数量遗传论文_金波,李梓溢,周旺,唐丽莹,姜早龙

导读:本文包含了数量遗传论文开题报告文献综述、选题提纲参考文献及外文文献翻译,主要关键词:性状,数量,农艺,基因,高粱,井位,算法。

数量遗传论文文献综述

金波,李梓溢,周旺,唐丽莹,姜早龙[1](2019)在《基于改进遗传算法的阻尼器位置与数量优化分析》一文中研究指出为实现大跨网架结构上黏滞阻尼器位置和数量的优化,以替换杆件模态应变能百分比之和取得最大值为目标函数,以结构节点位移、加速度和杆件应力的峰值为优化控制指标,采用Matlab编写并验证改进的遗传算法优化程序.基于优化结果,采用ANSYS对网架结构在多遇、罕遇地震作用下的震动控制效果进行数值模拟对比分析.结果表明,阻尼器优化布置方案减震效果良好,明显改善结构受力状况;以安全性及经济性为优化目标,得到最佳方案,总结出大跨网架中黏滞阻尼器的布置规律,对实际工程减震设计具有参考意义.(本文来源于《湖南大学学报(自然科学版)》期刊2019年11期)

白晓倩,卢华雨,于澎湃,裴忠有,罗峰[2](2019)在《粒用高粱×苏丹草杂交F_2代农艺性状的数量遗传分析》一文中研究指出选取各农艺性状均较大的国内粒用高粱品种忻粱52和从美国普渡大学引进的苏丹草品系美引-48进行杂交,得到F_2代分离群体,对F_2代的开花期、株高、穗长、穗柄长、旗叶鞘长、叶片数、平均茎节长等7个农艺性状进行测定。利用主基因-多基因遗传分析方法进行数据分析,得到7个性状的4个遗传备选模型,并进行适合性检验,从备选模型中选出控制性状遗传的最适遗传模型,并根据IECM(迭代ECM)算法计算主基因遗传率。结果表明,株高、穗柄长、旗叶鞘长、平均茎节长等性状均符合ModelA_0模型,均为微效多基因控制的数量性状;开花期、穗长均符合ModelB_6模型,这2个性状均符合2对主基因控制的等显性遗传模型,即d_a=d_b=h_a=h_b,2对主基因的遗传率为38.35%;叶片数符合ModelB_1模型,是2对主基因控制的加性-显性-上位性混合遗传模型,2对主基因的加性效应之和为2.096 774,显性效应之和为0.403 226,主基因遗传率为99.22%,遗传率极高,可在育种后代中直接进行选择。(本文来源于《江苏农业科学》期刊2019年19期)

张丁芳,张智超,赵雅琪,杨琴[3](2019)在《玉米抗禾谷镰刀菌茎腐病数量性状遗传解析》一文中研究指出【研究背景】禾谷镰刀菌茎腐病是世界玉米产区普遍发生的一种严重土传病害。玉米对茎腐病的抗性是复杂的数量性状,由多基因控制,受遗传背景和环境影响大。目前已克隆了两个抗禾谷镰刀菌茎腐病的QTLs,分别为q Rfg1(主效位点)和qRfg2(微效位点)。挖掘玉米种质中新的优良抗病基因或抗病位点,利用分子标记辅助育种方法培育抗病新品种,将为提高玉米产量与品质奠定基础;【材料与方法】本研究以玉米抗病自交系KA105和感病自交系KB204为亲本,组配了252份F2:3群体,在玉米吐丝期采用根埋法人工接种禾谷镰刀菌,使用病情分级、感病茎高、感病茎节数以及感病面积大于75%的茎节数这四个指标进行表型鉴定,结合靶向测序基因分型技术(GBTS-Maize10K)获得覆盖全基因组的分子标记,进行QTL定位;【结果与分析】通过对已克隆的QTL位点qRfg1和q Rfg2鉴定,发现KA105和KB204均不携带抗病的q Rfg1等位基因,而qRfg2位点在两亲本中是分离的,KA105携带抗病的qRfg2等位基因,而KB204携带的qRfg2等位基因与已知的抗、感基因都不同。田间表型鉴定的四个指标在两亲本和F2:3群体中呈显着正相关性(相关系数为0.82-0.96,P值小于0.01)。F2:3家系的病情分级呈正态分布,其中6份材料表现高抗(分级0-1.5),10份材料表现高感(分级4-5)。利用四个表型指标和3803个分子标记,通过完备区间作图法进行QTL定位,结果显示,在第2、3、4、5、7和9号染色体上定位到11个QTLs位点,其抗病性贡献率均小于10%,利用病情分级和感病茎节数共定位到4个QTL,其中位于第5号染色体上的QTL贡献率较大,分别为7.43%和7.93%;【结论】本研究共检测到11个与茎腐病抗性有关的QTLs,根据不同的抗性鉴定指标在不同染色体上检测到4个重合位点,可进行进一步的QTL效应验证,选择效应较大的位点进行精细定位和基因克隆,深入了解玉米对茎腐病的抗性机理。(本文来源于《2019年中国作物学会学术年会论文摘要集》期刊2019-10-27)

