按键盘上方向键 ← 或 → 可快速上下翻页，按键盘上的 Enter 键可回到本书目录页，按键盘上方向键 ↑ 可回到本页顶部！
————未阅读完？加入书签已便下次继续阅读！
囊糯钜欤斜匾鹘徊揭糯治觥�
首先，按表中期望方差的构成，分别得到变异分量：
VE 1。76
VG（14。66…1。76）/4=3。23
VP=VG＋VE=4。99
随后；根据小区平均数估算的产量性状的广义遗传率=VG/VP=0。647
2。 双亲本杂交类型设计
利用基因型一致的不分离群体如亲本及杂种一代，估计环境方差，然后用分离群体如F2群体总方差减去环境方差，得到遗传方差，从而计算出广义遗传率。以上节烟草花冠长度试验数据举例说明了估算情况（表10…5）。环境方差可用两亲本群体的表型方差的平均或杂种一代的表型方差来估算。这里，用到了3个不分离世代群体的加权平均值估计环境方差。需要注意的是，采用该方法有一个前提条件，那就是假定基因型与环境的互作不存在。
表10…5 烟草花冠长度试验各世代表型方差及方差分量的计算
世代 P1 P2 F1 F2
X0
S2 41。8
8。56 93。4
4。97 63。5
8。57 69。8
46。10
VF2=46。10
VE=1/3（VP1＋VP2＋VF1）=1/3（8。56＋4。97＋8。57）=7。37
VG=VF2…VF2=46。10…7。37=38。73
据表10…5各方差分量可以计算花冠长度的广义遗传率：
=遗传方差/表型方差VG/VF2=38。73/46。10=0。84
该结果表明烟草花冠长度的遗传率很高；同时也说明花冠长度F2群体中变异有84％是由遗传因素引起的，16％是由环境造成的。
10。4。2。2 狭义遗传率的估计
若采用多个世代群体分解出加性遗传方差，则可以估计狭义遗传率。这里列举两种估计狭义遗传率的方法。
1。自交…回交群体的方差分析法
表10…6是6个群体的小麦抽穗期的分析数据。利用亲本P1、P2以及F1，自交群体F2和回交群体B1、B2等6个群体，将所有的世代材料种值在相同的环境条件下，按随机区组设计试验，得到观察数据及各群体的表型方差。以此估计小麦抽穗期的狭义遗传率。
根据前述各世代的方差组成：可以得到：
VF2=1/2VA＋1/4VD＋VE=40。35
1/2（＋）=1/4VA＋1/4VD＋VE=1/2（17。37＋34。29）=25。82
两式相减得：
1/4VA=40。35…25。82=14。53
因此 =（1/2VA）/VF2=2×（14。53）/40。35=0。72
该结果表明小麦抽穗期的遗传率较高。针对如抽穗期一样的遗传率高的性状，后代单株选择的效果是比较好的。
表10…6 小麦穗期在不同世代的平均表型及其方差
世代 平均抽穗日数（从选定日期为起点计算） 表型方差 世代 平均抽穗日数（从选定日期为起点计算） 表型方差
P1
P2
F1 13。0
27。6
18。5 110。4
10。32
5。24 F2
B1
B2 21。2
15。0
23。4 40。35
17。35
34。29
2。亲子回归分析
遗传率可以用子代对亲代的回归来表示。由前述的分析可以知道，F2个体和F3家系的协方差组成为：
COV=1/2VA＋1/8VD
从公试上来看，协方差含显性方差的成分，但由于协方差反映了从亲代到子代的可遗传变异因此，它通常被认为是加性效应方差的直接估计。结合F2代的表型方差VF2=1/2VA＋1/4VD＋VE，可以估算狭义遗传率=基因的加性方差/表型方差，即
=COVF2。3/（1/2VA＋1/4VD＋VE）
该式右边实质是F3平均对F2的回归系数，可表示为bF3/F2。
表10…7列出了某杂交组合F2的9个单株的株高及其相应的F3家系的观察植，以此数据为例，用回归分析方法估算遗传率。根据协方差公式，可以直接将表中数据代入计算，得到：
COV=（1/n…1）∑（x…x0）（y…y0）
=（1/8）＇（102…94）（88。33…81。37）＋（94…94）（74…81。37）＋…
＋（92…94）（80。33…81。37）=53。39
其中，x0；y0分别是的有9个单株及其家系的株高平均。
VF2=70。25
所以，=53。29/70。25=0。76
表10…7 F2单株及其F3家系的表现平均值
n F2单株 F3家系
株高x1 生育期y1 株高x2 生育期y2
1
2
3
4
5
6
7
8
9
平均
方差 102
94
92
95
101
104
90
76
95
94
70。25 100
120
98
90
70
75
90
110
90
93。7
246。00 88。33
74。00
79。00
80。11
89。00
90。78
81。33
69。22
80。33
81。37
50。68 80
85
100
70
92
110
98
78
100
90。3
147。00
10。4。3 遗传力的育种应用
1。 在确定杂种后代的选择方案及育种策略
