谷子生育期及穗相关性状的QTL定位

【目的】谷子生育期及穗部性状是影响谷子品种适应性及产量的关键因素。通过对相关性状进行QTL定位分析,为探明谷子复杂产量性状的分子遗传机制奠定基础。【方法】以优良品种豫谷18和冀谷19为亲本构建的包含400个家系的RIL群体为试验材料,于2018—2019年分别在4个不同环境下调查谷子抽穗期、抽穗-成熟天数、全生育期及穗长、穗粗和单穗重等穗相关性状的表型值。同时,利用已构建的由1 304个bin标记组成的全长为2 196 cM,标记间平均距离为1.68 cM的高密度遗传连锁图谱。采用复合区间作图法（composite interval mapping,CIM）对生育期及穗部性状进行QTL定位分析,并对所获得的QTL置信区间进行候选基因的预测。【结果】重组自交系群体生育期及穗部性状在4个环境中均表现为连续分布且存在双向超亲分离现象,符合数量性状的遗传特征,适宜进行QTL分析。相关分析表明,谷子抽穗期与全生育期呈极显著正相关,与抽穗-成熟天数呈显著负相关,穗长与穗粗呈显著正相关。共检测到88个与谷子生育期及穗部性状相关的QTL,分布在第1、3、5、6、8和9染色体上。其中45个QTL与抽穗期相关,单个QTL能够解释表型变异的1.61%—27.60%;7个QTL与抽穗-成熟天数相关,单个QTL能够解释表型变异的2.65%—12.14%;20个QTL与全生育期相关,单个QTL能够解释表型变异的1.98%—16.97%;9个QTL与穗长相关,单个QTL能够解释表型变异的3.51%—11.65%;5个QTL与穗粗相关,单个QTL能够解释表型变异的3.74%—8.34%;2个QTL与单穗重相关,单个QTL能够解释表型变异的5.16%—5.20%。本研究共检测到12个主效QTL,其中,qEHD-9-1、qEHD-9-2、qHMD-9-2、qGRP-9-2和qPL-5-1在至少2个环境和BLUP值中被重复检测到。控制生育期的主效QTL（qEHD-9-1、qHMD-9-1、qGRP-9-1）与控制穗长的主效QTL（qPL-9-1）在第9染色体重叠;qEHD-9-2、qHMD-9-3、qGRP-9-2和qPL-9-3也在第9染色体重叠;控制穗长的主效QTL（qPL-5-1）和控制穗粗的QTL（qPD-5-1）在第5染色体重叠。对3个QTL簇的置信区间进行基因注释,筛选出5个与生育期及穗部性状相关的候选基因,其中,2个候选基因在谷子生育期调控和穗部性状发育中均发挥重要作用。【结论】共检测到88个与谷子生育期及穗部性状相关的QTL,12个为主效QTL,其中5个主效QTL在多个环境被重复检测到,且成簇分布。基于基因注释,共筛选了5个与谷子生育期和穗部性状相关的候选基因。     

