利用基因型值构建宁夏粳稻核心种质的方法

以250份宁夏粳稻为材料,根据7个农艺性状的遗传多样性,研究粳稻核心种质的构建方法.采用混合线性模型统计分析方法无偏预测材料各性状的基因型值,根据2种遗传距离(马氏距离和欧氏距离),3种取样方法(多次聚类随机取样法、多次聚类优先取样法、多次聚类偏离度取样法),8种聚类方法(最短距离法、最长距离法、中间距离法、重心法、类平均法、可变类平均法、可变法、离差平方和法),用均值、方差、极差、变异系数及秩次评价不同遗传距离、取样方法、聚类方法的优劣.结果表明,马氏距离优于欧氏距离;偏离度取样法优于优先取样法和随机取样法,聚类方法最好的是最短距离法、可变类平均法,适宜取样比例是15％.用马氏距离、偏离度取样法、15％取样比例、最短距离聚类法构建了37份宁夏粳稻核心种质.     

构建作物种质资源核心库的一种有效抽样方法

本文提出了基于基因型值构建作物种质资源核心库的抽样方法。 采用包括基因型与环境互作的遗传模型及混合线性模型统计分析原理, 无偏预测基因型值。 用基因型值计算基因型间的马氏距离, 并采用不加权类平均法进行聚类。 根据树型图, 确定合理的分类水平, 将群体分成若干不同的类群。 计算各基因型的平均离差度, 在各类     

普通野生稻和亚洲栽培稻核心种质遗传多样性的检测研究

以122份野生稻和75份栽培稻在44个RFLP位点的多态性为资料，采用逐步聚类法和分组随机法，按原始样本的50%、20%和10%，分别构建初级核心样本、次级核心样本和核心样本，用多态位点数(Np)、等位基因数(Na)、基因型数(Ng)及平均基因多样性(Hs)等参数，检测其遗传多样性。结果表明，初级核心样本的Np、Na和Ng分别达到原始样本的     

苎麻核心种质构建方法

选用国家长沙苎麻圃的790份种质资源,在已有的25个性状数据的基础上,采用不同取样方法、不同系统聚类方法、不同遗传距离方法构建苎麻核心种质,用质量性状的多样性指数均值、表型保留比率均值和数量性状均值差异百分率、方差差异百分率、极差符合率和变异系数变化率等6个指标评价不同方法组合(取样方法、聚类方法、遗传距离)构建核心种质的优劣。选出合适的构建方法,构建苎麻核心种质。结果表明,不同的取样方法对质量性状和数量性状的遗传多样性影响不同,就质量性状的最大遗传多样性而言,选择优先取样+多次聚类随机取样方法比较适宜,而对数量性状的最大遗传多样性而言,选择优先取样+多次聚类变异度取样方法则较适宜。用优先取样+多次聚类随机取样方法取样时,采用最短距离法和重心法构建的核心种质最好,用优先取样+多次聚类变异度取样时,采用离差平方和法则是构建苎麻核心种质的最佳聚类方法。苎麻核心种质构建与质量性状的不同遗传距离无关,但数量性状以欧氏距离最佳。     

中国绿豆种质资源初选核心种质构建

以国家作物种质资源数据库中5 072份国内绿豆资源为材料, 根据14个农艺性状, 利用地理来源(省)和性状群进行分组, 分别采用比例法、平方根法和多样性指数法确定取样数及聚类选择和随机选择2种个体选择法构建了13个不同的绿豆初选核心样本, 对不同的取样方法及总资源间进行了品种间平均相似性系数、性状符合度、遗传多样性指数和数量性状变异系数的比较。结果表明, 聚类选择取样优于随机取样, 按照性状群分组优于按省分组; 在聚类选择条件下采用多样性指数法确定取样数优于平方根法和比例法。最终确定按性状群分组, 利用多样性指数确定取样数, 聚类选择个体为绿豆核心种质构建的最佳方案。用此方案, 构建了包含719份绿豆种质的初选核心种质, 取样比例为14.2%, 性状符合度达100%。     

