春小麦籽粒主要品质性状的全基因组关联分析

[目的]挖掘小麦籽粒品质性状显著相关的SNP位点及候选基因,并揭示其遗传机理,为相关基因克隆和分子标记辅助选择提供理论依据.[方法]通过检测298份国内外春小麦品种(系)5个环境下蛋白质含量、湿面筋含量、沉降值、淀粉含量、籽粒硬度、出粉率和容重等7个籽粒品质性状的表型,并结合小麦55K SNP芯片,采用Q+K关联混合模...     

小麦苗期铅耐受性的全基因组关联分析

[目的]随着工业化的推进,重金属尤其是铅对耕地的污染已成为世界性问题.小麦作为主要粮食作物,其健康生产对保障粮食安全意义重大,筛选铅耐受性强和铅低积累小麦品种、挖掘相关调控基因或QTL区间,为耐铅种质创新和揭示小麦铅耐受性遗传机制奠定基础.[方法]采用140 mg·kg-1的硝酸铅溶液对102份小麦品种(系)进行苗期胁...     

广益黑猪繁殖性状的全基因组关联分析

选取441头广益黑猪经产母猪为研究对象,利用猪50K SNP芯片对猪耳组织DNA进行基因型分型,PLINK 1.9质控后,采用GMAT中的重复力模型进行猪繁殖性状相关的全基因组关联分析,确定显著位点。结果表明：441头经产广益黑猪母猪的耳组织DNA基因分型共获得50 898个SNPs,经质控剩余46 165个SNPs位点用于关联分析;平均亲缘关系系数为–0.002 2,平均亲缘关系较远,不存在明显的群体分层;总产仔数性状有1个SNP在全基因组范围内达到显著相关,4个SNPs达到潜在显著关联,候选基因包括PIK3C3、ENSSSCG00000003753、MAP3K3、DCAF7;产活仔数性状有6个SNPs潜在显著关联,候选基因包括ZNF585A、ENSSSCG00000022411、ZNF784、ENSSSCG00000029007、PigE–108A11.5、PigE–108A11.3、ENSSSCG00000023343;弱仔性状有1个SNP达潜在显著关联,候选基因包括KRTAP7–1和TIAM1;经基因功能分析推测,PIK3C3、MAP3K3可能是影响猪总产仔数的候选基因。     

新疆冬小麦品种资源主要产量性状全基因组关联分析

【目的】高产是小麦育种的永恒主题,利用全基因组关联分析发掘控制小麦产量性状的QTL区段及优异基因,为小麦分子标记辅助选择育种提供理论依据和标记信息。【方法】以新疆本地188个冬小麦品种资源为材料,利用小麦55K SNP芯片进行全基因组扫描,通过对6个不同环境下的株高、穗长、小穗数、可育小穗数、穗粒数、千粒重、粒长、粒宽、籽粒长/宽比9个产量相关性状进行表型鉴定,利用6个环境下各性状数据及最佳线性无偏预测（BLUP）数据,基于混合线性模型（MLM）对表型和基因型进行全基因组关联分析。【结果】经主成分分析,将188个材料分为地方品种和育成品种2个亚群;利用6个环境下各性状数据,9个性状共检测到1 309个显著性SNP标记,其中,每个显著性SNP位点可解释7.259%—70.792%的表型变异。利用BLUP数据,9个性状共检测到66个显著性位点,同时与2个性状关联的共有SNP位点有5个,贡献率波动范围为8.498%—21.877%。将同时与2个性状或2个以上环境关联到的重复位点作为稳定的显著性关联位点,9个性状共检测到38个稳定关联位点,包括株高重复位点5个,穗长重复位点10个,小穗数重复位...     

杜洛克猪生长性状全基因组关联分析

对猪全基因组高密度SNP基因型数据及生长性状表型数据进行全基因组关联分析,以期找到影响这些性状的候选基因,更准确地了解这些生长性状的遗传基础。利用Illumina猪60KSNP芯片对191头杜洛克猪进行基因型检测,使用R语言环境下GenABEL 软件包提供的单标记回归分析模型,对体重达100 kg 日龄(D100)、活体背膘厚(BFT)和活体眼肌面积(LMA)3个生长性状的表型分别进行全基因组关联分析。在D100和LMA2个性状中分别检测到1个基因组水平和6个染色体水平显著关联的SNP,均位于5号染色体;没有检测到与BFT显著相关的SNP。生物信息学分析表明,BTG1和EFCAB6可能是影响生长性状的重要候选基因,但其功能有待进一步研究确认。关键词猪;全基因组关联分析;候选基因;生产性状。     

大豆抗倒伏相关性状全基因组关联分析

研究以150份大豆种质为试验材料开展2年3点试验,在收获期测定抗倒伏相关性状,并利用RTM-GWAS方法作关联分析,共检测到99个显著关联SNP位点,其中48个效应显著位点,解释0.28％～3.38％表型变异;89个与环境互作显著位点,解释0.53％～7.04％表型变异;其中,21个位点主效表型变异解释率高于1％;与6...     

