giáo trình di truyền

Giáo trình
Cơ sở di truyền


Chương 2

PHÂN TÍCH TÍNH ĐA DẠNG VỀ DI TRUYỀN

Phương pháp đo lường khoảng cách của các nhóm trên cơ sở nhiều tính trạng khác
nhau được đề xuất (Mahalanobis 1928).

Phương pháp nầy còn được gọi là hiệu số "bình phương" (D
2
- Mahalonobis).
Các bước phân tích bao gồm:
(i) Thu thập số liệu
(ii) Trắc nghiệm mức độ ý nghĩa
(iii) Chuyển đổi các giá trị
(iv) Tính hiệu số D
2

(v) Trắc nghiệm mức độ ý nghĩa của D
2
với phép thử Chi bình phương
(vi) Mức độ đóng góp của các tính trạng vào sự phân nhóm.

(vii) Xếp nhóm các cluster di truyền:

- Phương pháp Tocher
- Canonical graph.

Chương trình phân tích đã có trong cá mô hình thống kê sinh học
Trước tiên, chúng ta thiết lập một ma trận có chứa các giá trị phương sai (variance) và
hợp sai (covariance) giữa các tính trạng có quan hệ với nhau, để tìm ra các phương trình biến
đổi của các biến số có tương quan.
Kế đến tính D
2
từng cặp giá trị và phân nhóm di truyền. Tính khoảng cách di truyền
trong từng nhóm và giữa các nhóm.
Các genotypes ở cùng một nhóm ít khác biệt hơn kiểu gen ở nhóm khác. Hệ số D ở
trong nhóm nhỏ hơn rất nhiều so với hệ số D giữa các nhóm.
Có ba đặc điểm quan trọng trong khi chọn lựa các genotypes là:
- Chọn nhóm có genotype làm bố mẹ.
- Chọn các genotypes ở trong nhóm có khoảng cách di tryuền với các
nhóm khác càng xa càng tốt.
- Chú ý các tính trạng có mức độ đóng góp cao nhất về độ khác biệt về di truyền.
Phải tiếp tục thực thiện việc lai thử nghiệm, mới có kết luận cụ thể về ưu thế lai giữa
hai nhóm có khoảng cách xa, cũng như sự phân ly của các dòng con lai.

2-1. PHƯƠNG SAI & HỢP SAI (variance, covariance)
(Σx)
2

Σx
2
-

n
Var x = (phương sai)
n - 1

Σxy - (ΣxΣy) / n
Cov xy = (hợp sai)
n –1
Phương pháp metroglyph và tính chỉ số điểm đánh giá đã được Anderson đề nghị từ năm
1957. Sau đó, rất nhiều tác giả khác đã phát triển phương pháp này như Ramanujam và
Kumar (1964), Mukherjee và ctv.(1971), Venketrao và ctv. (1973)

2-2. HIỆU SỐ D
2

pD
2
= b
1
d
1
+ b
2
d
2
+ b
3
d
3
+ + bpdp
pD

2
= Wij (mean xi
1
- mean xi
2
) (mean xj
1
- mean xj
2
)
Trong đó Wij là ma trận của các giá trị phương sai và hợp sai của những tính trạng mục tiêu
được sử dụng để phân tích mức độ đa dạng di truyền
Các bước tính toán được tiến hành theo trình tự sau
1. Phân tích ANOVA và ANCOVA của các tính trạng mục tiêu
2. Tìm phương sai kiểu gen và phương sai kiểu hình, hợp sai kiểu gen và hợp sai kiểu
hình
3. Sắp xếp ma trận của các giá trị phương sai và hợp sai tương ứng theo cột và hàng của
ma trận [G] kiểu gen và [P] kiểu hình. Trong trường hợp chung, chúng ta có thể chỉ
cần sử dụng ma trận [G]. Trường hợp bố trí thí nghiệm không có lập lại, phương sai và
hợp sai được tính theo một dãy số, không có bảng ANOVA và ANCOVA, chúng ta
chỉ có một matrix duy nhất.
4. Giải ma trận theo cách trình bày kiểu “pivotal” (kiểu rễ đuôi chuột). Vế bên trái của hệ
thống phương trình là ma trận của các giá trị phương sai, hợp sai. Bên phải là ma trận
đơn vị tương ứng. Thí dụ nếu chúng ta phân tích trên 4 tính trạng mục tiêu, ma trận
đơn vị sẽ là
1 0 0 0 (1)
0 1 0 0 (2)
0 0 1 0 (3)
0 0 0 1 (4)

5. Chuyển đổi giá trị của các biến số. Thí dụ chúng ta có 4 tính trạng mục tiêu, giá trị
chuyển đổi sẽ được tính theo công thức như sau:
X
1

Y
1
=
(σ
2
X
1
)
1/2

trong đó σ
2
X
1
là phương sai của tính trạng 1
aX
1
+ X
2

Y
2
=
(A)
1/2

trong đó a là hệ số kết qủa cột 1 của hệ phương trình (2) trong ma trận đơn vị khi tính tóan.
A là hệ số kết qủa của số đầu tiên bên vế trái khi tính toán, tương ứng với hệ phương trình (2)
bX
1
+ cX
2
+ X
3

Y
3
=
(B)
1/2

trong đó b là hệ số kết qủa của cột 1, c của cột 2 trong hệ phương trình (3), trong ma trận đơn
vị khi tính toán, và B là hệ số kết qủa của số đầu tiên bên vế trái của hệ phương trình (3)
eX
1
+ fX
2
+ gX
3
+ X
4

Y
4
=

(C)
1/2

trong đó e là hệ số kết qủa của cột 1, f của cột 2, g của cột 3 trong hệ phương trình (4), trong
ma trận đơn vị khi tính toán, và C là hệ số kết qủa của số đầu tiên bên vế trái của hệ phương
trình (4)
Như vậy chúng ta sẽ có hệ phương trình chuyển đổi giá trị với các giá trị lệ thuộc lẫn
nhau
6. Lập bảng giá trị mới rồi tính hiệu số bình phương
Var 1

Cova1.2 Cova1.3 Cova1.4

Var 2 Cova2.3 Cova2.4
Var 3 Cova3.4
Var 4
Quần thể Y
1
Y
2
Y
3
Y
4

1
2
D (1-2) hiệu số giữa 1 và 2
D
2

(1-2) hiệu số bình phương giữa 1 và 2 = Σdi
2

Tương tự, chúng ta tính hiệu số bình phương của từng cặp genotypes trong phân tích
đa dạng di truyền của quần thể. Thí dụ:
D
2
(1-3), D
2
(1-4), D
2
(1-5), D
2
(1-n)
D
2
(2-3), D
2
(2-4) , D
2
(2-n)

D
2
(10-11) , D
2
(10-n)

D
2

([n-1]-n)

2-3. XẾP NHÓM KIỂU GEN VÀO NHỮNG CLUSTER DI TRUYỀN KHÁC NHAU
Căn cứ vào giá trị D
2
, người ta tiến hành xếp nhóm theo trình tự như sau:

Phương pháp Tocher:
Xếp nhóm giống theo những cluster khác nhau căn cứ vào giá trị D
2
nhỏ nhất ở hàng
đầu tiên của tất cả các cột (biểu thị từng giống so với giống còn lại) và mức độ sai biệt có ý
nghĩa với giá trị D
2
lớn nhất ở hàng đầu tiên. Chú ý, những giá trị D
2
ở mỗi cột được xếp theo
thứ tự từ thấp đến cao.

