一、灰色关联分析在细毛羊选种中的运用（论文文献综述）
李晓凯[1]（2020）在《内蒙古绒山羊不同毛被类型性状变异及其分子遗传机制的研究》文中研究说明内蒙古绒山羊是我国着名的绒、肉兼用型地方优良山羊品种,经过30多年的系统选育工作,其不仅以绒毛品质优良闻名于世界,而且产绒量在所有绒山羊品种中亦具有明显优势。随着选育目标转变和市场需求变化,优质绒毛纤维生产是目前绒山羊育种的主要目标,在保持产绒量的同时如何降低绒纤维细度性状是今后分子生物学和数量遗传育种研究的主要方向。在生产实践及本课题组前期研究中发现,绒山羊群体中毛被类型存在遗传多样性,统计学和遗传参数估计表明,粗毛纤维性状与绒毛品质性状存在一定的遗传相关和表型相关,长毛型在各绒毛经济性状等方面具有优势。但关于毛被类型的性状变异的调控机制和遗传机理尚不清楚,在一定程度上阻碍了绒山羊的遗传改良进展。高通量测序技术的不断成熟以及测序成本的不断降低,为从多组学的角度解析复杂性状的遗传机制提供了可能。本研究以2018-2019年内蒙古亿维白绒山羊有限责任公司（原内蒙古白绒山羊种羊场）4-5月份生产性能测定数据记录为基础,通过毛被类型的详细表型观测描述、系谱记录信息、绒毛纤维的实验室测量、全基因组DNA重测序以及皮肤毛囊周期转录组测序等数据的综合挖掘分析,揭示毛被类型表型特征、遗传方式、遗传基础及表达调控的差异,为今后的绒山羊分子育种和间接选育工作提供基础。主要研究结果如下:1.通过对内蒙古绒山羊（阿尔巴斯型）不同毛被类型表型观察和描述性统计分析,发现长毛型的主要特征为全身粗毛被毛长且光亮,在群体各年龄段的比例中占有优势,约57.90%～78.70%;短毛型的主要特征为全身被毛粗短或仅四肢或背部粗毛较长,无光泽,在群体各年龄段占21.30%～42.12%。根据系谱和毛被类型数据进行遗传方式分析,推测毛被类型可能为常染色体遗传,其中长毛型显性性状。长毛型绒山羊在抓绒后体重、绒细和产绒量等方面均具有优势,可以作为今后品种选育提高的候选个体或亚群。2.全基因组重测序遗传变异检测共发现13,259,614个SNPs和2,646,292个InDels,基因组区域注释发现分别有0.60%的SNPs和0.16%的InDels属于外显子突变;其中含有错义突变和移码突变的基因分别为10,479和1,343个。基于全基因组SNP位点的群体遗传分化指数FST>0.15筛选,发现了 80,625个SNP和4,953个基因。GO功能分析注释发现富集细胞部分、核部分、线粒体包膜、线粒体膜、裂解酶活性、水解酶活性、刺激反应、细胞交流等生物学功能上,KEGG通路富集分析共发现262个信号通路,其中钙信号通路、赖氨酸降解、Notch信号通路、MAPK信号通路、WNT信号通路等与皮肤毛囊生长发育的相关信号通路中显着富集。3.利用FST和θπ相结合的滑动窗口方法进行全基因组扫描,共筛选到1,227个基因,包括长毛型特有的558个候选基因、短毛型特有的686个候选基因和长毛型与短毛型共有的17个受选择基因。其中ADA、ARID1B、UNC5C和ZEB1等已知与皮肤毛囊的生长发育相关,遗传突变会引起毛发的异常。长毛型个体中的PKIG、CDX1、GCC2、PPP1 CB、LIMS1、HDAC9、GFRA1、PDGFRB、Myo10、LATS2、PROM1、FGF16、TP73等13个基因和短毛型个体中LRPAP1、TRPV4、NELFA、CPLX1、DGKQ、NFKB1、EDA、CXCR3、FGF10、FGF13、FGFBP1、LTBP1、MBTPS2、PPP1CB、SHOC2、SOS2、KRT10、SLC6A14、SLC45A1、CACNG1、CCL19、COL4A5、FABP5、CTBP1等24个基因都是潜在的与毛被类型相关的候选基因。