基因组和DNA甲基化组联合分析筛选猪肉质性状关键基因

【背景】猪的肉质性状是重要的经济性状。研究影响各类肉质性状的分子机制,发掘关键基因,从而指导猪的遗传改良,对改善猪肉品质具有重要意义。当前肉质相关的机制研究主要是基于DNA的基因组研究,而对肉质性状的DNA甲基化研究以及结合基因组和甲基化组的综合分析却鲜有报道。【目的】通过基因组和DNA甲基化组联合分析,筛选、鉴定了影响猪肉质的潜在关键基因。为猪肉品质的遗传改良研究提供借鉴。【方法】检测了140头大白猪背最长肌的28个肉质性状,通过表观基因组关联分析(EWAS)与全基因组关联分析(GWAS)筛选了各性状显著关联的CpG和SNP位点。随后以SNP为协变量对GWAS和EWAS重叠的显著关联位点进行条件关联分析,进一步筛选具有独立效应的CpG位点。然后以CpG位点的甲基化水平为因变量,以SNP为自变量进行关联分析从而鉴定甲基化数量性状位点(meQTL)。最后使用顺式甲基化数量性状位点(cis-meQTL)作为工具变量进行孟德尔随机化分析,从而推断cis-meQTL与表型之间的因果关系,同时对位点进行注释,鉴定潜在的关键基因。【结果】(1)在屠宰45 min黄度值(b_45min     

玉米杂交种穗部性状的全基因组关联分析

【目的】玉米穗部性状是产量的重要构成因子,利用全基因组关联分析（genome-wide association study,GWAS）方法解析玉米杂交种穗部性状的遗传基础、挖掘与穗部性状相关的位点,为功能基因克隆和高产玉米品种培育提供参考。【方法】选用115份来源于陕A群和陕B群的优良玉米自交系和4份国内骨干作为亲本,以基于NCⅡ遗传交配设计获得的442份玉米杂交种为材料构建关联群体,调查2个环境中群体材料的穗长、穗粗、穗行数等8个穗部性状;利用tGBS技术检测亲本基因型,推测出F₁杂交种的19 461个高质量SNP,结合杂交种表型和基因型开展基于加性、显性及上位性模型的穗部性状的全基因组关联分析,并利用公共数据库中玉米穗发育相关组织的转录组数据和基因的注释信息预测候选基因。【结果】表型数据分析结果显示,试验群体的8个穗部性状均符合正态分布,表型变异为3.78%—45.25%。方差分析表明,8个穗部性状的环境效应和基因型效应均呈现极显著水平（P<0.001）,广义遗传力为54.15%—68.89%。同时玉米杂交种穗部性状间呈现显著正相关或显著负相关。利用加性和显性模型分别检测到16个和3个显著SNP,上位性模型检测到79个上位性位点。3种模型检测的显著位点累积解释各性状38.21%—60.69%的表型变异,其中,加性模型检测到的显著SNP累积解释的表型变异为0.00—41.26%,上位性模型检测到的位点累积解释的表型变异为15.18%—45.36%。基于加性和显性模型检测的显著SNP的效应分析发现多数位点呈现加性和部分显性效应,仅2个为超显性。进一步分析发现,7个单SNP和5个上位性位点能够解释5%以上的表型变异。根据SNP的位置以及基因的表达信息预测了17个候选基因。【结论】玉米杂交种穗部性状主要受加性、上位性效应影响,显性效应影响较小;加性和显性模型检测的SNP主要表现为加性和部分显性效应,可通过聚合有利等位基因改良目标性状。     

葡萄果粒质量相关性状全基因组关联分析

【目的】果粒大小是葡萄外观和产量的重要构成因子之一,为受多基因调控的复杂数量性状,挖掘葡萄果粒大小相关性状的关键遗传调控位点和基因,将有助于葡萄产量的提高。【方法】本研究以150份葡萄品种资源为材料,分别于2019年和2020年对葡萄果实单粒重、种子数目和种子质量等进行测定,并结合重测序获得的高密度基因型数据进行全基因组关联分析（genome-wide association study,GWAS）,挖掘调控各性状的遗传位点和基因。【结果】各性状在关联群体中呈现广泛的连续变异,变异系数为39.55%—68.89%;在不同年份均服从正态分布,符合数量性状遗传特征;相关性分析表明葡萄果实单粒重、种子数目和种子质量呈显著正相关。全基因组关联分析共检测到150个与果实单粒重显著关联的SNP,在2019年检测到99个SNP,解释表型变异的14.48%—25.59%;在2020年检测到73个SNP,解释表型变异的16.08%—26.83%;其中24个SNP位点在两个年份均检测到,主要位于1号、5号、11号和16号染色体。相较于果实单粒重,检测到的与种子数目显著关联的SNP较少,2019年检测到1个...     