Phương pháp Canonical:
Tính toán giá trị tổng bình phương (sum of square), giá trị SS và tổng của các tích
(sum of products), giá trị SP, đối với tất cả giá trị Y (gía trị chuyển đổi). Hình thành ma trận
chứa các giá trị SS và giá trị SP. Đặt tên ma trận này là [A]. Tính [A]
p
, trong đó p là số tính
trạng mục tiêu được sử dụng để phân nhóm. Thí dụ với 4 tính trạng ta sẽ có [A]
4
.
Sau cùng,
chúng ta phải tính giá trị Z.

2-4. NGHIÊN CỨU CHUYÊN ĐỀ
“Phân tích độ khác biệt di truyền của các giống lúa nướcsâu được sử dụng làm vật liệu lai “
(Bùi chí Bửu 1987)
Phân tích độ khác biệt hay độ phong phú về di truyền (divergence analysis) được áp
dụng để phân lập các kiểu gen khác nhau, phục vụ cho việc lai tạo giống có hiệu quả mong
muốn.
Áp dụng phép thử D
2
của Mahalonobis để xếp nhóm các vật liệu khởi đầu theo những
tính trạng di truyền số lượng.

2-4-1. Giống được sử dụng làm vật liệu gồm có:

1) Ba bông 2) Ba thiệt 3) Chùm ruột
4) Cù là 5) Chệt cụt 6) Lem lùn
7) Lúa phi 8) Nàng tây đùm 9) Nàng keo
10) Tất nợ 11) Trắng chùm 12) Trắng lùn
13) Trắng phước 14) Trắng tép 15) Nàng tây lớn
2-4-2. Tính trạng mục tiêu: Chiều cao cây, số bông/m
2
và ngày trổ bông có hệ số di truyền rất
cao, theo thứ tự (bảng 1)
Năng suất có hệ số di truyền thấp, ảnh hưởng ngoại cảnh có tác động khá lớn, phương
sai do môi trường (0.27) lớn hơn do kiểu gen.
2-4-3. Phân tích sự đóng góp của các tính trạng có ảnh hưởng đối với độ khác biệt về di
truyền cho thấy: hiệu số khác biệt cao nhất xuất hiện ở tính trạng số bông/m
2
và chiều cao
cây. Tỉ lệ đóng góp của mỗi yếu tố nầy là 38.09%. Ngày trổ bông có tỷ lệ thấp hơn (18.09%)

và năng suất lúa mùa có ảnh hưởng thấp nhất (5.63%). Do đó, đối với lúa nước sâu, lúa nổi,
yếu tố chiều cao cây và số bông/m
2
trong điều kiện ngập sâu có vai trò quan trọng về di
truyền.
5-4. Áp dụng phương pháp xếp nhóm của Tocher và phương pháp phân tích Mahalomobis-
D
2
, có 4 nhóm khác nhau về di truyền là:

Nhóm I Nhóm II Nhóm III Nhóm IV
Ba bông Lem lùn Ba thiệt Cù là
Chệt cụt Lúa phi Chùm ruột
Nàng tây đùm Trắng chùm
Nàng keo Trắng lùn
Tất nợ Trắng tép
Nàng tây lớn Trắng phước
2-4-4. Khoảng cách di truyền giữa nhóm và trong nhóm được trình bày ở hinh 12, bảng 20.
Khoảng cách I và III, II và IV, III và IV khá lớn.
Các genotypes ở trong cùng một nhóm ít khác biệt hơn ở kiểu gen ở nhóm khác. Hệ số
D trong nhóm nhỏ hơn rất nhiều so với hệ số D giữa các nhóm.
Người ta thường đề cập đến 3 đặc điểm quan trọng trong khi chọn lựa các genotype là
(Singh và Chaudhary 1985):
Bảng 1: Phương sai và hệ số di truyền của các tính trạng.

Ngày trổ bông Cao cây Bông/m
2
Năng suất
2
g

σ

276.95 643.39 518.31 0.22
2
e
σ

45.45 36.78 50.06 0.27
2
p
σ

322.40 680.17 638.37 0.49
h
2
0.8590 0.9459 0.9216 0.4489
2
g
σ
= phương sai do kiểu gen
2
e
σ
= phương sai do môi trường
2
p
σ
= phương sai do kiểu hình
h
2

= hệ số di truyền

Bảng 2: Giá trị khoảng cách di truyền "D" trong nhóm và giữa các nhóm.

Nhóm I II II IV
I 4.21 7.12 9.14 7.23
II 2.95 9.00 12.58
III 0.13 14.91
IV 0.00

Hình 2-1: Khoảng cách di truyền giữa các nhóm
IV

III

I
II

- Chọn nhóm genotype được dùng làm bố mẹ
- Chọn các genotype ở trong nhóm có khoảng cách di truyền với nhóm khác càng xa
càng tốt.
- Chú ý tính trạng có mức độ đóng góp cao nhất về độ khác biệt di truyền (ở đây số
bông/m
2
và chiều cao cây có ảnh hưởng mạnh mẽ nhất).
Khoảng cách di truyền giữa nhóm III và IV lớn nhất cho thấy sự khác biệt tối đa về di
truyền. Trong trường hợp như vậy, kết quả lai tạo sẽ thành công để có những phân ly mạnh
mẽ ở các dòng con lai, rất có lợi cho nhà chọn giống để khai thác các biến dị này.
Tuy nhiên các tính trạng quan trọng khác như kháng sâu bệnh, phẩm chất hạt cần
được lưu ý khi chọn vật liệu làm bố mẹ.
Bước kế tiếp nên chọn 1 giống từ mỗi nhóm, tiến hành lai vòng (diallel cross) và phân
tích khả năng phối hợp, kết quả đạt được sẽ cao hơn (Singh và Chaudhary 1985).
Kết quả phân tích độ khác biệt về di truyền cho thấy: phần lớn các giống được xếp
cùng một nhóm có xuất xứ về địa lý giống nhau. Thí dụ như nhóm I tập hợp các giống lúa nổi
ở vùng 5, trừ hai giống Nàng keo và Tất nợ. Nhóm II tập hợp các giống ở vùng 4. Nhóm III
tập hợp các giống ở vùng 2. Nhóm IV là giống mùa sớm Cù là.
Phương pháp phân tích này chỉ là bước đầu tiên để phân lập các kiểu gen khác nhau.
Phải tiếp tục thực hiện việc lai thử nghiệm, mới có kết luận cụ thể về ưu thế lai giữa hai nhóm
có khoảng cách xa, cũng như sự phân ly mạnh mẽ ở các dòng con lai.

