排序方式: 共有39条查询结果,搜索用时 453 毫秒
1.
本研究中基于Charleston×东农594重组自交系群体,采用完备区间作图和混合线性模型对2006-2010年连续5年的百粒重QTL进行定位,并进行基因×环境互作及上位性分析。本研究定位了16个与大豆百粒重性状相关的QTL,其中有5个QTL分别与环境发生互作,互作贡献率在0.11%~0.52%之间;定位了8对上位互作位点,贡献率在1.15%~2.59%之间。 相似文献
2.
SSR标记开发软件SSR MINING 1.0的编制 总被引:1,自引:0,他引:1
【目的】研制利用生物信息学方法通过分析数量迅速增加的EST序列开发SSR标记的有力工具。【方法】通过对SSR标记本身的特点以及排列组合原理的分析,提出快速有效的SSR标记开发算法,并应用Visual Basic6.0程序设计语言进行相关软件的开发。对2004年8月2日至2005年6月12日之间公布在NCBI上的22 161条大豆EST序列,进行了SSR标记的检索。【结果】通过对现存SSR标记开发软件中所存在的问题的总结与分析,编制完成SSR标记开发软件SSR MINING 1.0。经过检索共发现2 068个SSR标记,应用DNAMAN对其中30个标记进行了引物设计,并合成进行试验验证,最终获得了14个具有多态性的SSR标记。【结论】SSR MINING 1.0是一个高效、灵活、界面友好、使用简便的SSR标记开发软件。 相似文献
3.
4.
热激蛋白Hsp90是广泛存在于微生物和动植物体中高度保守蛋白质之一,大量研究发现其参与生物体应答应激反应、信号转导、细胞周期调控、蛋白降解及转运等生理活动,具有重要研究价值,因此在许多物种中热激蛋白Hsp90基因家均被广泛关注和研究.但大豆中Hsp90基因家族详细信息尚不清楚,研究通过生物信息学分析发现共有13个Hsp90基因在大豆中被鉴定出来,基因序列长度2 538~9 131 bp,编码序列长度1 968~2 533 bp,外显子数为2~19个,编码蛋白质氨基酸个数为655~847,其分子质量为75.88~97.07ku,理论等电点为4.84~6.28,氨基酸序列高度保守,同源性为62%,均包含Hsp90结构域pfam00183和HATPase_C结构域pfam02518,主要分布于8条染色体;系统进化树分析结果显示大豆Hsp90家族基因分为3组;亚细胞定位预测结果显示大豆Hsp90家族基因主要位于细胞质和内质网.研究结果为进一步探索大豆Hsp90家族成员功能奠定了基础. 相似文献
5.
应用甲基磺酸乙酯(EMS)对绥农14大豆种子进行诱变,并构建大豆突变体库.结果在M2分别获得120份茎、叶、花、种子等性状变异的材料,其中38份是株高突变体.用100个SSR分子标记分别对120株突变体进行遗传背景鉴定.结果表明:120份突变体中有5株与对照绥农14有超过9个标记的差异,10株与对照有少于3个标记的差异;另外利用前人定位的与株高相关的46个标记对其中38份株高突变体进行鉴定,发现只有高突变体E790在Sat_168位点有差异.本研究获得的突变体可以作为新的种质资源,同时构建的突变体库也有助于大豆功能基因组研究的发展. 相似文献
6.
7.