基于SSR分子标记的闽楠(Phoebe bournei)核心种质的构建

为更好地发掘和利用现有闽楠种质资源,本研究利用7个SSR位点对江西和福建16个闽楠群体的237份材料进行基因型分析,采用逐步聚类(随机取样策略,位点优先取样策略)和模拟退火算法(等位基因数目最大化策略,遗传距离最大化策略)4种取样方法构建闽楠核心种质,并将各遗传多样性指标进行分析。结果表明:7个SSR位点共检测到50个等位基因,平均为7.143,平均有效等位基因为2.115,Shannon信息指数为0.778,观测杂合度为0.302,期望杂合度为0.442。基于逐步聚类方法构建的核心种质相较于基于模拟退火算法构建的核心种质各遗传参数指标都相对较高。对其进行t检验后,选择以基于逐步聚类位点优先取样策略在25%的取样比例下选取的种质为核心种质,其等位基因数、平均有效等位基因数、多态性位点百分率、Shannon多样性指数的保留率分别为初始种质的98%、104.92%、90.09%、97.94%。筛选出的59份核心种质材料能够较好地代表闽楠种质资源的遗传多样性,为闽楠的种质资源保存提供科学依据。     

低酚棉品种资源聚类分析及核心品种抽取方法的探讨

对我国低酚棉品种资源进行了聚类分析并探讨了核心品种的抽取方法。以116份低酚棉品种为材料,通过16个性状的分析,采用离差平方和法进行聚类,根据树状图,将该低酚棉群体分为5个类群,对各类群品种性状进行了分析。根据取样比例,将该群体分为20个类群,在各类群内,采用随机抽样、按样品间最小遗传距离和最大遗传距离抽样三种方法,构建了3个低酚棉核心种质库,并加以比较。结果显示最大遗传距离法构建的核心种质库,能最大限度地保存原群体的遗传多样性。     

利用RAPD标记研究燕麦属不同种的遗传差异

利用RAPD标记对我国8个燕麦种共21份材料的遗传差异及类群划分进行了研究。22个多态性引物在21个基因型间共扩增出114条带，其中97条带具有多态性，占85．1％。用这些条带计算了不同基因型间的遗传距离，发现各种间的遗传距离(0．053～0．510)普遍大于不同种内的遗传距离(0．022～0．087)。聚类结果显示，21份材料可划归为5大类群8个亚群，并与传统的分类结果基本一致。由此表明，用RAPD标记对燕麦进行遗传关系和分类研究是可行的。     

黄瓜种质资源遗传多样性的ISSR分析

利用ISSR技术对46份黄瓜材料分析,结果表明,8个ISSR引物在46份黄瓜种质中共扩增出42条带,多态性带的比例为85.71%.由Jaccard方法计算遗传相似系数可知,这些材料间的遗传相似系数的变化范围是0.3030～0.8750,其中23(ZN1)和42(四川寸金子)的遗传距离最小(0.3030),其遗传距离最远,34(Edipse)与43(杨泾黄瓜)之间的遗传相似系数最高(0.8750),其遗传距离最近.由聚类分析结果表明,若以相似性系数为0.52为阈值时,可将46份黄瓜品种聚为两类,一类以较强的雌性表现为特征,另一类则多表现为普通性型.若以0.54的相似系数为阈值,46份黄瓜材料可以被分为四大类,虽然不能完全按照生态型将现有黄瓜资源完全聚类,但总体而言,来自于同一生态型的多数资源可以聚在不同的类或亚类中.     

马铃薯品种遗传多样性分析

为解析一套(559份)从世界各国收集的马铃薯种质资源的遗传多样性,用16个表型性状和36个SSR标记进行了聚类和多样性参数分析。对454份表型数据完整材料的UPGMA聚类分析表明,在欧氏距离14.66处被聚成2个类群(A_1和A),其中A_1在欧氏距离12.74处被分为A_(11)和A_(12)亚群;454份材料在欧氏距离11.73处被划成9个类群,包括4个小类(A、B、C和H)和5个大类(D、E、F、G和I),其中类群I所包括的材料占总数的57.5%,该结果较好地揭示了马铃薯种质材料之间的形态差异,区分生态类型不同和遗传差异明显的亲本。36个SSR标记在559份材料中共检测出134个多态性位点,每对引物检测1~7个等位变异,平均3.72个,引物多态性信息量(PIC)为0.1545~0.7743,平均为0.5783,说明品种间有丰富的遗传多样性。NJ系统进化树分析表明,559份材料可分为3个大群。类群I为一个混合群,各地区品种均有分布,包括133份马铃薯材料,占总数的23.8%;类群II中欧洲、北美及中国东北和西北地区的材料所占比重较大,数量为187,占33.5%;类群III中北美、南美以及中国东北和西南地区马铃薯材料所占比重较大,包含239份材料,占42.8%。表型性状聚类与SSR分子标记聚类结果相似,均与地理位置有很大相关性,应结合共同用于评价马铃薯品种遗传多样性。     