小麦籽粒超氧化物歧化酶（SOD）活性全基因组关联分析

【目的】小麦籽粒超氧化物歧化酶活性对小麦面粉色泽和营养品质具有重要影响,挖掘与小麦籽粒超氧化物歧化酶（superoxide dismutase,SOD）活性显著关联位点及候选基因,为揭示小麦籽粒SOD活性的遗传机理和小麦面粉色泽的遗传改良奠定基础。【方法】采用氮蓝四唑（nitro-blue tetrazolium,NBT）光化还原法对3个环境下种植的212份普通小麦品种（系）进行SOD活性检测,结合90K SNP芯片的16 705个高质量SNP标记对小麦籽粒SOD活性进行全基因组关联分析（genome-wide association study,GWAS）,并对稳定遗传的显著关联位点进行候选基因的挖掘。【结果】不同环境下,各小麦品种（系）间的SOD活性表现出丰富的表型变异,变异系数为4.34%—5.23%,相关系数介于0.60—0.90（P<0.001）。多态性信息含量（polymorphic information content,PIC）为0.24—0.29。全基因组连锁不平衡（linkage disequilibrium,LD）衰减距离为7 Mb。群体结构分析表明,供试材料可分为3个亚群。GWAS分析结果显示,共检测到29个与SOD活性显著关联位点（P≤0.001）,分布在1A、1B、2A、2B、2D、3B、3D、4B、4D、5A、5B、5D、6A、6B、6D和7B染色体上,单个位点可解释5.47%—32.43%的表型变异,其中14个位点在2个及以上环境下均被检测到。9个显著关联位点在3个环境下被同时检测到,分布于1B、2B、4B、5A、5B、6B和6D染色体,贡献率为6.21%—16.62%。对稳定遗传的显著关联位点进行候选基因的挖掘,共挖掘TraesCS2B01G567600、TraesCS3D01G069900、TraesCS3D01G070200、TraesCS5B01G525700、TraesCS5B01G373700、TraesCS6A01G021400和TraesCS6D01G431500等7个SOD基因和TraesCS5A01G263500、TraesCS6B01G707800等2个与SOD活性相关的候选基因,候选基因的功能主要与抑制细胞活性氧积累及参与抗氧化剂再生过程有关。【结论】检测到与小麦籽粒SOD活性显著关联的29个SNP位点,共筛选出7个SOD基因和2个与SOD活性有关的候选基因。     

小麦种子活力相关性状全基因组关联分析

【目的】鉴定控制小麦种子活力相关性状位点,发掘相关候选基因,为高活力品种提高理论基础。【方法】以404份遗传背景广泛的小麦为试验材料,对11个种子活力相关性状进行测定,结合基因型信息与活力相关性状参数进行全基因组关联分析。【结果】鉴定出28个与小麦种子活力相关性状的显著关联位点。【结论】发现2个控制小麦种子活力潜在新位点,在这2个位点共检测到80个与种子活力相关的候选基因,其中,TraesCS4A01G020000.1编码LEA蛋白基因和TraesCS5B01G298500.1编码解螺旋酶基因,在种子中特异表达,与种子活力高度相关。     

