数量遗传学与功能-结构植物生长模型：模型参数数量性状位点检测的模拟及其在潜在产量优化中的应用
统计理论
2010-10-27 v1 种群与进化
统计理论
摘要
背景与目的：在未经测试的环境条件下，从新基因型预测表型性状对于构建育种策略模拟以改良目标性状至关重要。尽管植物对环境胁迫的响应兼具结构和功能可塑性，但近期将生物学知识整合到遗传模型中的尝试主要涉及特定的生理过程或不包含结构的作物模型，因此在研究基因型×环境互作时可能具有局限性。因此，本文提出一项模拟研究，将遗传学引入功能-结构生长模型，从而为数量性状位点（QTL）检测提供更基础的性状，进而为产量优化提供有前景的工具。方法：选择GreenLab模型作为连接生长模型参数与QTL的合理选择。定义了虚拟基因和虚拟染色体，以构建一个简单的遗传模型，该模型驱动了模型物种特异性参数的设定。使用QTL Cartographer软件研究模拟植物性状的QTL检测。实施遗传算法，基于模型参数及相关的等位基因组合，定义用于产量最大化的理想株型。主要结果与结论：通过保持环境因素恒定，并使用由孟德尔遗传模型生成的大量个体组成的虚拟群体，可以模拟理想情况下的结果。比较了基于表型性状（如穗重）和基于模型参数进行虚拟QTL检测的情况，发现后者更为准确。通过计算与GreenLab玉米模型产量优化相关的参数（及相应基因型），说明了该方法的实际意义。本文讨论了GreenLab在表征环境×基因型互作方面的潜力，特别是通过其主要状态变量——生物量供需比。
引用
@article{arxiv.1010.5222,
title = {Quantitative Genetics and Functional-Structural Plant Growth Models: Simulation of Quantitative Trait Loci Detection for Model Parameters and Application to Potential Yield Optimization},
author = {Veronique Letort and Paul Mahe and Paul-Henry Cournède and Philippe De Reffye and Brigitte Courtois},
journal= {arXiv preprint arXiv:1010.5222},
year = {2010}
}