2-5. PHÂN TÍCH NHÓM TRÊN CƠ SỞ ĐIỆN DI VÀ BIỂU HIỆN ĐA HÌNH
Với sự phát triển của sinh học phân tử, người ta có xu hướng phân nhóm đa dạng di
truyền ở mức độ phân tử. Như vậy, sự chính xác sẽ cao hơn rất nhiều so với phương pháp
truyền thống dựa trên tính trạng hình thái học.
Người ta khai thác những khả năng phân tích rất nhanh nhạy của máy tính (computer)
với nhiều phần mềm chuyên dùng, trong đó NTSYS là phần mềm tương đối khá phổ biến.
Theo nội dung này, chúng ta cho điểm 1 khi có băng thể hiện, và điểm 0 khi băng không thể
hiện trong điện di.

2-5-1. Phân tích ma trận tương đồng, ma trận khoảng cách
(similarity / distance matrix)
Các giá trị tương đồng và khoảng cách là những giá trị ước đoán về mặt số lượng
nhằm mô tả sự gần gủi và khoảng cách di truyền giữa hai cặp đơn vị mục triêu. Giá trị tương
đồng biến thiên từ 0 đến 1. Khoảng cách giảm khi giá trị tương đồng tăng. Khoảng cách
(distances) còn được dùng với thuật ngữ “dissimilarities”
Sokal và Sneath (1963) mô tả nhiều cách tính toán khoảng cách và mức độ giống nhau
giữa hai đơn vị mục tiêu. Khi giá trị ở dạng nhị phân (binary), nghĩa là 1 (có) và 0 (không có),
chúng ta đưa chúng về bảng hai chiều như sau



Isolate j m = a + d
u = b + c
n = m + u

Trong đó, m là số dữ liệu tương ứng, u là số dữ liệu không tương ứng, u là tổng số
băng ghi nhận được

a b

c d



Isolate i
1 0

1

0

Chỉ số tương ứng giản đơn (simple matching coefficient)
m
S
SM
=
n
Ở đây, người ta gọi “negative matches” khi nào cả hai “isolates” i và j đều không thể
hiện băng, không đếm được

Chỉ số Jaccard (Jaccard’s coefficient)
Khi đo mức độ giống nhau không có tình trạng “negative matches”, người ta áp dụng
công thức sau đây để có chỉ số Jaccard
a
S
j
=
a + u

Chỉ số Dice (Dice’s coefficient)
Một chỉ số khác mô tả mức độ giống nhau bao gồm trường hợp có “negative
matches”, đó là chỉ số Dice
2a
S
b
=
2a + u
Khi đề cập đến thành phần các băng thể hiện trong điện di, chỉ số Dice có thể được
viết lại thành công thức như sau

2a
S
b
=
n
i
+ n
j

Trong đó, n
i
là số băng của “isolate i”, và n
j
là số băng của “isolate j”

Giá trị khoảng cách

Giá trị khoảng cách là độ lệch của những chỉ số biểu thị mức độ giống nhau. Chỉ số

tương đồng S (similarity) biến thiến từ 0 đến 1 có thể được chuyển đổi thành giá trị d
(distance) theo công thức
d = 1 - S
Chúng ta có thể tính toán bằng tay để chuyển đổi chỉ số Dice thành chỉ số khoảng
cách, nhưng với phần mềm chuyên dùng NTSYS, chúng ta sẽ dễ dàng hơn rất nhiều để có kết
qủa với nhiều cặp đơn vị mục tiêu.

2-5-2. Cách tính bằng tay

Đếm số băng của isolate 1 và isolate 2 với ký hiệu n
1
và n
2
, theo thứ tự
Đếm số băng trùng nhau của isolate 1 và isolate 2, ký hiệu là a
12

Tính chỉ số Dice theo công thức

2 a
12

S
b
=
n
1
+ n
2

Chuyển đổi thành giá trị khoảng cách bằng cách lấy 1 trừ đi S
D


d
D
= 1 -S
D

Lập lại qui trình nói trên với những cặp isolate còn lại, thí dụ 1 và 3, 1 và 4, 2 và 3, 2 và 4,
v.v

2-5-3. Xếp nhóm bằng phương pháp UPGMA

Phân tích nhóm (cluster analysis) thực sự là phương pháp sắp xếp các giống thành
những cụm nhóm khác nhau trên cơ sở mức độ giống nhau theo qui ước (người ta còn gọi với
thuật ngữ agglomerative clustering). Nó được thực hiện theo qui trình tiêu chuẩn, nên người
ta còn gọi đó là “greedy algorithm”. Qui trình theo cácbướctiến hành như sau:

• Tìm các cặp (i, j) có giá trị khoảng cách nhỏ nhất (hoặc giống nhau nhất)
• Nhập các cặp này lại thành một nhóm (cluster)
• Tạo ra nhóm lớn hơn tương ứng với nhóm mới sao cho các cặp (i, j) mới tương thích
với giá trị mức độ giống nhau
• Lập lại qui trình
Một trong những phương pháp đơn giản nhất là phương pháp tính khoảng cách trung
bình với giá trị số đại số UPGMA (được viết tắt từ chữ unweighted pair-group method with
arithmetic mean)

Cách tính bằng tay

• Tìm giá trị khoảng cách nhỏ nhất trong ma trận khoảng cách
• Xếp nhóm 2 isolate này lại với nhau, theo giá trị khoảng cách cụ thể, ghi giữa hai điểm
• Xây dựng ma trận khoảng cách mới phối hợp giữa hai isolate gần nhất trong một
nhóm riêng. Khoảng cách giữa hai nhóm mới này và một isolate khác sẽ được ghi
nhận với giá trị khoảng cách trung bình của isolate mới với những isolate trong cluster
• Lập lại qui trình cho đến hết

Thí dụ: ma trận khoảng cách có 5 isolate
Isolate 1 2 3 4
2 d
12

3 d
13
d
23

4 d
14
d
24
d
34

5 d
15
d
25

d
35
d
45


Trong đó, d
ij
là khoảng cách giữa isolate i và isolate j
Thí dụ khoảng khoảng giữa isolate 3 và 4 (d
34
) là ngắn nhất. Hai isolate này được xếp vào một
nhóm với khoảng cách điểm nhánh là (d
34
/2)

d
34
/ 2


d
34
/ 2


Ma trận khoảng cách mới trên cơ sở nhóm (3, 4) và những isolate khác

Isolate 1 2 (3, 4)
2 d

12

(3, 4) d
1(3,4)
d
2(3, 4)