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。     

玉米花期根系结构的表型变异与全基因组关联分析

【目的】根系作为植株吸收水分和养分的重要器官,对玉米生长及产量的形成至关重要。研究玉米根系结构的遗传机制指导玉米高产育种实践。【方法】以111份玉米优异自交系为材料,于2017年在北京、陕西永寿、山西定襄和河南原阳4个环境下对玉米地下节根层数（RLN）、地下节根总条数（TRN）、地下节根角度（RA）、地下节根面积（RS）、地下节根体积（RV）和地下节根干重（RDW）等6个玉米根系相关性状进行调查。取4个环境的平均值作为6个根系相关性状的表型数据,对6个相关性状进行统计分析和相关性分析,对不同年代、不同类群自交系的地下节根相关性状进行差异分析。基于该群体全基因组152 352个高质量SNP标记,利用FarmCPU模型进行全基因组关联分析获得显著关联SNP位点,并在LD衰减距离范围内查找候选基因,对候选基因的功能进行富集分析。【结果】表型分析表明,6个地下节根性状均呈现正态分布,且均显示出较高的遗传力;相关性分析结果表明,地下节根层数和总条数均与地下节根角度和面积呈负相关,地下节根的角度、面积、体积和干重等4个性状之间相互呈现显著正相关关系;不同年代的玉米地下根系结构存在差异,地下节根层数和总条数在年代的更替间表现出下降的趋势,地下节根角度和面积在年代更替间表现出上升的趋势,根干重和根体积在各年代间无显著差异;玉米地下根系结构在类群间也存在差异,旅大红骨类群的6个地下节根性状值均高于其余类群。全基因组关联分析共检测到26个SNP位点与地下节根层数、总条数、体积和干重性状显著关联（P<0.00001）,其中11个显著关联位点定位于前人报道的根系QTL区间内,2个显著关联SNP在地下节根层数和总条数中均被检测到。基于显著关联SNP位点共挖掘到177个候选基因,其中135个具有功能注释,Zm00001d037368可能为控制地下节根层数和总条数的一因多效候选基因。候选基因功能的富集分析结果显示,候选基因的功能主要涉及植物体内的代谢调节、应激反应、运输活性、催化活性、结合蛋白及细胞成分等。【结论】玉米自交系的根系结构在不同年代间和不同类群间存在不同程度的差异,采用全基因组关联分析策略挖掘控制玉米根系结构的相关遗传位点及候选基因,共检测到26个显著关联的SNP位点。     

玉米株型相关性状的全基因组关联分析

【目的】玉米株型性状与植株产量、光合效率、抗倒性等密切相关,是理想株型设计育种的基础,通过对玉米多个株型相关性状进行全基因组关联分析,构建玉米理想株型,为抗倒伏、耐密性的玉米新品种选育提供理论基础。【方法】以284份温带、亚热带和热带材料组成的关联群体为研究对象,在郑州与浚县2个环境下对玉米总叶片数（LN）、穗上叶片数（LNAN）、穗上叶片数与总叶片数比值（LNAN/LN）、株高（PH）、穗位高（EH）、穗位高与株高的比值（EH/PH）等6个玉米株型相关性状进行调查,借助覆盖玉米全基因组约56万个SNP标记,进行全基因组关联分析,以期为玉米新品种的选育提供理论依据。【结果】2个环境下,6个性状均表现为正态分布;大多数性状之间均存在高度正相关或负相关;方差分析表明这6个株型相关性状的基因型与环境以及基因型×环境的互作均达到显著水平。在选择最优关联分析模型时,发现Q模型假阳性较高,Q+K模型对假阳性的控制过于严格,而K模型的表现最好;在2个环境下,全基因组关联分析（K模型）共检测到56个显著SNP-性状关联（P≤3.99E-6）,这些SNPs共涉及5个性状的17个位点,每个位点解释的表型变异从7.97%-10.56%不等。同时发现有4个位点能够在2个环境中同时被检测到,表明这4个位点受环境影响较小,在不同环境下可以稳定存在。通过对显著关联的SNP上下游各50 kb范围内候选基因进行搜索,共发现80个候选基因,其中42个具有功能注释。例如,与株高和穗位高显著相关的基因GRMZM2G161293编码一个具有乙酰葡糖转移酶活性的蛋白,该酶催化UDP-N-乙酰氨基葡萄糖生成糖过程中的N-乙酰葡糖氨基残基的转移,可能通过影响玉米籽粒可溶性糖含量进而影响产量,推测其为最可能的候选基因。【结论】K模型对假阳性的控制效果最好,基于K模型的GWAS结果,一共检测到17个株型性状相关的位点。     

