基于Meta分析的猪肌内脂肪QTL整合定位

【目的】通过Meta分析,用数学模型分析与优化定位分散的猪肌内脂肪QTL,提高QTL定位的准确度和有效性,为猪肌内脂肪相关基因的精细定位和基因挖掘奠定基础。【方法】收集猪肌内脂肪QTL及其相关信息,以美国肉畜研究中心（USDA-MARC 2.0）公布的猪遗传连锁图谱为参考图谱,利用BioMercator2.1将各QTL映射到参考图谱上,构建新的整合图谱,得到QTL簇。对得到的QTL簇进行Meta分析,缩短置信区间,定位“真实”QTL(MQTL),减少QTL的定位误差。【结果】收集了67个猪肌内脂肪QTL及相关信息,经比对、映射,构建新的整合图谱,发现了12个QTL簇。通过Meta分析,得到12个MQTL(MQTL1～MQTL12),其图距比原平均图距缩小29.16%～87.40%,其中,MQTL3、MQTL5、MQTL6、MQTL7、MQTL9、MQTL12图距较原平均图距缩小比例均超过50%,其图距分别为7.76,6.72,5.20,19.45,15.61,9.37 cM。【结论】得到了12个猪IMF的MQTL,其图距比原平均图距均有不同程度缩小,最小仅5.20 cM,图距缩小比例最大可达87.40%,提高了QTL定位的准确度和有效性。     

猪肉色相关QTL整合定位与基因关联分析

【目的】通过构建整合图谱和Meta分析,利用数学模型整合与优化猪肉色相关QTL,分析已知候选基因与“真实”QTL（MQTL）的关联性,为肉色性状的分子标记辅助选择奠定基础。【方法】收集猪肉色相关QTL,包括明度系数（L值,MCOLORL）、红度值（a值,MCOLORa）和黄色度（b值,MCOLORb）等指标,利用BioMercator2.1软件,将原始QTL映射到美国肉畜研究中心（USDA-MARC 2.0）公布的猪遗传连锁图谱中,构建整合图谱,分析得到QTL簇;对各QTL簇进行Meta分析,定位MQTL;进一步将已知候选基因映射到整合图谱,比较候选基因与各MQTL在染色体上的位置关系,分析其关联性。【结果】将176个猪肉色相关QTL进行比对、映射后,构建成新的整合图谱。通过Meta分析,将原本分散的QTL定量合并为37个MQTL,其中MQTL2、MQTL3、MQTL8～MQTL11、MQTL13～MQTL16、MQTL18～MQTL20、MQTL24、MQTL25、MQTL29、MQTL31、MQTL32、MQTL35～MQTL37共 21个MQTL的缩短比例均超过50%,MQTL9、MQTL19、MQTL11、MQTL28、MQTL35、MQTL8、MQTL2、MQTL3等8个MQTL的置信区间在5 cM内。【结论】获得了37个猪肉色性状,图距1.16～22.68 cM,较原QTL图距均有不同程度地缩短,缩短比例为25.19%～90.33%,提高了QTL定位的准确度和有效性。     

猪肉系水力相关QTL的整合定位与基因关联分析

【目的】通过构建整合图谱及Meta分析,利用数学模型整合优化猪肉系水力相关数量性状位点（QTL）,并比较已知候选基因与“真实”QTL(MQTL)的位置,分析其相关性,为猪肉系数力的分子标记辅助选择奠定基础。【方法】收集2000年至今发表的猪肉系水力相关QTL信息,以美国肉畜研究中心（USDAMARC 2.0）公布的猪遗传连锁图谱为参考图谱,利用BioMercater 2.1软件将已报道的猪肉系水力相关QTL映射到参考图谱,构建新的整合图谱,分析其中存在的QTL簇;对各QTL簇进行Meta分析,将原始QTL整合为“真实”QTL(MQTL);将已知的候选基因促红细胞生成素受体基因（EPOR）、锚定蛋白1基因（ANK1）、碳酸酐酶Ⅲ基因（CAⅢ）和氟烷基因（HAL）映射到整合图谱,比较其与MQTL的位置关系,并分析二者的关联性。【结果】共收集到80个猪肉系水力相关QTL,将其进行比对、映射后,成功构建了新的整合图谱,并通过Meta分析定位了12个MQTL,这些MQTL的图距与原始QTL的平均图距相比均有不同程度的缩短。EPOR基因、ANK1基因分别定位在MQTL3、MQTL12的置信区间内,其中ANK1基因映射到整合图谱后与MQTL12的中心位置一致。【结论】整合定位的12个MQTL的图距为3.66～28.98 cM,较原始QTL缩短35.82%～78.81%,提高了QTL定位的准确度和有效性。     