4.通过毛被类型（试验-对照）和毛长（混合线性模型）的GWAS分析,分别检测到12个和603个候选基因,其中检测到C6H4orf48、DGKQ、LOC108636241、LRPAP1、NAT8L、NELFA、POLN、RGS12、SLBP、TACC3、TMEM129 等基因与重组率相关,推测重组热点与毛被类型存在潜在的关系;此外毛长的功能挖掘分析,发现LRPAP1、NELFA、CPLX1、DGKQ、ABCC4、ARHGAP10、AEBP1、IL-6、DUSP6、ERRFI1、ENPP2、FARP2、ZNF407、CDH7、KIF7、TSPEAR、WNT16和CDH19等可能与毛长或毛被类型存在相关。5.利用毛被类型的名义显着性候选基因和课题组前期的不同毛被类型周期性比较转录组数据,进行WGCNA数据的挖掘分析,发现Yellow模块与毛被类型存在较强的相关性,其中CPLX1、LRPAP1、DGKQ、NELLFA、CDK5RAP2、COL18A1、FARP2、KIF7、RECQL5、RHBDF2、RIPK1、SEMA4B、TRPV4、UVSSA、ZFAT等候选基因可能与不同毛被类型存在潜在一定的相关性。6.候选位点关联验证分析,发现LRPAP1基因的第115544377位点的（G→A）的基因型与毛被类型存在极显着相关关系,即基因型（GG）与绒山羊短毛型相关;而AA或AG与绒山羊长毛型相关。本研究通过基因组选择信号、全基因组关联分析以及WGCNA等方法为从基因组层面定位了LRPAP1、TRPV4、NELFA、CPLX1、DGKQ等24个最可能与毛被类型存在相关的候选基因,为今后毛被类型的分子调控机制提供了分子基础。通过遗传变异检测获得了的大量功能突变位点也为今后绒山羊的品种分子遗传改良提供了大量的潜在的分子遗传标记。
王岑[2]（2015）在《南江黄羊瘦素基因LEP遗传多态性及其与生长性状的关联分析》文中研究说明瘦素基因（leptin,LEP）编码的蛋白质主要参与哺乳动物繁殖功能、动物体重和机体能量平衡等方面的调节。本研究以南江黄羊（n=267）,简州大耳羊（n=36）,美姑山羊（n=37）,藏山羊（n=41）和川南黑山羊（n=30）共5个山羊品种为试验材料,研究LEP基因单核苷酸的多态性（Single Nucleotide Polymorphisms,SNP）,并分析南江黄羊LEP基因的SNP位点与生长性状的关联性。主要研究结果如下：1.LEP基因在5个山羊品种中共检测到6个SNP位点（g.117T>C,g.1642G>A,g.2883G>A,g.3053.T>C,g.3190G>A和g.3314T>C）.主要等位基因频率范围为0.583～0.987,各位点基因型分布存在显着性差异。观测杂合度和期望杂合度分别为0.026～0.533和0.026～0.497,PIC为0.025～0.370,呈低度或中度多态性,有较大的选择潜力。卡方（X2）检验表明,LEP基因的6个SNP位点均处于哈迪-温伯格平衡状态（P>0.05）。2.LEP基因在5个山羊品种中总共检测到15种单倍型,主要单倍型频率为0.083～0.244。连锁不平衡（LD block）分析表明,两个培育品种（南江黄羊和简州大耳羊）的LEP基因SNP存在明显的连锁不平衡。3.统计分析表明LEP基因的6个SNP与南江黄羊生长性状存在关联性。在g.117T>C位点,TT基因型个体的24月龄体重和胸围显着高于CC基因型个体（P<0.05）。