采用分子标记构建新疆野苹果核心种质的方法

 【目的】探讨分子水平构建核心种质的方法,为新疆野苹果核心种质的构建提供方法。【方法】以109个新疆野苹果实生株系的128个SSR位点为材料,根据Nei &; Li、SM和Jaccard遗传距离,采用UPGMA聚类法进行多次聚类,以随机取样策略为对照取样策略,应用位点优先取样策略,研究新疆野苹果核心种质构建的方法。采用丢失的等位基因数以及对Nei’s基因多样度和香农信息指数进行t检验来评价核心种质的代表性。【结果】与对照随机取样策略比较,位点优先取样策略能构建一个更有代表性的核心种质。SM、Jaccard和Nei &; Li遗传距离构建的新疆野苹果核心种质无明显区别。采用SRAP数据和表型数据分析显示,位点优先取样策略是一种较好的构建新疆野苹果核心种质的方法。【结论】采用位点优先法,根据SM、Jaccard或Nei &; Li遗传距离进行多次聚类,是较适宜的构建新疆野苹果核心种质的方法。     

利用ISSR分子标记构建新疆野杏核心种质资源

【目的】通过对不同取样策略和遗传距离相结合的组合结果进行分析对比,以此探讨分子水平构建新疆野杏核心种质的方法,确定最适核心种质资源,以利于种质的保护与利用。【方法】以分布于新疆伊犁地区霍城县大西沟、新源县博尔赛和巩留县伊依克台3个分布区的135个新疆野杏实生株系为材料,根据SM、Jaccard和Nei&Li遗传距离,采用UPGMA聚类法对新疆野杏整体进行多次聚类抽样,直到其中某个采样点再次聚类时无种质被抽取;以随机取样策略为对照取样策略,应用位点优先取样策略,研究新疆野杏核心种质构建的方法;采用丢失的等位基因数以及多态性位点数、多态性位点百分率、观测等位基因数、有效等位基因数、Nei’s遗传多样性指数和Shannon信息指数各遗传多样性指标进行t检验来确定最适构建方法;分别将核心种质与原种质和保留种质进行t检验和遗传多样性比较,以此来评价核心种质的代表性;并用主坐标轴分析法和表型性状对原种质和核心种质进行分析,以此对核心种质进行确认。【结果】位点优先取样策略构建的核心种质比对照随机取样策略丢失的多态性位点数少,且同一遗传距离下位点优先取样策略构建的核心种质具有较高的遗传多样性,更能构建一个具有代表性的核心种质;通过Nei & Li遗传距离构建的新疆野杏核心种质各遗传多样指标具有较大值,优于SM和Jaccard遗传距离;采用主坐标轴分析法和表型数据分析显示,利用位点优先取样策略和Nei & Li遗传距离构建的新疆野杏核心种质能够较全面的代表野杏原种质的遗传多样性;31份野杏核心种质资源,保留了原种质22.96%的样品,多态性位点、多态性位点百分率、观测等位基因数、有效等位基因数、Nei’s遗传多样性指数和Shannon信息指数的保留率分别达到92.69%、98.83%、99.42%、103.26%、109.24%和108.31%。【结论】采用位点优先法和Nei & Li遗传距离进行多次聚类,是较适宜的构建新疆野杏核心种质的方法,构建的31份核心种质能最大程度代表原种质的遗传多样性,同时本研究所采用的方法对其他作物核心种质的构建具有重要的参考价值。     