利用分子标记数据逐步聚类取样构建甘蔗杂交品种核心种质库

甘蔗杂交品种是商业品种选育的重要亲本资源,为了有效管理和评价这类资源,本研究使用SSR分子标记数据,依据不同相似性系数,采用逐步UPGMA聚类法对161份甘蔗杂交品种(136份来自前期构建的初级核心种质库和25份为新引入国家甘蔗种质资源圃的材料)构建核心种质库,以随机取样方法为对照。在核心种质库质量检测中,用Nei’s多样性指数、Shannon-Wiener多样性指数、总条带数、多态性条带数、多态性条带比例、变异系数符合率、极差符合率、方差差异百分率和均值差异百分率评价分析。结果表明,161份材料在20个SSR位点上具有丰富的多态性,获得294个条带,其中290个为多态性条带,平均多态性条带比例达98.64%;依据3种相似性系数(Jaccard、SM、Dice)和2种取样方法获得8个核心种质库,在核心种质库质量检测中Shannon-Wiener多样性指数、总条带数、多态性条带数表现出较高的检测效率,而其他指标相对较低,8个库中依据Jaccard或Dice相似性系数构建的核心种质库质量最优,该库由107份材料组成,Nei’s多样性指数(0.9785)和Shannon-Wiener多样性指数(4.1854)在P<0.05概率条件下与原库(分别为0.9801和4.4074)无显著差异,而且与原库的均值差异百分率为0 (<20.00%),极差符合率为94.32% (>80.00%),对原库分子和农艺性状遗传多样性都具有较好的代表性,可为后续甘蔗杂交品种资源的准确评价、优异基因发掘和开发利用提供重要的前期基础。     

甘薯核心种质构建方法研究

国家种质广州甘薯圃是我国目前唯一的室外营养体保存的国家种质资源圃,本研究以其中的1200份甘薯资源为材料,22个农艺性状为基础,采用因子分析和变量聚类两种方式对农艺性状进行降维处理,两步聚类、快速聚类和分层聚类3种聚类方法结合5个地理来源对资源分组,组内随机取样与必选资源相结合的方式构建核心种质,依照上述方案共构建出含15个甘薯核心种质的样本库。通过变异系数、标准差符合率和极差符合率评价15个构建方案的数量性状的代表性,多样性指数和表形频率方差评价质量性状的代表性。结果表明,以变量聚类进行降维、两步聚类结合地理来源分组、组内随机取样为甘薯构建核心种质的最佳方案,采用该方法构建的核心种质样本很好的保留了总资源的遗传多样性。     

基于果实品质与EST-SSR标记的刺梨居群遗传多样性分析及核心种质构建

通过分析评价野生刺梨(Rosa roxburghii Tratt.)资源居群遗传多样性和遗传结构,同时构建核心种质,为刺梨资源的保护和发掘利用提供科学依据。本研究利用10对EST-SSR引物和9个果实品质性状指标对收集的12个刺梨自然居群(共102份种质)的遗传多样性及遗传结构进行分析,同时结合原贵州省32份初级核心种质,采用位点优先取样策略进一步构建西南地区核心种质。结果表明,黔西(QX)居群拥有最高的Shannon信息指数I=0.6965,基因多样性指数h=0.3935,多态位点百分率p=84.62%;而古丈(GZ)居群则无论在分子数据还是表型数据都表现为遗传多样性最低;AMOVA分析表明刺梨居群内遗传变异在87%以上,居群间基因流Nem在3.5以上、平均Nei’s遗传距离(GD)0.223。构建的19份核心种质等位基因保留率和稀有等位基因保留率均为100%,能够代表原种质的遗传多样性。西南地区野生刺梨的遗传变异主要发生在居群内,居群间具有基因交流频繁、Nei’s遗传距离小等特点,构建的19份核心种质从等位基因保留率、稀有等位基因保留率及地理分布均能够较好地代表原种质的遗传多样性。自然居群以黔西(QX)居群遗传多样性最高。因此,野生刺梨的保护策略可采用就地保护黔西(QX)居群与迁地保护19份核心种质相结合的方法进行。     

Establishment of Chinese soybean Glycine max core collections with agronomic traits and SSR markers