5 d
15
d
25
d
5(3, 4)

3

4
d
13
+ d
14

d
1(3,4)
=
2

d
23
+ d

34

d
2(3,4)
=
2

d
35
+ d
45

d
5(3,4)
=
2

Trong ma trận mới, tìm giá trị khoảng cách nhỏ nhất. Thí dụ ở đây là d
12
, như vậy có nhóm (1,
2) được hình thành

d
12
/ 2



d
12

/ 2
Như vậy, có thêm một ma trận khoảng cách mới

Isolate (1, 2) (3, 4)
(3, 4) d
(12)(34)

5 d
(12)5
d
(34)5


d
5(12)
được tính toán giống như trên, trong khi đó d
(12)(34)
được

tính toán bằng cách lấy trung
bình của d
1(34)
và d
2(34)
:
d
1(34)
+ d
2(34)

d
(12)(34)
=
2
Trong khi đọc giá trị khoảng cách của ma trận mới, thí dụ chúng ta ghi nhận d
(12)(34)
có
khoảng cách ngắn nhất. Điều này có nghĩa là hai nhóm (1, 2) và (3, 4) nằm cùng trong nhóm
((1, 2), (3, 4)) với khoảng cách :
d
(12)(34)

2








d
(12)(34)
/ 2
Ma trận mới được tính toán bằng cách lấy trung bình của d
5(12)
và d
5(34)
.

Isolate ((1, 2), (3, 4))
5 d
5((1, 2), (3, 4))


Giá trị khoảng cách
d
5((1, 2), (3, 4))
= [ d
5(12)
+ d
5(34)
] / 2
1

2
d
12
/ 2


d
12
/ 2

d
34
/ 2

d
34
/ 2
1

2
3

4

Cuối cùng, chúng ta có giản đồ phân 5 nhóm như sau










d
5((1, 2), (3, 4))
/ 2

Biến thiên trong quần thể có thể được định tính bằng hiện tượng dị hợp hoặc hiện
tượng đa dạng di truyền, trong đó đa dạng di truyền tưong thích với quần thể cận giao hơn.
Phương sai của những tính trạng đo đếm được trên cơ sở trung bình giữa các loci, cần phân ra
ở các mức độ khácnhau về sự biến thiên tại những loci này, và chúng cũng cần được kết hợp
theo mức độ biến dị ở những loci khác nhau (Weir 1996)

2-5-4. Phân tích thông qua chương trình NTSYS-pc trên computer
NTSYS-pc là chương trình phần mềm do Rohlf (1992) thiết kế dùng để tìm kiếm và
thành lập kiến trúc những dữ liệu có nhiều biến. NTSYS có thể được thao tác với nhiều loại
hình phân tích một cách linh động
Tạo file NTSYS
Nhằm tạo ra thao tác trong phân tích nhóm với dữ liệu thu thập từ kết qủa đếm băng
điện di, người ta phải tạo ra file NTSYS ở dạng các ma trận. Một ma trận chứa 4 loại hình của
những “records”. Những câu lệnh và các dòng đánh dấu có tính chất chọn lựa tùy thích
Matrix parameter line
Ma trận chứa thông số được viết theo hàng, hàng này chứa 4-5 số (2 trong chúng là
một “suffix L”). Dãy số được cách nhau một khoảng trống
Số hạng đầu tiên là một mã số của ma trận theo cách biểu hiện như sau:
1 = ma trận có dạng chữ nhật
2 = ma trận vuông số liệu không đối xứng
3 = ma trận vuông số liệu đối xứng
5 = ma trận có dạng cây, số liệu không đối xứng
6 = ma trận có dạng cây, số liệu đối xứng
Số hạng thứ hai và thứ ba là những số của hàng và cột trong ma trận
Số hạng thứ tư là 0 nếu chúng không có “số liệu thiếu” trong ma trận
Nếu có số liệu thiếu, số hạng thứ tư sẽ là 1
Số hạng thứ năm rất cần thiết. Nó cung cấp giá trị của số liệu thiếu

Đánh dấu hàng và cột
Chữ L được đặt sau những số của hàng hoặc cột. Thông thường ký hiệu hàng được ưu
tiên trước và cột được ký hiệu sau. Ký hiệu cột phải được bắt đầu từ một hàng mới. Ký hiệu
đánh dấu bảo gồm một dãy chữ số (có thể hơn 8 chữ số hoặc digits nhưng không được chừa
khoảng trống)

1


2
3

4

5
Matrix data lines
Thành phần của ma trận sẽ được viết vào thành hàng tương ứng với một hoặc nhiều
hàng của đầu số liệu vào, sao cho ma trận luôn luôn ở trạng thái “rowwise”. Ma trận vuông
được nhập số liệu thành hàng, bắt đầu từ cột 1

Chạy chương trình NTSYS




Đánh chữ ntsys, rồi ấn phím Enter ở DOS prompt. Màn hình NTSYS hiện ra. Ấn
phím làm rõ màn hình và khởi động ở ô “main program”
Ấn “Page Down” để ô cửa sổ biểu thị nhiều chương trình chọn lựa tiếp theo. Chúng ta
có thể trở lại trang chủ bằng cách sử dụng lệnh “Page Up”

Tính toán ma trận vuông, số liệu đối xứng bằng SIMQUAL

SIMQUAL có thể được sử dụng để tính trong trường hợp ma trận dạng đối xứng, số
liệu mang giá trị nhị phân (binary), trong đó 1 biểu thị có băng hiện diện, và 0 biểu thị không
có băng
1. Chọn Qualitative từ danh mục của “main program”. Cổng SIMQUAL mở ra cho phép
chúng ta thao tác
2. Chọn Name of input matrix, đánh vào “file name” của thư mục chứa số liệu nhị phân
của chúng ta. “File” này sẽ xác định tính chất ma trận NTSYS đã được mô tả ở trên.
3. Khi chúng ta di chuyển đến Coefficient entry, một liệt kê kết qủa phân tích sẽ cho
chúng ta các hệ số cần thiết. Trở lại DICE và chọn bằng cách dùng phím mũi tên di
chuyển lên, xuống, phải, trái. Bấm Enter để chọn lệnh
4. Tại cửa sổ Name ở output matrix, chúng ta ấn lệnh enter vào “filename” cần thiết, để
lưu giữ matrix
5. Câu lệnh hỏi chúng ta hiện trên màn hình: “By rows or cols?. Nhấn phím vào lệnh
ROW.
6. Ấn F2 để chạy chương trình