基于表型和SSR分子标记构建芝麻核心种质

【目的】便于管理、研究和利用芝麻种质资源,为芝麻育种提供优异基因资源。【方法】利用新收集和种质库保存的5 020份芝麻种质资源为基础,首先基于标准化的表型数据按地理来源分组后采用组内比例法聚类抽样构建初级核心种质,然后基于SSR分子标记应用位点优先取样策略逐步聚类,使用t检验检测每次聚类形成的核心种质与初级核心种质的Nei’s基因多样度(He)和Shannon-Wiener指数(I),直到核心种质的遗传多样性与初级核心种质开始有显著差异时,终止多次聚类取样,选择上一个与初级核心资源没有显著差异的核心种质作为最佳核心种质。利用Nei’s多样性指数、Shannon-Wiener多样性指数、多态条带百分率(PB,%)、多态条带保留率(PBR,%)、变异系数符合率(VR)、极差符合率(CR)、方差差异百分率(VD,%)、均值差异百分率(MD,%)等参数进行核心种质代表性检验和评价。【结果】构建了含有816份资源的初级核心种质和含有501份资源的核心种质,分别占全部种质资源的16.25%和9.98%;核心种质包括国内资源442份,国外资源59份;Nei's基因多样度(0.2789)和Shannon-Wiener指数(0.4243)在P0.05概率条件下与初级核心资源(He=0.2791,I=0.4302)无显著性差异,多态条带百分率(PB,%)、多态条带保留率(PBR,%)、变异系数符合率(VR)、极差符合率(CR)分别为91.25%、95.23%、99.14%、86.85%。方差差异百分率(VD,%)和均值差异百分率(MD,%)均为0。t测验结果表明,核心种质的遗传多样性指数与原始种质差异不显著。位点优先取样策略构建的核心种质比对照随机取样策略丢失的多态性位点数少,且同一遗传距离下位点优先取样策略构建的核心种质具有更高的遗传多样性,更能构建一个具有代表性的核心种质,Shannon-Wiener多样性指数比Nei’s多样性指数检测效率高。【结论】基于地理来源分组,组内按表型数据聚类按比例法抽样构建芝麻初级核心种质,再结合SSR分子标记数据,采用SM相似系数进行UPGMA逐步聚类是构建芝麻核心种质较适宜的方法,所构建的核心种质较好地代表了基础种质的遗传多样性。     

基于SSR分子标记数据构建割手密核心种质库

以92份割手密初级核心种质为研究对象，利用SSR分子标记数据，依据Jaccard、SM和Nei & Li 3种遗传相似性系数逐步进行UPGMA聚类、多次抽样构建割手密核心种质库。结果显示：92份样本在15个SSR 位点上呈现出丰富的多态性，共获得331个多态性条带，平均多态性条带比例达100%；利用3种遗传相似性系数和随机取样共获得5个核心种质库；Shannon–Wiener多样性指数、总条带数和多态性条带数3个指标在核心种质库代表性检验中呈现出较高的检测效率，其他6个指标检测效率相对较低；5个核心库中依据SM遗传相似性系数逐步构建的核心种质库质量最优，该库由80份样本组成，Nei’s多样性指数和Shannon?Wiener多样性指数分别为0.984 1和4.259 8，在P<0.05概率条件下与原库(分别为0.985 6和4.358 3)无显著差异，而且与原库的农艺性状均值差异百分率为0(<20.00%)，极差符合率为99.16%(>80.00%)。研究认为，依据SM相似性系数，通过UPGMA聚类构建的80份割手密核心种质较好地代表了基础原始种质的分子水平和表型遗传多样性，可为后续割手密种质资源的精准鉴定、优异抗性基因发掘和种质资源杂交利用提供依据。     

鲜食玉米遗传多样性及核心种质构建

利用30个SSR位点,考察由50份地方种和298份自交系组成的玉米初级核心种质的遗传多样性,并进行核心种质的构建。结果表明,该初级核心种质有较高的遗传多样性,平均每个SSR位点上有6.1个等位变异,遗传多样性指数为0.65。通过遗传结构分析发现将玉米分为甜玉米、糯玉米、甜糯玉米及普通玉米等传统分类不能代表玉米资源的真实遗传结构。通过比较随机取样、聚类取样的效率,等位变异保留比例、基因多样性指数与群体大小之间的关系,确定以遗传结构分组,采用聚类取样,取样比例为40%,构建核心种质。核心种质包含139份材料,等位变异保留比例为96.4%,基因多样性指数为0.66。     

萱草属种质遗传多样性分析及初级核心种质库的构建

本试验在系统收集萱草属种质资源的基础上,以155份萱草属种质资源为材料,采用EST-SSR分子标记对其进行遗传多样性和聚类分析,基于分子标记聚类结果采用多次聚类优先取样策略构建萱草属初级核心种质库,并对初级核心种质库进行遗传多样性和聚类分析。结果表明:(1)43对引物对155份萱草属种质共扩增出396条多态片段,平均扩增9.21条,引物多态性信息含量(PIC)平均值为0.6064,不同材料间的遗传相似系数平均为0.8642,依据遗传相似系数及聚类树状图,将155份种质聚类分为"黄花菜"和"萱草"2大类群。(2)通过6次取样建立萱草属初级核心种质库,包含32份种质(4个种、1个变种、27个品种)。初级核心种质库为原始群体的20.65%,保留了291个(68.69%)多态性位点,其中‘黄花菜’类群种质8份,占‘黄花菜’类群资源总数的13.56%;‘萱草’类群种质24份,占‘萱草’类群资源总数的25.00%。(3)43对引物对32份核心种质共扩增出272条多态片段,平均扩增6.3256条,PIC值平均值0.6060,不同种质间的遗传相似系数平均为0.7940;32份材料聚类分为"黄花菜"和"萱草"2大类群。     