中国板栗36个叶片表型性状的多样性

【目的】揭示中国板栗（Castanea mollissima Bl.）叶片表型性状的变异规律及多样性特征,为中国板栗资源的保护、开发和科学利用提供依据。【方法】对中国10个省份（群体）240份资源的36个叶片表型性状（31个数量性状和5个质量性状）进行检测,运用方差分析、多重比较、相关分析和聚类分析等方法,探讨板栗叶片表型多样性水平及其与原产地的地理、环境因子关系。【结果】巢式方差分析表明,31个数量性状在群体内存在极显著差异（P<0.01）,同时叶片长、叶片宽、叶片长/宽、锯齿高度等15个数量性状及3个质量性状（叶片形状、叶基形状和叶缘锯齿特征）在群体间存在显著或极显著差异（P<0.05或P<0.01）,说明板栗叶片表型在群体内和群体间均存在丰富变异。群体间叶片表型分化系数V_ST为7.95%,远小于群体内的92.05%,说明叶片表型变异主要来源于群体内部。板栗叶片表型的平均变异系数（CV）和平均多样性指数（H′）分别为18.05%和1.27,5个质量性状中以叶片形状的CV和H′最高（35.67%,0.86）,叶缘特征最低（5.60%,0.07）;31个数量性状的CV在8.68%（叶片长/宽）—32.73%（锯齿深度）,H′在1.54（叶背茸毛密度）—2.09（叶片结构疏松度）。叶片外观形态、生理指标和解剖性状的平均H′分别为2.03、2.04和2.04,CV由高到低分别为15.27%（外观形态）>15.18%（生理指标）>12.17%（解剖结构）。10个群体表型性状CV均值在17.11%（陕西）—19.66%（山东）,H′均值在0.99（安徽）—1.80（河北）。板栗叶片大多表型性状与地理气候因子之间存在显著或极显著相关,其中年均气温等温度指标和年降水量与叶基形状、锯齿高度等性状呈负相关（经度和纬度与之呈正相关）,与叶片长/宽呈正相关（经度和纬度与之呈负相关）。【结论】板栗叶片表型在群体间和群体内均存在丰富变异,但变异主要来源于群体内（个体基因型间的变异）,因而以叶片表型性状作为研究对象,进行抗逆性、高光合效率等特异品种选育或相关研究时,研究重点应该放到广泛的个体基因型调查上,变异较为丰富均匀的群体可作为重点参考。板栗叶片大多外观形态和生理指标性状呈现以温度和降雨量因子为主导的梯度规律性。     

白菜型油菜自交亲和性、角果及种子相关性状的QTL定位

【目的】研究白菜型油菜的自交亲和性、角果及种子相关性状的QTL定位,为白菜型油菜自交亲和品种、优良自交系的选育及其产量和品质的遗传改良提供依据。【方法】以自交亲和性较差的菜薹L58和自交亲和性较好的白菜型油菜R-O-18构建的包含117个株系的RIL群体为试验材料,利用已构建的包括372个InDel标记的分子遗传图谱,采用区间作图法（IM）对花期亲和指数、结角率、角果长度、角果喙长度、角果长宽比、角果喙长度/角果长度、每角果种子数、千粒重及种子颜色9个性状分别进行QTL分析。【结果】RIL群体在自交亲和性、角果及种子相关的9个性状上表现为连续变异,并且变异幅度较大,均呈正态分布或偏正态分布,具有典型的数量性状遗传特点。花期亲和指数与结角率、角果长度、角果喙长度、角果长宽比、每角果种子数、千粒重均存在极显著的正相关,其中花期亲和指数与每角果种子数间的相关系数最大,达到0.8487。与其他几个性状的相关性大小依次为：千粒重>结角率>角果喙长度>角果长度>角果长宽比。每角果种子数及千粒重均与结角率、角果长度、角果喙长度、角果长宽比呈现极显著正相关,而每角果种子数与千粒重之间也存在极显著的正相关（0.6477）。结角率、角果长度、角果喙长度与角果长宽比之间呈现显著正相关;而角果喙长/角果长除了与角果长呈负相关,角果喙长度存在极显著正相关性外,与其他性状均不相关。共检测到12个QTL位点,其中6个QTL位于A09连锁群,10个QTL解释大于10%的表型变异。2个控制花期亲和指数的QTL均位于A09连锁群上,分别可解释13.1%和16.7%的表型变异;6个角果相关性状的QTL,分别位于A06、A09和A10连锁群上,单个QTL可解释13.4%-17.7%的表型变异;4个种子相关性状的QTL,分别位于A02、A05、A06和A09连锁群上,可解释7.9%-42.1%的表型变异,位于A09连锁群的种子颜色QTL为主效位点,其加性效应值为1.22。【结论】共检测到12个控制自交亲和性（2个）、角果（6个）及种子相关性状（4个）的QTL,其中,2个控制自交亲和性的QTL,与前人得到的调控自交亲和性主位点（S位点）不同,可能为控制自交亲和性的非主效QTL位点。1个种子颜色QTL为主效位点。     

