

85
та, при которой остаток регрессионного уравнения наименьший. В ка-
честве достоинства данного метода можно назвать простоту, но он и
имеет и некоторые ограничения. В частности, данный подход не может
быть использован для доминантных маркеров популяций
F
2
.
Примерно в это же время был предложен способ, основанный на
комбинации интервального картирования и регрессии по маркерам. Та-
кой подход должен был помочь более точно определять множественные
QTL [186]
. На практике, в качестве кофакторов в данном случае исполь-
зуют привлечение других присутствующих в геноме, представленных
своими маркерами
QTL
, что уменьшает часть остаточной изменчивости
индуцируемой их сегрегацией. Выбор маркеров, которые должны быть
включены в рассматриваемую гипотетическую схему, является важным
этапом. Так, например, для каждой хромосомы наиболее достоверные
маркеры регрессионной модели было предложено отбирать последова-
тельно друг за другом
[187]
. Можно также провести предварительный
поиск
QTL
простым интервальным картированием и затем выбрать
маркеры, наиболее близко прилежащие к выявленным
QTL [419]
. Но-
вые и усовершенствованные методы идентификации и локализации
QTL
, использующие кофакторы, появляются быстро и, благодаря этому,
у исследователей появляется новый инструмент, позволяющий повы-
шать точность оценки эффектов
QTL
и локализации их позиции.
Кроме того, был предложен подход линейной модели, в котором
посредством нескольких сцепленных
QTL
с помощью кодоминантных
маркеров могут быть определены хромосомные эффекты
[321]
. Этот
метод представляет интерес в случае, если ассоциированные
QTL
име-
ют очень мягкие индивидуальные эффекты или противоположные зна-
ки, но он не подходит для определения отдельных, неассоциированных
QTL.
3.3.
Факторы, влияющие на определение
QTL
Хотя принцип определения
QTL
сравнительно прост, существует
несколько факторов, которые влияют на результаты исследований, и ко-
торые должны быть учтены для оптимизации постановки эксперимен-
тов.
Электронная Научная СельскоХозяйственная Библиотека