【目的】定位大豆蛋白质和油分含量QTL及互作分析,为大豆品质性状QTL精细定位和分子辅助育种提供基础。【方法】以Charleston和东农594为亲本,构建了含147个株系的重组自交系,以F2:19-F2:20代重组自交系为试验材料,利用Windows QTL Cartographer V. 2.5软件的复合区间作图法和多重区间作图法,对该群体的蛋白质和油分含量进行QTL定位分析,并利用QTL Network 2.1软件分析QTL间的上位性效应及环境互作效应。【结果】采用CIM和MIM 2种算法在2011和2012年哈尔滨、红兴隆、佳木斯和牡丹江每年3个地点共6个种植环境下共定位了9个蛋白质和11个油分含量QTL。蛋白质含量QTL分布在6个连锁群,分别在A1、C2、D1a、G、H和O连锁群上,对表型效应的贡献率为5.3%-18.6%,在H连锁群上的qPro-H-1贡献率最大,为18.6%,在D1a连锁群上的qPro-D1a-2贡献率最小,为5.3%,在单种植环境下有5个蛋白质含量QTL被2种算法同时检测到,分别是qPro-O-1、qPro-A1-1、qPro-D1a-1、qPro-D1a-2和qPro-C2-2。油分含量QTL分布在8个连锁群,分别在A1、A2、B1、C2、D1a、E、L和M连锁群上,对表型效应的贡献率为7.1%-24.4%,在B1连锁群上的qOil-B1-2贡献率最大,为24.4%,在C2连锁上的qOil-C2-3贡献率最小,为7.1%,在单种植环境下有2个油分含量的QTL被2种算法同时检测到,分别为qOil-C2-1和qOil-M-1。另外,有2个油分含量QTL在2个以上种植环境重复检测到,为2011年哈尔滨和2011年红兴隆2个种植环境下同时检测出的qOil-A1-1,2011红兴隆、2011牡丹江和2012哈尔滨3个地点同时被检测出的qOil-B1-2。在互作效应分析中,共检测出3对蛋白质上位效应QTL和4对油分上位效应QTL,在蛋白质上位性分析中,上位效应值在0.2068-0.3124,贡献率在0.0227%-0.0265%,分布在A1、C2、D1和E连锁群上,其中,qPro-A1-3与qPro-C2-1效应值为负,其余2对效应值为正,连锁群A1,D1a均有2个QTL发生互作。在油分上位性分析中,上位效应值在0.0926-0.1682,贡献率在0.0294%-0.0754%,分布在A1、C2、I、J、N和O连锁群上,其中,qOil-C2-4与qOil-N-1效应值为负,其余3对效应值为正,在N连锁群的qOil-N-1同时与2个QTL发生互作,分别是C2连锁群上的qOil-C2-1和qOil-C2-4。在与环境互作中,qPro-D1a-3与qPro-E-1在2012年佳木斯地点没检测出,其余6对都检测出与环境的互作效应,贡献率分别为0.0001%-0.0378%,互作效应都较小,明显小于自身的加性效应。【结论】定位到9个蛋白质相关QTL和11个油分相关QTL,并发现3对蛋白质含量上位性效应QTL和4对油分含量上位性QTL。 相似文献
8.
为定位大豆蛋白质含量稳定性QTL,从而为培育高蛋白大豆品种提供依据,本研究利用源自美国大豆Charleston和中国品种东农594杂交获得的147个株系组成的重组自交系群体,利用三种生态环境下三年数据估算的Shukla稳定性方差对大豆蛋白含量进行了遗传和QTL分析。结果表明,利用复合区间作图法(CIM)检测大豆蛋白稳定性QTL得到2个QTL,分别为qPRO1-1和qPRO17-1,位于连锁群A1和L上,贡献率分别为4.70%和5.73%,共解释10.43%的表型变异。利用混合区间作图法MIM检测到2对上位性QTL,互作染色体为A1×G和A1×A2,上位效应分别为0.19**和-0.22,贡献率为12.82%和17.42%,共解释30.24%表型变异。本实验分析多个环境下的数据,考虑到了QTL 与环境的互作效应,在三种环境条件下分析QTL,检测到了在不同环境下可以稳定出现的QTL位点。控制大豆蛋白含量的QTL位点,都表现出明显的上位性效应和GE互作效应。其中稳定性较好的QTL和公共图谱上定位的调控大豆蛋白质含量的QTL prot 1-7、cq oil003、oil8-1, prot 17-5、prot 2-1、prot 12-1等在区间上一致。 相似文献
9.