东北大豆种质群体百粒重QTL-等位变异的全基因组解析

【目的】对东北大豆种质群体百粒重性状进行全基因组关联分析,全面解析中国大豆主产区百粒重QTL-等位变异遗传构成,为东北地区大豆籽粒大小遗传改良提供理论基础。【方法】以东北地区育种和生产上常用的290份大豆材料作为试验群体,于2013和2014年在东北第二生态亚区的克山、牡丹江、佳木斯和长春4个地点进行百粒重表型鉴定试验。利用RAD-seq方法对试验群体进行基因组测序分析,对原始SNP数据进行过滤及填补缺失数据后,最终获得了82 966个高质量的SNP标记。根据限制性两阶段多位点全基因组关联分析（restricted two-stage multi-locus genome-wide association analysis,RTM-GWAS）方法,首先构建获得15 546个具有复等位变异的SNPLDB标记,然后使用两阶段多位点模型对百粒重性状进行全基因组关联分析。对检测到的百粒重关联SNPLDB标记位点附近（50 kb范围内）的基因进行分析,根据基因内SNP与SNPLDB标记位点之间关联性的卡方测验,筛选可能与百粒重性状相关的候选基因并进行功能注释。最后基于检测的百粒重QTL-等位变异体系分析了不同熟期组材料间的遗传分化。【结果】试验群体百粒重变异范围为18.3—20.7 g,性状遗传率为92.3%。RTM-GWAS方法共检测到76个与大豆百粒重性状关联的SNPLDB标记位点,其中15个位点主效不显著,另外61个主效显著位点解释了65.40%的表型变异;68个与环境互作效应显著的位点解释了17.46%的表型变异,另外8个位点与环境互作效应不显著。在检测到的76个位点中有34个位点与已报道的30个百粒重QTL重叠,另外42个位点为本研究新检测百粒重位点。基于检测的SNPLDB标记位点,共筛选到137个百粒重相关候选基因,功能注释显示这些候选基因不仅参与大豆百粒重的调节,还参与了初级新陈代谢、蛋白质修饰、物质运输、胁迫响应和信号转导等。对各熟期组间QTL-等位变异的遗传分化分析显示,尽管熟期组间百粒重差异不明显,但其QTL-等位变异遗传结构却发生了新生和汰除的变化。【结论】RTM-GWAS方法能相对全面地解析东北大豆种质群体百粒重QTL-等位变异遗传构成。东北大豆种质群体百粒重由大量QTL调控,且QTL与环境互作效应大,QTL存在丰富的复等位变异。由RTM-GWAS方法建立的QTL-等位变异矩阵为群体遗传及演化研究提供了新工具。     