在g.1642G>A和g.2883G>A位点的GG基因型个体在出生重（2.38±0.03kg,2.45±0.05 kg）和2月龄体重（10.59±0.16kg,10.71±0.26 kg）显着高于AA基因型或GA基因型个体（P<0.05）。在g.3053T>C和g.3190G>A位点,突变纯合基因型个体的24月龄体长显着高于其他基因型个体（P<0.05）。在g.3314T>C位点,TT型个体出生体重显着高于其他两种基因型个体（P<0.05）,而CC型个体在6月龄体长和体高显着高于TC型个体（P<0.05）。4.基因型关联分析表明：携带H2H3基因型个体初生重和2月龄体重最高,其他所有生长性状中表现最好是携带H1H5基因型的个体。5.研究结果表明,LEP基因可能是影响山羊的生长性状的重要候选基因。该基因突变位点与南江黄羊的生长性状间有一定的相关性,可以作为山羊分子育种的辅助选择标记。
皮文辉,杨永林,倪建宏[3]（2001）在《灰色关联分析在细毛羊选种中的运用》文中认为采用细毛羊毛长 （SL）、羊毛纤维细度 （FD）、净毛量 （CFW ）、剪毛后体重 （HW ）等主要选择性状[2 ,4 ] ,将灰色关联分析法[1,3 ] 应用于优质细毛羊育成种公羊选种 ,以期为细毛羊选种提供一种科学的、准确的方法。
潘庆杰[4]（2001）在《五龙鹅经济性状的标记及其分子系统发育关系的研究》文中指出本文以五龙鹅和其它7个中国家鹅品种及一个欧洲鹅品种作为研究对象，采用多元统计法和RAPD分子标记法分别对五龙鹅经济性状的标记及对五龙鹅和其它鹅种的分子系统发育关系进行了分析研究，得到结果如下： 1、应用多元统计方法对五龙鹅80只个体6个性状作了研究，5个选择性状全部都与目标性状—体重具有较高程度的相关；将6个特征根值的前4个作为4个主成份，第一主成份主要综合了体重和与其相关的程度较高的胫长和体长指标的变异信息，因此第一主成份可看作是对体重性状选择的综合指标。其它主成份则对体重性状选择效应相对较低。主成份分析同样可用于其它性状的分析和多目标选择。 2、用筛选出来的10种随机引物，对60只五龙鹅个体基因组DNA进行RAPD扩增分析，得到1001条扩增带，特异带的比率为64.5％。扩增的DNA片段分布在56个个体的基因组中，研究这些特异带与经济性状的关系发现：OPG03、OPG10、OPG16、OPH04、OPH05、OPH15、OPH18、OPH19、OPA13、OPN13等10条引物均可用于鹅的经济性状的标记研究。 3、确定了OPG16引物的GI、DGHJ和GHI组合型，OPG10引物的BCD组合型，OPG03引物的CFG组合型，OPH19引物的B型、D型，OPH05引物的B型和ADFHIL组合型，OPH04引物的B型和DGH组合型，OPH15引物的B型，OPA13引物的FH、ABDH组合型，OPN13引物的ABD组合型可作为五龙鹅体重性状的优势组合型。 4、确定了OPG16引物的D、G、H、I、J带，OPG10引物的B、C带，OPG03引物的C、G带，OPH19引物的A带，OPH18引物的C带，OPH15引物的B带，OPH05引物的F、H、L带，OPA13引物的H、I带，OPN13引物的A带为体重性状的优势条带，而其中的OPG16引物的G、I、J带，OPG10引物的B带，OPH19引物的A带，OPH05引物的F带，OPA13引物的H带，OPN13引物的A带为五龙鹅体重性状的最优势条带。 5、确定效应值大于群体均值一个表型标准差以上的特异性条带组合型为优势条带组合型，单个条带的效应值大于0.5个表型标准差的为优势条带，单个条带效应值大于1个表型标准差的为最优势条带。 