杜长大猪、二花脸猪和莱芜猪3个群体25种血液性状的全基因组关联分析

【目的】 利用全基因组关联分析定位影响杜长大猪（DLY）、二花脸猪（EHL）和莱芜猪（LW）3个群体25种血液性状的染色体位点,为最后鉴定影响这些性状的因果基因提供前期基础,同时为猪抗病育种和生产提供参考。【方法】将610头杜长大三元杂猪在（180±5）日龄,336头二花脸猪和333头莱芜猪在（300±5）日龄进行统一屠宰。收集2 mL血液于抗凝管中,利用全自动生化分析仪进行25种血液性状的血常规检测。采集猪耳组织提取DNA并测浓度和质量。将质检合格的DNA样品利用Illumina 60K SNP芯片进行基因型判定。运用PLINK软件对判型结果进行质量控制,将合格的SNP标记用于后续的关联分析。使用R语言GenABEL软件包中的广义混合线性模型进行全基因组关联分析,定位影响3个群体25种血常规性状的显著性染色体位点。据全基因组关联分析结果,在Ensembl或NCBI网站上搜寻潜在的位置候选基因。【结果】杜长大猪、二花脸猪和莱芜猪三个群体通过质控的有效表型数据个体数分别为552头、325头和281头。60K SNPs经过质量控制过后,杜长大猪剩余56 216 SNPs,莱芜猪剩余49 343 SNPs,二花脸猪剩余35 974 SNPs,用于Meta分析的SNPs共有32 967。运用全基因组关联分析和Meta分析共定位到610个显著影响3个群体25种血液性状的SNPs,其中135个SNPs达基因组显著水平,475个SNPs达建议水平;分布在所有染色体上。在杜长大猪中共鉴别到32个基因组显著水平SNPs以及85个建议水平SNPs,且8种性状有基因组显著水平的SNPs,分别是淋巴细胞数目（LYM）、淋巴细胞比率（LYMR）、嗜碱性粒细胞数目（BAS）、嗜碱性粒细胞比率（BASR）、平均红细胞体积（MCV）、红细胞分布宽度变异系数（RDW_CV）、平均红细胞血红蛋白含量（MCH）和血小板分布宽度（PDW）。在二花脸猪中共鉴别到33个基因组显著水平SNPs以及139个建议水平SNPs,且9种性状有基因组显著水平的SNPs,分别是LYM、MCH、平均红细胞血红蛋白浓度（MCHC）、单核细胞数目（MON）、单核细胞比率（MONR）、平均血小板体积（MPV）、中性粒细胞比率（NEUR）、大血小板细胞（P_LCC）以及血小板压积（PCT）。在莱芜猪中共鉴别到54个基因组显著水平SNPs以及169个建议水平SNPs,且6种性状有基因组显著水平的SNPs,分别是BASR、红细胞压积（HCT）、MCH、MCHC、MCV和红细胞数目（RBC）。在Meta分析结果中,共鉴别到16个基因组显著水平SNPs以及82个建议水平SNPs,且6种性状有基因组显著水平SNPs,分别是RBC、HCT、MCH、MCHC、MCV以及MON。通过在Ensembl或NCBI网站上搜寻最强相关SNP区域内的候选基因,初步将F13A1、SPTA1、DBNL、SLC25A28、CTSC基因分别确定为影响BASR、HCT、LYM、MCHC、NEUR的重要候选基因。【结论】通过全基因组关联分析和Meta分析共得到610个显著影响杜长大猪、二花脸猪和莱芜猪3个群体25种血液性状的SNP位点,初步确定F13A1、SPTA1、DBNL、SLC25A28和CTSC基因分别是BASR、HCT、LYM、MCHC和NEUR的重要位置候选基因,为解析商业猪和纯种地方猪的血液性状或免疫性疾病提供重要参考。     

小麦苗期生物量及氮效率相关性状的全基因组关联分析

【目的】探究不同氮素供应环境下与小麦苗期生物量及氮效率相关性状显著关联的SNP位点,预测相关候选基因,为小麦氮效率的基因克隆及其在育种中的应用提供参考。【方法】以134个小麦品种（系）组成的群体为供试群体,设置低氮、正常氮和高氮3个处理,各处理重复4次,并在2年（2013和2014年）进行了2次完全重复的营养液培养试验。试验对小麦苗期生物量及氮效率相关的14个性状进行了表型鉴定,采用MLM+K+Q混合线性模型,利用90K SNP芯片对小麦生物量及氮效率相关性状进行全基因组关联分析（genome-wide association study,GWAS）,获得显著关联的SNP位点。【结果】与正常氮处理相比,低氮处理条件下,根系、地上部及植株氮含量和氮积累量均显著下降,而根生物量和根、植株氮效率均显著增加,高氮处理下,几乎所有鉴定性状均显著增加;14个性状的广义遗传力均在40%以上,其中,植株总干重的遗传力最高（95.73%）。利用9 329个SNP标记进行关联分析,共检测到838个SNP标记位点与供试材料的14个性状存在显著关联（P≤0.001）,分布在21条染色体上。有435个（51.91%）SNP标记位点仅在一个关联分析环境中被检测到;有403个位点至少在2个处理环境（包含均值环境）中被检测到与同一性状显著关联（稳定关联标记）。其中8个SNP标记位点至少在3个环境中被检测到。在4个环境下（包括均值环境）均检测到的稳定关联位点有2个：Kukri_c65481_121和tplb0025f09_1052,分别与植株总氮利用效率（total nitrogen use efficiency of plant,TNUE）和根系总氮利用效率（root nitrogen use efficiency,RNUE）显著关联;同时与至少6个性状（生物量及养分效率相关性状）显著关联的SNP标记位点共5个,分别位于1A、1B（3）和2A染色体上;根据小麦基因组注释及LD衰减水平,在同时定位了6个性状的5个SNP位点和2个多环境（4个环境）稳定关联的SNP位点的214 kb的基因组区域中共筛选候选基因84个,根据已知克隆氮效率基因的编码蛋白类型、候选基因功能注释信息及利用植物比较基因组学资源库蛋白序列同源比对分析,筛选到3个候选基因与生物量及氮效率相关。【结论】不同氮素处理显著影响小麦苗期生物量、氮效率相关性状及其相关QTL的表达,大多数SNP位点仅在1个氮素检测环境中被检测到,但也存在环境稳定性较强的位点。生物量及氮效率相关性状之间存在显著相关关系,并在一定程度上受到相同的QTL/基因控制。     

