全 文 ：植物学报 Chinese Bulletin of Botany 2011, 46 (1): 108–118, www.chinbullbotany.com
doi: 10.3724/SP.J.1259.2011.00108
——————————————————
收稿日期: 2010-05-17; 接受日期: 2010-10-13
基金项目: 973 计划(No.2011CB100100, No.2009CB118401)和 863 计划(No.2006AA10Z188)
* 通讯作者。E-mail: yuli@mail.caas.net.cn
关联分析及其在植物遗传学研究中的应用
谭贤杰1, 2, 吴子恺1, 程伟东2, 王天宇3, 黎裕3*
1广西大学农学院, 南宁 530005; 2广西农业科学院玉米研究所, 南宁 530227
3中国农业科学院作物科学研究所, 北京 100081
摘要 植物的很多重要经济性状均属于复杂性状。基于连锁分析的QTL作图是研究复杂性状的有效手段, 但其尚存在一定
的局限性。随着现代生物学的发展, 一种基于连锁不平衡的新剖分复杂性状方法——关联分析法, 开始应用于植物遗传学
研究。与QTL作图法相比, 应用关联分析法具有不需要构建特殊的群体, 可同时对多个等位基因进行分析, 定位QTL精度可
达到单基因水平等优势。该文介绍了关联分析方法学的基础和特性, 简述了其在植物遗传学研究中的进展情况, 并对其未
来发展和在植物遗传学研究中的应用进行了展望。
关键词 关联分析, 单倍型, 连锁不平衡, QTL
谭贤杰, 吴子恺, 程伟东, 王天宇, 黎裕 (2011). 关联分析及其在植物遗传学研究中的应用. 植物学报 46, 108–118.
自20世纪80年代以后 , 随着RFLP(restriction
fragment length polymorphism)和SSR(simple se-
quence repeat)等分子标记技术在植物遗传学研究中
的广泛应用 , 利用数量性状位点 (quantitative trait
locus, QTL)定位目标基因并对其进行图位克隆成为
植物遗传学研究的一项重大突破。从QTL定位到基因
克隆一般包括初步定位、精细定位、染色体步移和候
选基因功能鉴定等步骤。利用QTL-图位克隆法, 现已
克隆并阐释了一些重要基因, 如番茄(Lycopersicon
esculentum) 的 fw2.2(Frary et al., 2000) 和 Lin5
(Briggs et al., 2007)、玉米(Zea mays)的tga1(Wang
et al., 2005)和Vgt1(Salvi et al., 2007)以及水稻
(Oryza sativa)的hd1(Yano et al., 2000)和GN1a
(Ashikari et al., 2005)等。但是, 在应用QTL-图位克
隆研究中发现该方法存在一定的局限性: (1) 杂交不
亲和物种或难于进行杂交操作的物种很难获得所需
的杂交组合或后代; (2) QTL研究群体只能是少数的
性状和等位基因(一般为2个); (3) 构建相关群体常常
需要多年时间, 构建达到基因克隆水平的次级群体往
往需耗时5–10年(Doerge, 2002; Holland, 2007); (4)
连锁分析的QTL定位精确度低。初级群体对QTL定位
一般可达到10–30 cM水平, 次级群体可达近1 cM,
但其区段所包含的核苷酸碱基往往也将近百万对(莫
惠栋和顾世梁, 2000)。因此, 通过连锁分析克隆基因
不仅操作繁琐, 而且耗时耗力。鉴于此, 科学家们开
始探讨新的研究方法以克服这些障碍, 其中一个新方
法就是基于连锁不平衡的关联分析方法。关联分析,
亦称关联作图, 其分析不需要构建特殊的群体且可同
时对多个性状进行分析, 对QTL定位的精度可达到单
基因水平。关联分析除了能够定位QTL, 还可用于鉴
定不同等位基因引起的表型变异和开发功能标记
(Meuwissen and Goddard, 2000; Palaisa et al.,
2003)。 鉴于关联分析本身存在的优势, 目前关联分
析已广泛应用于多种植物的研究 , 如玉米的花期
(Thornsberry et al., 2001)、籽粒的淀粉含量(Wilson
et al., 2004)和维生素A原(Harjes et al., 2008); 小麦
(Triticum aestivum)的籽粒大小和研磨品质(Brese-
ghello and Sorrells, 2006); 拟南芥(Arabidopsis tha-
liana)的开花期(Olsen et al., 2004)和抗病性(Aran-
zana et al., 2005)等。目前关联分析已成为植物遗传
学研究的热点。
本文将介绍关联分析方法学的基础及特性, 简述
其在植物遗传学研究中的应用进展, 探讨关联分析法
的未来发展和在植物研究中的应用前景。
·专题论坛·
谭贤杰等: 关联分析及其在植物遗传学研究中的应用 109
1 关联分析研究方法学
1.1 关联分析的基础——连锁不平衡
连锁不平衡(linkage disequilibrium, LD)亦称为配子
相不平衡(gametic phase disequilibrium)、配子不平
衡 (gametic disequilibrium)或等位基因关联 (allelic
association), 是指群体内不同座位等位基因(可以是
标记亦可是基因 /QTL间与标记 )间的非随机关联
(Gaut and Long, 2003)。同一染色体或不同染色体的
基因座之间均可呈现连锁不平衡。群体内存在的LD
均是由突变产生的等位基因出现后座位间所有重组
事件累积的结果。位点间连锁越紧密, 其LD水平越
高。 D、r2、D′、D∗、F′、Q*和δ等参数曾用于度量连
锁不平衡, 目前常用的参数是r2(squared allele-fre-
quency correlations)和D(standardized disequilib-
rium coefficients)(Delvin and Risch, 1995; Jorde,
2000; Flint-Garcia et al., 2003)。LD在染色体上的分
布一般用LD衰减散点图和LD配对检测的矩阵图来描
述。前者可以观测LD随遗传或物理距离的衰减速率,
后者可以直接观测同一染色体的基因座或基因的多
态性位点之间LD的线性排列 (Flint-Garcia et al.,
2003; Gaut and Long, 2003)。
突变和重组是影响LD最重要的因素。突变是LD
形成的原因, 新突变的产生可打破原有LD, 形成新
的LD。多态位点间的重组也可打破LD, 无连锁和自
由交配的重组使位点间等位基因处于连锁平衡状态。
群体中的LD是突变、重组和其它因素影响累积的结
果。此外, 物种交配方式、染色体位置、群体大小、
自然与人工选择、遗传漂变和基因转换等也是影响LD
的因素(Gupta et al., 2005; Oraguzie et al., 2007)。
1.2 连锁不平衡与关联分析
在群体中, 个体等位基因差异是表型差异的根本原
因。连锁分析是利用标记位点与引起表型差异的位点
(QTL)之间的重组来定位QTL。关联分析则是利用引
起表型差异的位点与标记之间的连锁不平衡来定位
QTL: 在自然群体的基因组中存在数目庞大的多态
性, 由于连锁的存在及群体形成过程中突变、重组和
