试材料的基因组DNA纯度检测 |
| 2.4.2 SRAP适宜引物的筛选及多态性分析 |
| 2.4.3 SSR标记的引物筛选及其多态性分析 |
| 2.4.4 SNP标记分析 |
| 2.4.5 偏分离分析 |
| 2.4.6 四倍体杂交冰草的超高密度遗传图谱构建及其重要特征 |
| 2.5 讨论 |
| 2.5.1 GBS与SNP标记的开发 |
| 2.5.2 多种分子标记技术的应用与图谱构建 |
| 2.6 小结 |
| 3 冰草产量及其蛋白质含量等11个重要性状的QTL定位分析 |
| 3.1 材料与方法 |
| 3.1.1 试验材料 |
| 3.1.2 重要性状测定 |
| 3.1.3 各性状的表型分析及其QTL定位 |
| 3.2 结果与分析 |
| 3.2.1 四倍体杂交冰草F_2群体产量和蛋白质含量等性状的相关性分析 |
| 3.2.2 四倍体杂交冰草F_2群体各性状的测定值分析及其正态性检验 |
| 3.2.3 四倍体冰草重要性状的QTL定位分析 |
| 3.3 讨论 |
| 3.3.1 QTLs的稳定性 |
| 3.3.2 稳定QTLs的成簇分布与性状表型的相关性 |
| 3.4 小结 |
| 4 结论与主要创新点 |
| 4.1 结论 |
| 4.2 主要创新点 |
| 致谢 |
| 参考文献 |
| 附表 |
| 附图 |
| 作者简介 |
（8）影响猪生长和采食的嗅觉受体基因全基因组挖掘（论文提纲范文）
| 硕士学位论文评阅人、答辩委员会签名表 |
| 摘要 |
| abstract |
| 主要符号对照表 |
| 第一章 绪论 |
| 1.1 嗅觉及嗅觉受体研究进展 |
| 1.1.1 嗅觉 |
| 1.1.2 嗅觉受体 |
| 1.1.3 嗅觉受体基因及表达 |
| 1.1.4 嗅觉受体基因对家畜采食行为的影响机理 |
| 1.1.5 嗅觉受体基因与家畜经济性状的关联研究 |
| 1.2 猪拷贝数变异研究进展 |
| 1.2.1 CNV变异检测 |
| 1.2.2 CNV在畜禽上的研究进展 |
| 1.3 数量性状基因座研究进展 |
| 1.3.1 QTL的检测方法 |
| 1.3.2 QTL在畜禽上的研究进展 |
| 1.4 本研究的目的和意义 |
| 第二章 猪全基因组拷贝数变异检测及生长性状关联分析 |
| 2.1 试验材料 |
| 2.1.1 试验样本 |
| 2.1.2 主要试验设备及试剂 |
| 2.2 试验方法 |
| 2.2.1 数据统计与分析 |
| 2.2.2 数据处理模型 |
| 2.2.3 基因组DNA的提取与检测 |
| 2.2.4 基因组文库构建及重测序 |
| 2.2.5 重测序数据质控 |
| 2.2.6 序列比对 |
| 2.2.7 全基因组CNV检测 |
| 2.2.8 重测序数据CNV关联分析 |
| 2.2.9 CNV的基因注释及功能分析 |
| 2.2.10 设计引物与实时荧光定量PCR |
| 2.3 结果与分析 |
| 2.3.1 表型基本统计量 |
| 2.3.2 影响猪生长性状的效应分析 |
| 2.3.3 数据质控 |
| 2.3.4 CNV检测结果 |
| 2.3.5 六个生长性状CNV关联分析 |
| 2.3.6 CNVR的基因注释及功能分析 |
| 2.3.7 OR12D3基因拷贝数验证 |
| 2.4 讨论 |
| 2.4.1 生长性状CNV关联分析 |
| 2.4.2 嗅觉受体基因CNV对家畜的影响 |
| 2.5 本章小结 |
| 第三章 猪遗传连锁图谱构建及生长性状QTL定位 |
| 3.1 试验材料 |
| 3.2 试验方法 |
| 3.2.1 遗传图谱构建的方法 |
| 3.2.2 QTL定位的方法 |
