高通量表型数据的定量遗传分析的统计方法
摘要：高通量表型技术的出现以及下一代测序技术产生的丰富基因型数据为复杂性状的研究和改善提供了令人兴奋的新资源。然而，这些新技术也给数量遗传学带来了新的挑战，即需要发展能够适应这些高维数据的稳健框架。在本章中，我们描述了用于统计分析高通量表型（HTP）数据的方法，目标是提高基因组选择（GS）的预测准确性。在第1节的引言之后，第2节讨论了基于田间的HTP，包括使用无人机和光探测与测距，以及如何通过利用从HTP获得的图像数据来实现增加的遗传增益。第3节考虑了将常用的GS模型扩展为将HTP数据作为与主要性状响应相关的协变量的方法，例如产量。重点放在单性状、多性状和基因型与环境互作模型上。HTP数据的一个独特之处是表型平台通常产生具有高空间和时间分辨率的大规模数据，用于捕捉动态生长、发育和应激响应。第4节讨论了使用随机回归模型进行纵向GS的效用。本章以对一些未解决问题的讨论结束。
作者：Gota Morota, Diego Jarquin, Malachy T. Campbell, and Hiroyoshi Iwata
论文ID：1904.12341
分类：Genomics
分类简称：q-bio.GN
提交时间：2019-04-30