棉花产量构成因素性状的全基因组关联分析

【目的】 对铃重、衣分、单株铃数和籽指等棉花产量构成因素性状进行全基因组关联分析（genome-wide association study,GWAS）,发掘与其关联的标记位点、优异等位变异及候选基因,为棉花产量的分子育种提供理论依据。【方法】 以408份陆地棉品种（系）资源为材料,利用Cotton SNP 80K芯片,对6个环境的铃重、衣分、单株铃数和籽指4个产量构成因素性状进行基于混合线性模型（mixed linear model,MLM）的全基因组关联分析,检测与产量构成因素性状显著关联的位点、优异等位变异;进一步依据转录组数据的基因表达量,在显著关联的位点侧翼序列1 Mb区间挖掘可能的候选基因。【结果】 4个产量构成因素性状在不同环境下均表现出广泛的表型变异,其中,单株铃数变异系数最大为16.67%—22.66%,各性状的遗传率为48.4%—92.2%;除铃重与衣分间相关性不显著外,其他性状间均呈显著或极显著相关性;基于6个环境各性状表型数据的最佳线性无偏预测值（best linear unbiased prediction,BLUP）,GWAS共检测到分布于基因组的7个区间内23个与目标性状关联的SNP位点,其中,与铃重关联的位点5个,与衣分关联的位点1个,与单株铃数关联的位点9个,与籽指关联的位点8个,有3个位点（TM21094、TM21102和TM57382）同时与多个目标性状关联;鉴定到7个最优SNP位点的优异等位变异,分别为TM21099（TT）、TM57382（GG）、TM78920（CC）、TM53448（TT）、TM59015（AA）、TM43412（GG）和TM69770（AA）;利用转录组数据分析,在基因组的7个区间筛选到158个与产量形成可能的候选基因,GO富集分析和KEGG代谢途径分析发现,候选基因功能类别多样并参与了多种代谢途径。【结论】 在陆地棉品种（系）群体中共鉴定到23个与产量构成因素性状关联的SNP位点,筛选到158个可能与产量性状相关的候选基因。     

粳稻分蘖数全基因组关联分析及候选基因的挖掘

【目的】利用全基因组关联分析(genome-wide association study,GWAS)检测与粳稻分蘖数显著相关的SNP位点,筛选影响分蘖数的候选基因,为分子辅助育种提高产量提供理论基础。【方法】利用295份来自世界各地的粳稻品种,于2018和2019年分蘖盛期调查水稻分蘖数,结合高通量重测序获得的788 396个高质量多态性SNP,利用TASSEL 5.0软件的MLM模型进行全基因组关联分析,对GEC软件计算的有效独立SNP数目进行阈值确定,判定SNP标记与目标性状关联的显著性。根据2年检测到的峰值SNP和水稻每条染色体LD衰减距离,确定2年共定位分蘖数主效QTL,并进一步提取QTL区间内所有基因外显子区非同义突变SNP和启动子区SNP进行单倍型分析,结合基因注释筛选影响粳稻分蘖数候选基因。【结果】295份粳稻品种的分蘖数在2018和2019年总趋势基本一致,并且均具有较大的表型分布。通过全基因组关联分析,在P<5.46×10-6阈值条件下,从第8、9和10染色体上共鉴定3个与粳稻分蘖数相关的QTL(qTiller8、qTiller9和qTiller10),其中,在...