桃(Prunus persica (L.) Batsch.)品种核心种质的构建与评价

为构建桃品种核心种质,通过对56份桃(Prunus persica(L.) Batsch.)初级核心种质的形态农艺性状数据(MOR)和SSR等位基因数据的分析,研究了不同聚类取样方法和完全随机取样方法下9种取样比例的遗传多样性指数、保留比例及各频率段等位基因的丢失比例。结果表明:聚类取样的方法优于完全随机取样,并以在80%的取样比例下MOR结合SSR数据聚类取样的效果最好,利用此方案构建的桃品种核心种质共包括45份材料,该核心种质的基因遗传多样性指数最高,保留了初级核心种质100%的形态农艺性状和96.6%的SSR等位基因,在出现频率低于0.05的等位基因中共丢失了2个等位变异,保留了出现频率在0.05~0.10的所有等位基因;利用6个数量性状对所构建的核心种质的代表性检测表明所构建的核心种质很好地代表558份桃原始种质的遗传变异。     

中国樟树初级核心种质取样方法与策略研究

为了优化樟树种质资源保存策略,提高利用效率,利用872份中国樟树种质资源的苗高、地径、种子大小和千粒质量4个表型数据为材料,从分组方法、组内抽样比例方法、聚类方法、抽样策略、总体取样比例等方面进行中国樟树初级核心种质取样策略研究。结果表明:不同聚类方法和取样策略下采用4种系统取样法构建的核心种质的效果是不同的,在确定最长距离法和优先取样策略的前提下,组内采用对数比例法所构建的樟树核心种质效果较好。应用最长距离法进行聚类筛选出的核心种质的极差符合率和变异系数变化率相对高于其他6种方法,是构建樟树核心种质的最佳聚类方法;优先取样法构建的核心种质的遗传多样性指数、表型频率方差、表型方差和变异系数变化率的值都是最佳的。在25%的取样比例下,遗传多样性指数、表型保留比例和表型方差的值最高,表型频率方差最小,是构建樟树初级核心种质的最佳取样比例。综合6个参数的分析结果,最终确定种源-对数比例-最长距离法聚类-优先取样法为构建中国樟树核心种质的优选取样策略。     

甜椒核心种质资源比较构建研究

构建核心种质可大幅提高种质资源利用效率。以410份甜椒种质资源为材料,基于8个性状表型数据,采用混合线性模型分析方法无偏地预测基因型值,利用马氏距离计算种质间遗传距离,分别采用两种聚类方法(最短距离法和类平均法)和两种取样方法(随机取样法和偏离度取样法),按照25%抽样比率构建甜椒核心种质库。采用均值、方差、极差和变异系数4个指标评价不同取样和聚类构建核心种质库水平。结果表明,最短距离法能极显著增加性状方差和变异系数,明显优于类平均法;偏离度取样法优于随机取样法;基于马氏距离、最短距离法和偏离度取样方法获取的102份甜椒核心种质资源能代表原群体遗传多样性。该研究可为甜椒种质资源有利基因发掘和新品种选育奠定基础。     

中国石榴核心种质的初步构建

构建中国石榴的核心种质,对中国石榴种质资源的保存、研究和利用,具有重要意义。根据中国石榴135份总体种质的14个植物学、农艺学性状,采用Popgen Version 1.31软件,分析总体种质、初级核心种质以及8个不同产区石榴种质资源的遗传多样性。用SPSS 11.0 for Windows软件,以欧氏距离平方为系数,采用组间连接法,对总体种质进行系统聚类,采取系统取样和随机取样法,构建石榴初级核心种质。对不同产区初级核心种质、总体种质的香浓信息指数以及总体和初级核心种质性状的Nei基因多样性进行差异显著性测验,计算初级核心种质和总体种质性状的符合率,以检测初级核心种质构建效果。试验结果表明,135份总体种质的观察位点数是2-6、有效等位基因位点数为1.211-4.084、Nei基因多样性系数0.174-0.755、香浓信息指数0.317-1.511。选取41份资源构建了石榴初级核心种质。初级核心种质和总体种质遗传多样性t检验未达到显著水平。初级核心种质和总体种质14个性状均值、极差、标准差和变异系数的平均符合率分别为96.77%、95.1%、93.7%、92.1%,说明构建的核心种质能够代表全部种质资源的遗传多样性。     

