遗传图谱-威尼·至尊国际(中国)-简化基因组WGSGBS
  • 威尼·至尊国际(中国)

    • 客户服务系统CSS
    • |
    威尼·至尊国际(中国)

     > 

    科技服务

     > 

    基因组测序

    遗传图谱—精确构建连锁遗传图

    遗传连锁图谱(Genetic linkage map):又叫连锁图谱(Linkage map),指分子标记在染色体上的相对位置,用遗传距离来衡量距离。遗传距离单位是厘摩(cM), 表示分子标记在染色体交换过程中的重组频率。
    遗传图谱家系构建:连锁图谱最佳群体选择F1代、F2代、BC回交群体、RILs系,DH系。
    图1 常见家系

    遗传图谱分析方法:

    • 1. 高密度遗传图谱

      以连锁遗传中染色体的交换和重组为基础,顺利获得陆续在多次两点或三点测验等方法计算出交换值,确定位于同一染色体基因的相对位置的距离,绘成连锁遗传图。
      图2 高密度连锁图谱
    • 2. 多倍体遗传图谱

      多倍化是植物的进化驱动力之一,基于多倍体物种在生长活力、生物量积累和抗逆适应性等方面的优势,不断较难破译的多倍体物种,其遗传图谱的构建相比于二倍体要复杂得多。威尼·至尊国际(中国)针对多倍体物种开发的图谱构建流程已助力科研论文成功发表。 图3 多倍体遗传图谱

    应用方向

    • 1. QTL定位与功能挖掘

      顺利获得表型性状与标记间的连锁分析来确定QTL在染色体上的位置、效应,进而实现性状相关基因的挖掘。
    • 2. 辅助基因组组装

      顺利获得表型性状与标记间的连锁分析来确定QTL在染色体上的位置、效应,进而实现性状相关基因的挖掘。
    • 3. 比较基因组学分析

      顺利获得表型性状与标记间的连锁分析来确定QTL在染色体上的位置、效应,进而实现性状相关基因的挖掘。
    • 4. 分子标记辅助育种

      顺利获得表型性状与标记间的连锁分析来确定QTL在染色体上的位置、效应,进而实现性状相关基因的挖掘。

    诺禾优势

    • 1.高速度 高密度 高质量

      基于全基因组重测序或简化基因组测序的检测方法,可一次性快速开发大量的分子标记, 测序数据和上图标记质量高,可取得高饱和或者超密度遗传图谱,已广泛应用于各种模式和非模式生物遗传图谱构建。
      项目周期:50
      区间性状定位
    • 2.高质量测序数据,高性能计算平台

      BSA性状定位采用先进的高通量测序平台,快速、高效地读取高质量的测序数据。 威尼·至尊国际(中国)高性能计算平台(High Performance Computing,HPC)采用DELL计算节点和Isilon存储的高效组合,实现快速稳定的 测序数据分析及交付。随着公司业务的开展,高性能计算平台将会持续 更新并扩容,以保证高效的数据处理和安全的数据存储。
      • PE150

        测序读长
      • ≥85%

        测序质量Q30
      • 20,280个

        物理核数
      • 1,727 T flops

        计算峰值速度
      • 400 TB

        总内存
      • 58.6PB

        总储存
    • 3.出色完成每一个项目环节

      至2021年12月,威尼·至尊国际(中国)已对畜牧、作物、果蔬、花卉、普通植物、水产等上百个物种进行了遗传图谱构建。“科学 的方案设计,严格的质控管理,专业的分析团队,丰富的项目经验,优质的项目服务” 确保每一个环节都能出色完成,助力科学研究。
      • 50人

        分析团队
      • 10年

        项目经验
      • 300+

        结题项目
      • 1对1

        项目服务
    • 4.科学方案设计

      从材料选取,建库测序,到数据分析,每一步都需要科学、缜密的设计,以保障高质量研究成果。

      材料选取

      群体类型
      F1、F2、BC、
      RILs等

      群体大小
      ≥150

      WGS(350bp文库)
      亲本:10-30×/个
      子代:≥5×/个

      子代GBS
      Tag≥10万/RAD
      测序≥1×/个

      信息分析

    信息分析

    利用全基因组或简化基因组测序技术,开发SNP标记,基于SNP标记进行连锁分析,构建高密度遗传图谱。除SNP标记外,还可加入InDel等标记进行构图。
    全基因组重测序(WGS) 简化基因组测序(GBS)
    测序数据质量评估 测序数据质量评估
    与参考基因组比对 与参考基因组比对(有参)
    与拟参考基因组比对(无参)
    群体SNP检测及注释 群体SNP检测及注释
    遗传标记开发及过滤 遗传标记开发及过滤
    遗传图谱构建及质量评估 遗传图谱构建及质量评估

    常见问题

    • 1. 亲本如何选择?