| 3.3 结果与分析 |
| 3.3.1 遗传连锁图谱的构建 |
| 3.3.2 遗传连锁图谱质量评估 |
| 3.3.3 QTL定位 |
| 3.3.4 QTL区间内基因注释 |
| 3.4 讨论 |
| 3.4.1 遗传连锁图谱及QTL定位 |
| 3.4.2 候选基因预测 |
| 3.5 本章小结 |
| 第四章 猪采食行为及生长性状遗传参数估计及GWAS分析 |
| 4.1 试验材料 |
| 4.1.1 试验样本 |
| 4.1.2 主要试验设备及试剂 |
| 4.2 试验方法 |
| 4.2.1 表型数据统计及遗传参数分析方法 |
| 4.2.2 基因组DNA的提取与检测 |
| 4.2.3 基因组文库构建及重测序 |
| 4.2.4 序列质量检查和过滤 |
| 4.2.5 SNP变异检测 |
| 4.2.6 SNP质控 |
| 4.2.7 全基因组关联分析 |
| 4.2.8 候选基因定位 |
| 4.3 结果与分析 |
| 4.3.1 表型基本统计量 |
| 4.3.2 猪采食行为和生长性状遗传参数估计 |
| 4.3.3 重测序数据质控结果 |
| 4.3.4 全基因组关联分析 |
| 4.3.5 候选基因定位 |
| 4.4 讨论 |
| 4.4.1 猪采食行为和生长性状遗传参数估计 |
| 4.4.2 猪采食行为和生长性状GWAS结果 |
| 4.4.3 候选基因筛选 |
| 4.5 本章小结 |
| 第五章 结论 |
| 参考文献 |
| 致谢 |
| 作者简历 |
（9）内蒙古绒山羊不同毛被类型性状变异及其分子遗传机制的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 引言 |
| 1.1 哺乳动物被毛的起源与演化 |
| 1.2 哺乳动物被毛的生物学特征与开发利用 |
| 1.2.1 哺乳动物被毛的生物学特征 |
| 1.2.2 哺乳动物被毛的开发利用 |
| 1.3 哺乳动物皮肤毛囊的生物学特征 |
| 1.4 皮肤毛囊发生发育的基本规律 |
| 1.4.1 毛囊的形态发生过程 |
| 1.4.2 毛囊的周期性变化过程 |
| 1.4.3 皮肤毛囊与绒毛生长发育的相关因子 |
| 1.5 山羊起源与绒山羊遗传资源现状 |
| 1.6 动物毛被特征多样性研究进展 |
| 1.6.1 哺乳动物毛被特征多样性及其遗传基础 |
| 1.6.2 绒山羊毛被类型多样性研究进展 |
| 1.7 遗传标记种类 |
| 1.8 高通量测序技术及其在山羊中的研究应用 |
| 1.8.1 全基因组重测序 |
| 1.8.2 转录组测序 |
| 1.8.3 基因芯片 |
| 1.9 家畜育种的理论方法与生物技术 |
| 1.10 本文研究的目的、意义和内容方法 |
| 1.11 技术路线图 |
| 2 研究一 内蒙古绒山羊不同被毛类型的性状差异分析 |
| 2.1 前言 |
| 2.2 试验材料 |
| 2.3 试验方法 |
| 2.3.1 检测指标 |
| 2.3.2 数据处理与统计分析 |
| 2.4 结果与分析 |
| 2.4.1 不同毛被类型绒山羊的表型特征描述 |
| 2.4.2 不同毛被类型绒毛样品的实验室观察 |
| 2.4.3 毛被类型的遗传方式 |
| 2.4.4 不同年龄毛被类型的比例 |
| 2.4.5 不同毛被类型的特征分布 |
| 2.4.6 不同毛被类型对产绒量、绒厚和抓绒后体重的影响 |
| 2.4.7 不同毛被类型极端个体表型性状的统计与方差分析 |
| 2.5 讨论 |
| 2.5.1 不同毛被类型的分布与遗传方式 |
| 2.5.2 不同毛被类型的绒毛品质差异 |
| 2.6 小结 |