6、利用SAS System软件对五龙鹅基因组DNA RAPD扩增产物进行多态标记的T检验，结果得到了OPG03的G带，OPH04的C带，OPH05的C、E、F、L带，OPG10的I、C带，OPH15的B带，OPH18的C带，OPH19的A带，OPA13的B、H带等13条多态标记带与五龙鹅体重性状有着显着的相关关系。这13条带可作为五龙鹅体重指标数量性状标记位点供以利用。 7、用43条随机引物对中国家鹅的6个品种池DNA进行RAPD扩增，得到这些品种基因组DNA的RAPD图谱，共有主带386条，多态带307条，多态率为79.5％，利用SAS System对多态标记进行T检验得到混合DNA组的17个产蛋性状的特异性标记位点，即OPD13I，OPD15C，OPD14F、I，OPE16D，OPF20H、K，OPF13A、B，OPG10A，OPG16F，OPH05M，OPN12E，OPG01D、F，OPE20E，OPD03I等。 8、利用RAPD技术对中国家鹅8个品种进行了系统发育分析，结果是：中国家鹅的 遗传结构基础具有同源性，有共同的晚近祖先。各个家鹅品种内有着较高的变异，遗传 多样性指数为l．81492．6674。9个鹅品种的遗传分化程度为0．5422，说明有54．22％以 上的变异存在于品种间，45．78％变异为群体内产生。 9、五龙鹅与其它7个中国鹅品种和一欧洲鹅品种的遗传距离分别为0．0651，0．1429， 0．2194，0．2296，0．2500，0．2449，0．3if3，0．3776。五龙鹅与辽宁昌图鹅具有非常近 的亲缘关系，其次是与东北籽鹅系统关系较近，这三个品种可能是来自同一个原始群体。 四川白鹅与皖西白鹅亲缘关系很近，再依次是淑蒲鹅、浙东白鹅和狮头鹅，所有中国鹅 品种与朗德鹅距离最远，因此法国的朗德鹅作为中国鹅的一个近源群，是研究中国鹅系 统发育关系的一个理想的外群。
邵建成[5]（1997）在《电子计算机在畜牧业中的应用》文中进行了进一步梳理电子计算机在畜牧业中的应用邵建成（中国饲料工业协会，北京，１０００２６）随着计算机技术的发展，计算机在畜牧业中的应用成为畜牧工作者近年来日益瞩目的领域，是现代育种规划和工厂化畜牧业经营管理的重要工具。目前，计算机在畜牧业的应用，从计算机和工程学角度...
二、灰色关联分析在细毛羊选种中的运用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、灰色关联分析在细毛羊选种中的运用（论文提纲范文）
（1）内蒙古绒山羊不同毛被类型性状变异及其分子遗传机制的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 引言 |
| 1.1 哺乳动物被毛的起源与演化 |
| 1.2 哺乳动物被毛的生物学特征与开发利用 |
| 1.2.1 哺乳动物被毛的生物学特征 |
| 1.2.2 哺乳动物被毛的开发利用 |
| 1.3 哺乳动物皮肤毛囊的生物学特征 |
| 1.4 皮肤毛囊发生发育的基本规律 |
| 1.4.1 毛囊的形态发生过程 |
| 1.4.2 毛囊的周期性变化过程 |
| 1.4.3 皮肤毛囊与绒毛生长发育的相关因子 |
| 1.5 山羊起源与绒山羊遗传资源现状 |
| 1.6 动物毛被特征多样性研究进展 |
| 1.6.1 哺乳动物毛被特征多样性及其遗传基础 |
| 1.6.2 绒山羊毛被类型多样性研究进展 |
| 1.7 遗传标记种类 |
| 1.8 高通量测序技术及其在山羊中的研究应用 |
| 1.8.1 全基因组重测序 |