Xếp nhóm bằng phương pháp SAHN
1. Chọn SAHN Clustering từ danh mục trong “main program”. Ô SAHN mở ra.
2. Chọn Name of input matrix, ấn “filename” của ma trận khoảng cách
3. Chọn Name of output matrix, ấn file name nơi mà chúng ta muốn lưu giữ ở cây
thư mục UPGMA. Chương trình hoạt động thông qua một “tree matrix”
4. Ấn F2 để chạy chương trình. Ấn ESC hai lần để trở lại “main program”
In giản đồ
1. Đưa về Name of tree matrix. Lúc bấy giờ chúng ta có thể thay đổi tên file nếu cần
2. Ấn F2, chương trình sẽ vẽ giản đồ giống như cây gia hệ, biểu thị các cluster và
khoảng cách di truyền. Ấn Alt-P để in cây gia hệ

3. Nếu chúng ta muốn điều chỉnh, nhấn ESC hai lần để trở về “Tree entry window”.
Nhập thông tin mong muốn trong Minimum for scale. Lập lại bước 2.
Muốn thoát ra chương trình, nhấn ESC trở về “main program”


NTSYSpc trong WINDOW
Hiện nay, người ta đã có thể sử dụng NTSYS trong Window. Chúng ta vào số liệu
trong Excel theo như qui định chung. Sau khi nhập số liệu, ở hành đầu tiên chúng ta ký hiệu
cột đầu tiên là 1 trong trường hợp ma trận hình chữ nhật, cột thứ hai ghi số hàng, cột thứ ba
ghi số cột, và cột thứ tư ghi số 0 nếu không có số liệu thiếu (giống như nguyên tắc trong
DOS).
Kế tiếp, chúng ta lưu trữ file với tên file trong excel, rồi đóng lại
Chúng ta mở chương trình NTSYS, nhấp chuột vào “similarity”, xong nhấp “interval
data”. Khung chương trình sẽ hỏi tên file ở “Input”. Nhấp chuột hai lần (double click) và
chọn tên file vừa nhập số liệu trong Excel. Thanh điều khiển “distance” được nhấp chuột để
tìm phương án, thí dụ ta chọn “DIST” để tính khoảng cách giữa các nhóm, nhấn chuột.
Khung chương trình sẽ hỏi tên “Output”. Nhấp chuột hai lần và đặt tên file mới của
output. Kế đến chúng ta bấm chuột vào lệnh “compute”. Chúng ta có thể kiểm tra lại cách xếp
đặt ma trận có chuẩn không trên màn hình. nếu có một sai sót nào đó, màn hình sẽ báo lỗi
ngay lập tức. Nếu ma trận được lập đúng, chúng ta thực hiện tiếp chương trình phân nhóm.
Chọn “clustering”, màn hình sẽ hiện giản đồ cácphương án khácnhau, chọn tiếp phương pháp
SAHN trong các phương pháp trên màn hình, chương trình sẽ hỏi tên input file, chúng ta phải
ghi vào bằng tên của matrix output, xong đặt tên output mới ở câu lệnh kế tiếp, rồi bấm chuột
vào lệnh “compute”. Bấy giờ, ở cuối màn hình bên góc trái sẽ thể hiện tín hiệu của SAHN.
Bấm chuột vào tín hiệu mới xuất hiện này, lập tức chúng ta sẽ có được giản đồ phân nhóm.
Nên nhớ, giá trị được phân nhóm được xếp thành hàng, giá trị thuộc tính của nhóm được xếp
theo cột của ma trận.
Bài tập
Xếp nhóm 40 giống lúa theo kết qủa điện di trên acrylamide gel với 17 loci (SSR marker)
theo phương pháp SAHN, sử dụng NTSYSpc.

1

17

40

0


1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

O.14 0

0

0

0

0

0

1

0

0

0

1

0

0

0

1

1

1

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

1

1

0

1

0

0

0

0

O.33-A 1

1

0

0

1

0

1

0

0

0

0

1

1

0

1

0

1

1

0

1

0

0

0

0

0

0

0

0

0

1

0

0

1

1

1

0

1

0

0

0

O.33-B 0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

1

1

0

0

0

1

0

0

1

0

0

1

1

1

0

1

0

0

0

O.34 0

0

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

O.35 1

1

1

1

1

1

1

0

1

0

0

0

0

1

0

1

0

0

1

0

0

1

0

1

0

0

0

1

0

1

1

0

1

1

1

1

0

0

0

0

O.163 1

1

0

0

1

0

0

0

1

0

0

0

0

1

0

0

0

0

0

0

0

1

1

1

1

0

0

0

0

1

1

1

0

1

0

1

1

0

1

1

R.202-A 0

0

1

0

1

0

1

0

0

0

0

0

1

1

0

1

0

0

0

1

0

1

0

0

1

0

1

1

0

1

1

0

1

0

1

0

0

0

0

1

R.202-B 0

0

1

0

0

0

0

0

0

0

0

1

0

0

1

0

0

0

0

1

0

1

0

1

0

1

1

0

1

1

0

1

0

1

0

0

0

0

0

1

R.206-A 0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

R.206-B 0

0

0

0

0

0

1

0

0

1

1

0

0

0

0

1

0

0

1

1

0

0

0

0

1

0

0

0

0

0

0

0

0

1

0

0

0

0

0

0

R.215 1

0

1

1

0

1

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

1

0

0

1

1

0

0

0

1

1

0

1

0

0

0

0

0

R.220-A 1

1

0

0

1

1

0

1

0

0

0

1

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

R.220-B 0

0

0

0

0

0

0

0

0

1

1

0

0

1

1

0

0

1

1

1

0

1

0

1

0

0

0

0

0

1

0

0

0

1

1

0

0

1

0

0

R.220-C 0

0

1

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

R.231 1

0

0

1

0

1

0

0

0

0

0

0

0

0

1

1

0

0

0

0

0

0

0

1

1

0

0

1

0

1

0

1

0

0

1

0

0

1

1

1

R.235 0

0

1

1

1

1

0

0

1

1

1

0

1

1

0

1

1

0

1

1

0

0

0

0

0

0

0

0

0

1

0

0

0

0

0

0

0

0

0

0

R.281 0

0

0

0

0

0

0

0

0

0

1

0

0

0

1

0

0

0

0

0

1

0

0

0

0

0

0

0

1

0

0

0

0

0

0

0

0

0

0

1










Kết qủa ghi nhận được trong NTSYSpc
Coefficient
0.24 0.34 0.44 0.54 0.64
10
1
2
5
13
9

36
31
14
8
12
21
29
26
18
38
23
37
24
32
25
39
40
3
27
4
6
28
33
35
7
Chương 3

NGUỒN BIẾN DỊ

3-1. BIẾN DỊ GEN
Sự biến dị liên tục có được là do những yếu tố có tính di truyền cũng như yếu tố có
tính không di truyền.
Sự biên dị có tính di truyền phần lớn do tính chất của gen ở trong nhân.
Sự tương tác không alen trong biến di liên tục thường có quan hệ đến một nhóm, theo
mô tả tổng quát đó là hiện tượng epistasis.
Không nên nhằm lẫn thuật ngữ này trong di truyền Mendel trước đây nếu tính trạng ở
F
2
được phân ly theo tỉ lệ 9 : 3 : 4 hoặc 12 : 3 :1. Loại hình cổ điển của epistasis theo tỉ lệ này
được mô tả trong di truyền Mendel, và ý nghĩa của nó đã được phát triển thành khái niệm
khác hẳn trong các chương trình di truyền số lượng sau nầy.