迟恩惠,李俊,李鸿雁,黄帆,米福贵[4](2019)在《蒙古冰草SSR遗传完整性分析中适宜样本量及标记数量筛选》一文中研究指出以蒙古冰草2个自然群体为实验材料,通过对15对微卫星分子标记DNA扩增效果的比对分析,探讨遗传完整性分析研究中所需的最适宜样本量。实验设置9个样本量梯度,对不同样本量的等位基因数、杂合度等遗传参数的变化趋势分析。结果表明,样本量的大小与等位基因数(Na)、Nei's遗传多样性指数(H)呈显着相关。两份材料分别在样本量达到60和50时,各遗传参数变化较小,拟合曲线趋于平稳。综合分析表明,蒙古冰草自然群体的遗传完整性分析取样在60株以上。(本文来源于《中国草地学报》期刊2019年04期)

孙琦,孟昭东,马小燕,王明金,李文兰[5](2019)在《玉米收获期籽粒含水量的数量遗传分析》一文中研究指出收获期籽粒含水量是决定玉米能否实现机械收获的重要性状。要选育适合机收的低收获期含水量玉米杂交种,首先需明确玉米收获期含水量的遗传规律。本研究选用玉米收获期籽粒含水量高的自交系5003和含水量低的自交系PH6WC为亲本,配制PH6WC×5003的F_1、F_2、B_1、B_2四个世代群体,利用便携式籽粒水分测定仪对亲本和4个世代的所有单株收获期籽粒含水量进行测定。结果表明,玉米收获期籽粒含水量是由两对主基因和微效多基因控制,主基因中存在加性、显性、上位性效应,微效基因中存在加性和显性效应,均以显性效应占主导地位。在F_2、B_1、B_2群体中,主基因的遗传贡献率分别为78.60%、59.32%、51.61%,远高于多基因的(6.44%、24.41%、33.81%),说明控制玉米收获期籽粒含水量的遗传基础以主基因为主。(本文来源于《山东农业科学》期刊2019年06期)

钱荷英,刘明珠,徐安英[6](2019)在《60份家蚕品种资源主要数量性状的遗传多样性分析》一文中研究指出研究家蚕品种资源数量性状的遗传多样性,有利于家蚕新品种选育过程的优良亲本选配及性状改良。以60份家蚕品种资源的11项数量性状调查数据为原始数据,将各项性状的成绩分成10个等级,并分析各性状的分布频率,发现仅有全茧量在10个等级上均有分布,而茧层量、一日孵化率、解舒率和单蛾产卵数量等4个性状在9个等级上有分布,其余6个性状仅在8个等级上有分布。而且这些性状绝大部分的分布频率主要集中在第6~7等级上,呈现出近似的正态分布。变异系数分析显示,在所有性状中幼虫生命率的变异系数最小,其次是良卵率、一日孵化率和全龄经过,死笼率的变异系数最大。Shannon-Weaver多样性指数分析显示,全龄经过的多样性指数最小,而良卵率、死笼率、幼虫生命率及对BmCPV抵抗性的多样性指数次之,一日孵化率、茧层量及全茧量的多样性指数较高,解舒率、单蛾产卵数量及茧层率的多样性指数最高,说明家蚕的这6个数量性状在供试60份品种资源所组成的群体中蕴藏着丰富的遗传多样性信息。使用R语言程序,用Manhattan算法计算各品种间的遗传距离,将60份家蚕品种资源分成4大类群,基本与家蚕品种的地理系统分类相一致,印证了用数量性状研究家蚕种质资源亲缘关系具有一定的可靠性。(本文来源于《蚕业科学》期刊2019年03期)