基于SSR标记的楸树遗传多样性及核心种质构建

利用SSR标记对192个楸树种质资源进行遗传多样性和亲缘关系研究。试验筛选出13对引物对192份供试材料进行扩增,共获得89个等位基因位点,有效等位基因平均为3.795 9,Shannon’s多样性指数平均值为0.506 6;Nei’s遗传多样性平均值为0.667 7。用MEGA6.0软件对192份楸树材料进行遗传距离分析,通过聚类分析构建出供试材料楸树种质资源间的聚类图。利用SSR分子标记,采用多次聚类结合位点优先的取样策略,比较了样本数不同的4个核心样本群的等位基因数、有效等位基因数、Shannon’s指数和Nei’s遗传多样等参数,初步构建了192份楸树种质材料的46份核心种质。核心种质保留了初始种质23.96%的样品。     

基于SSR标记的燕山板栗种质资源遗传多样性分析

利用筛选出的21对SSR引物对7个燕山板栗群体142份资源和1个太行山板栗群体9份资源进行遗传多样性分析,并构建不同群体的聚类树状图和主坐标分析图,旨在为燕山板栗种质资源的遗传背景明晰和创新利用提供依据。结果表明:21对引物共检测到71个等位变异位点,变异范围为2～6,平均每对SSR引物可检测到3.38个等位位点;多态性信息含量为0.614 5～0.972 3,平均0.866 8。8个板栗群体有效等位基因数Ne、Nei’s多样性指数H、Shannon’s信息指数I、总遗传多样性指数Ht、群体内遗传多样性指数Hs分别为1.457 8、0.309 9、0.468 0、0.306 2和0.291 2,说明燕山板栗群体的遗传多样性和变异度较高,其中遵化群体的多态性位点百分率最高,为97.18%,青龙和迁西群体次之,分别为95.77%和94.37%,表明遵化、迁西一带是燕山板栗资源遗传多样性最为丰富的区域。UPGMA聚类分析表明,迁西和宽城群体间的遗传相似性最大,亲缘关系最近;怀柔和邢台(太行山)群体间的遗传相似性最小,遗传差异较大。聚类分析图和主坐标分析图可将燕山板栗主产区青龙、迁西、宽城、兴隆、遵化和怀柔群体资源划为1类,而处于太行山区邢台群体为1类,说明燕山板栗和外来品种存在明显的差异,各群体的遗传关系和地理来源有一定关联性。     

基于SSR标记的桃品种遗传多样性分析及遗传相似系数比较

【目的】利用NCBI数据库中桃的EST信息开发SSR引物,分析成都平原主栽桃品种的遗传多样性,探讨各遗传相似系数在桃SSR分析中的适用性,以期为桃种质资源的研究提供参考。【方法】利用来自NCBI-EST数据库的100对SSR引物对12个不同形态的桃品种进行PCR扩增,分析筛选20对多态性好、稳定性高且均匀分布于桃8个连锁群的引物对40个桃品种进行PCR扩增,并采用5个遗传相似系数分别对扩增结果进行分析。【结果】使用20对引物共检测出68个多态性等位基因位点,每对引物的等位基因数在2~5之间,平均为3.4。多态信息含量在0.36~0.73间变化,平均为0.54。Jaccard相似系数为0.106~1.000;Jaccard系数的共表型相关系数rc最高,为0.772;Dice系数次之,为0.719;Jaccard和Dice系数的系统树一致性最高,CI_c为1。Nei’s基因多样性指数在种级水平上和类群水平上分别为0.603和0.374,相应的Shannon’s信息指数分别为1.041和0.591。40个桃品种在聚类中首先分为观赏桃和食用桃2大类,再细分为各类群,聚类结果与传统系谱基本吻合。【结论】基于NCBI数据库中桃的EST信息开发的SSR引物多态性较好,可用于桃的SSR分析。Jaccard和Dice系数适合桃的SSR分析。桃品种总体遗传多样性较丰富,但水蜜桃品种仍需加强种质创新。     

Method of Constructing Core Collection for Malus sieversii in Xinjiang, China Using Molecular Markers

