3.4 数量性状位点作图

3.3 节讨论了等位基因如何在群体中结伴遗传；本节转向问题的另一端——表型。身高、血压、产奶量、籽粒含油量、果重，这类性状在群体中呈连续分布，只能以尺度度量而不能按表型截然分类，是农业与医学遗传学面对的主要对象。它们不表现孟德尔式的 3:1 分离比，却同样由基因控制；把它们拆解为基因组上可定位、可度量、可操作的单位，正是数量性状位点作图（图 3.4-1）要完成的任务。本节先阐明数量性状的遗传结构（3.4.1），再依次讨论杂交设计（3.4.2）、统计作图框架（3.4.3）、从区间走向基因的精细定位（3.4.4）、多 QTL 与上位性（3.4.5），最后把连锁作图与 3.5 节的关联作图作系统比较（3.4.6）。

3.4.1 数量性状的遗传结构

把一个 F2 群体的果重画成直方图，得到的不是几个分离的峰，而是一条近于正态的连续曲线。早在 1909 年，Nilsson-Ehle 的小麦籽粒颜色杂交与 Johannsen 的菜豆纯系实验已揭示其机制：若干效应方向相同而各自微小的位点，叠加无法控制的环境波动，共同把离散的基因型类别“抹平”成连续的表型分布。这类性状因此得名数量性状(quantitative trait)（又称连续性状），其遗传基础常概括为微效多基因(polygenes)假设：许多位点各贡献一部分效应，没有一个位点的效应大到足以单独决定表型。

Fisher（1918）把这一思想写成可检验的形式。将个体表型值对群体均值的离差记为 P，它分解为基因型值 G（该个体携带的全部位点效应之和）与环境离差 E 之和；在 G 与 E 不相关的前提下，方差随之分解（式 3.4-1）。G 中的遗传方差还可进一步拆为加性方差 V_A、显性方差 V_D 与上位方差 V_I——这一分解正是 3.4.3 节中加性效应、显性效应参数的群体版（另见 Lynch & Walsh, 1998）。

有了上述结构，便可给本节的主角下定义。数量性状位点(quantitative trait locus, QTL)指基因组中影响某一数量性状的染色体区段。必须注意“位点”一词的统计含义：QTL 是作图输出的区间，不必然对应单个基因，区间内往往包含数十至数百个基因；它也是一项统计推断——某段染色体上的等位基因变异与表型变异存在关联，而非一个已被鉴定的物质实体。把区间压缩到基因、再从基因走向机制，是 3.4.4 节的任务。图 3.4-2 从群体分布与单标记两个视角展示数量性状的数据形态。

3.4.2 实验杂交设计

在可控制交配的生物中，作图的第一步是制造“遗传爆炸”：让遗传背景一致的亲本杂交，使减数分裂重组把两条亲本染色体打碎重排，每个后代都是一次独立的重组抽样。亲本通常选择目标性状差异极端的纯系——亲本差异越大，它们在影响该性状的位点上各自固定不同增效等位基因的概率越高，分离群体中的信号也越强。各类群体的构建方式与性质汇总于表 3.4-1。

两个纯系杂交所得 F1 基因型完全一致、表型居中而整齐，可据此初步判断等位基因间以加性为主还是存在显性。F1 自交得 F2，每个位点按 AA:Aa:aa = 1:2:1 分离，三种基因型为估计加性与显性效应提供了充分对比；但每个 F2 个体携带的重组只来自 F1 的一次减数分裂，重组信息有限，优点是构建最快。F1 与亲本之一回交得 BC1，每位点只剩两种基因型（1:1），适合自交不亲和或自交衰退的物种。F2 分布的两端常出现超越双亲的超亲分离(transgressive segregation)个体，通常归因于两亲本在若干位点上携带方向相反的增效等位基因，重组产生了双亲都不具备的聚合基因型。

永久群体把作图从一次实验变成可积累的资源。重组自交系(recombinant inbred line, RIL)由 F2 经单粒传(single-seed descent)自交至 F6–F10 代以上，各品系趋于纯合固定；由于建系过程中每一世代都发生新的重组，RIL 中观察到的重组是多代累积的结果（式 3.4-2）。加倍单倍体(doubled haploid, DH)经花药培养或单倍体诱导后加倍，一步获得纯合永久群体，但其重组信息只相当于一次减数分裂。永久群体的共同优势是基因型一旦确定便可反复使用：表型可多年、多点、多环境重复测量，误差得以压低，数据亦可跨实验室积累。