大豆二粒荚长、宽相关QTL间上位效应和QE互作效应分析

【目的】定位大豆二粒荚长、宽QTL,并分析QTL间的上位效应和与环境（QTL-by-environment, QE）的互作效应。【方法】利用Charleston×东农594重组自交系及其F2:14-F2:18代的重组自交系的147个株系为试验材料,164个SSR引物经亲本筛选后用于群体扩增构建的SSR遗传图谱,利用混合区间作图法,对2006-2010年连续5年一个地点的大豆二粒荚长、宽进行QTL定位,并作加性效应、加性×加性上位互作效应及环境互作效应分析。【结果】检测到8对有加性效应的二粒荚长QTL,加性效应的总贡献率27.2%,与环境互作总贡献率达到10.19%;6对有加性效应的二粒荚宽QTL,加性效应的总贡献率16.27%,与环境互作总贡献率达到12.18%。9对影响二粒荚长的加性×加性上位互作效应的QTL,可解释该性状总变异的9.02%;8对影响二粒荚宽的加性×加性上位互作效应的QTL,可解释该性状总变异的8.81%。【结论】上位效应和环境效应在二粒荚长、宽性状的遗传中起了重要作用,因此,在分子标记辅助育种中应该考虑对效应起主要作用的QTL和上位性QTL,又要考虑微效多基因的聚合。     

甜瓜SLAF图谱构建及果实相关性状QTL分析

【目的】通过对甜瓜果实相关性状进行QTL定位及候选基因分析,为甜瓜品质育种及基因挖掘与功能验证提供理论基础。【方法】利用薄皮甜瓜1244为母本、厚皮甜瓜M5为父本配置杂交组合,结合SFLA测序技术开发分子标签,构建高密度遗传图谱,以F_2:3表型数据为基础,采用Mapqtl进行QTL定位分析。【结果】获得了380 446 Mreads（83.12 Gb）数据,测序平均Q30为93.59%,平均GC含量为36.87%;开发了112 844个SLAF标签,3 274 879个SNP;构建了12个连锁群,共计10 596个上图标记,总图距为1 383.88 cM,标记间平均距离为0.13 cM,上图标记完整度平均为99.92%。将控制甜瓜果面沟性状基因（fst）定位在第11条染色体末端Marker 1993423（62.18）—Marker 1998820（63.05）,覆盖基因组0.72 Mb,包含33个候选基因;控制甜瓜果皮花纹基因（fpp）定位在第2条染色体Marker 459584（90.91）—Marker 459446（90.91）,覆盖基因组0.08 Mb,包含5个候选基因,其中MELO3C026292（1-脱氧-D-木酮糖-5-磷酸还原异构酶）可能为控制果皮花纹的候选基因;同时检测到甜瓜果皮底色1个QTL位点fpc,位于第7条染色体Marker 1229174（7.14）—Marker 1229973（7.14）,贡献率为9.9%;检测到果型指数1个QTL位点fs9.1,位于第9条染色体Marker 1705671（76.19）—Marker 1705915（79.23）,贡献率为7.6%;在第1、2、6、7、10染色体检测到单果重相关6个QTL位点（sfw1.1、sfw2.1、sfw2.2、sfw6.1、sfw7.1、sfw10.1）,贡献率在3.1%—17.0%,LOD值介于3.0—5.6。【结论】将甜瓜果面沟、果皮花纹基因分别定位在第11和第2条染色体,分别获得33个和5个候选基因;检测到1个果皮底色QTL位点、1个果型指数QTL位点和6个单果重QTL位点。     