徐礼羿[7](2019)在《茶树SNP高密度遗传连锁图谱构建与数量性状候选基因挖掘》一文中研究指出茶树作为广泛种植的多年生经济作物,其生长周期长和自交不亲和的特点,导致茶树在使用自然选种和杂交育种等传统育种手段选育新品种时,育种效率低,限制了茶树种质资源改良和创新的进程。本研究以开发茶树高通量SNP分子标记为切入点,结合‘龙井43’ב白毫早’F1群体327个子代株系的基因分型,旨在实现遗传图谱加密,降低图位克隆的难度。通过群体表型观测、QTL作图和基因组比对等手段,挖掘调控目标数量性状的潜在候选基因,为研究分子标记辅助育种技术在快速选育茶树种质资源的应用提供理论依据。本研究主要结果如下:1.利用2b-RAD测序技术,采用标准型接头5’-NNN-3’建立双亲‘龙井43’和‘白毫早’的标准文库,以限制型接头5’-NNA-3’和5’-NNT-3’建立327个子代株系的简化文库。各样本文库经二代测序,共获得871,736,246条高质量reads。通过父母本标准文库高质量reads聚类获得380,936个tags,并从中筛选出46,932个具有多态性的SNP位点。将子代文库与双亲文库进行比对,进一步筛选到在80%以上的子代株系中均存在基因分型的10,816个SNP标记。对筛选到的SNP标记进行χ2检验评估标记的符合孟德尔分离比,共获得4463个符合孟德尔分离比(p≥0.05)的SNP标记用于遗传作图。2.基于新开发的SNP标记,分别成功构建父母本遗传图谱。母本遗传图谱共包含2470个标记分布于15个连锁群上,覆盖1427.70 cM的基因组长度;父本遗传图谱共包含2217个标记分布于15个连锁群上,覆盖1710.63 cM的基因组长度。基于两者的共有标记成功整合了一张具有3800个SNP和417个SSR标记的高密度遗传连锁图谱。该图谱共15个连锁群,覆盖1678.52 cM的基因组长度,标记间距仅为0.40 cM且相邻标记距离(Gap<2 cM)的标记达到98.19%。上述结果表明本研究首次采用规模>200的群体(327个)进行遗传作图,构建的遗传图谱首次将标记间距缩小至1 cM以下(0.4 cM)。3.为了筛选花青素相关候选基因,本研究首次实现了茶树花青素含量的QTL作图。经表型测定,群体各样品的花青素含量为980.20±24.79 nmol/g,变异系数31.89%。相关性分析显示群体样本花青素含量与芽叶颜色数据呈极显着正相关。基于作图群体花青素含量和芽叶颜色的表型数据,共检测到10个QTLs,LOD阈值为4.55–30.94,解释6.30–40.30%的表型变异。其中9个主效QTLs相互迭加形成3个QTLs簇。4.本研究通过测定作图群体在二年生实生苗、扦插苗和扩繁苗等3个时期与生长势相关的18个参数(树幅、茎长、茎粗、一级分枝、叶重、根重、茎重、地上部重、根冠比、叶N浓度、茎N浓度、根N浓度、叶N含量、茎N含量、根N含量、地上部N含量、总N含量和叶片数),首次检测到与茶树生长势相关的QTLs共计53个。QTLs分布于13个连锁群上,LOD阈值为3.12–6.58,解释4.80–29.10%的表型变异,并在6个连锁群上相互迭加形成8个QTLs簇。5.利用本课题构建的高密度SNP遗传图谱对芽叶颜色、儿茶素组分、咖啡碱、发芽期和炭疽病抗性等数量性状重新进行QTL作图。分别在15个连锁群上检测到目标性状的QTLs共计81个。其中,本研究新发现的QTLs为35个,包含7个稳定的主效QTLs。6.基于遗传图谱上SNP标记的序列,分别有1558个和1209个标记的序列以唯一匹配且无错配的形式(PM_uniq)定位于CSS和CSA参考基因组的Scaffold上,其中超过70%的标记定位于基因间区。结合目标性状QTL区间内标记两侧基因的功能注释,共筛选获得9个分别与茶树花青素、发芽期和生长势相关的候选基因。利用qRT-PCR技术初步验证了候选基因TEA009062.1是影响茶树生长势的重要基因。(本文来源于《华中农业大学》期刊2019-06-01)