选择等因素的影响, 多态位点的等位基因间存在广泛
的非随机关联, 亦即连锁不平衡状态。多个基因座的
等位基因间的LD形成了一系列的单倍型(haplotype),
单倍型的大小取决于LD的衰减水平。LD的衰减水平
越高, 则形成的单倍型越小。根据单倍型可把群体内
个体区分为不同类型或亚群。由于存在引起表型变异
的等位基因, 使得不同的单倍型群体具有表型上的差
异, 分析不同单倍型群体与表型变异的协变性(关联),
就可把引起表型变异的位点定位到相对应的单倍型
上。因此, 分析标记与引起表型变异位点(QTL)的关
联性, 根据分子标记的信息即可定位QTL在染色体上
的位置。如果所分析的分子标记恰为引起表型变异的
位点, 这种关联称之为直接关联; 如果通过标记与
QTL形成单倍型定位QTL, 则称之为间接关联。间接
关联定位QTL的精度与物种中的LD衰减大小密切相
关, LD衰减速度慢则定位粗略, LD衰减速度快则定位
精细。与常规QTL定位相比, 在玉米中利用关联分析
定位精度可提高5 000倍(Remington et al., 2001)。
1.3 关联分析的特性
与基于连锁分析的QTL相比, 关联分析具有以下优
势。(1) 关联分析利用的是自然群体, 构建群体不需
要控制材料的交配方式。构建常规QTL作图群体时需
要控制实验群体的交配方式, 通常需要2年时间或更
长, 特别是构建精细定位的次级群体可能会耗时数
年。(2) 关联分析所用群体有更为广泛的遗传基础,
可同时对同一基因座的多个等位基因进行分析, 而绝
大部分常规QTL作图所用群体通常为两亲本杂交重
组后代, 其基因座一般只涉及2个等位基因。(3) 关联
分析作图定位更为精确, 可以达到单基因水平。关联
分析利用的是自然群体在长期进化过程中所累积的
重组信息, 因此具有更高的分辨率, 可实现对QTL的
精细定位, 甚至可直接定位到基因本身; 常规QTL作
图则受重组发生率的影响, 一般分辨率较低, 通常初
级群体能够将基因定位到10–30 cM的基因组区间内,
次级群体可将基因定位到1 cM区段内(Doerge, 2002;
Holland, 2007)。
1.4 关联分析的研究策略
关联分析是利用标记与QTL等位基因间的LD来定位
QTL, 当选取的标记数量多到足以覆盖全基因组片段
时, 即可定位到所有影响表型的QTL, 此种定位QTL
的策略称为基于全基因组扫描的关联分析。全基因组
扫描方法所需标记的数目取决于物种的基因组大小
110 植物学报 46(1) 2011
和LD水平。物种基因组大小相同时, LD衰减速度慢的
物种所需标记少, 但由于标记与目标基因在物理距离
较远的情况下亦可出现高的LD, 故其定位精度比衰
减速度快的物种低。鉴于物种的基因组碱基序列通常
数以千万计甚至更多, 全基因组扫描所需检测标记数
量极为庞大。据估计, 若保证对绝大部分重要的基因
均实现作图, 人类约需要检测70 000个标记, 玉米地
方品种群体则需750 000个, 优良玉米自交系群体的
LD衰减速度慢, 约需50 000个, 基因组较小且LD衰
减速度较慢的拟南芥约需2 000个标记(Flint-Garcia
et al., 2003)。因此, 目前全基因组扫描方法仅应用于
基因组信息丰度较高且标记易于获得的物种。LD较高
的物种或群体, 应用较少的标记即可实现全基因组扫
描。自花授粉的物种, 经历瓶颈效应和强烈人工选择
的群体仅包含所有群体中少部分的等位基因, 故可利
于用全基因组扫描法进行分析 (Hastbacka et al.,
1992; Rafalski, 2002; Rostoks et al., 2006)。在植物
研究中, 亦可采取此法对F2代分离群体进行全基因组
扫描。由于F2代分离群体亲缘关系极高且LD水平很
高, 因此, 应用少量标记即可实现对群体的全基因组
扫描。另外, 鉴于每个位点只有2个等位基因, 统计分
析等位基因的效应和等位基因之间的上位性比采用
自然群体功效更高(Flint-Garcia et al., 2003)。
有些基因对表型有决定性的影响, 这种基因则是
主效基因或质量性状基因。有时主效基因单个碱基的
差异亦可决定表型。因此, 对可能影响表型性状的基
因组部分区段进行关联分析, 不需要过多的基因型分
析工作即可定位目的基因, 这种策略称为基于候选基
因的关联分析。应用全基因组扫描方式研究LD衰减速
度快的物种时, 标记与QTL处于LD状态的概率较低,
定位到目标基因的几率很小, 因此, 采用候选基因法
对这类物种进行研究更为有效。此外, 利用候选基因
关联分析法可鉴定到位于该区段中影响表型的多态
性, 并可估计其效应, 因此应用候选基因关联分析可
对特定基因的等位变异是否控制目标性状进行验证,
进而挖掘出优异的等位基因 (Flint-Garcia et al.,
2003)。候选基因法所需标记数量较少且成本较低,
并可对目的基因进行功能鉴定, 因而在植物遗传学研
究中较为常用。为了提高候选基因关联分析的目的性
和效率, 选择候选基因(特别是关键生理生化途径中
的重要功能基因、前期QTL研究定位区域所含的基因
和近缘物种研究中表明效应较大的同源基因)时, 往
往需要利用基因组测序、比较基因组学、转录组学、
QTL和反向遗传学研究所提供的信息。
1.5 关联分析中的假阳性及其消除
关联分析中, 群体中的LD将受到遗传漂变、群体分层
和自然选择等诸多因素的影响, 因此在进行关联分析
时, 一些非原因等位基因亦可与QTL形成LD, 从而表
现出与性状关联 , 此种现象称为伪关联或假阳性
(Lander and Kruglyak, 1995)。在上述因素中, 群体
分层(population stratification)被认为是引起假阳性
的最主要因素(Cardon and Palmer, 2003)。群体分层
是指群体内存在等位基因频率不同的亚群体, 这些亚
群体的产生可能是因为有共同的祖先或者经受了相
同的环境和人工选择等因素所致(Hey and Machado,
2003)。人类遗传学研究表明, 在人群中普遍存在分
层现象(Rosenberg et al., 2002)。在对植物的研究中,
Flint-Garcia等(2005)研究了玉米群体中分层对表型
性状的影响, 结果表明, 群体分层解释了表型性状中
约9.3%的变异。群体分层效应与目标性状基因效应协
同干扰了关联分析, 形成假阳性, 为了减轻并消除关
联分析中主要由群体分层引起的假阳性, 研究者们发
展了一系列方法 , 如传递不平衡法 (transmission
disequilibrium test, TDT) (Spielman et al., 1993)、基
因组对照(genome control)法(Devlin and Roeder,
1999)、结构关联法(Pritchard and Rosenberg, 1999;
Pritchard et al., 2000)、结构关联(Q)+亲缘关系(K)混
合模型法(Yu et al., 2006)、主成分分析法(principal
component analysis, PCA) (Price et al., 2006; Pat-
terson et al., 2006)、多维标度法(multidimensional
scaling, MDS) (Purcell et al., 2007; Li and Yu, 2008)
和非计量多维标度法 (nonmetric multidimensional