多环境下玉米保绿相关性状遗传位点的挖掘

【目的】功能性保绿通常被认为是包括玉米在内的主要作物品种的理想性状。挖掘新的控制玉米保绿相关位点和候选基因,为玉米保绿遗传研究提供理论基础。【方法】以150份由许178和K12组配的重组自交系（recombinant inbred lines,RIL）群体为材料,通过Windows QTL Cartographer V2.5的复合区间作图法（composite interval mapping,CIM）对3个保绿相关性状（保绿度（visual stay green,VSG）、吐丝期绿叶数（green leaf number at silking stage,GLNS）和成熟期绿叶数（green leaf number at mature stage,GLNM））进行QTL定位。同时,以139份自然材料组成的关联群体为材料,基于混合线性模型（mixed linear model,MLM）,结合50 790个高质量SNP标记,对这3个性状进行全基因组关联分析（genome-wide association study,GWAS）。【结果】基于CIM,利用单环境下的表型值和最佳线性无偏估计值（best linear unbiased prediction,BLUP）对GLNM、GLNS和VSG进行定位,共检测到37个QTL,分布在除第10染色体以外的其他染色体上,LOD范围为2.58—11.36,表型贡献率为4.34%—22.40%。GLNM、GLNS和VSG性状分别检测到14、12和11个位点。其中,4个遗传稳定的QTL（qGLNS2-1、qVSG1-1、qVSG1-2和qVSG7-1）,在3个及以上不同单环境中同时被检测到。利用MLM对保绿相关性状进行全基因组关联分析,共检测到44个超过阈值线的显著SNP,根据SNP标记在B73参考基因组的物理位置,发现共有15个位点落在连锁分析定位到的QTL区间内。【结论】通过QTL定位和全基因组关联分析共同检测到4个遗传稳定的共定位遗传区段（对应的B73参考基因组V4版物理位置区间为第1染色体6.2—8.2 Mb、第2染色体209.1—221.4 Mb、第6染色体96.8—102.1 Mb、第7染色体4.9—11.4 Mb）,并挖掘到4个与光合作用和抗逆相关的候选基因（Zm00001d006119、Zm00001d018975、Zm00001d006535和Zm00001d036763）。     

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。     

板栗总苞和坚果主要性状与SSR标记的关联分析

【目的】通过测定113份板栗品种（系）的数量、质量和假质量性状,分析其遗传变异,比较不同组群之间的性状差异,将SSR标记与性状进行关联,获得更多与SSR标记显著关联的性状,挖掘优异的等位变异位点,为开展板栗分子辅助育种的研究提供参考。【方法】测定并分析板栗总苞和坚果的38个数量、质量和假质量性状,利用SPSS和Graphpad软件对数量性状进行差异显著性和相关性分析,基于SSR标记进行遗传多样性分析,最后用TASSEL 2.1软件通过一般线性模型（general linear model,GLM）和混合线性模型（mixed linear model,MLM）分别对性状和标记进行关联分析。【结果】在遗传多样性分析中,21对SSR引物的有效等位基因数（N_e）、Shannon指数（I）、多态性信息含量（PIC>0.5）、观察杂合度（H_o）和期望杂合度（H_e）的平均值分别为3.164、1.269、0.589、0.593和0.635。根据群体结构分析分为2个主要组群,为了更好地比较性状差异,在聚类分析时将中间类型的品种单独划分为一组。在质量和假质量性状分析中,多样性指数变化范围为0.139—1.567,遗传多样性最高的性状是坚果光泽,最低的是底座接线;坚果形状、光泽、颜色等性状组群间频率分布差异明显。在数量性状分析中,变异系数的范围在3.96%—36.31%,苞重、总苞重和单粒重的变异系数均在30%以上,遗传变异程度高;果形指数和含水量变异系数均在10%以下,具有稳定的遗传特性;总苞和坚果的外观性状之间有强相关性,相关系数均在0.6以上;组1-组2和组2-组3在果实形状和重量中存在显著差异（P<0.05）。在关联分析中,GLM模型中有13个标记位点与18个表型性状极显著关联,表型变异解释率范围为15.12%—54.99%;MLM模型中有6个标记位点与7个表型性状极显著关联,表型变异解释率范围在8.66%—26.93%。【结论】本研究将SSR标记与表型性状进行关联分析,共发现13个标记位点与坚果单粒重等20个表型性状极显著关联,为开展板栗分子辅助育种的研究奠定了基础。     