| 3 研究二 内蒙古绒山羊的遗传变异检测及FST分化位点的挖掘研究 |
| 3.1 前言 |
| 3.2 试验材料 |
| 3.3 试验方法 |
| 3.3.1 基因组DNA的提取 |
| 3.3.2 全基因组测序 |
| 3.3.3 基因组遗传变异检测与注释 |
| 3.3.4 功能突变的基因注释与GO/KEGG富集分析 |
| 3.3.5 全基因组SNP位点FST筛选与GO/KEGG富集分析 |
| 3.4 结果与分析 |
| 3.4.1 DNA提取结果 |
| 3.4.2 测序质量与结果统计 |
| 3.4.3 遗传变异的基因组区域分布特征 |
| 3.4.4 错义突变SNP基因注释与GO/KEGG研究 |
| 3.4.5 移码突变InDels的基因注释与GO/KEGG功能研究 |
| 3.4.6 功能突变的韦恩图分析 |
| 3.4.7 全基因组SNP位点F_(ST)分布特征 |
| 3.4.8 FST遗传分化SNP位点的基因组区域注释 |
| 3.4.9 候选基因的GO功能注释与KEGG富集分析 |
| 3.5 讨论 |
| 3.5.1 遗传变异的基因组特征 |
| 3.5.2 错义突变基因的挖掘分析 |
| 3.5.3 移码突变基因的挖掘分析 |
| 3.5.4 具有移码突变和错义突变基因的挖掘分析 |
| 3.5.5 遗传分化较大的候选基因 |
| 3.5.6 FGF5基因突变信息 |
| 3.6 小结 |
| 4 研究三 绒山羊不同毛被类型的全基因组扫描分析 |
| 4.1 前言 |
| 4.2 试验材料 |
| 4.3 试验方法 |
| 4.3.1 连锁不平衡分析 |
| 4.3.2 群体遗传结构分析 |
| 4.3.3 全基因组选择信号扫描分析 |
| 4.3.4 受选择基因的GO功能注释与KEGG富集分析 |
| 4.4 结果与分析 |
| 4.4.1 群体遗传结构特征 |
| 4.4.2 不同毛被绒山羊选择信号 |
| 4.4.3 长毛型绒山羊受选择基因的功能富集分析 |
| 4.4.4 短毛型绒山羊受选择基因的功能富集分析 |
| 4.5 讨论 |
| 4.5.1 绒山羊遗传结构特征 |
| 4.5.2 长毛型绒山羊的受选择候选基因 |
| 4.5.3 短毛型绒山羊的受选择候选基因 |
| 4.5.4 共有的受选择基因 |
| 4.6 小结 |
| 5 研究四 绒山羊不同毛被类型及毛长的全基因组关联分析 |
| 5.1 前言 |
| 5.2 试验材料 |
| 5.3 试验方法 |
| 5.3.1 不同毛被类型的试验-对照GWAS分析 |
| 5.3.2 毛长性状的混合线性模型分析 |
| 5.4 结果与分析 |
| 5.4.1 典型毛被类型表型描述性统计分析结果 |
| 5.4.2 不同毛被类型的GWAS分析 |
| 5.4.3 不同毛被类型的候选基因的蛋白互作分析 |
| 5.4.4 毛长性状的GWAS |
| 5.4.5 毛长候选基因的GO功能注释与KEGG富集分析 |
| 5.5 讨论 |
| 5.5.1 毛被类型GWAS的候选基因 |
| 5.5.2 毛长性状GWAS的候选基因 |
| 5.6 小结 |
| 6 研究五 整合GWAS和WGCNA分析挖掘毛被类型相关的候选基因 |
| 6.1 前言 |
| 6.2 试验材料 |
| 6.3 试验方法 |
| 6.3.1 数据筛选与获得 |
| 6.3.2 权重共表达网络构建 |
| 6.3.3 毛被类型相关模块的筛选及基因表达模式分析 |
| 6.3.4 模块基因的GO/KEGG富集分析 |
| 6.3.5 模块基因互作网络关系图的构建 |
| 6.3.6 基因蛋白-蛋白互作网络构建 |