      • 亲本的选择直接影响到构建图谱的难易程度及所建图谱的适用范围,需要符合以下要求:
        (1)亲本间的DNA多态性。
        (2)考虑后代的可育性,防止偏分离产生。
        (3)尽量选择纯度高的亲本材料(F 1代除外)。
    • 2. 构建图谱的软件有哪些?各有什么区别与联系?

      • JoinMap软件是Widows系统下的软件,现在应用最为广泛,几乎适用于所有群体类型。其余还有R/qtl、Lepmap、Highmap、Onemap、Mstmap、Carthagen等。
    • 3. 不同群体如何选择上图标记?

      • 对于F1群体,理论上一般选择lm x ll、nn x np、hk x hk。除了F1群体,其他群体F2群体,BC群体等都使用aa x bb标记。
    • 4. 图谱质量判定标准有哪些?

      • 图谱质量判定标准主要有上图指标统计、遗传图谱物理图谱共线性分析、相邻标记重组热图分析。
    • 5. 常用的QTL作图软件有哪些?各有什么不同?

      • 常用的QTL 作图软件有MapQTL、WinQTL cartographer、IciMapping、QTLNetwork,R\qtl等。其中R\qtl是比较老的软件,近年文章里应用比较少。
        软件 WinQTL MapQTL IciMapping QTLNetwork
        适用群体 BC、DH、RIL、F2 F1、F2、RIL、BC、DH BC、DH、RIL、F2 F2、RIL、BC、DH
        标记限制 每条染色体不高于1000 总数不高于7000 10000以内 无限制
        定位方法 IM、CIM、MIM IM、MQM IM、ICIM MCIM
        定位结果 LOD、贡献率、加性效应、显性效应 LOD、贡献率、加性效应显性效应 LOD、贡献率、加性效应、显性效应、上位性效应 LOD、贡献率、加性效应、显性效应、上位效应
      • 注:加性效应:影响数量性状的多个微效基因的基因型值的累加,也称性状的育种值。可遗传且相对稳定。
        (正负值分别表示遗传效应来自于哪个亲本)
        显性效应:基因位点内等位基因之间的互作效应,是可以遗传但不能固定的遗传因素,是产生杂种优势的主要部分。可遗传但不稳定。
        上位效应:是指不同基因位点的非等位基因之间相互作用所产生的效应。

    参考文献

    [1] Gu Q , Ke H , Liu Z , et al. A high-density genetic map and multiple environmental tests reveal novel quantitative trait loci and candidate genes for fibre quality and yield in cotton[J]. Theoretical and Applied Genetics, 2020.
    [2] Yang Q , Yang Z , Tang H , et al. High-density genetic map construction and mapping of the homologous transformation sterility gene (hts) in wheat using GBS markers[J]. BMC Plant Biology, 2018.
    [3] Rumi S , Hiroaki T , Kenta S , et al. Development of molecular markers associated with resistance to Meloidogyne incognita by performing quantitative trait locus analysis and genome-wide association study in sweetpotato[J]. DNA Research 2019.
    [4] Peter M Bourke, Geert van Geest, Roeland E Voorrips, Johannes Jansen, Twan Kranenburg, Arwa Shahin, Richard G F Visser, Paul Arens, Marinus J M Smulders, Chris Maliepaard. polymapR-linkage analysis and genetic map construction from F1 populations of outcrossing polyploids[J]. Bioinformatics 2018.
    [5] Pariya B , Wit E C . De novo construction of polyploid linkage maps using discrete graphical models[J]. Bioinformatics 2018.
    [6] Zhou, C.,Olukolu, B., Gemenet, D.C. et al. Assembly of whole-chromosome pseudomoleculesfor polyploid plant genomes using outbred mapping populations. Nature Genetics 2020.

    拓展材料

    • 收藏好文

      群体遗传|高密度遗传图谱
    • 收藏好文

      群体遗传|多倍体遗传图谱

    更多内容,可扫描侧边栏"一对一业务咨询"二维码添加科研服务经理咨询。

    售后服务可联系侧边栏"在线客服"、电话400-6581585,或发送邮件至 service@novogene.com

    Copyright@2011-2025 All Rights Reserved    版权所有:北京威尼·至尊国际(中国)科技股份有限公司    京ICP备15007085号-1

    一对一业务咨询

    在线客服

    联系方式

    联系电话

    400-658-1585

    企业邮箱

    service@novogene.com
    返回顶部