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。     

甜玉米维生素 C 含量的 QTL 定位

【目的】挖掘利用高维生素甜玉米种质资源,对甜玉米维生素 C 含量进行 QTL 定位。【方法】选用维生素 C 含量差异显著的甜玉米自交系 T77（高 VC）和 T15（低 VC）为亲本配制杂交组合 T77×T15,以该组合 F2 作为群体,构建 SSR 分子标记遗传连锁图谱;结合 F2 各单株果穗维生素 C 含量,应用复合区间作图法对甜玉米维生素 C 含量进行 QTL 定位。【结果】共检测出 5 个相关 QTL,分别位于第 2、3、6 染色体。在第 2染色体 bin 2.04~2.05 区域检测到 1 个维生素 C 含量 QTL（qVC-ch.2-1）,加性效应值为 2.23,能够解释 17.16%的表型变异;在第 3 染色体上检测到 2 个维生素 C 含量 QTL（qVC-ch.3-1、qVC-ch.3-2）,分别位于 bin 3.00~3.04、bin 3.06~3.07 区域,加性效应值分别为 1.17 和 1.40,表型贡献率分别为 6.64% 和 4.15%;在第 6 染色体上检测到 2 个维生素 C 含量 QTL（qVC-ch.6-1、qVC-ch.6-2）,分别位于 bin 6.05、bin 6.05~6.06 区域,加性效应值分别为 0.43、1.83,表型贡献率分别为 6.59% 和 20.87%。【结论】维生素 C 含量的 QTL 定位可为选育优质高营养甜玉米品种提供一定的理论参考。     

栽培种花生株型相关性状的QTL定位

【目的】栽培种花生是世界范围内重要的油料作物和经济作物,其株型相关性状是典型的数量性状,亦是重要的农艺性状,与产量和机械化收获密切相关。对花生株型相关性状进行遗传分析和QTL定位,筛选与之紧密连锁的分子标记,有助于花生的品种保护和品种鉴别,为花生株型分子育种提供重要的理论依据。【方法】以直立型花生品种冀花5号和匍匐型M130为亲本构建的包含321个家系的RIL群体为研究材料,于2016—2018年分别在海南市、邯郸市、保定市和唐山市等7个环境下种植,各个环境均在收获时调查统计花生侧枝夹角、主茎高、侧枝长、株型指数和扩展半径等5个株型相关性状的表型值。同时,利用SSR、AhTE、SRAP和TRAP等分子标记扫描亲本及群体的基因型用于构建分子遗传连锁图谱。最后结合多年多点的表型数据,采用QTL Icimapping V4.2中的完备区间作图法（inclusive composite interval mapping,ICIM）对7个环境下的株型相关性状进行加性QTL和上位性QTL分析。【结果】构建了一张包含363个多态性位点的分子遗传连锁图谱,所有标记被分配到20条染色体和1个未知连锁群;图谱总长度覆盖全基因组的1 360.38 cM,标记间平均距离为3.75 cM;单个连锁群长度为39.599—101.056 cM,包括4—50个分子标记。共检测到30个与株型相关性状的加性QTL,分布在A04、A05、A06、A08、A09、B02、B09等7条染色体上。其中,5个QTL与侧枝夹角相关,可解释的表型变异（phenotypic variance explained,PVE）为3.48%—11.22%;15个QTL与主茎高相关,PVE为3.58%—10.05%;2个QTL与侧枝长相关,PVE为6.03%—8.56%;4个QTL与株型指数相关,PVE为4.68%—15.08%;4个QTL与扩展半径相关,PVE为3.30%—9.33%。qLBAA05.1、qLBAA05.2、qMSHA04.2和qIOPTA05.1等4个主效QTL,可解释的表型变异分别为11.22%、10.59%、10.23%、10.05%和15.08%。此外,共检测到59对上位性QTL。其中,6对上位性QTL与侧枝长相关,PVE为2.23%—2.78%;50对上位性QTL与株型指数相关,PVE为0.25%—1.44%;3对上位性QTL与扩展半径相关,PVE为7.28%—12.25%。发现3个QTL聚集区,分别为A04染色体的GM1867—AHGS1967区间、A05染色体的me14em5-116—PM418区间和A08染色体的HBAUAh177—AhTE0658区间,涉及侧枝夹角、主茎高、株型指数和扩展半径等4个株型相关性状。【结论】构建了一张包含363个标记位点的分子遗传连锁图谱;获得30个与株型相关性状的加性QTL和59对上位性QTL;发现3个QTL聚集区。     

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。     

Identification of main effect and epistatic QTLs controlling initial flowering date in cultivated peanut(Arachis hypogaea L.)