| 1.8.2 转录组测序 |
| 1.8.3 基因芯片 |
| 1.9 家畜育种的理论方法与生物技术 |
| 1.10 本文研究的目的、意义和内容方法 |
| 1.11 技术路线图 |
| 2 研究一 内蒙古绒山羊不同被毛类型的性状差异分析 |
| 2.1 前言 |
| 2.2 试验材料 |
| 2.3 试验方法 |
| 2.3.1 检测指标 |
| 2.3.2 数据处理与统计分析 |
| 2.4 结果与分析 |
| 2.4.1 不同毛被类型绒山羊的表型特征描述 |
| 2.4.2 不同毛被类型绒毛样品的实验室观察 |
| 2.4.3 毛被类型的遗传方式 |
| 2.4.4 不同年龄毛被类型的比例 |
| 2.4.5 不同毛被类型的特征分布 |
| 2.4.6 不同毛被类型对产绒量、绒厚和抓绒后体重的影响 |
| 2.4.7 不同毛被类型极端个体表型性状的统计与方差分析 |
| 2.5 讨论 |
| 2.5.1 不同毛被类型的分布与遗传方式 |
| 2.5.2 不同毛被类型的绒毛品质差异 |
| 2.6 小结 |
| 3 研究二 内蒙古绒山羊的遗传变异检测及FST分化位点的挖掘研究 |
| 3.1 前言 |
| 3.2 试验材料 |
| 3.3 试验方法 |
| 3.3.1 基因组DNA的提取 |
| 3.3.2 全基因组测序 |
| 3.3.3 基因组遗传变异检测与注释 |
| 3.3.4 功能突变的基因注释与GO/KEGG富集分析 |
| 3.3.5 全基因组SNP位点FST筛选与GO/KEGG富集分析 |
| 3.4 结果与分析 |
| 3.4.1 DNA提取结果 |
| 3.4.2 测序质量与结果统计 |
| 3.4.3 遗传变异的基因组区域分布特征 |
| 3.4.4 错义突变SNP基因注释与GO/KEGG研究 |
| 3.4.5 移码突变InDels的基因注释与GO/KEGG功能研究 |
| 3.4.6 功能突变的韦恩图分析 |
| 3.4.7 全基因组SNP位点F_(ST)分布特征 |
| 3.4.8 FST遗传分化SNP位点的基因组区域注释 |
| 3.4.9 候选基因的GO功能注释与KEGG富集分析 |
| 3.5 讨论 |
| 3.5.1 遗传变异的基因组特征 |
| 3.5.2 错义突变基因的挖掘分析 |
| 3.5.3 移码突变基因的挖掘分析 |
| 3.5.4 具有移码突变和错义突变基因的挖掘分析 |
| 3.5.5 遗传分化较大的候选基因 |
| 3.5.6 FGF5基因突变信息 |
| 3.6 小结 |
| 4 研究三 绒山羊不同毛被类型的全基因组扫描分析 |
| 4.1 前言 |
| 4.2 试验材料 |
| 4.3 试验方法 |
| 4.3.1 连锁不平衡分析 |
| 4.3.2 群体遗传结构分析 |
| 4.3.3 全基因组选择信号扫描分析 |
| 4.3.4 受选择基因的GO功能注释与KEGG富集分析 |
| 4.4 结果与分析 |
| 4.4.1 群体遗传结构特征 |
| 4.4.2 不同毛被绒山羊选择信号 |
| 4.4.3 长毛型绒山羊受选择基因的功能富集分析 |
| 4.4.4 短毛型绒山羊受选择基因的功能富集分析 |
| 4.5 讨论 |
| 4.5.1 绒山羊遗传结构特征 |
| 4.5.2 长毛型绒山羊的受选择候选基因 |
| 4.5.3 短毛型绒山羊的受选择候选基因 |
| 4.5.4 共有的受选择基因 |
| 4.6 小结 |
| 5 研究四 绒山羊不同毛被类型及毛长的全基因组关联分析 |
| 5.1 前言 |
| 5.2 试验材料 |