It is very important to efficiently study and use genetic diversity resources in crop breeding and sustainable agriculture. In this study, different sampling methods and sample sizes were compared in order to optimize the strategies for building a rationally sized core collection of Chinese soybean (Glycine max). The diversity in the core collection captured more than 70% of that in the pre-core collection, no matter what sampling methods were used, at a sampling proportion of 1%. Core collections established with both simple sequence repeat (SSR) marker data and agronomic traits were more representative than those chosen on an independent basis. An optimal sampling method for a soybean core collection was determined, in which strategy ‘S’ (allocating accessions to clusters according to the proportion of square root of the original sample size within each ecotype) was used based on SSR and agronomic data. Curve estimation was used to estimate the allelic richness of the entire Chinese soybean germplasm and a minimum sample size for a core collection, on which a sampling proportion of about 2% was determined to be optimal for a core collection. Further analysis on the core collection with fourteen agronomic traits and allelic constitution at 60 SSR loci suggested that it highly represented the entire collections both on genetic structure and diversity distribution. This core collection would provide an effective platform in proper exploitation of soybean germplasm resources for the study of complex traits and discovering important novel traits for crop genetic development.     

大豆核心种质和微核心种质的构建、验证与研究进展

我国作物种质资源长期库中保存大豆资源2.3万余份,数量居世界之首。然而,在大豆新品种培育中的利用率仅为1%左右,导致大豆育成品种的遗传基础趋于狭窄。主要原因是缺少对其重要经济性状的鉴定,尤其是缺少多年多点的评价,难以有目的选择有重要价值的育种亲本。为了加速大豆种质资源的评价并促进其利用,在国家基础研究项目(973)的连续资助下,开展了“大豆核心种质构建(1998-2003)”和“大豆微核心种质基因多样性(2004-2009)”研究,目的是浓缩大豆资源的遗传多样性,强化其表型和基因型鉴定,为发掘和利用大豆资源中的优异基因提供指导。本文在研究构建不同比例(占总体2%~5%)大豆核心种质和大豆微核心种质(占总体1%)的同时,介绍了核心种质补充和完善的研究进展。为了验证核心种质的代表性,在构建方法方面,从SSR位点、样本组成、取样比例、低频率等位变异4个方面对代表性进行了分析,并用随机抽样方法对核心种质代表性进行了检测和验证。文中还介绍了利用核心种质和微核心种质在新基因发掘、种质创新和育种利用方面的研究进展,尤其介绍了与育种单位密切合作,建立基于核心种质的种质创新与利用体系的研究成效。围绕遗传多样性、核心种质利用方式进行了讨论,指出大豆核心种质为性状鉴定、新基因发掘、新种质创造和新品种培育等理论研究和实际应用提供材料基础,具有潜在的应用前景。实践证明,大豆种质资源的系统研究与利用,将促进我国大豆种质资源由数量保存型向研究应用型转变。     

黄麻核心种质的遴选

遴选黄麻核心种质可为黄麻种质创新及新品种选育奠定基础。本研究以300份黄麻种质资源为基础,基于SSR分子标记和农艺性状考察,结合地理来源构建核心种质。结果表明,11个农艺性状变异系数变幅在13.06%～84.87%,表现出丰富的遗传多样性。按农艺性状聚类分析可划分为8个类群,按分子标记聚类可划分为10个类群。结合2个聚类分析、地理位置并按比例取样,建立一个由108份品种(系)组成的预选核心种质。采用44对SSR引物对其进行遗传差异分析,在遗传相似系数为0.65时,可把108份品种(系)分成圆果种和长果种两大类。根据遗传差异分析,剔除遗传相似系数大于或等于0.85的遗传冗余,获得84份品种(系)的核心种质,其中圆果种60份和长果种24份。比较84份核心种质与300份种质的农艺性状变异系数及Shannon-Wiener指数发现,两者之间相差不大,表明遴选的84份核心种质可以最大限度代表300份黄麻种质资源的遗传多样性加以利用和保存。     

部分烟草种质亲缘关系的AFLP分析

利用AFLP技术,对48份不同类型和地域来源的烟草种质的亲缘关系进行了分析。选用4对AFLP引物共检测到323条扩增带,其中174条具有多态性,平均多态检出率为55.72%。对AFLP扩增结果采用UPGMA法进行聚类分析,可以将48份烟草种质分为2大类群,即黄花烟草群和普通烟草群,后者又可进一步分为4组;48份材料的欧氏距离为1.41~10.78。初步研究表明,AFLP标记技术能较好地从分子水平揭示烟草种质资源的遗传背景和亲缘关系。