白晓倩,于澎湃,李延玲,高建明,裴忠有[8](2019)在《粒用高粱F_2群体农艺性状数量遗传分析》一文中研究指出通过对高粱F_2群体农艺性状进行数量遗传分析,确定各性状的最适遗传模型并掌握其遗传规律,为田间选育遗传稳定的农艺性状提供参考。以粒用高粱品种忻粱52和美引-20的杂交F_2分离群体为试验材料,根据单个分离世代群体的遗传模型方法 -主-多基因遗传分析模型对F_2世代6个数量性状进行遗传分析。结果表明,6个农艺性状中株高、穗柄长、主茎茎节数、平均茎节长符合遗传模型,受主效基因控制;而穗长和旗叶鞘长不存在主基因,受微效多基因遗传。株高符合Model B_1,受2对主基因控制,为加性-显性-上位性混合遗传模型,主基因遗传率为88. 65%;穗柄长和主茎茎节数符合Model A_1,为受1对主基因控制的加性-显性混合遗传模型,遗传率分别为61. 58%和68. 94%;平均茎节长符合Model A_4,受1对主基因控制,符合负向完全显性遗传模型,主基因遗传率为49. 24%。株高、穗柄长和主茎茎节数的主基因遗传率较高,说明这3个性状在后代遗传中受环境影响较小,遗传较稳定,可以在育种早代直接进行选择;而平均茎节长的遗传率较低,说明该性状在后代中遗传不稳定,受环境影响较大,需在育种高代进行选择。(本文来源于《华北农学报》期刊2019年01期)

陈倩倩,胡宏赛,肖海环,郭志伟,任福森[9](2019)在《辣椒主要数量性状的遗传分析》一文中研究指出以19种性状不同的辣椒为试材,分别采用相关分析、通径分析、显性度分析等方法,研究了辣椒的12个重要数量性状之间的关系,以期为提高杂交育种的选择效率,加快新品种选育的进程提供参考依据。结果表明:参试不同辣椒材料之间性状差异显着,变异系数范围在8.49%~37.77%。叶长与叶宽、始花节位、对椒单果质量呈极显着正相关,与维生素C含量呈显着正相关;叶宽与维生素C含量呈显着正相关;对椒单果质量与维生素C含量、果肉厚呈显着正相关,与始花节位呈极显着正相关;果横径与果果纵径呈极显着负相关,与果肉厚呈显着正相关;单株结果数与对椒单果质量呈显着负相关,与单株产量呈显着正相关;其它性状之间差异不显着。株幅、单株产量、果肉厚、单株结果数,表现出较强的正向遗传优势;对椒单果质量、株高、叶长、果纵径、叶宽、维生素C含量,表现较强的负向遗传优势。主要数量性状对辣椒单株产量的直接贡献从大到小依次为:叶长>单株结果数>果肉厚>果纵径>叶宽>果横径。因此,可以根据育种目标对辣椒性状的要求,有目的的筛选育种材料。(本文来源于《北方园艺》期刊2019年04期)