Initial flowering date(IFD) is closely related to mature period of peanut pods. In present study, a population of recombinant inbred lines(RIL) derived from the cross between Silihong(female parent) and Jinonghei 3(male parent) was used to map QTLs associated with IFD. The RIL population and its two parental cultivars were planted in two locations of Hebei Province, China from 2015 to 2018(eight environments). Based on a high-density genetic linkage map(including 2 996 SNP and 330 SSR markers) previously constructed in our laboratory, QTLs were analyzed using phenotypic data and the best linear unbiased prediction(BLUP) value of initial flowering date by inclusive composite interval mapping(ICIM) method. Interaction effects between every two QTLs and between individual QTL and environment were also analyzed. In cultivated peanut, IFD was affected by genotypic factor and environments simultaneously, and its broad sense heritability(h2) was estimated as 86.8%. Using the IFD phenotypic data from the eight environments, a total of 19 QTLs for IFD were detected, and the phenotypic variation explained(PVE) by each QTL ranged from 1.15 to 21.82%. Especially, five of them were also detected by the BLUP value of IFD. In addition, 12 additive QTLs and 35 pairs of epistatic QTLs(62 loci involved) were identified by the joint analysis of IFD across eight environments. Three QTLs(qIFDB04.1, qIFDB07.1 and qIFDB08.1) located on chromosome B04, B07 and B08 were identified as main-effect QTL for IFD, which had the most potential to be used in peanut breeding. This study would be helpful for the early-maturity and adaptability breeding in cultivated peanut.     

小麦籽粒蛋白质含量的动态QTL定位

 【目的】检测灌浆过程中控制小麦籽粒蛋白质含量（GPC）的条件及非条件QTL,阐明不同时期及不同时段内QTL的表达方式,揭示籽粒蛋白质积累的分子遗传机理。【方法】以花培3号×豫麦57的168个双单倍体（doubled haploid,DH）群体为材料,于6个不同的环境下种植,在籽粒灌浆的5个时期取样,对小麦GPC进行动态QTL分析。【结果】共检测到影响GPC的9个非条件QTL和10个条件QTL。QGpc3A为整个灌浆过程都能表达的非条件QTL,其余条件和非条件QTL只在几个或单独一个时期表达。花后12 d,控制GPC的基因表达活跃,非条件QTL和条件QTL总共能解释表型变异贡献率的42.62%;花后22 d,条件QTL和非条件QTL总共可解释表型变异的贡献率较低,仅为17.43%,GPC降到“低谷”。 QGpc4A-1对GPC前期积累有重要意义,QGpc1D和QGpc4A-2对GPC灌浆中后期积累有重要意义。【结论】GPC呈现出“高-低-高”的变化规律,控制GPC的基因在灌浆过程中以一定的时空方式表达。     

水稻第6染色体短臂产量性状QTL簇的分解

【目的】将水稻第6染色体短臂上产量性状QTL分解到更小的区间中。【方法】从珍汕97B/密阳46重组自交系群体筛选到针对第6染色体短臂RM587-RM19784区间的剩余杂合体,衍生了一个由221个株系组成的F2:3群体,种植于海南和浙江两地,考察每株穗数、每穗实粒数、每穗总粒数、千粒重、结实率和单株产量,建立SSR标记连锁图,应用Windows QTL Cartographer 2.5检测QTL。【结果】在所分析的6个性状中,除穗数外在第6染色体短臂上的目标区间均检测到QTL,分别座落于目标区域中3个以上的不同区间中,单个QTL对群体性状表型变异的贡献率为6.3%～35.2%;控制产量构成因子的QTL基本以加性作用为主,但3个单株产量QTL的显性度分别为1.65、0.84和0.42。【结论】目标区间存在3个以上的产量性状QTL,且同一区间控制不同性状的QTL、不同区间控制同一个性状的QTL在遗传作用模式、效应方向和效应大小上存在一定差异。     