3-2. BIỀN DỊ BÀO CHẤT:
Sự tham gia của bào chất đối với di truyền một tính trạng đã được ghi nhận. Áp dụng
phương pháp lai đảo để phân tích ảnh hưởng của dòng mẹ hay nói đúng hơn là ảnh hưởng của
tế bào chất - ảnh hưởng của môi trường đối với nhân.
Có những biến dị bào chất có thể di truyền được có thể di truyền được như tính bất
dục đực(cms).

3-3. TƯƠNG TÁC GIỮA KIỂU GEN VÀ MÔI TRƯỜNG:
3-3-1 Môi trường có thể ảnh hưởng đến nền tảng di truyền (genetic constitution) của
một quần thể thông qua sức ép chọn lọc (selection pressure) trên quần thể ấy.
Dĩ nhiên lâu dài nó sẽ tạo ra những thay đổi có tính chất tiến hóa, nhưng trước mắt, áp
lực chọn lọc của môi trường có thể làm biến dạng, làm sai lệch sự phân ly và tái tổ hợp mà
theo lý thuyết cho phép chúng ta ước đoán triển vọng của quần thể trong thí nghiệm hoặc
trong quan sát.
3-3-2 Ảnh hưởng thứ hai của di truyền đối với các vật liệu di truyền là có sản sinh ra
một loại quần thể khác hẳn so với tính chất ban đầu vốn có của nó.
3-3-3 Môi trường ở đây bao gồm hai phần:

- Môi trường bên ngoài: nhiệt độ, ánh sáng, đất, nước
- Môi trường bên trong: tế bào chất.
Tương tác giữa kiểu gen và môi trường sẽ được trình bày chi tiết ở các chương sau

3-4. THÀNH PHẦN CỦA CÁC GIÁ TRỊ TRUNG BÌNH:
TÍNH CỘNG VÀ TÍNH TRỘI [ADDITIVE & DOMINANCE]
3-4-1. Tính cộng và tính trội:
Trong một quần thể sinh vật lưỡng bội, một cá thể sẽ rơi vào một trong ba nhóm di
truyền sau:
AA, Aa và aa
Giả sử AA được biểu thị bằng giá trị + da
aa - da
Aa ha

Aa
aa b AA

-da +da
0

Tương tự như vậy, gen Bb cũng có 3 giá trị là +db, -db và hb

Ở đây h có thể theo hướng [+] hoặc [-] tùy thuộc vào tính chất trội của nó. Theo định
nghĩa:
h là tính trội [dominance] biểu hiện tính chất dị hợp tử
d là tính cộng biểu hiện tính chất đồng hợp tử
Nếu:
h < d : trội từng phần [partial dominance]
h = d : trội hoàn toàn [complete dominance]
h > d : siêu trội [over dominance]

h = 0 : không trội [no dominance]
Mức độ của tính trội là tỉ số ha / da
Tỉ số nầy được cụ thể hóa thông qua giá trị (H1 / D)
1/2

Môt dòng lai thật sự sẽ có:
m + S(d+) - S(d-)
Trong đó S(d+) chỉ giá trị tổng cộng của các gen [+ve]
S(d-) [-ve]
m là một hằng số tùy thuộc vào hoạt động của gen không có trong ảnh
hưởng, và hoạt động của các nhân tố không có tính di truyền.
3-5. TRẮC NGHIỆM SCALING:
Nghiệm thức gồm có:
Bố mẹ: P1 và P2
Con lai B1 = F1 x P1
Con lai B2 = F2 x P2
Con lai F2 (phân ly từ F1)
Công thức Mather trong phân tích:
A = 2B1 - P1 - F1 ⇒ VA = 4 VB1 + VP1 + VF1
B = 2B2 - P2 - F1 ⇒ VB = 4 VB2 + VP2 + VF1
C = 4 F2 - 2 F1 - P1 - P2 ⇒ VC = 16 VF2 + 4 VF1 + VP1 + VP2
Trong đó VA, VB, VC là phương sai (variance)
Trong thực tế, mối quan hệ giữa các giá trị trung bình của các thế hệ bố mẹ, con lai, có
thể được xem xét với mức độ chính xác có hạn chế do sai sót khi lấy mẫu.
A, B, và C cũng như các giá trị phương sai của chúng được tính toán để trắc nghiệm
tính chất của tính trội, tính cộng trong mỗi trường hợp.
Dùng phép thử Chi bình phương để kiểm định lại các giá trị [d] và [h]
[d]: tính cộng
[h]: tính trội
Chúng ta sẽ trở lại nội dung chi tiết của biến dị này trong chương tương tác không

alen, hoạt động gen có tính chất epistasis trong di truyền số lượng
3-6. HỢP PHẦN CỦA PHƯƠNG SAI
Phương sai kiểu gen được phân tích thông qua kết qủa thu thập được trong bảng
ANOVA.
σ
2
g = (TrMS - EMS ) / r
trong đó TrMS: trung bình bình phương của nghiệm thức
EMS: trung bình bình phương của sai số
r: số lần lập lại của thí nghiệm
Phương sai của kiểu hình
σ
2
p = σ
2
g + EMS
Hệ số di truyền nghĩa rộng (broad sense, viết tắt là BS)
h
2
BS
= σ
2
g / σ
2
p
Nếu h
2
BS
lớn hơn 70%, tính trạng mục tiêu được kiểm soát chủ yếu bởi yếu tố di
truyền bên trong. Nếu h

