NED365343NED

93 ях окружающей среды, изменчивость экспрессии, являющейся следст- вием взаимодействия QTL с окружающей средой (Q × Е) , остается ос- новным ограничением для нахождения QTL, лимитирующего получе- ние необходимого преимущества для проявление признаков в различ- ных условиях окружающей среды, и в то же время идентификация эф- фектов «генотип–окружающая среда» (G × E), также как и взаимодейст- вия Q × Е, может позволить выявить генотипы, адаптированные к спе- цифичным или необходимым условиям окружающей среды (Fox et al., 1997). Из-за такой комплексности построения количественных призна- ков требуются интегрированные подходы для увеличения вероятности полезного применения MAS в отношении QTL. В действительности же, несмотря на распространение в последние десятилетия работ по карти- рованию QTL, ряд лимитирующих факторов определил строгие преде- лы эффективного использования информации по картированию QTL в селекции растений посредством MAS. Эти факторы, ограничивающие картирование селекционно-значимых QTL, таковы: − необходимость идентификации основных QTL, контролирующих же- лаемый признак; − неопределенность или изменчивость позиции QTL, особенно тех, ко- торые имеют малый эффект действия (доверительный интервал лока- лизации QTL, определенный посредством наиболее часто используе- мой техники QTL анализа, иногда для малочисленных популяций превышает 30 сМ); − неполноценность информации, получаемой при проведении QTL ана- лиза, приводит либо к переоценке, либо к недооценке числа и эффек- тов QTL; − проблемы, связанные с идентификацией ассоциаций «маркер-QTL», сказываются на качестве оценки различного селекционного материа- ла; − возможность потери целевого QTL в течение проведения MAS из-за двойных кроссоверных обменов между маркерами (эта возможность возрастает с увеличением длины анализируемого маркерного интер- вала); − трудность в точности установления эффектов эпистаза; − трудность оценки взаимодействия Q × Е. Улучшение дизайна полевого эксперимента (Gleeson, 1997) и ста- тистических подходов по QTL анализу позволяет лучше определить па- раметры позиции целевого гена на генетической карте. В предложенных математических подходах, таких как комбинированное интервальное картирование (composite interval mapping, CIM), полевые данные, полу- ченные в различных условиях окружающей среды, могут быть интегри-