东北大豆种质群体百粒重QTL-等位变异的全基因组解析

【目的】对东北大豆种质群体百粒重性状进行全基因组关联分析,全面解析中国大豆主产区百粒重QTL-等位变异遗传构成,为东北地区大豆籽粒大小遗传改良提供理论基础。【方法】以东北地区育种和生产上常用的290份大豆材料作为试验群体,于2013和2014年在东北第二生态亚区的克山、牡丹江、佳木斯和长春4个地点进行百粒重表型鉴定试验。利用RAD-seq方法对试验群体进行基因组测序分析,对原始SNP数据进行过滤及填补缺失数据后,最终获得了82 966个高质量的SNP标记。根据限制性两阶段多位点全基因组关联分析(restricted two-stage multi-locus genome-wide association analysis,RTM-GWAS)方法,首先构建获得15 546个具有复等位变异的SNPLDB标记,然后使用两阶段多位点模型对百粒重性状进行全基因组关联分析。对检测到的百粒重关联SNPLDB标记位点附近(50 kb范围内)的基因进行分析,根据基因内SNP与SNPLDB标记位点之间关联性的卡方测验,筛选可能与百粒重性状相关的候选基因并进行功能注释。最后基于检测的百粒重QTL-等位变异体系分析了不同熟期组材料间的遗传分化。【结果】试验群体百粒重变异范围为18.3—20.7 g,性状遗传率为92.3%。RTM-GWAS方法共检测到76个与大豆百粒重性状关联的SNPLDB标记位点,其中15个位点主效不显著,另外61个主效显著位点解释了65.40%的表型变异;68个与环境互作效应显著的位点解释了17.46%的表型变异,另外8个位点与环境互作效应不显著。在检测到的76个位点中有34个位点与已报道的30个百粒重QTL重叠,另外42个位点为本研究新检测百粒重位点。基于检测的SNPLDB标记位点,共筛选到137个百粒重相关候选基因,功能注释显示这些候选基因不仅参与大豆百粒重的调节,还参与了初级新陈代谢、蛋白质修饰、物质运输、胁迫响应和信号转导等。对各熟期组间QTL-等位变异的遗传分化分析显示,尽管熟期组间百粒重差异不明显,但其QTL-等位变异遗传结构却发生了新生和汰除的变化。【结论】RTM-GWAS方法能相对全面地解析东北大豆种质群体百粒重QTL-等位变异遗传构成。东北大豆种质群体百粒重由大量QTL调控,且QTL与环境互作效应大,QTL存在丰富的复等位变异。由RTM-GWAS方法建立的QTL-等位变异矩阵为群体遗传及演化研究提供了新工具。     

限制性两阶段多位点全基因组关联分析法在遗传育种中的应用

全基因组关联分析（genome-wide association studies,GWAS）通过建立全基因组高密度分子标记以检测基因型与表型间的关联性,已成为动植物数量性状遗传解析的主要方法。然而,以往GWAS方法只注重于个别主要QTL的检测,而且使用仅有2个等位变异的SNP标记不能检测自然群体中广泛存在的复等位变异,一定程度限制了GWAS的应用。限制性两阶段多位点全基因组关联分析方法（RTM-GWAS）首先根据全基因组高密度SNP标记间的连锁不平衡程度,将多个相邻且紧密连锁的SNP标记组成为具有复等位变异（单倍型）的连锁不平衡区段（SNPLDB）标记。其次,RTM-GWAS使用由SNPLDB标记计算的遗传相似系数矩阵作为群体结构偏差的通用估计,并提取该矩阵的特征向量作为模型协变量以降低由群体结构偏差导致的假阳性。最后,利用具有复等位变异的SNPLDB标记与建立的多位点复等位变异模型,RTM-GWAS将性状遗传率作为QTL表型变异解释率的上限,通过两阶段分析策略高效地进行全基因组QTL及其复等位变异的检测,并最终构建多QTL遗传模型。该法还可以基于性状小区观测值,建立QTL与环境互作多位点模型,不仅能检测与环境有交互作用的主效应QTL,还能检测仅与环境有交互作用的无主效应QTL。RTM-GWAS不仅解决了以往GWAS不能估计复等位变异的问题,而且通过使用多位点模型拟合多个QTL提高了检测功效并能有效地控制假阳性的膨胀,为全面解析自然群体QTL及其复等变异提供了通道。该法能估计出等位基因的效应及其在群体内的相对频率,由其结果建立的QTL-allele矩阵代表了目标性状在群体中的全部遗传组成,不仅可用于候选基因发掘,还为群体内QTL及其复等位变异（基因及其复等位基因）的动态研究（群体遗传分化以及特有与新生等位变异）提供了新的工具。依据QTL-allele矩阵,还能进一步利用计算机模拟产生杂交组合后代基因型,并预测杂交组合后代纯合群体的表现,从而进行优化组合设计与分子设计育种。此外,RTM-GWAS还适用于双亲杂交后代重组自交系群体以及多亲杂交后代巢式关联作图群体,因避免了群体结构偏离的干扰,检测功效更高。本文归纳了RTM-GWAS的原理和方法,并综述了其在遗传育种研究中的应用。     

玉米果穗出子率QTL定位及上位性分析

利用郑58×昌7-2组配的225个F2单株为作图群体,构建了全长为1 987.7 cM、覆盖玉米基因组10条染色体的分子标记遗传连锁图,标记间平均距离11.0 cM.采用复合区间作图方法(CIM),对玉米出子率性状进行QTL定位,利用多区间作图法(MIM)对上位性效应进行了分析.结果表明,在玉米第1染色体和第3染色体上检测到2个稳定的QTL位点,分别可以解释8.47%和10.52%的表型遗传变异.检测到5对上位性QTL,涉及6个位点,分布于第1,2,3,4和第5染色体,共解释9.94%表型遗传变异.这说明除了加性效应和显性效应外,上位性效应也是出子率性状的重要遗传基础.     

