数量遗传学6-费歇尔方差分解

后面越来越难

数量遗传学的基本模型

将基因型值分解为纯合子间的差异是非常有用的

d = k × a→GAa = m+ k × a
（如果没有优势，d = 0，杂合子的值等于两个纯合子的平均值
k=0没有显性 k=1完全显性 0<k<1不完全显性 k>1过显性）

a和d的计算

eg:DGAT1是影响奶牛乳脂肪含量(%)和其他乳性状的主要基因

Population Mean

等位基因的平均效应

定义1：一个特定的等位基因的平均效应是那些从一个父母那里得到这个特定的等位基因的个体和从人群中随机得到第二个等位基因的个体的平均偏差
定义2:让一些带有A1等位基因的配子与群体中的配子随机结合;这些基因型的平均值与总体平均值的偏差量是等位基因A1的平均效应
考虑平均等位基因的影响(αA)
•假设父母中的一方总是带有等位基因A

等位基因替代的平均效果

当一个随机个体的等位基因a被等位基因a取代时，该性状的平均值的变化
两个平均效应相减

发现与上面有联系，于是：
类似计算期望-平均效应的均值

育种值BV或者加性遗传效应

对于一对等位基因的

费歇尔分解的基因型值

变成函数形式

显性偏差

划分遗传方差

We are assuming that IGE = 0 and Cov[G,E] = 0

方差就是平方值的均值。
协方差计算

拓展模型

考虑到等位基因之间的相互关系 多对等位基因 还得考虑上位效应

参数解释