东北地区大豆主栽品种油份蛋白含量的关联分析 总被引:3,自引:0,他引:3
为探寻与大豆油份含量、蛋白含量相关的关键位点,本研究选取中国东北地区92份大豆主栽品种及常用种质资源品种群体基于蛋白含量和油份含量的Meta分析,进行基于数学模型的类群划分评价,估测样本群体的结构,应用简单线性模型分析与大豆油份含量、蛋白含量相关的的位点。结果表明,通过多次迭代测试,当K=5时,即该资源群体可以分为5个亚群时,为最稳定的分类结果,并在显著水平下(p<0.05),贡献率大于1%的标记中,得到与大豆油份含量相关标记有Sat_412,Sat_195,Satt317,Sat_187,Sat_195,Satt255,Satt713,Satt468,Satt267,Satt686,Sat_294和AZ302047,对油分含量的总贡献率为39.54%。蛋白质含量相关标记有Satt683,Sat_311,Satt578,Satt181,Satt317,Satt700,Satt713,Satt255,Sat_242和Satt720对蛋白质含量总贡献率为48.39%。这些重要的标记位点为大豆油份含量和蛋白含量的分子辅助育种提供重要基础。 相似文献
10.
【目的】 大豆(Glycine max)原产于中国,高品质的大豆在食品、饲料、纺织品等多种加工业中广泛应用,因此,选育高品质大豆已成为育种者和生产者的聚焦问题。通过对大豆脂肪酸各组分进行QTL定位及候选基因的筛选,为大豆品质改良奠定分子基础。【方法】 以美国大豆品种Charleston和东农594为亲本构建重组自交系(RILs)、以栽培大豆绥农14与野生大豆ZYD00006为亲本构建染色体片段代换系(CSSLs)为试验材料。利用气相色谱法测定2个群体的脂肪酸含量,根据东北农业大学农学院大豆遗传改良实验室已构建的遗传图谱,通过Windows QTL Cartographer 2.5和ICIMapping软件对2017—2018年RIL群体与CSSL群体中的大豆脂肪酸组分进行QTL定位研究,并对所获得的QTL置信区间进行候选基因的挖掘。【结果】 2017—2018年,RIL群体和CSSL群体分别定位到34和20个与脂肪酸组分相关的QTL,分布在除B2、C1、G、H、J、M和O以外的13个连锁群上。比较2个群体的QTL定位结果,发现在2个群体中重复检测到10对QTL,其中,分布在A1、C2、D1a、F、K和N连锁群上的QTL与多种脂肪酸含量相关,在A1连锁群上检测到亚油酸和油分含量重叠的QTL;在C2连锁群上检测到硬脂酸和油分含量重叠的QTL;在D1a连锁群上检测到硬脂酸和油分含量重叠的QTL;在F连锁群上检测到棕榈酸、硬脂酸和油分含量重叠的QTL;在K连锁群上检测到亚油酸和亚麻酸含量重叠的QTL;在N连锁群上检测到棕榈酸和油分含量重叠的QTL、油酸和亚油酸含量重叠的QTL。对QTL定位获得的所有置信区间进行候选基因的挖掘,从基因注释数据集中共筛选出485个候选基因,其中,271个候选基因具有GO注释,进一步进行GO富集数据分析,共有15个候选基因与脂肪酸相关。主要通过编码植物酰基-酰基载体蛋白(ACP)硫酯酶、脂肪酸去饱和酶、磷脂酶D1、脂肪酸-羟化酶、丙酮酸激酶和参与酰基辅酶A生物合成、调节脂肪酸链的延伸,从而影响脂肪酸的合成。【结论】 共检测到54个与大豆脂肪酸各组分相关的QTL,在2个群体中重复检测到10对QTL,对QTL定位获得的置信区间进行候选基因的筛选,共有15个候选基因与脂肪酸相关。这些稳定的脂肪酸相关的QTL和脂肪酸相关的候选基因可用于大豆脂肪酸改良的分子标记辅助选择。 相似文献