限制性两阶段多位点全基因组关联分析法在遗传育种中的应用

全基因组关联分析(genome-wide association studies,GWAS)通过建立全基因组高密度分子标记以检测基因型与表型间的关联性,已成为动植物数量性状遗传解析的主要方法。然而,以往GWAS方法只注重于个别主要QTL的检测,而且使用仅有2个等位变异的SNP标记不能检测自然群体中广泛存在的复等位变异,一定程度限制了GWAS的应用。限制性两阶段多位点全基因组关联分析方法(RTM-GWAS)首先根据全基因组高密度SNP标记间的连锁不平衡程度,将多个相邻且紧密连锁的SNP标记组成为具有复等位变异(单倍型)的连锁不平衡区段(SNPLDB)标记。其次,RTM-GWAS使用由SNPLDB标记计算的遗传相似系数矩阵作为群体结构偏差的通用估计,并提取该矩阵的特征向量作为模型协变量以降低由群体结构偏差导致的假阳性。最后,利用具有复等位变异的SNPLDB标记与建立的多位点复等位变异模型,RTM-GWAS将性状遗传率作为QTL表型变异解释率的上限,通过两阶段分析策略高效地进行全基因组QTL及其复等位变异的检测,并最终构建多QTL遗传模型。该法还可以基于性状小区观测值,建立QTL与环境互作多位点模型,不仅能检测与环境有交互作用的主效应QTL,还能检测仅与环境有交互作用的无主效应QTL。RTM-GWAS不仅解决了以往GWAS不能估计复等位变异的问题,而且通过使用多位点模型拟合多个QTL提高了检测功效并能有效地控制假阳性的膨胀,为全面解析自然群体QTL及其复等变异提供了通道。该法能估计出等位基因的效应及其在群体内的相对频率,由其结果建立的QTL-allele矩阵代表了目标性状在群体中的全部遗传组成,不仅可用于候选基因发掘,还为群体内QTL及其复等位变异(基因及其复等位基因)的动态研究(群体遗传分化以及特有与新生等位变异)提供了新的工具。依据QTL-allele矩阵,还能进一步利用计算机模拟产生杂交组合后代基因型,并预测杂交组合后代纯合群体的表现,从而进行优化组合设计与分子设计育种。此外,RTM-GWAS还适用于双亲杂交后代重组自交系群体以及多亲杂交后代巢式关联作图群体,因避免了群体结构偏离的干扰,检测功效更高。本文归纳了RTM-GWAS的原理和方法,并综述了其在遗传育种研究中的应用。     

关联分析揭示显性效应对玉米巢式定位群体抽穗期的重要性（英文）

采用关联定位全模型和多位点加性模型,分析了玉米巢式关联定位群体抽丝期的遗传效应。全模型关联分析揭示,玉米抽丝期受微效多基因的加性、显性、上位性及其环境互作控制,其中显性效应最为重要。在估算的总遗传率(79.86%)中,与显性效应相关的遗传率高达50.52%,其次是环境互作效应的遗传率(27.31%)。检测到的极显著(-log_(10)P_(EW)5)数量性状单核苷酸多态性位点数为全模型50个、加性模型47个(遗传率=31.65%)。基于关联分析玉米抽丝期的结果,预测了最优自交系和最优杂交组合的基因型组配方式及相应的遗传效应值,可用于指导玉米群体优异位点的精准分子选择。     