郭武豪,江厚顺,谢昊[10](2019)在《基于改进量子遗传算法的油田井位及数量优化》一文中研究指出布井的数量及位置的选取是油田开发中至关重要的一环;一项最优的布井方案受到地质情况、油藏驱动方式、流体特性、油田设备规格以及多种经济参数指标的影响,是一个具有多决策变量的优化问题,传统的数学优化方法在处理这类问题时,很难找到一个合适的目标函数来满足优化条件;量子算法作为量子计算与智能算法相结合的产物,其优秀的寻优能力以及良好泛化能力,在处理目标函数性态复杂的优化问题时较传统方法有着更好的表现;因此,利用MATLAB建立油藏数值模拟模型,将井的数量和井位作为变量,以油田净现值为目标函数结合改进的量子遗传算法(Quantum Genetic Algorithm,QGA)对井位进行优化;通过与传统布井方式的对比,所提出的方法有更好的经济效益,同时摆脱了传统布井方式对于经验的依赖,具有很好的移植性。(本文来源于《计算机测量与控制》期刊2019年02期)

数量遗传论文开题报告

(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:

选取各农艺性状均较大的国内粒用高粱品种忻粱52和从美国普渡大学引进的苏丹草品系美引-48进行杂交,得到F_2代分离群体,对F_2代的开花期、株高、穗长、穗柄长、旗叶鞘长、叶片数、平均茎节长等7个农艺性状进行测定。利用主基因-多基因遗传分析方法进行数据分析,得到7个性状的4个遗传备选模型,并进行适合性检验,从备选模型中选出控制性状遗传的最适遗传模型,并根据IECM(迭代ECM)算法计算主基因遗传率。结果表明,株高、穗柄长、旗叶鞘长、平均茎节长等性状均符合ModelA_0模型,均为微效多基因控制的数量性状;开花期、穗长均符合ModelB_6模型,这2个性状均符合2对主基因控制的等显性遗传模型,即d_a=d_b=h_a=h_b,2对主基因的遗传率为38.35%;叶片数符合ModelB_1模型,是2对主基因控制的加性-显性-上位性混合遗传模型,2对主基因的加性效应之和为2.096 774,显性效应之和为0.403 226,主基因遗传率为99.22%,遗传率极高,可在育种后代中直接进行选择。

(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。

数量遗传论文参考文献

[1].金波,李梓溢,周旺,唐丽莹,姜早龙.基于改进遗传算法的阻尼器位置与数量优化分析[J].湖南大学学报(自然科学版).2019

[2].白晓倩,卢华雨,于澎湃,裴忠有,罗峰.粒用高粱×苏丹草杂交F_2代农艺性状的数量遗传分析[J].江苏农业科学.2019

[3].张丁芳,张智超,赵雅琪,杨琴.玉米抗禾谷镰刀菌茎腐病数量性状遗传解析[C].2019年中国作物学会学术年会论文摘要集.2019

[4].迟恩惠,李俊,李鸿雁,黄帆,米福贵.蒙古冰草SSR遗传完整性分析中适宜样本量及标记数量筛选[J].中国草地学报.2019

[5].孙琦,孟昭东,马小燕,王明金,李文兰.玉米收获期籽粒含水量的数量遗传分析[J].山东农业科学.2019

[6].钱荷英,刘明珠,徐安英.60份家蚕品种资源主要数量性状的遗传多样性分析[J].蚕业科学.2019

[7].徐礼羿.茶树SNP高密度遗传连锁图谱构建与数量性状候选基因挖掘[D].华中农业大学.2019

[8].白晓倩,于澎湃,李延玲,高建明,裴忠有.粒用高粱F_2群体农艺性状数量遗传分析[J].华北农学报.2019

[9].陈倩倩,胡宏赛,肖海环,郭志伟,任福森.辣椒主要数量性状的遗传分析[J].北方园艺.2019

[10].郭武豪,江厚顺,谢昊.基于改进量子遗传算法的油田井位及数量优化[J].计算机测量与控制.2019

论文知识图

目标空间非支配个体的锥形分割模型一3植物被动抗病性和主动抗病性机制(仿...荣廷昭大豆数量遗传-大豆蛋白质遗传方式小鼠距损伤1mm处的轴突再生...遗传标记-图1 可用于畜禽选种的遗传标记筛...

标签:;  ;  ;  ;  ;  ;  ;  

数量遗传论文_金波,李梓溢,周旺,唐丽莹,姜早龙
下载Doc文档

猜你喜欢