基因定位最有效且最常用的方法就是构建遗传连锁图谱进行基因定位，该方法对于数量性状和质量性状的基因定位都适用。今天，小编简单讲解一下遗传图谱构建及QTL定位的一些基本知识点。

质量性状：

指能观察但不能测量的性状，同一种性状的不同表现型之间不存在连续性的数量变化，而呈现质的中断性变化。多由一对或少数几对基因控制。比如，花药的有无、芒的有无、血型、子粒的颜色等。其杂交后代的个体可根据性状明确分组，遗传关系简单，一般服从三大遗传定律。

数量性状：

指个体间表现的差异只能用数量来区别，变异呈连续性的性状。其主要特征有：①个体间差异很难描述，需要度量；②在一个群体中，变异呈连续性；③数量性状常受多基因控制；④数量性状对环境影响敏感。

QTL（quantitative trait locus）：

QTL是数量性状座位或者数量性状基因座，它指的是控制数量性状的基因在基因组中的位置。对QTL的定位必须使用遗传标记，通过寻找遗传标记和感兴趣的数量性状之间的联系，将一个或多个QTL定位到位于同一染色体的遗传标记旁，换句话说，标记和QTL是连锁的。

遗传图谱：

某一物种的连锁图谱，显示所知的遗传标记的相对位置，而不是在每条染色体上特殊的物理位置。

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，是性状表型值的主要成分。

上位效应：

一对基因的表现受到另一对非等位基因的作用，这种非等位基因间的抑制或遮掩作用叫上位效应。起抑制作用的基因称为上位基因，被抑制的基因称为下位基因。

显性效应：

指各基因效应值与其加性效应值的离差，亦即基因型值(G)与其加性效应值(D)的差。又叫显性高差，以H表示，即H=G-D(设上位性效应I=0)。其值可为正数或负数，大小取决于群体中的基因频率，并是各位点内显性值的总和。

LOD score：

遗传学上通常用或然率的常用对数作为标准的衡量方法，该值的对数值称为Lod值或对数优势比。根据两个非此即彼的假设，计算数据的整体或然性，以确定两个基因座或是按一定的重组率而相互连锁的可能性或是互不连锁的可能性；这两种可能性之比，是基因座实际上为连锁的可能性；这个比率的10作底的对数就是对数优势比，即Lod值。为了确定是否存在连锁，一般要求或然比大于1000:1，即Lod>3。

QTL贡献率：

一个QTL所能解释的表型变异概率被称为QTL的贡献率。

物理图谱：

以物理尺度标明各种遗传标记在基因组上的位置和距离。物理图谱的构建不需要经过减数分裂的世代群体，可以直接通过DNA测序获得。

QTL作图：

寻找遗传标记和感兴趣的数量性状之间的联系，将一个或多个QTL定位到连锁群的相应位置，并估计其遗传效应的过程称为QTL作图。

QTL作图常用的方法包括：区间作图、复合区间作图。常用的QTL作图软件有QTL Icimapping、MapQTL、WinQTL cartographer、QTLNetwork、R\qtl等。

偏分离：

指观察到的基因型比例偏离预期的孟德尔频率的分离方式，它不遵循分离规律，无法用传统的遗传理论和方法加以分析。偏分离可以增加群体中杂合等位基因或者异型染色体的频率。

重组率：

指同源染色体的非姊妹染色单体间有关基因的染色体片段发生交换的频率，一般利用重新组合配子数占总配子数的百分率进行估算。

厘摩（cM）:

厘摩是重组频率的测量单位 ，也是遗传图距单位。1个厘摩定义为重组频率100次中发生1次。换句话说，若两个基因间相距1个厘摩，那么其后代与父母相比，有1%的个体具有不同的等位基因频率。这一数值越小，基因在染色体上的位置就越近，连锁关系越紧密。

以上就是小编整理的遗传图谱构建和QTL定位的一些基础知识点。当然，如果要作图的话，还需要了解作图群体，这部分内容可以参考“作图群体如何选择？”这篇文章（蓝色字体可以点击）。

如果您近期有遗传图谱构建及QTL定位的计划，您大可和我们联系，我们将派专人给您制定详细的实验计划，以期得到一张优质的图谱和一个精确的定位结果。

更多技能学习链接：

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

更多生物信息课程：

1. 文章越来越难发？是你没发现新思路，基因家族分析发2-4分文章简单快速，学习链接：基因家族分析实操课程、基因家族文献思路解读

2. 转录组数据理解不深入？图表看不懂？点击链接学习深入解读数据结果文件，学习链接：转录组（有参）结果解读；转录组（无参）结果解读

3. 转录组数据深入挖掘技能-WGCNA，提升你的文章档次，学习链接：WGCNA-加权基因共表达网络分析

4. 转录组数据怎么挖掘？学习链接：转录组标准分析后的数据挖掘、转录组文献解读

5.微生物16S/ITS/18S分析原理及结果解读、OTU网络图绘制、cytoscape与网络图绘制课程

6. 生物信息入门到精通必修基础课，学习链接：linux系统使用、perl入门到精通、perl语言高级、R语言画图

7. 医学相关数据挖掘课程，不用做实验也能发文章，学习链接：TCGA-差异基因分析、GEO芯片数据挖掘、GSEA富集分析课程、TCGA临床数据生存分析、TCGA-转录因子分析、TCGA-ceRNA调控网络分析

8.其他课程链接：二代测序转录组数据自主分析、NCBI数据上传、二代测序数据解读。