芝麻产量相关性状的多位点全基因组关联分析及候选基因预测

【目的】通过对芝麻产量相关性状的全基因组关联分析,挖掘与产量性状关联的SNP位点及预测候选基因,为通过分子标记辅助选择育种等方式提高芝麻产量提供技术基础。【方法】以363份不同遗传背景和地理来源的芝麻种质资源构成的自然群体为研究对象,调查2年2点4环境下8个产量相关性状（单株产量、单株蒴数、蒴粒数、千粒重、株高、主茎果轴长、始蒴高度和表观收获指数）的表型值,借助覆盖全基因组的42 781个SNP标记,利用多位点SNP随机效应混合线性模型（multi-locus random-SNP-effect mixed linear model,mrMLM）对8个产量相关性状进行全基因组关联分析,检测与产量相关性状显著关联的SNP位点,并预测候选基因。【结果】在4个不同环境下,8个产量相关性状表现出广泛的表型变异,变异系数为6.51%—33.57%;相关性分析表明单株产量与单株蒴数、株高、主茎果轴长、表观收获指数呈极显著正相关;方差分析表明产量相关性状的基因型效应、环境效应、基因型与环境互作效应均达到了极显著水平。通过多位点全基因组关联分析共检测到210个与产量相关性状显著关联的SNP,在2018年南阳环境下检测到47个SNP,解释表型变异的1.63%—17.29%;在2019年南阳环境下检测到35个SNP,解释表型变异的1.94%—11.90%;在2018年平舆环境下检测到35个SNP,解释表型变异的2.15%—15.90%;在2019年平舆环境下检测到53个SNP,解释表型变异的1.25%—11.13%;在4个环境的综合BLUP条件下检测到75个SNP,解释表型变异的1.44%—13.58%。上述210个SNP涉及到175个位点,其中10个位点在3个及以上环境中被重复检测到。在这10个位点基因组区域内,共鉴定到214个候选基因,其中156个候选基因具有功能注释,主要涉及植物代谢、生物调控、生长发育等生物学过程。根据功能注释筛选出4个可能与芝麻产量相关的候选基因,其中SIN_1006338编码1-氨基环丙烷-1-羧酸合酶3（1-aminocyclopropane-1-carboxylate synthase 3-like）,参与乙烯的生物合成;SIN_1024330编码碱性螺旋-环-螺旋（basic helix-loop-helix）转录因子,负向调控植物细胞和器官的伸长;SIN_1014512编码吲哚-3-乙酸-酰胺合成酶GH3.6（indole-3-acetic acid-amido synthetase GH3.6）,参与调控茎和下胚轴细胞的伸长生长;SIN_1011473编码泛素受体蛋白DA1（protein DA1-like）,参与调节植物细胞增殖周期。【结论】通过多位点SNP随机效应混合线性模型的全基因组关联分析,检测到175个与产量相关性状显著关联的位点,筛选出4个可能与产量相关的重要候选基因。     

Characterization of the Main Effects, Epistatic Effects and Their Environmental Interactions of QTL on the Genetic Basis of Plant Height and Heading Date in Rice

Main-effect QTL, epistatic effects and their interactions with environment are important genetic components of quantitative traits. In this study, we analyzed the QTL, epistatic effects and QTL by environment interactions (QE) underlying plant height and heading date, using a doubled-haploid (DH) population consisting of 190 lines from the cross between an indica parent Zhenshan 97 and a japonica parent Wuyujing 2, and tested in two-year replicated field trials. A genetic linkage map with 179 SSR (simple sequence repeat) marker loci was constructed. A mixed linear model approach was applied to detect QTL, digenic interactions and QEs for the two traits. In total, 20 main-effect QTLs, 9 digenic interactions involving 18 loci, and 5 QTL by environment interactions were found to be responsible for the two traits. No interactions were detected between the digenic interaction and environment. The amounts of variations explained by QTLs of main effect were 53.9% for plant height and 57.8% for heading date, larger than that explained by epistasis and QEs. However,the epistasis and QE interactions sometimes accounted for a significant part of phenotypic variation and should not be disregarded.     

水稻穗长上位性效应和QE互作效应的QTL遗传研究

利用基于混合模型的QTL定位方法研究了由籼稻品种IR64和粳稻品种Azucena杂交衍生的DH群体在四个环境中穗长的QTL上位性效应和环境互作效应。结果表明上位性可能是数量性状的重要遗传基础，并揭示了上位性的几个重要特点。在本研究中，所有的QTL中只有两个没有参与上位性效应的形成，在参与上位性效应的QTL中，64.7%的QTL还具有本身的加性效应。因此传统方法对QTL加性效应的估算会由于上位性的影响而有偏。其它35.3%的QTL没有本身的加性效应，却参与了上位性互作，这些位点可能通过诱发和修饰其它位点而起作用。上位性的特点还包括，经常发现一个QTL与多个QTL发生互作；大效应的QTL也参与上位性互作；上位性互作易受环境影响。QTL与环境的互作效应比QTL的主效应更多次地被检测到，表明数量性状基因的表达显著地受到环境的调控。     