| 5.3 试验方法 |
| 5.3.1 不同毛被类型的试验-对照GWAS分析 |
| 5.3.2 毛长性状的混合线性模型分析 |
| 5.4 结果与分析 |
| 5.4.1 典型毛被类型表型描述性统计分析结果 |
| 5.4.2 不同毛被类型的GWAS分析 |
| 5.4.3 不同毛被类型的候选基因的蛋白互作分析 |
| 5.4.4 毛长性状的GWAS |
| 5.4.5 毛长候选基因的GO功能注释与KEGG富集分析 |
| 5.5 讨论 |
| 5.5.1 毛被类型GWAS的候选基因 |
| 5.5.2 毛长性状GWAS的候选基因 |
| 5.6 小结 |
| 6 研究五 整合GWAS和WGCNA分析挖掘毛被类型相关的候选基因 |
| 6.1 前言 |
| 6.2 试验材料 |
| 6.3 试验方法 |
| 6.3.1 数据筛选与获得 |
| 6.3.2 权重共表达网络构建 |
| 6.3.3 毛被类型相关模块的筛选及基因表达模式分析 |
| 6.3.4 模块基因的GO/KEGG富集分析 |
| 6.3.5 模块基因互作网络关系图的构建 |
| 6.3.6 基因蛋白-蛋白互作网络构建 |
| 6.4 结果与分析 |
| 6.4.1 权重基因共表达网络的构建 |
| 6.4.2 共表达网络构建及模块筛选 |
| 6.4.3 模块基因表达模式分析 |
| 6.4.4 模块基因GO功能注释与KEGG富集分析 |
| 6.4.5 基因网络关系图 |
| 6.4.6 蛋白-蛋白互作网络分析 |
| 6.5 讨论 |
| 6.5.1 WGCNA的Yellow模块的候选基因 |
| 6.5.2 候选基因的功能分析 |
| 6.5.3 共有基因的潜在功能研究 |
| 6.6 小结 |
| 7 研究六 候选基因的表达趋势及与毛被类型的关联分析验证 |
| 7.1 前言 |
| 7.2 试验材料 |
| 7.3 试验方法 |
| 7.3.1 候选基因的RPKM表达趋势分析 |
| 7.3.2 DNA提取与质检 |
| 7.3.3 引物设计 |
| 7.3.4 PCR反应 |
| 7.3.5 Sanger测序 |
| 7.3.6 相关性统计分析 |
| 7.4 结果与分析 |
| 7.4.1 样本DNA质量与完整性 |
| 7.4.2 Sanger测序结果 |
| 7.4.3 候选基因的表达趋势分析 |
| 7.4.4 候选SNP位点与毛被类型关联分析 |
| 7.5 讨论 |
| 7.6 小结 |
| 8 全文主要研究结论 |
| 9 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 作者简介 |
（2）南江黄羊瘦素基因LEP遗传多态性及其与生长性状的关联分析（论文提纲范文）
| 摘要 |
| Abstract |
| 英文符号说明 |
| 1 文献综述 |
| 1.1 研究背景 |
| 1.2 分子标记技术及应用 |
| 1.3 畜禽生长性状的重要候选基因 |
| 1.4 LEP基因研究概况 |
| 1.4.1 LEP的发现与染色体定位 |
| 1.4.2 LEP的生物学功能 |
| 1.4.3 LEP在家畜中的研究进展 |
| 1.5 南江黄羊简介 |
| 1.5.1 南江黄羊培育史况 |
| 1.5.2 南江黄羊外貌特征 |
| 1.5.3 南江黄羊主要生产性能 |
| 1.5.4 南江黄羊的适应性和推广应用 |
| 1.6 本研究的目的意义 |
| 2 材料和方法 |
| 2.1 试验材料 |
| 2.1.1 血样采集 |
| 2.1.2 生产性能测定 |