不同年份冷水胁迫下水稻抽穗期和产量性状的QTL分析

【目的】水稻抽穗期、结实率、千粒重和单株粒重跟产量密切相关,且受低温影响较大。在冷水胁迫下检测控制水稻抽穗期、结实率、千粒重和单株粒重的QTL,为水稻孕穗期耐冷遗传机制及分子标记辅助育种提供理论依据。【方法】以粳稻优质品种东农422和耐冷品种空育131为亲本构建的190个重组自交系解析表型变异,构建了覆盖12条染色体,155个SSR标记的遗传连锁图。连续3年在水稻孕穗期进行冷水灌溉处理,考察始穗期、齐穗期、结实率、千粒重和单株粒重5个性状,利用SPSS18.0和GGEbiplot进行表型分析,利用QTLnetwork2.0,采用逐步联合分析法定位和性状相关的QTL,用超几何函数评价QTL间的相关性。【结果】冷水胁迫下,亲本和RIL群体抽穗期推迟,结实率明显降低,千粒重和单株粒重相继降低。始穗期、齐穗期和结实率互为正相关,结实率、千粒重和单株粒重也互为正相关。共有71个加性QTL被检测到,37个跟耐冷性有关,其中单环境分析检测到28个,贡献率大于10%以上的QTL有11个,单处理联合分析共检测到10个和耐冷有关的QTL,贡献率大于10%的QTL有6个。这17个贡献率大于10%且和耐冷性有关的QTL对性状具有增效作用。多环境联合分析检测到12个QTL,平均贡献率仅为3.56%,其中5个QTL参与了环境互作。检测到的20对上位性QTL中,有2个主效QTL区间参与了上位性互作,对性状的遗传起到重要作用。QTL相关性分析表明,控制始穗期,齐穗期和结实率的QTL具有相关性,结实率的QTL也同千粒重、单株粒重的QTL相关。经图谱比较分析,研究发现的部分QTL与前人研究处于相同染色体片段上,其中,q IHD7-2、q FHD7-2、q FHD7-1和q IHD7-1是在多环境下检测到的稳定存在的QTL,同时,q IHD7-1、q IHD7-2、q FHD7-1、q SSR7-1和q SSR7-2和耐冷性有关,这些QTL位点可为水稻抗冷分子育种提供依据。【结论】冷水胁迫下,结实率分别同抽穗期、千粒重和单株粒重存在相似的遗传机制,而抽穗期和千粒重、单株穗重的遗传相互独立。相比而言,冷水胁迫下选择结实率高的品种要比选择其余3个性状困难。     

水稻产量性状杂种优势的QTL定位

 【目的】利用QTL定位方法检测水稻产量性状杂种优势QTL,并解释杂种优势产生的可能分子机理。【方法】利用重组自交系与亲本协青早B构建BC1杂种群体,通过两地重复试验,以中亲优势考察6个产量性状的杂种优势表型,利用Windows QTL Cartographer 2.5的复合区间作图法检测其QTL。【结果】多数产量性状均表现出较强的杂种优势。在两地试验中,共检测到20个产量性状杂种优势QTL,分布在水稻第2、3、6、7、8、10等6条染色体上,包括3个控制单株产量杂种优势的QTL、2个控制单株穗数杂种优势的QTL、6个控制每穗总粒数杂种优势的QTL、4个控制每穗实粒数杂种优势的QTL、4个控制结实率杂种优势的QTL和1个控制千粒重杂种优势的QTL。单个QTL对群体性状表型变异的贡献率为4.90%—12.85%。【结论】检测到控制6个产量性状杂种优势的20个QTL,其中qHNP-3、qHTNSP-7、qHNFGP-7、qHSF-7、qHTGWT-3 5个QTL在两地试验中稳定表达;检测到的20个杂种优势QTL中,有13个与在RIL群体中检测到的QTL重叠,重叠率达65%,因此,认为来自纯系的产量性状加性效应对杂种优势产生具有重要贡献。     