The method for constructing core collection ofMalus sieversii based on molecular marker data was proposed. According to 128 SSR allele of 109 M. sieversii, an allele preferred sampling strategy was used to construct M. sieversii core collection, using the UPGMA （unweighted pair-group average method） cluster method according to Nei ＆ Li, SM, and Jaccard genetic distances, by stepwise clustering, and compared with the random sampling strategy. The number of lost allele and t-test of Nei＇s gene diversity and Shannon＇s information index were used to evaluate the representative core collections. The results showed that compared with the random sampling strategy, allele preferred sampling strategy could construct more representative core collections. SM, difference for construction of M. sieversii core collection. Jaccard, and Nei ＆ Li genetic distances had no significant SRAP （sequence-related amplified polymorphism） data and morphological data showed that allele preferred sampling strategy was a good sampling strategy for constructing core collection of M. sieversii. Allele preferred sampling strategy combined with SM, Jaccard, and Nei ＆ Li genetic distances using stepwise clustering was the suitable method for constructing M. sieversii core collection.     

基于表型的棉花遗传多样性分析及核心材料的筛选

通过对来自3个栽培种（陆地棉、海岛棉和亚洲棉）的92份棉花资源的9个性状的调查和分析,变异系数、特异材料百分比和Shannon-Weaver多样性值均表明该群体蕴含较丰富的遗传变异;利用软件NTSYS-pc,采用类平均法（UPGMA）对相似系数矩阵和遗传距离矩阵进行聚类分析,结果表明品种间的遗传关系与品种所属的种及系谱吻合性较高;利用软件QGAStation筛选出核心材料22份,方差差异百分率、均值差异百分率、极差符合率和变异系数变化率相关统计学指标显示核心材料组遗传多样性与原群体基本一致。基于表型的遗传多样性分析及核心材料的筛选将为后续的育种工作和基础研究提供重要的参考信息。     

基于表型性状构建传统菊花核心种质

【目的】探讨构建传统菊花品种核心种质的最优取样方法并构建核心种质,以便于传统菊花种质资源的收集与保存。【方法】以《中国菊花》专著中记载的2 249份传统菊花品种为材料,依据舌状花花色分为8组,采用逐步聚类法基于4种总体取样规模(5%、10%、15%、20%)和4种组内取样比例方法(简单比例、对数比例、平方根比例、多样性比例)构建了传统菊花备选核心种质16个,探讨最优的取样策略。筛选出最优取样策略后进一步比较2种组内取样方法(随机和聚类)的构建效果。对最优方法下建立的核心种质代表性进行检验,利用多个特征值（最小值、最大值、均值、标准差、变异系数、Shannon-Weaver遗传多样性指数）和评价参数（均值差异百分率（MD）、方差差异百分率（VD）、极差符合率（CR）、变异系数变化率（VR）和表型保留比例（RPR））综合地评价核心种质。【结果】传统菊花按照花色进行分组,各组品种呈现正态分布,能够确保取样的均匀性;对数比例法和多样性比例法都能够使每组的取样份数更加均衡,起到良好的修正作用,对数比例法下构建的核心种质各项参数值达到最大,是最优取样比例法;随着总体取样规模的增加,遗传多样性指数呈现先增大再减小的趋势,变异系数变化率不断减小,极差符合率和表型保留比例不断增大;当取样规模大于10%时,遗传多样性指数和变异系数变化率减小,而极差符合率和表型保留比例的升幅并不大,因此,构建传统菊花核心种质最适宜的总体取样规模为10%;聚类取样构建的备选核心种质各项参数值均大于随机取样构建的对应备选核心种质的参数值,以聚类取样方法构建的核心种质变异的丰富性和均匀程度更好。核心种质各特征值与原始种质表现一致,多个评价参数值表明核心种质的均度和丰度较好,充分体现了表型的遗传多样性。通过补充聚类丢失的“追抱”1个花抱性状和对花序高度、外层瓣长2个性状的完善,最终构建得到228个传统菊花品种的核心种质,占原始材料的10.14%。【结论】本研究基于2 249份传统菊花品种材料的15个表型性状,系统地比较了多种总体取样规模、组内取样比例方法、组内取样方法构建的备选核心种质后,确定了最佳的核心种质构建方法,并对核心种质的代表性进行了分析和验证,各特征值和评价参数表明本研究构建的核心种质是有效的,核心种质充分地代表了传统菊花原始种质的遗传多样性。