今天要分享的是BSA系列最后一个方法：QTL-seq（当然，BSA的方法远不止这些，但原理是相同的，不同的是实验设计）。

QTL-seq与之前的MutMap系列最大的不同在于研究的材料不同：MutMap是用诱变得到的材料，而QTL-seq可用于自然存在的材料。

QTL-seq的原理如图，我们将两个具有极端性状（如株高的高矮）的亲本杂交，得到F1，F1自交后得到性状分离的子代池F2，经过检验发现F2的性状成正态分布，说明这是一个数量性状。我们将F2中的极高和极矮个体分别混池测序，计算每个SNP位点的SNP-index（该位点与参考序列不同的reads数占总reads数的比例），然后将两个SNP-index相减得到ΔSNP-index，我们将ΔSNP-index显著偏离0的位点作为候选位点。

 http://s13/mw690/0065S4ZTzy6SHPdKQ2M3c&690
图 QTL-seq原理（(Takagi, Abe et al. 2013)

        这里可能会有人问，为什么不直接用两个极端性状群体的混池测序找差异位点，却需要杂交一次？这是因为这两个个体或群体可能亲缘关系较远，除了导致性状差异的位点，还存在大量和所研究性状无关的位点也存在差异，这样就给我们定位带来了麻烦。文章的后面就提到了，QTL-seq可以研究两个近期受自然或人工选择的群体，比如一个适应干旱环境，一个却不耐旱，比如一个高产，一个低产。文章建议分别混池测序具有极端性状的两个群体，而不经过杂交，这样做肯定没有经过杂交的可靠，因为这两个群体可能经过了长时间的隔离，群体中可能存在大量随机固定下来的差异位点，这会干扰我们的结果。不过，我们不仅仅看ΔSNP-index，重要是将ΔSNP-index按照滑动窗口拟合了曲线，这是结合了LD的思想：受选择的位点会因为LD的原因，将其附近的标记也一起遗传，如果这些适应性的性状是来自于少数几个祖先，那么结合LD就会为我们排除大量的随机固定的差异位点。同时，我们还可以结合染色体区段的多态性（如π和Hp），对结果进行验证：select-sweep作用会降低受选择位点附近的多态性。这样，就给不适合杂交的情况（比如某些动物很难人工杂交或者后代较少），提供了一个研究的思路。