scaling, NMDS) (Zhu and Yu, 2009)等。传递不平衡
法是基于家系分析的研究方法, 其余方法均是基于群
体的关联分析法。基于群体的关联分析法均利用随机
且均匀分布于基因组的标记信息来估计群体内部个
体间的遗传关系或作统计假设检验, 从而在关联分析
时去除群体分层时引起的假阳性。为了检测这些方法
在单独应用和联合应用时的有效性, Yu等(2006)和
Zhao等(2007)对这些方法进行了模拟数据和实际数
据的比较验证, 结果表明, Q+K混合模型和P(PCA)+
谭贤杰等: 关联分析及其在植物遗传学研究中的应用 111
K(Kinship)混合模型均能够较好地捕获由群体分层引
起的假阳性。随后, Stich和Melchinger(2009)研究认
为Q+K混合模型的功效较高, 但是他们建议最好用
KT代替K, KT为基于REML(restricted maximum lik-
elihood)的估计个体间状态等同(而不是血缘等同估
计下)的亲缘关系矩阵。除了上面提到的几种方法外,
对应分析 (Epstein et al., 2007)和EMMA(efficient
mixed-model association) (Kang et al., 2008)等方法
也可以用来估计群体结构。这些方法的有效性尚有待
进一步验证。随着研究的不断深入, 将会涌现出更为
有效地减少假阳性、假阴性和更高功效的分析方法。
2 关联分析在植物遗传学研究中的应用
Thornsberry等(2001)首次将关联分析方法引入植物
研究领域。迄今为止, 应用关联分析研究的植物已有
10多种(表1)。在这些研究中, 大部分均利用了候选基
因法, 选择的候选基因主要是生理生化途径中重要的
功能基因、QTL研究定位区域所含的基因和近缘物种
研究中表明效应较大的同源基因。其中以生理生化途
径中重要功能基因为候选基因的研究中, 最典型的是
Wilson等 (2004)对玉米籽粒淀粉代谢和Harjes等
(2008)对玉米维生素A代谢的研究。Wilson等(2004)
分析了玉米淀粉代谢途径中的shl、sh2、bt2、wxl、
ael和sul 6个关键酶基因与代谢产物的关联, 发现这6
个基因中有4个基因与籽粒成分和淀粉糊化特性的一
些指标存在显著相关。Harjes等(2008)对玉米维生素A
代谢关键酶基因LCYE的研究表明, LCYE基因内存在
4个影响α-胡萝卜素与β-胡萝卜素含量差异(达3倍以
上)的多态性位点。Szalma等(2005)对玉米自交系群
体中与可凝性球蛋白(maysin)和绿原酸(chlorogenic
acid, CGA)积累有关的4个相关位点基因p、a1、c2
和whp1进行了关联分析, 第1次在关联分析中阐明了
上位性效应的重要作用。其分析表明, 作为主效QTL
的p位点对a1、c2和whp1有上位性效应, 只有在p的
功能性等位基因存在时, 才能检测到c2和whp1基因
序列变异及 a1启动子区域的 2个序列多态性与
maysin和CGA积累间的关联。Olsen等(2004)、Skøt
等(2005)和Saïdou等(2009)对不同作物开花期的相
关基因进行了关联分析, 其候选基因的选择均参考了
同源基因的相关研究。这充分说明了前期QTL研究、
同源基因和生理生化基础信息对候选基因关联分析
是不可或缺的。利用这些信息可以提高实验的目的性,
降低基因型分析的成本。Thornsberry等(2001)利用一
个由92份玉米自交系构成的关联分析群体研究了
Dwarf8基因多态性与开花期的关联 , 结果表明 ,
Dwarf8基因的9个基因多态性位点与玉米开花期的变
化呈显著关联。然而, Andersen等(2005)使用另一个
由71份欧洲优异玉米自交系构成的群体重新对
Dwarf8基因的序列多样性与开花期和株高进行关联
分析验证。结果发现, 在不考虑群体结构的情况下只
检测出6个SNP与开花期相关, 如考虑群体结构则只
有1个Indel与株高相关。针对Dwarf8基因, Camus-
Kulandaivelu等(2006)选用了代表美国和欧洲遗传多
样性的375份玉米自交系和275份地方品种, 对其开
花期进行关联分析, 得出的结论与Thorn- sberry等的
相同。这一系列对同一目标基因Dwarf8的研究说明,
群体分层是关联分析中不可忽略的因素, 特别是对经
历了长期人工选择和改良过程的作物(可能存在复杂
的亲缘关系)进行关联分析研究时, 需要充分考虑群
体的分层效应。
目前, 鉴于标记数量和基因型分析技术的限制,
对大部分物种实现全基因组扫描还存在一定的困难。
近年来仅有一些利用较少的标记开展关联分析的研
究报道。例如, Hansen等(2001)分析了覆盖全基因组
的440个AFLP标记与控制甜菜(Beta vulgaris)生长习
性的B基因的关系, 发现有2个标记与B基因之间的连
锁程度很高, 而在前期连锁分析中这2个标记中有1
个与B基因存在紧密连锁, 说明通过关联分析完全可
以寻找到与目标基因紧密连锁的分子标记。随后 ,
Skøt等(2005)对多年生黑麦草(Lolium perenne)的抽
穗期性状、Breseghello和Sorrells(2006)对小麦的籽
粒大小和碾磨品质性状、Malosetti等(2007)对马铃薯
(Solanum tuberosum)的晚疫病抗性以及Agrama等
(2007)对水稻的产量与相关性状进行了类似的研究。
结果均表明, 与性状关联的标记位点和前期QTL有很
好的一致性。Aranzana等(2005)利用覆盖拟南芥全基
因组的2 553个SNP标记进行了花期和抗病性的关联
分析, 并对4个已知功能的基因进行了检测以验证全
基因组扫描的有效性。结果表明, 有4个基因与目标性
状存在关联, 但也发现, 应用GC法和SA法分析并未
有效减少假阳性。Zhao等(2007)对此研究数据重新应
112 植物学报 46(1) 2011
表1 关联分析在植物研究中的实例
Table 1 Examples of association mapping studies in various plant species
种名 群体

样本
数量
背景标
记数量
性状 参考文献
玉米 (Zea mays) 自交系 92 141 开花期 Thornsberry et al., 2001
优良自交系 71 55 开花期 Andersen et al., 2005
自交系和地方品种 375+275 55 开花期 Camus-Kulandaivelu et al., 2006
自交系 95 192 开花期 Salvi et al., 2007
自交系 102 47 籽粒成分, 淀粉黏性 Wilson et al., 2004
自交系 86 141 可凝性球蛋白与绿原酸含量 Szalma et al., 2005
优良自交系 75 籽粒颜色 Palaisa et al., 2003
自交系 57 甜度 Tracy et al., 2006
优良自交系 553 8 950 油酸含量 Belo et al., 2008
自交系 282 553 胡萝卜素含量 Harjes et al., 2008
自交系 282 铝毒抗性 Krill et al., 2010
大刍草 (Zea diploperennis) 野生材料 817 123 花期、植株、花器官和籽粒
性状
Weber et al., 2008