遗传率大小反映了性状从上代遗传到下代的传递能力。对育种工作而言，有效的选择时期或效果非常重要，而遗传率的大小为杂种后代的选择提供了参考依据。性状遗传率高，表明基因型与表现型一致性程度而，按表型选择可以在后代得到相应表现，而且可以从早世代开始进行。对遗传率低的性状，由于个体间差异受环境影响大，基因型与表型一致性程度不高，需要采用以单株基因型为基础的选择方式。通常随着世代进程的提高，基因型纯合程度越大，性状遗传力则会提高，因此那些在早世代遗传率低的性状，可适当推迟到较高世代选择较好，这样会改善选择效果。
另外，数量性状的遗传变异分量 的分解以及各分量的大小，对制定育种策略有指导意义。若性状加性方差普遍存在，并占重要地位，则对该性状的改良可采用组合育种的策略，聚合多种有利基因。若性状的显性效应或互作效应较明显，则可对这些性状采用杂种优势利用的途径加以改良。
2。 估计选择的预期进度
遗传进度（或选择响应）是衡量选择效果的重要指标。它指亲代与子代群体平均数之差。根据性状的现实遗传率，可能估计选择的预期遗传进展：
GS=
这里i是选择差，指亲代群体平均值与亲代入选个体平均值之差。在实际中，选择差可以用群体表型方差（σp）与选择强度（k）来表示：i=σpk，于是遗传进度可进一步表示为：GS=kσph2=kσgh2=kσghR
由此可以看出，遗传进度由3方面因素决定：选择强度；遗传标准差，即遗传异越大，选择获得的进度可能越大；性状的遗传率。从育种实践来看，增加试验材料或群体的遗传变异度，可以提高选择的效果；其次，准确估计性状的遗传力，可能充分预测下代性状提高或改变的数量。
10。5 数量性状的基因定位
10。5。1 经典遗传学对数量性状基因数目的估计
决定性状的基因数目是遗传学研究的基本问题之一。对于杂后代性状分离明显的性状，可以采用质量性状分析的方法，根据分离世代亲本类型出现的频率推测影响性状的等位基因数目。如前述的小麦籽粒颜色试验中，F2代的极端类型（如白色）出现的频率为1/64。根据该极端类型出现的频率，推算性状受三对基因控制，实践与理论分析结果完全一致。不过，若性状受n对独立基因控制，则F2中出现极端类型的频率应为（1/2）2n。由于数量性状的基因数目较多，且受环境影响较大，性状分离一般呈连续分布，因此，在实际运用中，不容易获得极端类型的频率，也就是说通过极端类型出现的频率推测基因数目是不行的。
许多学者研究通过群体的遗传方差大小估算数量性状基因的数目。Castle WE 和Wright S曾提出了根据亲代、分离子代（如F1，F2等）的方差估算基因数目的方法：
k=D2/8（…）=（P1…P2）2/8（…）
其中，k为基因数目；D为亲本的平均数之差；、和分别代表F2，F1代及环境的方差。该式又称为Castle…Wright公式。它是经典遗传学估计数量性基因数目的常用方法。根据前述表10…5中的烟草花冠长度数据，我们可以用该式估算烟草花冠长度的基因数目：
k=（93。4…41。8）2/（8×38。73）=2662。56/309。84≌9
该结果显示，至少有9对基因控制烟草的花冠长度。
由于该方法假定了数量性状基因是等效的、基因间无连锁和上位性、基因与环境间无互作，以及亲本的基因分布是同向分布，即一样本带有全部增效基因，另一亲本带有全部减效基因等限定条件，因此，这种方法估算的基因数目只能作为最少数目的估计或简单估计。要更准确地了解基因数目，则需要采用诸如分子标记作图分析等其他方法。
10。5。2 数量性状基因定位的概述
正如前面所述一样，数量性状是受多基因控制的。以往，研究者是将控制数量性状的多基因作为一个整体，通过数量统计学的方法来剖析和描述遗传牲，无法确定控制数量性状的基因数目，更无法确定单个数量性状基因位点（quantitative trait loci，QTL）的遗传效应以及它们在染色体上的准确位置。从20世纪80年代以来，随着分子遗传学的发展，DNA分子标记技术及分子连锁图谱的迅猛发展，使数量性状的位点剖析开始成为现实。
利用分子标记分析控制性状的QTL的数目、位置及其遗传效应的过程，称为QTL作图（QTL mapping），也称QTL定位。QTL定位的基础首先是建立分子标记遗传连锁图。分子标记可以是控制目标性状的基因本身，但绝大多数则不会期基因。因此，若要在任何条件下都能找到与目标性状基因紧密连锁的一个或多个标记，则需要建立一套饱和的分子标记来覆盖整个基因组。
QTL定位分析的实质是确定数量性状位点基因分子标记间的连锁关系，根据连锁标记的遗传效应，推断数量性状基因的位置和效应大小。其基本作法是利用遗传分离群体中标记与相应性状的数据观察植，建立标记与性状之间的关联关系。若某一标记与性状存在关联，则可认定该标记附近存在一个或多个QTL。通过分析一个性状与已知遗传连锁图谱上一系列标记间的关联性，即可确定许多控制该性状QTL以及其在图谱上的位置，故称QTL作图。目前，许多动植物都构建了比较饱和的分子标记连锁图谱，QTL作图在动植物中正在广泛展开。借助分子标记技术，人们可以将一个复杂的多基因系统分解成一个个孟德尔因子，并能够像对待质量性状（基因