2
BS
nhỏ, có nghĩa là ảnh hưởng môi trường bên ngoài chi phối khá lớn
đến tính trạng này. Chúng ta còn có giá trị hệ số di truyền nghĩa hẹp (narrow sense) sẽ được
phân tích ở chương “lai diallel”.
Trong phân tích ANCOVA, chúng ta sẽ thu thập được giá trị hợp sai kiểu gen và hợp
sai kiểu hình theo công thức như sau
Hợp sai kiểu gen
σ
g1g2
= (TrMP - EMP) / r
TrMP: Trung bình tổng cáctích của nghiệm thức trong ANCOVA
EMP: Trung bình tổng các tích của sai số
r: số lần lập lại trong thí nghiệm
Hợp sai kiểu hình
σ
p1p2
= σ
g1g2
+ EMP
Như vậy chúng ta sẽ có hệ số tương quan theo kiểu gen (rg), và hệ số tương quan theo
kiểu hình (rp) được ghi nhận theo công thức sau
Cov
g1g2

rg =
(Var
g1
. Var
g2

)
1/2


Cov
p1p2

rg =
(Var
p1
. Var
p2
)
1/2

Nếu hệ số tương quan của kiểu gen lớn hơn hệ số tương quan của kiểu hình, biến dị di
truyền bên trong đóng góp quan trọng hơn ảnh hưởng của môi trường bên ngoài. Ngược lại,
hệ số tương quan của kiểu gen nhỏ hơn hệ số tương quan của kiểu hình, chúng ta phải xem
xét ảnh hưởng của môi trường bên ngoài
3-7. PHÂN TÍCH ĐƯỜNG DẪN (Path analysis)
Mục tiêu: tìm hiểu mối quan hệ giữa nguyên nhân và kết qủa, xác định nguyên nhân chính
đóng góp nhiều nhất đối với kết qủa
Phương pháp:
- Căn cứ vào hệ số tương quan của từng cặp yếu tố hoặc tính trạng,
- Căn cứ vào hệ số tương quan của yếu tố (tính trạng) với kết qủa cuối cùng

r
11
r
12

r
13
p
1y
r
1y

r
12
r
22
r
23
x p
2y
= r
2y

r
13
r
23
r
33
p
3y
r
3y

A.B = C
B = C . A
-1

Ma trận đảo A
-1
được giải trong Ex-cell
Hệ số path p
1y
, p
2y
, và p
3y
được thể hiện (thực hành trên Excel)
Hệ số cặn (residue)
R = (1 -r
1y
.p
1y
-r
2y
.p
2y
- r
3y
.p
3y
)
1/2

R càng nhỏ càng có lợi cho việc giải thích những nguyên nhân tham gia đóng góp để tạo ra
kết qủa (thông thường 30-40%). Nếu R quá lớn (>60%), chắc chắn chúng ta chưa liệt kê đầy
đủ các yếu tố (tính trạng) tham gia vào kết qủa nghiên cứu.

Giải thích kết qủa phân tích
1. Nếu hệ số tương quan giữa nguyên nhân và kết qủa tương đương với giá trị đóng góp
trực tiếp, cả hai đều có giá trị lớn và cùng dấu đại số, thì yếu tố (tính trạng ) này sẽ
được xem như là nguyên nhân chính, việc chọn tính trạng như vậy sẽ rất có hiệu qủa
2. Nếu hệ số tương quan giữa nguyên nhân và kết qủa dương, nhưng giá trị trực tiếp âm,
hoặc rất nhỏ, thì các giá trị gián tiếp phải được xem xét như là nguyên nhân đóng góp
để có kết qủa này
3. Nếu hệ số tương quan giữa nguyên nhân và kết qủa âm, nhưng giá trị trực tiếp dương
và rất lớn, trong trường hợp như vậy, chúng ta phải thực hiện phương pháp chọn lựa
có giới hạn, cùng một lúc các yếu tố gián tiếp bất lợi (không mong muốn) làm ảnh
hưởng đến giá trị trực tiếp (Singh và Kakar 1977)

Bài tập
1. Tính hệ số path trong trường hợp sau đây
1

0.5

0.4

0.879

0.5

1

0.3

0.465

0.4

0.3

1

0.023



Ma trận đảo



1.467741935

-0.612903226

-0.403226

-0.612903226

1.35483871

-0.16129

-0.403225806

-0.161290323

1.209677






Áp dụng “index function” trong Ex-cell để tính ma trận đảo
1 A B C
2

3
1

0.5

0.4

4
0.5

1

0.3

5

0.4

0.3

1


1
H I J K
2
1

2

3

3
1

1.467742

-0.6129

-0.40323

4
2

-0.6129

1.354839

-0.16129

5
3

-0.40323

-0.16129

1.209677

Viết câu lệnh trong ô I3
=INDEX(MINVERSE($A$3:$C$5),$H3,I$2)

Sau đó dùng lệnh copy để có kết qủa các ô còn lại. Chúng ta nên nhớ phải xác định khu vực
đến (destination) bao gồm cột và hàng bằng các chữ số 1, 2, 3
2. Thực hành tính phương sai
ANOVA (Analysis of variance)
Thí dụ: So sánh năng suất 8 giống lúa, xácđịnh giống nào tốt nhất, phương sai kiểu gen,
phương sai kiểu hình
Kiểu thí nghiệm: Khối hoàn toàn ngẫu nhiên (RBD), 3 lần lập lại (r=3), 8 nghiệm thức (t=8)
Nghiệm thức: 8 giống lúa ký hiệu G1 đến G8
Kết qủa

Nghiệm thức R1 R2 R3 Tổng cộng Trung bình
G1 4.12 4.08 4.10 T1=(4.12+ +4.10)
G2 3.25 4.10 3.89 T2
G3 5.10 5.00 4.63 T3

G4 4.51 3.97 3.99 T4
G5 3.99 4.20 4.15 T5
G6 4.11 4.12 4.11 T6
G7 5.00 4.97 4.88 T7
G8 4.20 4.56 4.10 T8
Tổng cộng R1
(4.12+ +4.20)
R2 R3 Grand total Grand
mean

Phân tích ANOVA
Tổng số bình phương:
TSS = (4.12)
2
+ ((4.08)
2
+ (4.10)
2
+ + (4.10)
2
– CF
Trong đó CF (correction factor) = (Grand total)
2
/ (3x8)
Tổng số bình phương nghiệm thức
TrSS = (T1
2
+T2
2
+T3

2
+T4
2
+T5
2
+T6
2
+T7
2
+T8
2
) / 3 – CF
Tổng số bình phương lần lập lại
RSS = (R1
2
+R2
2
+R3
2
) / 8 - CF
Tổng số bình phương sai số
ESS = TSS – (TrSS + RSS)
Trung bình bình phương = Tổng số bình phương / Độ tự do
ANOVA
Nguồn Độ tự do Tổng số bình phương Trung bình bình phương F
Tổng
Nghiệm thức 8-1=7 TrSS (TrSS/7)=TrMS
Lần lập lại 3-1=2 RSS (RSS/2)=RMS
Sai số (t-1)(r-1) ESS (ESS/14)=EMS
Phép thử F

F = TrMS / EMS
F có ý nghĩa thống kê ở mứcđộ 0.05 được ký hiệu là *
0.01 **
F không có ý nghĩa được ký hiệu là ns
Tra bảng ở độ tự do theo hàng là độ tự do của nghiệm thức (7), và theo cột là độ tự do của sai
số (14)
Tính phương sai theo kiểu gen
σ
2
g = (TrMS - EMS) / r ở đây r=3