甜菜 (Beta vulgaris) 自然种质 106 440 生长习性 Hansen et al., 2001
拟南芥 (Arabidopsis thaliana) 不同生态型材料 95 104 开花期 Olsen et al., 2004
不同生态型材料 95 2 553 抗病性, 开花期 Aranzana et al., 2005;
Zhao et al., 2007
不同生态型材料 96 分枝数 Ehrenreich et al., 2007
不同生态型材料 275 开花期 Ehrenreich et al., 2009
MAGIC群体 527 1 260 生育期性状等 Kover et al., 2009
核心种质 95+96 250 000 生育期等107个性状 Atwell et al., 2010
高粱 (Sorghum vulgare) 自交系 377 47 花期、株高等8个性状 Casa et al., 2008
自交系 107 98 抽穗期等26个性状 Shehzad et al., 2009
小麦 (Triticum aestivum) 栽培品种 95 95 籽粒大小, 研磨品质 Breseghello and Sorrells, 2006
栽培品种 44 91 颖枯病抗性 Tommasini et al., 2007
大麦 (Hordeum vulgare) 栽培品种 148 139 抽穗期, 锈叶病、黄矮病毒病
抗性, 穗毛长和浆片大小
Kraakman et al., 2004
地方品种 429 129 开花期 Cockram et al., 2008
马铃薯 (Solanum tuberosum) 栽培品种 600 晚疫病抗性 Gebhardt et al., 2004
栽培品种 123 49 晚疫病抗性 Malosetti et al., 2007
水稻 (Oryza sativa) 地方品种 105 米饭黏性表型 Olsen and Purugganan, 2002
地方品种 577 577 淀粉质量 Bao et al., 2006
地方品种 103 123 产量和相关性状 Agrama et al., 2007
地方品种 90 218 小穗花性状 Yan et al., 2009b
地方品种 170 132 抽穗期, 株高, 穗长 Wen et al., 2009
栽培品种 70 米饭品质 Tian et al., 2009
地方品种 293 179 籽粒外形 Iwata et al., 2010
火炬松 (Pinus taeda) 自然群体 32 21 木质性状 Gonzalez-Martinez et al., 2006
自交系 435 288 微纤丝角度, 纤维素含量 Gonzalez-Martinez et al., 2007
甘蔗 (Saccharum officinarum) 无性系 154 2 209 抗病性 Wei et al., 2006
桉树 (Eucalyptus spp.) 自然群体 290 35 微纤丝角度 Thumma et al., 2005
黑麦草 (Lolium perenne) 自然种质 26 589 抽穗期 Skøt et al., 2005
自然种质 96 506 开花期, 水溶性糖 Skøt et al., 2007
大豆 (Glycine max) 48 150 籽粒蛋白质含量 Jun et al., 2008
珍珠粟 (Pennisetum glaucum) 自交系 90 开花期, 穗长, 茎粗 Saïdou et al., 2009
MAGIC: 多亲本高级世代互交系 MAGIC: Multiparent advanced generation inter-cross
谭贤杰等: 关联分析及其在植物遗传学研究中的应用 113
用P+K和Q+K等模型进行了分析, 结果表明, Q+K混
合模型在维持统计功效的同时可有效降低假阳性, 但
伴随产生了一定的假阴性。尽管无法完全消除假阳性
和假阴性, 全基因组扫描关联分析仍然是一个鉴定
QTL的有力工具。Belo等(2008)利用8 590个SNP标
记全基因组扫描影响玉米籽粒的QTL, 最终定位到
fad2位点, 并验证了fad2基因激活区的核苷酸替换可
能会影响基因的表达从而影响表型。这是第1个利用
全基因组扫描关联分析定位到目标基因的报道。此外,
研究者们还对实验群体进行了探讨。如Kover等
(2009)利用1 026个SNP标记对一个多亲本高级世代
互交系(multiparent advanced generation intercross,
MAGIC)群体(为19个拟南芥材料相互杂交构建的群
体)进行了全基因组扫描, 分析结果证实, 利用此群
体定位的QTL与已知的QTL极为接近, 说明应用此类
等位基因有限群体进行全基因组扫描功效更高且更
加精确。最近, Atwell等(2010)使用包含250 000个
SNP的基因芯片对拟南芥107个性状进行了全基因组
扫描, 鉴定到众多主效位点, 但是目前还难于解释其
中不少基因位点的效应, 原因是多个位点的效应混杂
在一起, 受群体结构的影响很难分辨是否存在真正的
关联。然而, 一些前期研究发现的候选基因位点显示
出了强烈的关联, 这些基因位点可作为下一步研究的
首选目标。Atwell等(2010)的研究是一个真正意义上
的全基因组扫描实例, 尽管还存在假阳性等问题, 但
却证实了关联分析可以有效鉴定QTL, 显示了全基因
组扫描在植物遗传学研究中的巨大潜力。
3 展望
自2001年关联分析引入植物遗传学研究领域以来,
关联分析备受关注, 其应用正处于快速发展时期。近
年来, 随着新统计分析方法的发展, 关联分析在减少
假阳性的同时提高了分析功效, 使得关联分析方法学
日趋完善。伴随基因型分析技术的发展, 特别是高通
量测序技术的发展, 关联分析必将在植物遗传学研究
中发挥更为重要的作用。
3.1 基因型分析技术的发展
进入21世纪后, 测序技术和基因芯片技术得到迅速
发展。在测序技术方面 , 以454-GSFLX、 Illumina
Genome Analyzer、Solid System和SMRT为代表的
高通量测序技术极大地提高了测序通量, 同时降低了
成本, 这为大规模测序提供了极大的便利。目前已完
成了多种植物的基因组测序。此外, 数十种植物的基
因组正在测序中 (http://www.ncbi.nlm.nih.gov/geno-
mes/PLANTS/PlantList.html)。在基因芯片技术方面,
Affymetrix和Illumina等公司已能够提供多个物种的
数以百万标记的基因芯片, 用于SNP分析和表达分
析。高通量测序和基因芯片等生物技术的发展促进了
基因组学、转录组学、比较基因组学、进化基因组学
和反向遗传学等学科的飞速发展, 使得对基因多态
性、遗传定位、表达、调控和功能的研究更加深入全
面, 从而在候选基因策略研究中减少了实验风险, 提
高了实验的目的性。利用高通量测序技术对基因组测
序、重测序和表达序列测序可为关联分析候选基因的
选择和基于全基因组扫描的基因芯片开发提供信息。
目前, 高通量测序技术和基因芯片技术已在大麦(Ho-
rdeum vulgare)(Hamblin et al., 2010)、玉米(Yan et
al., 2009a)、葡萄(Vitis vinifera)(Myles et al., 2010)
和拟南芥(Atwell et al., 2010)中得到应用。伴随高通
量测序技术和基因芯片技术的高速发展, 全基因组扫