| 6.4 结果与分析 |
| 6.4.1 权重基因共表达网络的构建 |
| 6.4.2 共表达网络构建及模块筛选 |
| 6.4.3 模块基因表达模式分析 |
| 6.4.4 模块基因GO功能注释与KEGG富集分析 |
| 6.4.5 基因网络关系图 |
| 6.4.6 蛋白-蛋白互作网络分析 |
| 6.5 讨论 |
| 6.5.1 WGCNA的Yellow模块的候选基因 |
| 6.5.2 候选基因的功能分析 |
| 6.5.3 共有基因的潜在功能研究 |
| 6.6 小结 |
| 7 研究六 候选基因的表达趋势及与毛被类型的关联分析验证 |
| 7.1 前言 |
| 7.2 试验材料 |
| 7.3 试验方法 |
| 7.3.1 候选基因的RPKM表达趋势分析 |
| 7.3.2 DNA提取与质检 |
| 7.3.3 引物设计 |
| 7.3.4 PCR反应 |
| 7.3.5 Sanger测序 |
| 7.3.6 相关性统计分析 |
| 7.4 结果与分析 |
| 7.4.1 样本DNA质量与完整性 |
| 7.4.2 Sanger测序结果 |
| 7.4.3 候选基因的表达趋势分析 |
| 7.4.4 候选SNP位点与毛被类型关联分析 |
| 7.5 讨论 |
| 7.6 小结 |
| 8 全文主要研究结论 |
| 9 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 作者简介 |
（10）绒山羊SNP芯片设计及重要经济性状全基因组关联分析研究（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略语表 |
| 1 引言 |
| 1.1 绒山羊育种概述 |
| 1.1.1 绒山羊概况 |
| 1.1.2 绒山羊育种现状 |
| 1.1.3 绒山羊绒毛品质性状研究进展 |
| 1.2 基因芯片的研究进展 |
| 1.2.1 分子遗传标记的发展概况 |
| 1.2.2 基因芯片发展概况 |
| 1.3 全基因组关联分析研究进展 |
| 1.3.1 GWAS研究概述 |
| 1.3.2 GWAS的统计分析方法 |
| 1.3.3 GWAS在畜禽中的应用 |
| 1.3.4 GWAS存在的问题及展望 |
| 1.4 研究目的及意义 |
| 1.5 技术路线图 |
| 2 研究一 山羊全基因组重测序 |
| 2.1 前言 |
| 2.2 材料 |
| 2.2.1 试验材料 |
| 2.2.2 主要仪器 |
| 2.2.3 主要试剂 |
| 2.3 方法 |
| 2.3.1 血液DNA提取 |
| 2.3.2 文库的构建 |
| 2.3.3 基因组测序 |
| 2.3.4 测序数据过滤与质控 |
| 2.3.5 基因组遗传变异检测 |
| 2.3.6 遗传多样性分析 |
| 2.4 结果 |
| 2.4.1 DNA文库及质检 |
| 2.4.2 测序结果 |
| 2.4.3 遗传变异数据集 |
| 2.4.4 群体杂合度分析 |
| 2.5 讨论 |
| 2.6 小结 |
| 3 研究二 山羊66K SNP捕获芯片的开发与测试 |
| 3.1 前言 |
| 3.2 材料 |
| 3.3 方法 |
| 3.3.1 原始SNP数据集的获取 |
| 3.3.2 原始数据初步分析 |
| 3.3.3 CG测序方法 |
| 3.3.4 统计与分析 |
| 3.3.5 SNP检测提取 |
| 3.3.6 样品测序报告的生成 |
| 3.4 结果 |
| 3.4.1 SNP筛选 |
| 3.4.2 叠瓦式探针设计 |
| 3.4.3 探针测试结果分析 |
| 3.5 讨论 |
| 3.5.1 叠瓦式探针设计的选择 |
