大豆种质发芽特性和籽粒形态的遗传变异与相关分析

[目的]为大豆豆芽专用品种的选育提供参考。[方法]采用发芽试验,研究不同来源的77份大豆种质的发芽特性及籽粒形态的遗传变异特点。[结果]不同大豆品种萌发到达不同历期的时间和增重存在差异,种子形态、豆芽的产量和长度、油分含量均存在显著差异。黄皮大豆的豆芽产量增长率最高,青皮大豆的豆芽最长。豆芽产量与百粒重呈极显著负相关,与脐大小、脐形及油分含量呈显著负相关;豆芽长度与百粒重、脐形呈极显著负相关;百粒重与脐大小、脐形及油分含量呈极显著正相关,粒形指数、蛋白质含量与油分含量均呈显著负相关。[结论]大豆的种子性状可作为豆芽专用品种选育与利用的间接指标。     

大豆“南农86-4”突变体筛选及突变体库的构建

应用⁶⁰Co γ射线和甲基磺酸乙酯(EMS)分别对“南农86-4”大豆种子进行诱变，并构建大豆突变体库。结果在M₃代分别获得40份和145份叶、茎、花、种子、子叶等性状变异的材料。在两种方式诱变的M₃代都获得蛋白质和油含量变化的材料，尤其在EMS诱变的M₃代中获得47份蛋白质含量比对照高5个百分点以上的材料，5份蛋白质和油总含量比对照高5个百分点以上的材料。这些突变体可以作为新的种质资源，构建的突变体库也有助于大豆功能基因组研究的开展。     

大豆灰斑病发生特点及抗病遗传育种研究进展

从抗病育种角度出发,综述了大豆灰斑病病原菌生物学特点、生理小种分化与鉴别、病害流行规律与防控、大豆对灰斑病抗性的鉴定方法与抗病种质(基因)发掘、抗病常规及分子育种等方面研究进展,并提出了大豆灰斑病抗性育种研究应加强病菌致病机理及生理小种划分、抗病资源(基因)发掘、常规与分子育种相结合等对策。     

南方大豆皱叶发生时叶片形态变化及其对产量性状的影响

【目的】研究南方大豆皱叶发生时叶片形态特征变化及皱叶对产量性状的影响,为明确皱叶对大豆叶片形态、农艺性状和产量相关性状的影响程度及揭示大豆皱叶发生机制提供数据支撑。【方法】利用皱叶症近杂合异质系材料GY_C （皱叶）和GY_N （正常）,采用随机区组试验设计,研究大豆皱叶症级为4时,叶片形态、叶绿素含量、光合气体交换参数、农艺及产量相关性状的变化。【结果】皱叶发生后叶片主脉薄壁细胞、皱缩处叶片增厚,叶缘处叶片变薄。叶片皱缩处栅栏组织和海绵组织排列不规则,叶缘处出现多层薄壁细胞。皱叶发生时,大豆叶片鲜重和干重、叶柄鲜重和干重、叶柄长和粗、叶片长和宽、叶面积等形态指标均显著减少（P<0.05,下同）。皱叶的叶绿素含量分布不均,但对光合气体交换参数无显著影响（P>0.05）。大豆发生皱叶后成熟期平均提前3.33 d,茎秆变细,抗倒伏性变差,株高、底荚高、主茎节数等农艺性状也有减少趋势,但不同年份有所不同。皱叶导致大豆单株干物质重、单株荚数、单株粒数、单株粒重、百粒重等产量相关性状显著减少,GY_C较GY_N两年平均减产43.11%。皱叶发生时大豆籽粒蛋白含量有降低趋势、油分含量有增高趋势,但不同年份存在差异。【结论】南方大豆皱叶发生时形态上主要因叶缘不能正常伸展所致,皱叶（症级为4）发生后大豆叶面积减少,植株干物质积累变少,生育期缩短、抗倒伏性变差,严重影响单株粒重等产量相关性状。     

大豆叶与花形态异常、雌性不育突变体NJS-10H的发现

在NJCMS1A天然杂交后代中发现突变体NJS-10H.该突变体小叶变窄,叶形态异常,萼片、花瓣数增加,雄蕊减少,雌性不育.雌性不育与叶和花形态异常性状同时出现,受1对隐性基因控制,是一类新的育性异常材料.     

大豆显性核雄性不育突变体N7241S的发现与遗传分析

 从大豆地方品种阜阳四粒荚（N7241）繁殖更新群体中发掘出育性异常种质N7241S。花粉发芽实验结果表明，N7241S不育株的花粉不能萌发花粉管，完全败育。人工平行杂交试验表明，N7241S不育株的雌性育性与正常可育株无差异。与隐性核不育种质ms1、ms2相比，N7241S不育株具有更高的自然异交结实率，表明N7241S属雄性不育、雌性育性正常突变体。通过N7241S不育株与5个育性正常亲本杂交和回交后代分离群体的遗传分析，表明N7241S雄性不育性受单显性基因控制。对N7241S显性核不育类型在大豆轮回选择及杂交制种方面的应用前景进行了讨论。     