上位性及其对家养动物复杂经济性状形成的遗传学影响

Bateson于1909年最早将上位性(Epistasis)这个概念引入遗传学领域,在1918年,Fisher将不同位点上的非等位基因相互作用定义为上位性,非等位基因间的交互作用而产生的基因效应定位为上位效应(Epistaticeffect)。自此,在相当长的时期内,受到试验方法及技术手段的限制,研究者多采用以数量遗传学为主的研究方法对上位性开展研究。近年来,伴随着分子数量遗传学与功能基因组学的飞速发展,人们现在已获得大量的理论和实验证据支持上位效应对家养动物复杂性状的表型塑造以及复杂遗传系统演化机制存在重要的遗传学影响。文章拟对目前使用较为广泛的上位性概念、类型及主要的学术观点加以评述,着重介绍了这些概念的产生的背景、原理以及差别之处,并对上位性对家养动物复杂经济性状的遗传学影响给予简要介绍,以期能够为相关领域的研究者提供参考。     

玉米八个产量相关性状的QTL鉴定

以玉米优良自交系‘农系531’和‘SIL8’为亲本构建200个F2:3家系,利用复合区间作图法对8个产量性状进行QTL鉴定。8个性状共检测到34个QTL,单个QTL的表型贡献率为5.21%～26.62%不等,累计解释各个性状的表型变异为21.33%～74.10%。分布于第1、3、4、5、6染色体上16个QTL形成6个QTL富集区,且表型贡献率最大的QTL均位于富集区内。共检测到26对上位性互作,其中QTL间互作1对,QTL与背景间互作8对,背景间互作17对,所解释的表型变异为5.98%～15.93%不等,累计解释各性状的表型变异为15.93%～61.64%。多数产量相关性状的遗传基础非常复杂,上位性在产量相关性状形成的遗传控制中具有重要的作用。QTL富集区对于数量性状的遗传分析与作物遗传改良具有重要意义。     

大豆鲜荚籽粒上位性QTL及其互作效应分析

荚粒是大豆主要的收获器官,直接影响鲜食大豆品种审定和产品出口。然而,荚粒性状由多基因控制,目前主要集中在加性数量性状位点（quantitative trait loci,QTL）发掘方面,对上位性QTL及其互作效应报道甚少。鉴于此,通过鉴定大豆重组自交系（recombinant inbred line,RIL）群体2年4种环境条件下鲜荚和籽粒的长度、宽度、重量等相关性状,发掘控制其上位性QTLs,并研究其互作效应,结果发现,8种测试性状共检测到321对“加性×加性”上位性QTLs,涉及所有染色体,构成复杂的上位性QTLs互作网络,其中包括144对正向效应和177对负向效应QTLs,并以13号染色体分布数量最多;进一步分析发现,存在34对“一因多效”加性×加性上位性QTLs,且加性×加性上位性QTLs间的互作贡献率为1.89%~4.85%,高于其与环境互作贡献率,说明遗传因素为主;上述34对QTLs涉及18条染色体,其中包含定位区间一致的23对“一因多效”QTLs,并有6组上位性QTLs以“一对多”方式发挥功能,16组以“一对一”方式发挥作用。上述结果不仅为实现大豆荚粒性状精准分子遗传改良提供了选择标记,并为进一步揭示大豆荚粒性状分子遗传机制提供了依据。     