油菜专用控释尿素用量对冬油菜产量和氮素吸收的影响

【目的】明确不同冬油菜种植区域油菜专用控释尿素用量对冬油菜产量和氮素吸收的影响,验证油菜专用控释尿素一次性施用的可行性和适宜用量,为指导冬油菜轻简化生产提供依据。【方法】于2015-2016年分别开展油菜专用控释尿素静水释放试验和田间埋袋养分释放以及控释尿素用量施用效果田间试验。油菜专用控释尿素用量试验布置于冬油菜3个主产地区--湖南衡阳、江西九江和湖北武穴。试验共设5个氮肥用量梯度,分别为0、60、120、180和240 kg N·hm^-2,探究油菜专用控释尿素对不同区域冬油菜产量和氮素吸收的影响。【结果】田间埋袋试验结果表明,油菜专用控释尿素的缓释期在150 d左右,累积释放量为83.4%,与冬油菜氮素需求吻合。施用油菜专用控释尿素可以调控收获密度,增加冬油菜的单株角果数和每角粒数。与不施氮处理相比,单株角果数、每角粒数分别增加15.0-81.5角/株和0.2-2.4粒/角,收获密度随氮肥用量增加或降低协调群体与个体。3个产地的籽粒产量均在施氮量达到180 kg N·hm^-2时最高,分别较不施氮增产1 118、1 088和2 049 kg·hm^-2。用线性加平台模型拟合的最佳控释尿素用量,湖南衡阳、江西九江和湖北武穴分别为174、180和192 kg N·hm^-2。油菜专用控释尿素施用显著增加地上部生物量、氮素含量和氮素积累量。在收获期时,随氮肥用量增加,茎秆中的氮素分配比例逐渐增加,籽粒中氮素积累分配比例减小,而角壳的氮素分配比例保持在10%左右。不同时期氮肥利用率存在差异,苗期最小,花期最大,收获期居中,分别为19.20%-23.45%、50.69%-56.89%和39.39%-46.71%。苗期和花期的氮肥利用率随着施氮量的增加,出现先增加后降低的趋势,在控释尿素用量为180 kg N·hm^-2时达到最大;收获期的氮肥利用率随着施氮量的增加呈降低趋势。【结论】油菜专用控释尿素一次性施用可以增加油菜各生育时期的氮素吸收、促进油菜生长发育,提高收获密度、单株角果数和每角粒数,增加油菜产量。不同冬油菜主产区所需专用控释尿素推荐用量差异不大,平均为180 kg N·hm^-2。     

利用永久群体在不同环境下定位黄瓜株高QTL

【目的】黄瓜（Cucumis sativus L.）株高相关性状与其产量及植株生长发育有密切关系,对其进行QTL定位及比较分析,不仅为基因的精细定位及克隆奠定基础,也可实现该性状已有研究结果的信息整合,为黄瓜株型改良及分子标记辅助选择提供理论依据。【方法】利用以黄瓜材料9930和9110Gt为亲本构建的F9代RILs群体遗传图谱,结合4次黄瓜株高相关性状的表型数据,采用MapQTL4.0软件进行多座位QTL模型(Multiple-QTL model,MQM)检测。基于基因组序列信息,对本研究和前人已有研究结果进行比较作图并对株高QTL位点区域序列进行BLAST分析。【结果】共检测到11个与株高、节间长度、节数相关的QTLs,分布在Chr.1、Chr.2、Chr.5、Chr.6这4条染色体上,各QTLs的LOD值在3.03-12.73,可解释6.2%-32.1%的表型变异。其中主效QTLs 5个,可在春秋两季重复检出的QTLs 3个,占QTL总数的27.3%。在Chr.1上有QTL成簇聚集的现象。【结论】控制黄瓜株高的基因至少有4个,分别位于第1、3、5、6这4条染色体上。在Chr.6长臂上定位的应是有限生长基因de。