人类不能安排杂交，连锁信息只能来自家系：受累同胞对检验同胞间共享等位基因（或共享染色体区段）是否超出随机期望，大家系分析则追踪某个祖先等位基因在系谱中的传递与表型共分离。与实验生物相比，人类家系世代数少、可观察的减数分裂有限、亲本远非纯系，连锁信号因此只能覆盖很大的区间——这一分辨率瓶颈要到 3.5 节的关联作图才被打开。

关于样本量有一条值得铭记的直觉：检验的分辨力取决于组间均值差与标准误之比，而标准误随 1/√n 收缩。典型的 F2 中，单个 QTL 解释 5%–10% 的表型方差已属可观，要在这样的信噪比下稳定检出并较准确地估计效应，往往需要数百乃至上千个体；效应越小，所需样本越大，且大致按可解释方差比例的倒数增长。样本量并非越大越好之外的另一种选择——它是小效应 QTL 检出的先决条件。

3.4.3 统计作图框架

作图群体的数据形态是一个矩阵：n 个个体 × m 个标记的基因型，配上一列连续的表型值（图 3.4-1 中部）。一切作图方法都是在这份矩阵上检验同一件事：某处的遗传变异是否与表型变异相关。

单标记分析是最朴素的框架：按某标记的基因型把个体分组，比较组间表型均值——两组比较即 t 检验，三组即方差分析。若该标记与某个 QTL 以重组率 r 连锁，F2 中两纯合标记组的均值差缩小为完全连锁时的 (1−2r) 倍，r 趋近 0.5 时信号消失。由此得到两条固有局限：其一，信号随距离衰减，QTL 效应被系统低估；其二，显著只说明标记“附近某处”存在 QTL，无法给出位置。习题 3.4-2 演示组均值差的推断。

区间作图(interval mapping, IM)（Lander & Botstein, 1989）弥补了位置问题：把 QTL 的假设放在相邻两标记之间的格点上，由两侧标记的基因型与图距推算该点三种 QTL 基因型的条件概率，个体表型于是服从由这些概率加权的混合分布；在“该点存在 QTL”与“不存在 QTL”两个假设下分别最大化似然，沿染色体逐点扫描，得到一条 LOD 曲线。区间作图同时给出位置与效应的估计，但仍有缺陷：当同一染色体的其他区段也存在 QTL 时，标记间的牵连会在区间中部制造鬼峰，相邻 QTL 的效应互相掩盖。复合区间作图(composite interval mapping, CIM)（Zeng, 1994）在模型中加入其他标记作协变量，先把背景遗传变异回归掉，再对目标区间作条件检验，从而压制鬼峰、缩小置信区间并提高功效；代价是协变量挑选（常用逐步回归）本身引入选择步骤，须防止把真正的信号当作背景“回归掉”。

两个假设的比较以 LOD 分数量化（式 3.4-3）。该统计量由 Morton（1955）引入人类连锁分析，后被 QTL 作图沿用。

阈值决定多高的峰才算数。实验作图文献惯用 LOD 2–3 作为工作阈值；更严谨的做法是置换检验（Churchill & Doerge, 1994，见方法框）。峰越过阈值后，峰值位置即 QTL 位置的最大似然估计；峰两侧 LOD 自峰值下降 1.5 处的范围称为 1.5-LOD 支撑区间，常被当作置信区间的近似。但该区间只是经验约定，其真实覆盖率随效应大小、标记密度与样本量而变，小效应 QTL 的 1.5-LOD 区间往往偏窄，报告时应配合独立验证使用。