描关联分析方法将会在植物遗传学研究中广泛应用。
3.2 关联分析的方法学发展
自从关联分析引入植物学领域以来, 关联分析方法学
得到了快速发展, 但还有许多方面尚需完善。首先,
鉴于群体分层会引起假阳性, 研究者尚需探索对群体
结构剖分更为精确的模型及特殊的关联作图群体, 以
减少假阳性并提高功效。如Yu等(2008)发展了巢式关
联作图(nested association mapping, NAM)群体, 该
群体由25个代表性玉米自交系分别与B73杂交后形
成的重组近交系构成, 并从理论上论证了该作图群体
的高功效性。之后不久该策略便被应用于高粱(Sor-
ghum vulgare)的研究中(Casa et al., 2008)。类似的
报道还有Stich等(2008)发展了AMMSP(association
mapping in multiple segregating populations)群体;
Kover等(2009)发展了MAGIC(multiparent advanced
generation intercross)群体。这些研究策略均是通过
分析有限的等位基因数目, 增加分析群体容量的方
法, 在有效地减少假阳性的同时提高统计功效。其次,
在全基因组关联分析数理统计方面, 基因型标记与表
114 植物学报 46(1) 2011
型数据的关联分析上, 目前主要还是采用“两步法”
(Stich, 2009), 即第1步分析性状平均值或调整平均
值, 第2步应用这些数据与基因型数据进行分析, 这
样不可避免地会引入更多的实验误差。在关联分析计
算效率上, 由于算法尚不完善, 存在运算处理耗时太
长的弊病, 特别是全基因组扫描关联分析时, 数据量
极为庞大, 耗时甚长(Yu et al., 2006)。针对这两方面
的问题, 仍需探索有效手段以提高分析的精确度和效
率。最后, 在利用软件整合、分析数据方面, 由于关
联分析程序涉及基因型分析、群体结构和亲缘分析、
表型鉴定等数据收集和分析过程, 故所用软件众多,
且其过程极为繁琐, 特别是在利用高通量测序和基因
芯片技术进行全基因组扫描关联分析时, 将会涉及数
量巨大的数据、信息处理和分析过程。因此, 急需发
展更方便高效的程序、软件来整合和分析数据。总之,
发展更好的分析方法和算法, 实现高功效、低假阳性
和提高运算效率将会更有助于关联分析在植物遗传
学研究中的广泛应用。
3.3 关联分析在植物遗传学研究中的应用
作物的许多重要农艺性状, 如产量、营养品质和抗逆
性等多属数量性状, 常规育种往往效率不高, 利用分
子育种技术育种是未来的发展方向。关联分析作为一
种高效的QTL鉴定工具, 可在分子育种中发挥重要作
用。首先, 植物育种的本质是优良等位基因的选择与
聚合, 而关联分析可同时对多个等位基因进行鉴定,
筛选到最优等位基因的效率更高, 因而关联分析可用
于对重要目标基因的等位基因筛选, 为优良基因的聚
合奠定基础。其次, 在分子辅助育种(molecular as-
sisted selection, MAS)中, 连锁分析定位到的QTL与
目标基因之间遗传图距往往在1 cM以上, 且在MAS
中易发生目标基因的丢失或连锁累赘, 而关联分析鉴
定标记则可以达到基因水平 , 精度为连锁分析的
5 000倍以上, 在MAS中可极大地提高选择的目的性
和准确性, 进而提高育种效率。最后, 在分子设计育
种方面, 关联分析可为基因的功能分析、功能标记开
发和反向遗传学研究提供有效信息, 从而了解目标基
因的位置、结构、遗传效应和功能等全面信息, 并在
此基础上, 通过基因诱变和基因敲除等方式改良目标
基因, 或通过多个优良基因聚合实现对目标性状的控
制。目前, 一些关联分析的成果已开始在实践中应用。
如Andersen等(2005)对玉米开花期的分子育种进行
了研究; Lubberstedt等(2005)通过对影响青贮玉米消
化能力的bm3基因进行分析, 开发出功能标记, 并将
其用于青贮玉米的MAS研究中; 国际玉米小麦改良
中心(CIMMYT)目前正对玉米抗旱有关的候选基因进
行关联分析, 并在此基础上开发功能标记以进行玉米
抗旱的分子育种研究(Xu et al., 2009)。
参考文献
莫惠栋, 顾世梁 (2000). 基因组长度的估计方法. 科学通报
45, 1414–1418.
Agrama HA, Eizenga GC, Yan W (2007). Association map-
ping of yield and its components in rice cultivars. Mol
Breed 19, 341–356.
Andersen JR, Schrag T, Melchinger AE, Zein I,
Lübberstedt T (2005). Validation of Dwarf8 polymor-
phisms associated with flowering time in elite European
inbred lines of maize (Zea mays L.). Theor Appl Genet
111, 206–217.
Aranzana MJ, Kim S, Zhao K, Bakker E, Horton M, Jakob
K, Lister C, Molitor J, Shindo C, Tang C, Toomajian C,
Traw B, Zheng H, Bergelson J, Dean C, Marjoram P,
Nordborg M (2005). Genome-wide association mapping
in Arabidopsis identifies previously known flowering time
and pathogen resistance genes. PLoS Genet 1, e60.
Ashikari M, Sakakibara H, Lin SY, Yamamoto T, Takashi
T, Nishimura A, Angeles ER, Qian Q, Kitano H,
Matsuoka M (2005). Cytokinin oxidase regulates rice
grain production. Science 309, 741–745.
Atwell S, Huang YS, Vilhjálmsson BJ, Willems G, Horton
M, Li Y, Meng D, Platt A, Tarone AM, Hu TT, Jiang R,
Muliyati NW, Zhang X, Amer MA, Baxter I, Brachi B,
Chory J, Dean C, Debieu M, de Meaux J, Ecker JR,
Faure N, Kniskern JM, Jones JD, Michael T, Nemri A,
Roux F, Salt DE, Tang C, Todesco M, Traw MB, Weigel
D, Marjoram P, Borevitz JO, Bergelson J, Nordborg M
(2010). Genome-wide association study of 107 pheno-
types in Arabidopsis thaliana inbred lines. Nature 465,
627–631.