| 2.1.3 主要仪器设备与试剂 |
| 2.1.4 数据分析软件 |
| 2.2 试验方法 |
| 2.2.1 血液DNA提取 |
| 2.2.2 血液DNA的质量检测 |
| 2.2.3 引物设计 |
| 2.2.4 PCR扩增 |
| 2.2.5 PCR-RFLP分析 |
| 3 试验结果 |
| 3.1 南江黄羊生长性能 |
| 3.2 基因组DNA的质量检测 |
| 3.3 引物序列 |
| 3.4 目的片段扩增结果 |
| 3.5 测序与分析 |
| 3.6 扩增产物酶切分型 |
| 3.7 LEP基因的多态性分析 |
| 3.8 LEP基因单倍型及连锁不平衡分析 |
| 3.9 LEP基因SNP位点与南江黄羊生长性状的关联分析 |
| 3.10 LEP基因型与南江黄羊生长性状的关联分析 |
| 4 讨论 |
| 4.1 南江黄羊生长性状 |
| 4.2 LEP基因遗传多态性 |
| 4.3 单倍型分析和连锁不平衡分析 |
| 4.4 LEP基因SNP位点与南江黄羊生长性状的关联性分析 |
| 5 结论 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文题目 |
（4）五龙鹅经济性状的标记及其分子系统发育关系的研究（论文提纲范文）
| 1 引言 |
| 1.1 鹅的生物学特性与经济学价值 |
| 1.2 开展本项研究的目的和意义 |
| 1.3 本研究的主要内容 |
| 2 文献综述 |
| 2.1 鹅的起源与中国家鹅种质资源概述 |
| 2.2 畜禽经济性状标记研究进展 |
| 2.3 分子系统发育及动物系统发育研究进展 |
| 3 五龙鹅体尺性状与经济性状关联研究 |
| 3.1 材料与方法 |
| 3.2 结果与分析 |
| 3.3 讨论 |
| 3.4 小结 |
| 4 五龙鹅DNA多型性与体重性状关系的研究 |
| 4.1 材料与方法 |
| 4.2 结果与分析 |
| 4.3 讨论 |
| 4.4 小结 |
| 5 五龙鹅产蛋性能RAPD标记研究 |
| 5.1 材料与方法 |
| 5.2 结果与分析 |
| 5.3 讨论 |
| 5.4 小结 |
| 6 五龙鹅与其它鹅系统发育关系的RAPD分析 |
| 6.1 材料与方法 |
| 6.2 结果与分析 |
| 6.3 讨论 |
| 6.4 小结 |
| 7 结论 |
| 参考文献 |
| 附录 |
| 致谢 |
（5）电子计算机在畜牧业中的应用（论文提纲范文）
| 1 遗传育种 |
| 1.1 计算机技术能促进畜牧生产和品种改良, 提高畜禽生产性能 |
| 1.2 应用计算机处理数据并制定各种选择指数 |
| 1.3 应用计算机模拟方法可以解决保种过程中所受的限制, 为保种研究提供了有力手段 |
| 2 饲料营养方面 |
| 3 生产管理方面 |
| 4 人工智能专家系统和决策支持系统的开发研究 |
四、灰色关联分析在细毛羊选种中的运用（论文参考文献）
- [1]内蒙古绒山羊不同毛被类型性状变异及其分子遗传机制的研究[D]. 李晓凯. 内蒙古农业大学, 2020
- [2]南江黄羊瘦素基因LEP遗传多态性及其与生长性状的关联分析[D]. 王岑. 四川农业大学, 2015(07)
- [3]灰色关联分析在细毛羊选种中的运用[J]. 皮文辉,杨永林,倪建宏. 新疆农业科学, 2001(S1)
- [4]五龙鹅经济性状的标记及其分子系统发育关系的研究[D]. 潘庆杰. 东北农业大学, 2001(01)
- [5]电子计算机在畜牧业中的应用[J]. 邵建成. 黄牛杂志, 1997(03)