，听了一个从CIMMYT回来的师兄的报告，题目是关联分析在作物遗传改良中的应用。觉得很有意思，在这里记录一下，与大家分享，可能某些观点和看法因为不能很好的理解从而记录有误，还请大家多担待。

首先介绍了目前国际作物育种所面临的新任务-哪就是解决世界人们的粮食需求，保证人们的温饱，并且提到：上一辈的育种家已经为世界粮食的增产做出了贡献，使得粮食的增长与人口增长及对粮食增长的需求相持平，但最近的20年，粮食增长的速度在放缓，年轻一代的育种家需要找出使粮食增产的新途径和新方法，而且这种新方法和途径与上一代绿色革命所用的方法可能会明显的不同（如何不同，在那些形式上）。在他看来，新一代的育种技术在遗传资源利用的广度和深度上将是传统育种方式所不能企及的，他觉得有信心能达到新时代下的育种目标：因为自然界中存在着广泛变异的材料，把这些变异好好的利用起来，就能满足地球人口对粮食的需求（个人觉得这一点还是有道理的，增加作物的抗旱、抗盐碱的能力，就可以扩大作物的种植面积，同时也能提高作物的产量效率；提高作物的肥料利用效率或者提高作物低肥的耐性，也可以在很大程度上提高作物的产量水平的；此外，充分利用和组合发掘的优良等位基因，也是可以预期育出高产作物品中的）。

接下来，介绍了什么是关联分析以及关联分析的度量LD值，并指出LD值在不同的群体之中，不同染色体位置是不一样的，在进行关联分析以前一定要注意关联分析群体的选择和群体结构的分析。虽然举了一个群体结构如何影响关联分析结果的例子，自己还是依旧不能理解：群体结构是如何影响关联分析的。

从关联分析的规模来说，一般有基于候选基因的关联分析方法和全基因组的关联分析方法。候选的关联分析方法可以从已知基因的功能出发，在群体中扩增分析这样特定基因，也可以从QTL mapping的结果出发，对某一区段的所有基因进行关联分析。这里他给出了一个最经典的例子就是玉米维生素代谢途径的候选基因关联分析法，并给出了利用这个方法找到了几个基因的几个位点，对群体中维生素含量的变异贡献率达到58%以上，把这些位点转化成标记，成功的利用到玉米的育种之中，有希望育成“golden maize”，与“dolden rice”相对应。此外，他们还根据文献等各种资料，对几百个基因做了与玉米产量的关联分析，让人感到诧异的，他们并没有找到与产量关联的snp位点，后来他们从次生代谢产物的角度，对从新对这些snp位点做了关联分析，终于找到了与次生代谢产物的相关联的位点，但他们重新回顾这一关联分析的历程时，他们觉得：直接对像产量这样复杂的性状进行关联分析，找不到相关联的位点才是正常的，而找到才是不正常的（不是很能理解）。

研究生的工作是进行数据的分析和科学的解释，如果能有替代的方法做snp等分型的检测的话，那么何必让研究生去做snp的分型实验。师兄认为，应该尽量采用公司的服务。比如，他们实验室目前在确定了用于关联分析的位点时，他们一般倾向于用illumina公司的goldengate芯片来做很多材料的分型，这样几百上千份材料的几百上千个多态性位点在3-5天的时间就可以得到了，而如果用研究生来说做，也许耗尽他/她三年的时间也可能完成不了。

对于全基因组的关联分析，他觉得最重要的一个问题是所用的多态性位点的数目，据估计是几百万甚至上千万个吧（在玉米里）。

关联分析的一个问题是rare 位点的处理，一般来说，rare位点都是发生比较晚的位点，可能也是起主要功能的位点。但在关联分析了，如果某一多态性的数目少于5%的话，一般是不能用于关联分析的（不知道这样的说法从那里来的，难道是样本容量不够吗，如果一个用于做关联分析的群体有10000个株系，那么5%的数目也有500个株系了).这个时候可以与linkage analysis结合起来对这种rare多态性功能进行分析，具体来说，就是通过选择rare多态性的株系与其他株系构建作图群体，构建分离群体和近等基因系的，进行linkage analysis（当然也包括QTLmapping）。他还给出了一个成功的例子。关联分析可以帮助缩减QTL mapping候选基因的范围，也就是说通过利用QTL区间里的多态性位点，进行关联分析，从而找到与目标性状最关联的位点，那么根据关联分析的原理，这一与目标性状关联的位点肯定在目标基因的附件（也许只有几十kb），因此也就缩减了QTL候选基因的范围。关联分析也可以用来验证QTL 定位的候选基因。

关联分析是一个分析-》总结-》再分析的过程，因此，任何想一次分析就可以得到所需结果的想法都是不可取的，也是不现实的，在分析的过程中，需要不断的从其他方面来找出能支撑你结果的证据，比如，QTL mapping的结果，基因pathway的结果，gene功能注释的结果等等。

此外，全基因组上的关联分析，可以给出每一个位点上不同多态性的功能效应，如果以这些功能效应为基础，来评价育种材料和对育种过程进行标记辅助选择，其育种效率是可以大幅度提高的（这就是具有全基因组育种值的分子标记辅助选择的方法吧！），他也给出了这样的例子。

最后，关联分析是一个需要国际协作的工作，需要大家共享关联分析群体，帮助表型的测定，因此需要大规模的协作。同时也需要与育种具体结合起来，填补育种与基因组学等生物分子学科之间的差距。以后，在新一代测序技术的支撑下，表型检测将变得异常的容易，而表型数据的获取依旧是基因型与表型关联的gap，谁能在表型数据的获取上达到高通量、高准确性，谁就能在关联分析，分子育种上占有主导地位。