基因定位最有效且最常用的方法就是構建遺傳連鎖圖譜進行基因定位，該方法對于數量性狀和質量性狀的基因定位都適用。今天，小編簡單講解一下遺傳圖譜構建及QTL定位的一些基本知識點。

質量性狀：

指能觀察但不能測量的性狀，同一種性狀的不同表現型之間不存在連續性的數量變化，而呈現質的中斷性變化。多由一對或少數幾對基因控制。比如，花藥的有無、芒的有無、血型、子粒的顏色等。其雜交后代的個體可根據性狀明確分組，遺傳關系簡單，一般服從三大遺傳定律。

數量性狀：

指個體間表現的差異只能用數量來區別，變異呈連續性的性狀。其主要特征有：①個體間差異很難描述，需要度量；②在一個群體中，變異呈連續性；③數量性狀常受多基因控制；④數量性狀對環境影響敏感。

QTL（quantitative trait locus）：

QTL是數量性狀座位或者數量性狀基因座，它指的是控制數量性狀的基因在基因組中的位置。對QTL的定位必須使用遺傳標記，通過尋找遺傳標記和感興趣的數量性狀之間的聯系，將一個或多個QTL定位到位于同一染色體的遺傳標記旁，換句話說，標記和QTL是連鎖的。

遺傳圖譜：

某一物種的連鎖圖譜，顯示所知的遺傳標記的相對位置，而不是在每條染色體上特殊的物理位置。

加性效應：

影響數量性狀的多個微效基因的基因型值的累加，也稱性狀的育種值，是性狀表型值的主要成分。

上位效應：

一對基因的表現受到另一對非等位基因的作用，這種非等位基因間的抑制或遮掩作用叫上位效應。起抑制作用的基因稱為上位基因，被抑制的基因稱為下位基因。

顯性效應：

指各基因效應值與其加性效應值的離差，亦即基因型值(G)與其加性效應值(D)的差。又叫顯性高差，以H表示，即H=G-D(設上位性效應I=0)。其值可為正數或負數，大小取決于群體中的基因頻率，并是各位點內顯性值的總和。

LOD score：

遺傳學上通常用或然率的常用對數作為標準的衡量方法，該值的對數值稱為Lod值或對數優勢比。根據兩個非此即彼的假設，計算數據的整體或然性，以確定兩個基因座或是按一定的重組率而相互連鎖的可能性或是互不連鎖的可能性；這兩種可能性之比，是基因座實際上為連鎖的可能性；這個比率的10作底的對數就是對數優勢比，即Lod值。為了確定是否存在連鎖，一般要求或然比大于1000:1，即Lod>3。

QTL貢獻率：

一個QTL所能解釋的表型變異概率被稱為QTL的貢獻率。

物理圖譜：

以物理尺度標明各種遺傳標記在基因組上的位置和距離。物理圖譜的構建不需要經過減數分裂的世代群體，可以直接通過DNA測序獲得。

QTL作圖：

尋找遺傳標記和感興趣的數量性狀之間的聯系，將一個或多個QTL定位到連鎖群的相應位置，并估計其遺傳效應的過程稱為QTL作圖。

QTL作圖常用的方法包括：區間作圖、復合區間作圖。常用的QTL作圖軟件有QTL Icimapping、MapQTL、WinQTL cartographer、QTLNetwork、R\qtl等。

偏分離：

指觀察到的基因型比例偏離預期的孟德爾頻率的分離方式，它不遵循分離規律，無法用傳統的遺傳理論和方法加以分析。偏分離可以增加群體中雜合等位基因或者異型染色體的頻率。

重組率：

指同源染色體的非姊妹染色單體間有關基因的染色體片段發生交換的頻率，一般利用重新組合配子數占總配子數的百分率進行估算。

厘摩（cM）:

厘摩是重組頻率的測量單位 ，也是遺傳圖距單位。1個厘摩定義為重組頻率100次中發生1次。換句話說，若兩個基因間相距1個厘摩，那么其后代與父母相比，有1%的個體具有不同的等位基因頻率。這一數值越小，基因在染色體上的位置就越近，連鎖關系越緊密。

以上就是小編整理的遺傳圖譜構建和QTL定位的一些基礎知識點。當然，如果要作圖的話，還需要了解作圖群體，這部分內容可以參考“作圖群體如何選擇？”這篇文章（藍色字體可以點擊）。

如果您近期有遺傳圖譜構建及QTL定位的計劃，您大可和我們聯系，我們將派專人給您制定詳細的實驗計劃，以期得到一張優質的圖譜和一個精確的定位結果。

更多技能學習鏈接：

http://m.study.163.com/provider/400000000234009/index.htm?share=1&shareId=1031484705

更多生物信息課程：

1. 文章越來越難發？是你沒發現新思路，基因家族分析發2-4分文章簡單快速，學習鏈接：基因家族分析實操課程、基因家族文獻思路解讀

2. 轉錄組數據理解不深入？圖表看不懂？點擊鏈接學習深入解讀數據結果文件，學習鏈接：轉錄組（有參）結果解讀；轉錄組（無參）結果解讀

3. 轉錄組數據深入挖掘技能-WGCNA，提升你的文章檔次，學習鏈接：WGCNA-加權基因共表達網絡分析

4. 轉錄組數據怎么挖掘？學習鏈接：轉錄組標準分析后的數據挖掘、轉錄組文獻解讀

5.微生物16S/ITS/18S分析原理及結果解讀、OTU網絡圖繪制、cytoscape與網絡圖繪制課程

6. 生物信息入門到精通必修基礎課，學習鏈接：linux系統使用、perl入門到精通、perl語言高級、R語言畫圖

7. 醫學相關數據挖掘課程，不用做實驗也能發文章，學習鏈接：TCGA-差異基因分析、GEO芯片數據挖掘、GSEA富集分析課程、TCGA臨床數據生存分析、TCGA-轉錄因子分析、TCGA-ceRNA調控網絡分析

8.其他課程鏈接：二代測序轉錄組數據自主分析、NCBI數據上傳、二代測序數據解讀。