| 3.5.2 捕获效果的检测 |
| 3.5.3 SNP数据集的优势 |
| 3.6 小结 |
| 4 研究三 基于绒山羊66K SNP芯片的捕获测序 |
| 4.1 前言 |
| 4.2 材料 |
| 4.2.1 试验材料 |
| 4.2.2 主要仪器 |
| 4.2.3 主要试剂 |
| 4.3 方法 |
| 4.3.1 血液基因组DNA的提取 |
| 4.3.2 CG平台建库方法 |
| 4.3.3 测序质量评估 |
| 4.3.4 测序FASTQ文件初步过滤 |
| 4.3.5 序列比对与去重复 |
| 4.3.6 遗传变异检测 |
| 4.4 结果 |
| 4.4.1 测序平台比较与流程优化 |
| 4.4.2 测序平台对比 |
| 4.4.3 分析流程优化探索 |
| 4.4.4 目标捕获与测序结果 |
| 4.4.5 SNPs |
| 4.5 讨论 |
| 4.6 小结 |
| 5 研究四 绒山羊重要经济性状的全基因组关联分析研究 |
| 5.1 前言 |
| 5.2 材料 |
| 5.3 方法 |
| 5.3.1 羊绒纤维细度测量分析 |
| 5.3.2 群体结构分析 |
| 5.3.3 全基因组关联分析 |
| 5.3.4 候选基因定位 |
| 5.3.5 候选SNP位点的飞行质谱基因分型 |
| 5.4 结果 |
| 5.4.1 表型数据的校正与统计 |
| 5.4.2 群体结构分析 |
| 5.4.3 全基因组关联分析 |
| 5.4.4 DNA质检结果 |
| 5.4.5 Sequenom SNP分型结果 |
| 5.4.6 统计分析结果 |
| 5.5 讨论 |
| 5.5.1 绒山羊66KSNP芯片与山羊52K SNP芯片的应用范围比较 |
| 5.5.2 羊绒细度相关的Top 26SNP位点 |
| 5.5.3 候选SNP位点的飞行质谱基因分型 |
| 5.6 小结 |
| 6 结论 |
| 7 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 作者简介 |
四、家畜数量性状基因定位研究进展（论文参考文献）
- [1]基于RIL群体的小黑麦穗部性状遗传分析及QTL定位[D]. 常丹丹. 甘肃农业大学, 2021
- [2]高丹草低氢氰酸性状主效QTL PA7-1和PA7-2的精细定位及其候选基因分析[D]. 吴国芳. 内蒙古农业大学, 2021(01)
- [3]山羊SNP芯片设计与内蒙古绒山羊重要经济性状全基因组关联分析及基因组选择研究[D]. 王凤红. 内蒙古农业大学, 2021
- [4]高山美利奴羊羊毛品质与红细胞性状基因组选择和全基因组关联分析研究[D]. 朱韶华. 甘肃农业大学, 2021
- [5]饲用型小黑麦RIL群体草产量相关性状的遗传分析及QTL定位[D]. 金星娜. 甘肃农业大学, 2021
- [6]饲用高粱分蘖及其他性状的QTL定位研究现状与进展[J]. 康晨,罗峰,孙守钧. 分子植物育种, 2021(15)
- [7]四倍体冰草超高密度分子遗传连锁图谱构建及产量与蛋白质含量等品质性状的QTL定位[D]. 杨东升. 内蒙古农业大学, 2020(01)
- [8]影响猪生长和采食的嗅觉受体基因全基因组挖掘[D]. 欧阳峰正. 中国农业科学院, 2020
- [9]内蒙古绒山羊不同毛被类型性状变异及其分子遗传机制的研究[D]. 李晓凯. 内蒙古农业大学, 2020
- [10]绒山羊SNP芯片设计及重要经济性状全基因组关联分析研究[D]. 乔贤. 内蒙古农业大学, 2020
标签：基因组论文; 全基因组关联分析论文; 基因合成论文; 全基因组测序论文; 遗传力论文;