大豆结荚习性、荚色和种皮色相关野生片段分析

结荚习性、荚色和种皮色是大豆的重要形态性状,与进化密切相关。利用由151个家系组成的野生大豆(Glycinne soja Sieb et Zucc.)染色体片段代换系(CSSL)群体(SojaCSSLP1),通过不同表型CSSL组间比对,分别检测到与结荚习性、荚色和种皮色相关的1个、3个和2个野生片段(基因)。其中,5个野生片段(基因)分别与前人在栽培豆中检测到的无限结荚Dt₁、荚色L₁、荚色L₂、绿种皮G和黑种皮i基因相对应,说明野生大豆与栽培大豆间、栽培大豆与栽培大豆间在这些片段上均存在等位变异分化,是与大豆进化相关的基因/片段。另一个与荚色相关的Satt273野生片段能使大豆表现黑荚,可能是本研究的新发现,但还需进一步验证。     

大豆叶面茸毛密度和长度的QTL定位

大豆叶茸毛形态对抗虫性、耐旱性等均有重要作用。本研究利用2个重组自交系群体NJRIKY (KY)和NJRIXG (XG)进行叶面茸毛密度和长度的遗传与QTL定位分析。结果表明,2个性状在2个群体中均有大幅度变异,存在不同程度的超亲分离,两者有极显著负相关(r= –0.49和–0.62),叶面茸毛密度的遗传率(75.7%~76.8%)高于叶面茸毛长度的遗传率(45.2%~62.9%);检测到2个叶面茸毛密度主效QTL (XG群体的PD1-1和KY群体的PD12-1,表型贡献率分别达20.7%和21.7%);两群体叶面茸毛密度遗传构成中加性QTL贡献率占20.7%~36.2%,互作QTL只占0%~1.4%,而未定位到的微效QTL所占份额很大,为38.1%~56.1%,是以往只用定位程序而未注意遗传构成解析所没有发现的特点;未在KY中检测到叶面茸毛长度加性QTL,互作QTL贡献率也仅4.2%,而微效QTL贡献率达58.7%;但在XG中叶面茸毛长度加性QTL Pl1-1和Pl12-1贡献率分别达18.3%和22.5%,占主要成分,互作QTL和微效QTL贡献均较小,说明该性状两群体的遗传构成有很大差异。大豆叶面茸毛密度和长度的遗传涉及多个效应不同的基因/QTL。     

大豆产量有关性状QTL的检测

 【目的】研究大豆产量和生物量、叶面积指数、冠层以及产量构成因素间的相关性,定位控制这些性状的QTL。【方法】以地理和遗传来源均有较大差异的北方亲本科丰1号和南方亲本南农1138-2所衍生的184个重组自交家系2年有重复的田间试验结果进行产量有关性状的QTL分析。【结果】（1）产量与地上部生物量、叶面积指数、根重、冠层宽和高等均有极显著正相关,相关系数0.5～0.7。（2）地上部生物量检测到7个QTL,贡献率6.2%～21.1%,其中2年重复检出1个（qSBO-1）;根重8个QTL,贡献率5.2%～20.1%,重复检出1个（qRTB1-1）。（3）开花期叶面积指数5个QTL,贡献率6.4%～17.2%;结荚期叶面积指数5个QTL,贡献率7.3%～26.2%,重复检出1个（qLAIR3A2）;冠层宽4个QTL,贡献率6.3%～13.1%,重复检出1个（qCWD1b-2）;冠层高11个QTL,贡献率5.2%～9.2%,重复检出4个（qCHH-1、qCHO-1、qCHO-2和qCHO-3）。（4）百粒重6个,荚粒数2个,荚数1个QTL,贡献率6.9%～15.7%;分枝荚数5个,主茎荚数3个QTL,贡献率6.3%～11.1%;主茎节数8个QTL,有效分枝数3个QTL,贡献率4.7%～15.2%。（5）根重和地上部生物量各有1个,R1(始花期)和R3(始荚期)叶面积指数各有2个,冠层宽和高各有2个,产量与荚数各有1个,百粒重和分枝荚数各有1个,荚粒数和主茎节数各有1个,分枝荚数与有效分枝数各有1个共享的QTL。【结论】大豆产量有关的13个性状共检测到68个QTL;年份间有重复检出的,但不多,其表达较大程度上与环境有关;尽管性状间普遍有相关、有共享的QTL,但不多,各有其遗传体系;产量有关性状中很少有贡献率大的主效QTL,产量育种要考虑多数基因聚合的技术。     

限制性两阶段多位点全基因组关联分析方法的特点与计算程序

全基因组关联分析(genome-wide association study, GWAS)的理论及应用是近十几年来国内外数量性状研究的热点, 但是以往GWAS方法注重于个别主要QTL/基因的检测与发掘。为了相对全面地解析全基因组QTL及其等位基因构成, 本研究提出了限制性两阶段多位点GWAS方法(RTM-GWAS, https://github.com/njau-sri/rtm-gwas)。RTM-GWAS首先将多个相邻且紧密连锁的SNP分组, 成为具有多个单倍型(复等位变异)的连锁不平衡区段(SNPLDB)标记, 然后采用两阶段分析策略, 基于多位点复等位变异遗传模型, 在节省计算空间的条件下保障全基因组QTL及其复等位变异检出的精确度。和以往GWAS方法相比, RTM-GWAS以性状遗传率为上限, 能够较充分地检测出QTL及其相应的复等位变异并能有效地控制假阳性的膨胀。由其结果建立的QTL-allele矩阵代表了群体中所研究性状的全部遗传组成。依据这种QTL-allele矩阵的信息, 可以设计最优基因型的遗传组成, 预测群体中最优化的杂交组合, 并用以进行群体遗传和特有与新生等位变异的研究。本研究首先对RTM-GWAS方法的特点和计算程序功能进行说明, 然后通过大豆试验数据说明RTM-GWAS计算程序的使用方法。