大豆重组自交系群体异黄酮含量QTL连锁定位与关联定位的比较研究

【目的】异黄酮是大豆等豆类植物中富含的一类次生代谢产物,对食品和保健产业有重要作用。大豆籽粒可分离出12种异黄酮组分,可归为三大类：大豆苷类异黄酮、染料木苷类异黄酮和黄豆苷类异黄酮。通过鉴定大豆籽粒异黄酮总含量及3个组分含量性状的加性及上位性QTL,进而全面解析其复杂的遗传构成。【方法】利用先进2号和赶泰2-2双亲衍生的大豆重组自交系群体NJRSXG,在5个环境下测定4个异黄酮含量性状：异黄酮总含量（total isoflavone content,SIFC）、大豆苷类异黄酮总含量（total daidzin group content,TDC）、染料木苷类异黄酮总含量（total genistin group content,TGC）和黄豆苷类异黄酮总含量（total glycitin group content,TGLC）。选用混合模型复合区间作图法（mixed-model-based composite interval mapping,MCIM）和限制性两阶段多位点全基因组关联分析方法（restricted two-stage multi-locus genome-wide association analysis,RTM-GWAS）进行异黄酮含量QTL检测。【结果】2个亲本在4个异黄酮含量性状上均存在较大差异,重组自交系群体异黄酮含量在高值、低值2个方向上均出现超亲分离,低值方向分离趋势强于高值方向。利用连锁定位MCIM方法共检测到4个异黄酮含量性状的19个加性QTL和16对上位性QTL,分布于15条染色体上。第14染色体重要标记区间GNE186b—Sat020内检测到3个新加性QTL：qSifc-14-1、qTdc-14-2和qTgc-14-1,且表型变异解释率最高。利用关联定位RTM-GWAS方法分别检测到4个异黄酮含量性状的51、66、42和36个关联标记位点,表型变异解释率为39.7%—52.5%,检测到的位点中覆盖了MCIM方法检测的19个加性QTL中的11个以及11个上位性QTL。候选基因分析分别在加性QTL区域和上位性QTL区域检测到93和100个候选基因,富集分析显示在第14染色体重要标记区间GNE186b—Satt020内,Glyma14g33227、Glyma14g33244和Glyma14g33715的功能与异黄酮代谢有关。【结论】连锁定位和关联定位2种方法结合能相对全面地检测异黄酮含量QTL。与连锁定位方法MCIM相比,关联定位方法RTM-GWAS检测的QTL更多,总遗传贡献率更高,但尚不能检测上位性QTL,2种方法定位结果可相互验证补充,大豆籽粒异黄酮含量由大量QTL/基因控制。     

栽培大豆农艺性状的关联分析及优异等位变异挖掘

【目的】发掘大豆农艺性状稳定表达的QTL、优异等位变异及其携带优异等位变异的载体材料,为大豆分子标记辅助选择和分子设计育种等后续研究提供重要依据。【方法】利用大豆基因组上均匀分布的135对SSR引物对通过分层随机抽取的6大生态区的257个栽培大豆品种进行全基因组扫描以获得分子标记信息,2009年和2010年在南京农业大学江浦农场对供试群体株高、分枝数、主茎节数、茎粗和单株荚数进行表型鉴定以获得数量性状表型观测值,用广义线性模型、优化压缩混合线性模型和上位性关联分析3种方法,实施农艺性状表型与SSR标记基因型间的关联分析。【结果】供试品种株高、分枝数、主茎节数、茎粗和单株荚数变异系数介于24.62%-52.34%,品种间和品种与环境互作差异极显著;广义线性模型、优化压缩混合线性模型和上位性关联分析3种方法分别检测到年份间稳定表达的上述5性状的47、11和58个QTL,其中,2种方法间和3种方法间分别有34和4个共同QTL,上位性关联分析检测到1对上位性QTL和32个环境互作QTL;检测得到的主效QTL中,有18个主效QTL与前人鉴定的QTL位置一致或紧密连锁;发掘了一批农艺性状的优异等位基因及携带优异等位基因的载体材料,其中,satt669-145bp、satt102-154bp、satt382-395 bp和satt534-161bp分别是主茎节数、分枝数、茎粗和株高的增效效应最大的等位基因,其载体材料分别为白花豆、合肥两塘焦双青豆、油葫芦和浦霞大豆。【结论】检测到年份间或方法间稳定表达的株高、分枝数、主茎节数、茎粗和单株荚数5个农艺性状的107个主效 QTL。     

Genetic Analysis of Panicle Related Traits in Wheat with Major Gene Plus Polygenes Mixed Model