Bao JS, Corke H, Sun M (2006). Nucleotide diversity in
starch synthase lla and validation of single nucleotide
polymorphisms in relation to starch gelatinization tem-
perature and other physicochemical properties in rice
(Oryza sativa L.). Theor Appl Genet 113, 1171–1183.
Belo A, Zheng PZ, Luck S, Shen B, Meyer DJ, Li BL,
谭贤杰等: 关联分析及其在植物遗传学研究中的应用 115
Tingey S, Rafalski A (2008). Whole genome scan detects
an allelic variant of fod2 associated with increased oleic
acid levels in maize. Mol Genet Genomics 279, 1–10.
Breseghello F, Sorrells ME (2006). Association mapping of
kernel size and milling quality in wheat (Triticum aestivum
L.) cultivars. Genetics 172, 1165–1177.
Briggs W, Mcmullen MD, Gaut BS, Doebley J (2007).
Linkage mapping of domestication loci in a large
maize-teosinte backcross resource. Genetics 177, 1915–
1928.
Camus-Kulandaivelu L, Veyrieras JB, Madur D, Combes
V, Fourmann M, Barraud S, Dubreuil P, Gouesnard B,
Manicacci D, Charcosset A (2006). Maize adaptation to
temperate climate: relationship with population structure
and polymorphism in the Dwarf8 gene. Genetics 10,
1534–1572.
Cardon LR, Palmer JL (2003). Population stratification and
spurious allelic association. Lancet 361, 598–604.
Casa AM, Pressoira G, Brown PJ, Mitchell SE, Rooney
WL, Tuinstrac MR, Franks CD, Kresovicha S (2008).
Community resources and strategies for association
mapping in sorghum. Crop Sci 48, 30–40.
Cockram J, White J, Leigh FJ, Lea VJ, Chiapparino E,
Laurie DA, Mackay IJ, Powell W, OSullivan DM (2008).
Association mapping of partitioning loci in barley. BMC
Genet 18, 9–16.
Delvin B, Risch N (1995). A comparison of linkage disequi-
librium measures for fine mapping. Genomics 29, 311–
322.
Devlin B, Roeder K (1999). Genomic control for association
studies. Biometrics 55, 997–1004.
Doerge RW (2002). Mapping and analysis of quantitative
trait loci in experimental populations. Nat Rev Genet 3,
43–52.
Ehrenreich IM, Hanzawa Y, Chou L, Roe J, Kover P,
Purugganan M (2009). Candidate gene association
mapping of Arabidopsis flowering time. Genetics 183,
325–335.
Ehrenreich IM, Stafford PA, Purugganan MD (2007). The
genetic architecture of shoot branching in Arabidopsis
thaliana: a comparative assessment of candidate gene
associations vs. quantitative trait locus mapping. Genetics
176, 1223–1236.
Epstein MP, Allen AS, Satten GA (2007). A simple and
improved correction for population stratification in
case-control studies. Am J Hum Genet 80, 912–930.
Flint-Garcia SA, Thornsberry JM, Buckler ES (2003).
Structure of linkage disequilibrium in plants. Annu Rev
Plant Biol 54, 357–374.
Flint-Garcia SA, Thuillet A, Yu J, Pressoir G, Romero SM,
Mitchell SE, Doebley J, Kresovich S, Goodman MM,
Buckler ES (2005). Maize association population: a high
resolution platform for quantitative trait locus dissection.
Plant J 44, 1054–1064.
Frary A, Nesbitt TC, Grandillo S, Knaap E, Cong B, Liu J,
Meller J, Elber R, Alpert KB, Tanksley SD (2000).
fw2.2: a quantitative trait locus key to the evolution of
tomato fruit size. Science 289, 85–88.
Gaut BS, Long AD (2003). The lowdown on linkage dis-
equilibrium. Plant Cell 15, 1502–1506.
Gebhardt C, Ballvora A, Walkemeier B, Oberhagemann
P, Schuler K (2004). Assessing genetic potential in
germplasm collections of crop plants by marker-trait as-
sociation: a case study for potatoes with quantitative
variation of resistance to late blight. Mol Breed 13, 93–
102.
Gonzalez-Martinez SC, Ersoz E, Brown GR, Wheeler NC,
Neale DB (2006). DNA sequence variation and selection
of tag singlenucleotide polymorphisms at candidate genes
for drought-stress response in Pinus taeda L. Genetics
172, 1915–1926.
Gonzalez-Martinez SC, Wheeler NC, Ersoz E, Nelson CD,
Neale DB (2007). Association genetics in Pinus taeda L. I.
Wood property traits. Genetics 175, 399–409.
Gupta PK, Rustgi S, Kulwal PL (2005). Linkage disequilib-
rium and association in higher plants: present status and
future prospects. Plant Mol Biol 57, 461–485.
Hamblin MT, Close TJ, Bhat PR, Chao S, Kling JG,
Abraham KJ, Black T, Brooks WS, Cooper B, Griffey
CA, Hayes Hole DJ, Horsley RD, Obert DE, Smith KP,
Ullrich SE, Muehlbauer GJ, Jannink JL (2010). Popula-
tion structure and linkage disequilibrium in US barley
germplasm: implications for association mapping. Crop
Sci 50, 556–566.
Hansen M, Kraft T, Ganestam S, Säll T, Nilsson N (2001).
Linkage disequilibrium mapping of the bolting gene in sea
beet using AFLP markers. Genet Res 77, 61–66.
Harjes CE, Rocheford TR, Bai L, Brutnell TP, Kandianis
CB, Sowinski SG, Stapleton AE, Vallabhaneni R, Wil-
liams M, Wurtzel ET, Yan J, Buckler ES (2008). Natural
genetic variation in lycopene epsilon cyclase tapped for
maize biofortification. Science 319, 330–333.
Hastbacka J, de la Chapelle A, Kaitila I, Sistonen P,
Weaver A, Lander E (1992). Linkage disequilibrium
116 植物学报 46(1) 2011
mapping in isolated founder populations: diastrophic dys-
plasia in Finland. Nat Genet 2, 204–211.
Hey J, Machado CA (2003). The study of structured popu-
lations―new hope for a difficult and divided science. Nat
Rev Genet 4, 535–543.
Holland JB (2007). Genetic architecture of complex traits in
plants. Curr Opin Plant Biol 10, 156–161.
Iwata H, Ebana K, Uga Y, Hayashi T, Jannink JL (2010).
Genome-wide association study of grain shape variation
among Oryza sativa L. germplasms based on elliptic
Fourier analysis. Mol Breed 25, 203–215.
Jorde JB (2000). Linkage disequilibrium and the search for
complex disease gene. Genome Res 10, 1435–1444.
Jun TH, Van K, Kim MY, Lee SH, Walker DR (2008). As-
sociation analysis using SSR markers to find QTL for
seed protein content in soybean. Euphytica 162, 179–
191.