Phương sai kiểu hình
σ
2
p = σ
2
g + EMS

Hệ số di truyền nghĩa rộng
H
2
bs
= (σ
2
g /σ
2
p)

3. Thực hành phân tích hợp sai (covariance)
Tính trạng năng suất của 8 giống lúa = Tính trạng 1

Nghiệm thức

R1 R2 R3 Tổng cộng Trung bình
G1 4.12 4.08 4.10 T1=(4.12+ +4.10)
G2 3.25 4.10 3.89 T2
G3 5.10 5.00 4.63 T3
G4 4.51 3.97 3.99 T4
G5 3.99 4.20 4.15 T5
G6 4.11 4.12 4.11 T6
G7 5.00 4.97 4.88 T7
G8 4.20 4.56 4.10 T8
Tổng cộng R1
(4.12+ +4.20)
R2 R3 Grand total = GT Grand mean =
GM
Tính trạng số hạt chắc trên bông = Tính trạng 2

Nghiệm thức

R1 R2 R3 Tổng cộng Trung bình
G1 90 95 92 T’1=(90+95+92)
G2 88 87 83 T’2
G3 97 99 91 T’3
G4 92 90 90 T’4
G5 70 72 75 T’5
G6 88 89 91 T’6
G7 95 94 95 T’7
G8 86 87 90 T’8
Tổng cộng R’1 R’2 R’3 Grand total=GT’ Grand mean = GM’

Tổng của các tích (sum of product ký hiệu là SP)
TSP = (4,12).(90) + + (4,10).(90) – [GT’ x GT] / (8 x 3)
Trong [GT x GT’] / 24 = CF
Tổng của nghiệm thức
TrSP = [(T1xT1’) + + (T8 x T’8) ] / 3 - CF
Tổng của lần lập lại
RSP = [(R1 x R’1) + + (R3 x R’3)] / 8 – CF
Tổng của sai số
ESP = TSP – [TrSP + RSP)
Tính trung bình của SP (MP) bằng cách chia giá trị tổng cho độ tự do

Bảng ANCOVA
Nguồn Độ tự do(Df) SP MP (mean of product)
Nghiệm thức 8-1 TrSP TrMP
Rep 3-1 RSP RMP
Sai số (8-1)(3-1) ESP EMP

Hợp sai kiểu gen giữa tính trạng 1 và 2
σ
g1g2
= (TrMP –EMP) / r
Hợp sai kiểu hình giữa tính trạng 1 và 2
σ
p1p2
= σ
g1g2
+ EMP
Chương 4

SỰ PHÂN LY VÀ LIÊN KẾT CÓ TÍNH ĐA GEN
KHẢ NĂNG KẾT HỢP & TƯƠNG TÁC GEN



4-1. NGUYÊN TẮC CHUNG
Có hai đặc điểm chủ yếu của giả thuyết đa yếu tố (multiple factor):
- Các yếu tố điều khiển (governing) hay các gen được di truyền theo kiểu Mendel.
- Các yếu tố có ảnh hưởng đối với tính trạng nào đó, trong điều kiện quan sát giống
nhau so với yếu tố khác, chúng ta có sự bổ sung cho nhau, và tạo thành mối quan hệ có tính
chất biến dị không di truyền, hoặc là trong một biến dị tổng thể, trong đó sự không liên tục
(discontinuities) trở nên khó phân biệt trong sự phân bố kiểu hình.
Thật là phức tạp khi đề ra lý thuyết về hệ thống đa gen (polygenic) hoặc đa yếu tố
(multifactorial). Các gen cấu trúc sẽ có những ảnh hưởng không giống nhau và chúng được
sao chép bởi các yếu tố không di truyền (non-heritable agencies), những cá thể không dễ dàng
được nhận diện trong các hệ thống như vậy. Bởi vì các gen đó không tuân thủ theo nguyên tắc
Mendel, chúng ta làm thế nào để tin chắc rằng: nó thực sự có trên nhiễm sắc thể và điều khiển
sự di truyền như Mendel phát hiện.
Mặt khác còn ảnh hưởng của sự lai đảo (reciprocal).
Giả sử các tính trạng được điều khiển bởi đa gen - tính trạng có tính biến thiên liên tục
(continuously variable), nó không thường xuyên như trong trường hợp tính trạng có tính biến
thiên không liên tục (discontinuously variable). Do đó cả hai bố mẹ thường tham gia một cách
cân đối vào kíểu gen của con lai về phương diện di truyền do nhân (nuclear heredity) và một
cách không cân đối về phương diện di truyền với kiểu cách khác (như tế bào chất).
Tính chất của gen có nguồn gốc ở nhân (nuclear - borne genes) được biểu hiện bởi sự
phân ly và sự liên kết.
Quan sát ở con lai cận giao (inbred), các dòng thực sự được lai rồi, cả hai bố mẹ và F
1

sẽ cho thấy sự biến dị giống như các yếu tố không di truyền. Nhưng sự phân ly có tính di

truyền kiểu nhân sẽ xảy ra ở F2 và các biến dị di truyền sẽ gắn thêm vào trên những yếu tố
không di truyền ấy.
Do đó F
2
trở nên biến động so với bố mẹ và F
1
. Tần số phân bố của F
2
sẽ rộng hơn và
phần trăm tần suất của trung bình sẽ nhỏ hơn, phân bố hình chuông sẽ dẹp hơn (flatter). Theo
Mendel, các gen ở mỗi locus là đồng hợp tử trong một nửa quần thể F
2
. Sự phân ly tiếp tục
xảy ra ở F
3
, sẽ chỉ có một nửa cặp gen (gene pairs) thể hiện giá trị trung bình. Biến thiên trung
bình của F
3
sẽ phản ánh mối quan hệ của nó với F
2
. Mặt khác, nó cũng nói lên quan hệ giữa
bố mẹ với F
1
, nhưng F
3
sẽ khác hẳn đối với những thế hệ trước nó. Phương sai có xu hướng
đạt đến giá trị cực điểm (extreme), tuy nhiên, trong vài trường hợp hầu hết đó là những giá trị
trung bình.
Trong cùng một thời gian, các gen đồng hợp tử của F
2

sẽ tạo ra những khác biệt giữa
các phenotypes trung bình trong F
3
. Những giá trị trung bình này sẽ tương quan với các
phenotypes của bố mẹ, và F
2
. Ngay cả các dòng bố mẹ cũng không thực sự lai với nhau một
cách hoàn toàn, thì F
2
vẫn cho thấy có sự biến dị lớn hơn F
1
và bố mẹ.
Vì vậy, trắc nghiệm sự phân ly nhằm mục đích phân biệt sự biến dị tương đối của các
thế hệ khác nhau khi lai tạo. Người ta có đủ cơ sở để nói rằng một thử nghiệm cần thiết với
một số lượng rất lớn đã và đang được thực hiện trên cơ sở di truyền do nhân tế bào.