【Objective】 Panicle traits are important yield traits of wheat, occupying an important position and role in wheat yield composition. Carrying out genetic research on wheat panicle traits and analyzing its genetic mechanism provide theoretical and practical guidance for formulating high-yield breeding strategies and improving breeding efficiency. 【Method】 Based on the length of the main stem, the number of spikelets, the number of grains per spike, and the number of spikelets, the main gene + polygene mixed genetic model of quantitative traits was used to obtain the parental product 34 and the male parent under different ecological conditions. BARRAN and its derived F_7:8, F_8:9 generation recombinant inbred line population (RIL) were used for genetic model analysis and genetic parameter estimation of panicle traits to determine the number of genes controlling various traits, and to estimate genetic effect values and heritability. 【Result】The best genetic model for panicle length and spikelet number were B-2-1 (PG-AI), which was consistent with two pairs of linked major genes + additive-epistasis polygene genetic model. The polygenic heritability of spike length was 90.64%, the polygenic heritability of spikelet number was 89.52%, the average of environmental variation of spike length accounted for 9.39% in phenotypic variation, and the average of environmental variation of spikelet number accounted for 10.50% in phenotypic variation; Major gene heritability was 69.39%, Polygenes heritability rate was 29.94%, and the average environmental variation accounted for 2.18% in phenotypic variation. Additive effect value of the first pair of main genes controlling the number of spikes and the additive effect value of the third pair of major genes are equal, and the same was 4.56, which has a positive effect. The additive effect value of the second pair of major genes was the same as the additive effect of the first pair of major genes × the second pair of major genes × the third pair of major genes, both of which were -1.44, and are negative effects. The additive and additive × additive epistasis interaction values were equal to the additive and the second pair of major gene additions × the third pair of major gene additive epistatic interactions, both of which were -6.02. Additive and the first pair of major gene additive × the third pair of main gene additive epistatic interaction effect value is 0.18, the multi-gene additive effect value is 0.15, showing a lower positive genetic effect; H-1(4MG-AI) was best-fitting genetic model for the spikelet number traits, which showed that their inheritance was controlled by incorporating four major genes additive-epistasis genetic model. The heritability of the main gene was 81.50%. The additive effect values of the main genes in the first to fourth pairs were 0.22, 0.18, -0.20, and 0.24, respectively, the additive and epistatic interactions of the first pair of major genes × the first pair of major genes were -0.170, the additive effect value of the additive and the first pair of major genes × the third pair of major genes was 0.240. the additive effect value of the additive and the first pair of major genes × the fourth pair of major genes was -0.200, additive and the second pair of major genes × the third pair of major genes × additive effect value and additive and the second pair of major gene additive × fourth pair of major gene additive epistatic interaction value absolute value, the effect in contrast, the former value was 0.030, and the latter value was -0.030. The additive effect value of the additive and the third pair of major genes × the fourth pair of major genes was 0.060. 【Conclusion】The panicle traits of wheat are mainly polygenic genetic effects, which are in line with quantitative genetic characteristics and are susceptible to environmental influences. The number of spikelet grains has the genetic characteristics of the main gene. The main gene has high heritability and is affected by the environment. The number of spikelets can be used as a direct indicator to effectively improve the early selection of panicle traits, achieving single plant directional selection and improving breeding efficiency.     

QTL Mapping for Stalk Related Traits in Maize (Zea mays L.) Under Different Densities

Stalk related traits, comprising plant height (PH), ear height (EH), internode number (IN), average internode length (AIL), stalk diameter (SD), and ear height coefficient (EHC), are significantly correlated with yield, density tolerance, and lodging resistance in maize. To investigate the genetic basis for stalk related traits, a doubled haploid (DH) population derived from a cross between NX531 and NX110 were evauluated under two densities over 2 yr. The additive quantitative trait loci (QTLs), epistatic QTLs were detected using inclusive composite interval mapping and QTL-by-environment interaction were detected using mixed linear model. Differences between the two densities were significant for the six traits in the DH population. A linkage map that covered 1 721.19 cM with an average interval of 10.50 cM was constructed with 164 simple sequence repeat (SSR). Two, two, seven, six, two, and eight additive QTLs for PH, IN, AIL, EH, SD, and EHC, respectively. The extend of their contribution to penotypic variation ranged from 10.10 to 31.93%. Seven QTLs were indentified simultaneously under both densities. One pair, two pairs and one pair of epistatic effects were detected for AIL, SD and EHC, respectively. No epistatic effects were detected for PH, EH, and IN. Nineteen QTLs with environment interactions were detected and their contribution to phenotypic variation ranged from 0.43 to 1.89%. Some QTLs were stably detected under different environments or genetic backgrounds comparing with previous studies. These QTLs could be useful for genetic improvement of stalk related traits in maize breeding.