Kang HM, Zaitlen NA, Wade CM, Kirby A, Heckerman D,
Daly MJ, Eskin E (2008). Efficient control of population
structure in model organism association mapping. Ge-
netics 178, 1709–1723.
Kover PX, Valdar W, Trakalo J, Scarcelli N, Ehrenreich
IM, Purugganan MD, Durrant C, Richard M (2009). A
multiparent advanced generation inter-cross to fine-map
quantitative traits in Arabidopsis thaliana. PLoS Genet 5,
e1000551.
Kraakman ATW, Niks RE, van den Berg PMMM, Stam P,
van Eeuwijk FA (2004). Linkage disequilibrium mapping
of yield and yield stability in modern spring barley culti-
vars. Genetics 168, 435–446.
Krill AM, Kirst M, Kochian LV, Buckler ES, Hoekenga OA
(2010). Association and linkage analysis of aluminum tol-
erance genes in maize. PLoS One 5, e9958.
Lander E, Kruglyak L (1995). Genetic dissection of com-
plex traits: guidelines for interpreting and reporting linkage
results. Nat Genet 11, 241–247.
Li Q, Yu K (2008). Improved correction for population strati-
fication in genome-wide association studies by identifying
hidden population structures. Genet Epidemiol 32,
215–226.
Lubberstedt T, Zein I, Andersen JR, Wenzel G, Krutzfeldt
B, Eder J, Ouzunova M, Chun S (2005). Development
and application of functional markers in maize. Euphytica
146, 101–108.
Malosetti M, van der Linden CG, Vosman B, van Eeuwijk
FA (2007). A mixed-model approach to association map-
ping using pedigree information with an illustration of re-
sistance to phytophthora infestans in potato. Genetics
175, 879–889.
Meuwissen THE, Goddard ME (2000). Fine mapping of
quantitative trait loci using linkage disequilibria with
closely linked marker loci. Genetics 155, 421–430.
Myles S, Chia JM, Hurwitz B, Simon C, Zhong GY,
Buckler ES, Ware D (2010). Rapid genomic characteri-
zation of the genus Vitis. PLoS One 5, e8219.
Olsen KM, Halldorsdottir SS, Stinchcombe JR, Weinig C,
Schmitt J, Purugganan MD (2004). Linkage disequilib-
rium mapping of Arabidopsis CRY2 flowering time alleles.
Genetics 167, 1361–1369.
Olsen KM, Purugganan MD (2002). Molecular evidence on
the origin and evolution of glutinous rice. Genetics 162,
941–950.
Oraguzie NC, Wilcox PL, Rikkerink EHA, de Silva HN
(2007). Linkage disequilibrium. In: Oraguzie NC, Rikker-
ink EH, Gardiner SE, de Silva HN, eds. Association Map-
ping in Plants. New York: Springer Verlag. pp. 11–39.
Palaisa KA, Morgante M, Williams M, Rafalski A (2003).
Contrasting effects of selection on sequence diversity and
linkage disequilibrium at two phytoene synthase loci.
Plant Cell 15, 1795–1806.
Patterson N, Price AL, Reich D (2006). Population struc-
ture and eigenanalysis. PLoS Genet 2, e90.
Price AL, Patterson NJ, Plenge RM, Weinblatt ME,
Shadick NA, Reich D (2006). Principal components
analysis corrects for stratification in genome-wide asso-
ciation studies. Nat Genet 38, 904–909.
Pritchard JK, Rosenberg NA (1999). Use of unlinked ge-
netic markers to detect population stratification in asso-
ciation studies. Am J Hum Genet 65, 220–228.
Pritchard JK, Stephens M, Rosenberg NA, Donnelly P
(2000). Association mapping in structured populations.
Am J Hum Genet 67, 170–181.
Purcell S, Neale B, Todd-Brown K, Thomas L, Ferreira
MA, Bender D, Maller J, Sklar P, de Bakker PI, Daly
MJ, Sham PC (2007). PLINK: a tool set for whole-ge-
nome association and population-based linkage analyses.
Am J Hum Genet 81, 559–575.
Rafalski A (2002). Applications of single nucleotide poly-
morphisms in crop genetics. Curr Opin Plant Biol 5,
94–100.
Remington DL, Thornsberry JM, Matsuoka Y, Wilson LM,
Whitt SR, Doebley J, Kresovich S, Goodman MM,
Buckler ES (2001). Structure of linkage disequilibrium
and phenotypic associations in the maize genome. Proc
谭贤杰等: 关联分析及其在植物遗传学研究中的应用 117
Natl Acad Sci USA 98, 11479–11484.
Rosenberg NA, Pritchard JK, Weber JL, Cann HM, Kidd
KK, Zhivotovsky LA, Feldman MW (2002). Genetic
structure of human populations. Science 298, 2381–2385.
Rostoks N, Ramsay L, MacKenzie K, Cardle L, Svensson
JT, Bhat P, Roose ML, Stein N, Varshney RK, Marshall
D, Graner A, Close TJ, Waugh R (2006). A recent history
of artificial outcrossing facilitates whole genome associa-
tion mapping in elite inbred crop varieties. Proc Natl Acad
Sci USA 103, 18656–18661.
Saïdou AA, Mariac C, Luong V, Pham JL, Bezancon G,
Yigouroux Y (2009). Association studies identify natural
variation at PHYC linked to flowering time and morpho-
logical variation in pearl millet. Genetics 182, 899– 910.
Salvi S, Sponza G, Morgante M, Tomes D, Niu X, Fengler
KA, Meeley R, Ananiev EV, Svitashev S, Bruggemann
E, Li B, Hainey CF, Radovic S, Zaina G, Rafalski JA,
Tingey SV, Miao GH, Phillips RL, Tuberosa R (2007).
Conserved noncoding genomic sequences associated
with a flowering-time quantitative trait locus in maize. Proc
Natl Acad Sci USA 104, 11376–11381.
Shehzad T, Iwata H, Okuno K (2009). Genome-wide asso-
ciation mapping of quantitative traits in sorghum (Sor-
ghum bicolor (L.) Moench) by using multiple models.
Breed Sci 59, 217–227.
Skøt L, Humphreys J, Humphreys MO, Thorogood D,
Gallagher J, Sanderson R, Armstead IP, Thomas ID
(2007). Association of candidate genes with flowering
time and water-soluble carbohydrate content in Loliurn
perenne(L.). Genetics 177, 535–547.
Skøt L, Humphreys MO, Armstead I, Heywood S, Skøt
KP, Sanderson R, Thomas ID, Chorlton KH, Hamilton
NRS (2005). An association mapping approach to identify
flowering time genes in natural populations of Lolium
perenne (L.). Mol Breed 15, 233–245.
Spielman RS, McGinnis RE, Ewens WJ (1993). Trans-
mission test for linkage disequilibrium: the insulin gene
region and insulin-dependent diabetes mellitus. Am J
Hum Genet 52, 506–516.