3.4.4 从 QTL 到基因

越过阈值只是起点。实验群体的重组有限，即便 LOD 峰很显著，1.5-LOD 区间通常仍宽达 10–30 cM；换算成物理距离，1 cM 在不同物种约合数百 kb 至数 Mb，区间内动辄包含成百上千个基因。“QTL 定位到了”与“基因找到了”之间，隔着若干数量级的分辨率鸿沟。跨越它的常规路径有三条：其一，用近等基因系(near-isogenic line, NIL)——经反复回交把目标区间从供体亲本导入统一的遗传背景，只让该小区段分离，背景噪声被彻底消除；其二，扩大群体并利用高代互交增加目标区间内的重组断点，逐代收窄区间；其三，在缩小的区间内对候选基因测序比对、比较表达，再以转基因互补或基因敲除完成功能闭环。定位克隆因此是“作图—更大群体再作图—候选基因验证”的迭代过程，而非一次实验。

与“从作图走向基因”互为印证的，是“从长期选择回推遗传结构”的经典反向论证。伊利诺伊大学自 1896 年起对玉米籽粒含油量作连续的双向选择，百余代后高油系含油量自约 4% 升至约 20%（Dudley & Lambert, 2004）。倘若该性状只由少数位点控制，增效等位基因早在数十代内固定，选择响应亦随之停止；实际上响应长期近乎线性地持续，反证分离变异分散在大量微效位点之上。对高、低油系杂交群体的 QTL 分析确实检出众多效应不等的位点——数量性状的长期改变，是无数微效位点频率一同移动的结果。作图给出“在哪里”，长期选择实验给出“有多少”，两条证据链在多基因假设上会合（综述见 Mackay, 2001）。

3.4.5 多 QTL 与上位性

一次只检验一个 QTL 的框架在真实数据中并不够用。同一染色体上常有多个 QTL，彼此连锁、相互干扰；现代作图普遍采用多 QTL 模型——以逐步回归或贝叶斯变量选择同时拟合若干位点，减少相互掩盖并改进效应估计。多年多点的试验设计则把QTL×环境互作纳入模型：跨环境效应稳定的 QTL 最具育种价值，只在特定环境表达的 QTL 提示环境敏感的调控通路；多性状分析中不同性状常共享 QTL，可能出于一因多效(pleiotropy)，也可能只是紧密连锁的两个基因——在缺乏进一步重组分离时两者难以区分。

上位性(epistasis)指一个位点的效应大小取决于另一位点的基因型，是遗传结构中最难捕捉的部分。检验它代价高昂：F2 中两个位点有 3×3 = 9 种基因型组合，需要估计的参数远多于主效模型；标记数为 m 时两两互作的检验次数按约 m²/2 增长，维度灾难随之而来——若再考虑三阶及更高阶互作，候选模型数迅速超出样本所能支撑的范围。因此常规作图只拟合加性与显性主效应，上位性检验通常限于少数有生物学依据的位点对。

最后是多重检验。沿基因组逐点扫描本身就是成百上千次高度相关的检验，加上性状数、环境数与模型变体，假阳性风险随检验次数膨胀。置换检验以全基因组最大 LOD 为统计量，天然控制整条基因组的错误率；Bonferroni 校正简单但偏保守；错误发现率控制适合探索性筛查。这些工具在人类全基因组关联研究中被推向极限——检验数以百万计，系统性的解决方案留待 3.5 节。

3.4.6 连锁作图与关联作图比较

重组是定位的“货币”：可动用的重组越多，等位基因之间的连锁被切得越碎，定位越精。连锁作图动用的是实验设计下当代的少数几次减数分裂；关联作图动用的是自然群体千百代累积的历史重组。二者由此形成全方位的对照（图 3.4-3 与下表），并互为补充：实验生物中先以连锁作图锁定主效区间、再精细克隆；人类中连锁信号粗而稳、关联信号细而脆，两类证据常需相互印证。3.3 节的连锁不平衡刻画了历史重组在基因组上留下的结构，3.5 节将说明它如何转化为全基因组关联研究的分辨率与陷阱。

至此，本章完成了从“变异的类型”到“变异与表型的统计连接”的铺垫：基因分型技术（3.2 节）提供读出标记基因型的手段，单倍型与连锁不平衡（3.3 节）提供变异在基因组上组织方式的先验，本节的作图框架把它们与连续表型连接起来。下一节把作图群体从设计的杂交搬到自然人群，考察全基因组关联研究如何以历史重组换取分辨率，又如何应对群体结构与多重检验的挑战。