Stich B (2009). Comparison of mating designs for establi-
shing nested association mapping populations in maize
and Arabidopsis thaliana. Genetics 183, 1525– 1534.
Stich B, Melchinger AE (2009). Comparison of mixed-
model approaches for association mapping in rapeseed,
potato, sugar beet, maize, and Arabidopsis. BMC Ge-
nomics 10, 94–94.
Stich B, Melchinger AE, Heckenberger M, Möhring J,
Schechert A, Piepho HP (2008). Association mapping in
multiple segregating populations of sugar beet (Beta vul-
garis L.). Theor Appl Genet 117, 1167–1179.
Szalma SJ, Buckler ES, Snook ME, McMullen MD (2005).
Association analysis of candidate genes for maysin and
chlorogenic acid accumulation in maize silks. Theor Appl
Genet 110, 1324–1333.
Thornsberry JM, Goodman MM, Doebley J, Kresovich S,
Nielsen D, Buckler ES (2001). Dwarf8 polymorphisms
associate with variation in flowering time. Nat Genet 28,
286–289.
Thumma BR, Nolan MF, Evans R, Moran GF (2005).
Polymorphisms in cinnamoyl CoA reductase (CCR) are
associated with variation in microfibril angle in Eucalyptus
spp. Genetics 171, 1257–1265.
Tian Z, Qian Q, Liu Q, Yan M, Liu X, Yan C, Liu G, Gao Z,
Tang S, Zeng D, Wang Y, Yu J, Gu M, Li J (2009). Allelic
diversities in rice starch biosynthesis lead to a diverse
array of rice eating and cooking qualities. Proc Natl Acad
Sci USA 106, 21760–21765.
Tommasini U, Schnurbusch T, Fossati D, Mascher F,
Keller B (2007). Association mapping of Stagonospora
nodorum blotch resistance in modern European winter
wheat varieties. Theor Appl Genet 115, 697–708.
Tracy WF, Whitt SR, Buckler ES (2006). Recurrent muta-
tion and genome evolution: example of sugaryl and the
origin of sweet maize. Crop Sci 46, S49–S54.
Wang H, Nussbaum-Wagler T, Li B, Zhao Q, Vigouroux
Y, Faller M, Bomblies K, Lukens L, Doebley JF (2005).
The origin of the naked grains of maize. Nature 436,
714–719.
Weber AL, Briggs WH, Rucker J, Baltazar BM, Sanchez-
Gonzalez JJ, Feng P, Buckler ES, Doebley J (2008).
The genetic architecture of complex traits in teosinte (Zea
mays ssp. parviglumis): new evidence from association
mapping. Genetics 180, 1221–1232.
Wei XM, Jackson PA, McIntyre CL, Aitken KS, Croft B
(2006). Associations between DNA markers and resis-
tance to diseases in sugarcane and effects of population
substructure. Theor Appl Genet 114, 155–164.
Wen W, Mei H, Feng F, Yu S, Huang ZC, Wu JH, Chen L,
Xu XY, Luo LJ (2009). Population structure and associa-
tion mapping on chromosome 7 using a diverse panel of
Chinese germplasm office (Oryza sativa L.). Theor Appl
Genet 119, 459–470.
Wilson LM, Whitt SR, Ibanez AM, Rocheford TR, Good-
man MM, Buckler ES (2004). Dissection of maize kernel
118 植物学报 46(1) 2011
composition and starch production by candidate gene
associations. Plant Cell 16, 2719–2733.
Xu Y, Skinner DJ, Wu H, Palacios-Rojas N, Araus JL, Yan
J, Gao S, Warburton ML, Crouch JH (2009). Advances
in maize genomics and their value for enhancing genetic
gains from breeding. Int J Plant Genomics 2009, Article ID
957602.
Yan J, Shah T, Warburton ML, Buckler ES, McMullen MD,
Crouch J (2009a). Genetic characterization and linkage
disequilibrium estimation of a global maize collection us-
ing SNP markers. PLoS One 4, e8451.
Yan WG, Li Y, Agrama HA, Luo D, Gao FY, Lu XJ, Ren GJ
(2009b). Association mapping of stigma and spikelet
characteristics in rice (Oryza sativa L.). Mol Breed 24,
277–292.
Yano M, Katayosea Y, Ashikarib M, Yamanouchi U,
Monnac L, Fuseb T, Babac T, Yamamotoc K, Ume-
haraa Y, Nagamuraa Y, Sasakia T (2000). Hd1, a major
photoperiod sensitivity quantitative trait locus in rice, is
closely related to the Arabidopsis flowering time gene
CONSTANS. Plant Cell 12, 2473–2483.
Yu J, Holland JB, McMullen MD, Buckler ES (2008). Ge-
netic design and statistical power of nested association
mapping in maize. Genetics 178, 539–551.
Yu JM, Pressoir G, Briggs WH, Bi IV, Yamasaki M, Doe-
bley JF, McMullen MD, Gaut BS, Nielsen DM, Holland
JB, Kresovich S, Buckler ES (2006). A unified mixed-
model method for association mapping that accounts for
multiple levels of relatedness. Nat Genet 38, 203–208.
Zhao HH, Fernando RL, Dekkers JCM (2007). A power and
precision of alternate methods for linkage disequilibrium
mapping of quantitative trait loci. Genetics 175, 1975–
1986.
Zhu C, Yu J (2009). Nonmetric multidimensional scaling
corrects for population structure in whole genome asso-
ciation studies. Genetics 182, 875–888.
Association Analysis and Its Application in Plant Genetic Research
Xianjie Tan1, 2, Zikai Wu1, Weidong Cheng2, Tianyu Wang3, Yu Li3*
1School of Agronomy, Guangxi University, Nanning 530005, China; 2Guangxi Maize Research Institute, Guangxi Academy of
Agricultural Sciences, Nanning 530227, China; 3Institute of Crop Science, Chinese Academy of Agricultural Sciences, Beijing
100081, China
Abstract Most of the important economic traits in plant genetics are attributed to complex traits. Quantitative trait loci
(QTL) mapping is an important tool for studying complex traits. However, because of its limitations, QTL mapping is used
only in certain cases. Association analysis, a new approach for dissecting complex traits based on linkage disequilibrium,
can overcome the limitations of QTL mapping for use in plant genetic studies. As compared with QTL mapping and other
methods used to dissect complex traits, association analysis does not need specific population construction, multiple
alleles can be analyzed synchronously, and mapping resolution is higher. Here, we introduce the methodology and prop-
erties of association analysis, outline the progress with such analysis in plant genetics research, and discuss future ap-
plications and potential development of association analysis in plant genetics research.
Key words association analysis, haplotypes, linkage disequilibrium, quantitative trait loci
Tan XJ, Wu ZK, Cheng WD, Wang TY, Li Y (2011). Association analysis and its application in plant genetic research.
Chin Bull Bot 46, 108–118.
———————————————
* Author for correspondence. E-mail: yuli@mail.caas.net.cn
(责任编辑: 孙冬花)