大豆株高QTL定位及Meta分析

以溧水中子黄豆和南农493-1杂交衍生的504个正反交F2:4家系为研究对象,于2008年在江苏南京和山东临沂两地种植,鉴定其株高表型。采用多QTL联合分析方法进行QTL分析,检测到株高存在环境效应和细胞质效应,定位了15个主效QTL、2个与环境互作的QTL和6个与细胞质互作的QTL。将Soybase数据库中信息完全的90个株高QTL和本研究检测的株高QTL映射到大豆公共图谱soymap 2上,利用BioMercator 2.1软件进行Meta分析。结果表明:分布于C2、F、L和M染色体上的18个较小置信区间存在一致性QTL,其中包括本研究发现的C2染色体上的qPH-6-2、qPH-6-3和M染色体上的qPH-7-1、qPH-7-2、qPH-7-3共5个QTL。     

大豆农艺性状QTL定位

大豆的许多农艺性状都是由微效多基因控制的数量性状,对这些性状进行QTL定位,是大豆遗传育种工作中的一个重要工作。该试验利用科新3号为父本、中黄20为母本建立重组自交系群体,含有192个株系,利用F2构建的分子遗传图谱,对F3农艺性状进行进QTL定位分析,定位了3个性状相关的3个QTL,贡献率分别为4．76％、5．39％和6．64％。     

黄瓜雌性性状的QTL定位分析

以黄瓜雌性系D0420×强雄性系D06103的211株F2单株为作图群体,应用SSR分子标记进行多态性筛选,得到与黄瓜雌性性状相关的标记位点21个,分属4个连锁群,连锁群全长为98.5 cM,标记间平均距离4.9 cM,最短的连锁群0.5 cM(LG1),最长的连锁群53.4 cM(LG2);标记间最小的遗传距离0.2 cM,最大的遗传距离25.2 cM;采用复合区间定位分析,检测到与黄瓜雌性性状相关的QTL位点2个,均位于第3连锁群上,距离最近标记的遗传距离分别为2.1和1.4 cM,LOD值分别为50.04和6.48,贡献率分别为15.36%和5.69%.     

植物数量性状的QTL定位分析

QTL分析就是以分子标记技术为工具、以遗传连锁图谱为基础,利用分子标记与QTL之间的连锁关系确定控制数量性状的基因在基因组中的位置。从植物数量性状的遗传模型、QTL定位原理、作图群体、方法和利用等方面进行了综述,并对今后QTL的研究方向提出了思考。     

玉米产量性状QTL定位分析

产量性状是由多基因控制的,对产量性状遗传的深入研究可为育种工作提供重要的参考信息。本研究以苏玉16号(JB×Y53)的F2、F2∶3家系为材料,选用分布在玉米10条染色体上的556对SSR分子标记,对玉米产量性状进行QTL定位并分析其遗传效应。结果表明,①选取556对SSR引物对亲本Y53、JB及其F1进行多态性检测,获得85对多态性引物,多态率为15.3%,其中有76对引物扩增带型清晰;②检测到1个与穗长QTL连锁的标记,可解释表型变异的14.69%;6个与百粒重QTL连锁的标记,可解释表型变异的6.71%～18.23%。     

玉米株型性状的QTL定位

理想株型是杂交种玉米育种的主要目标之一.该研究以玉米黄C×178 F2群体作为研究材料,采用SSR分子标记构建遗传连锁图谱.采用区间作图法对5个玉米株型性状进行了QTL定位.共检出11个QTLs,包括3个株高QTLs,分别可解释表型变异的8.7%,8.3%和9.0%;1个穗位高QTL,解释表型变异的13.4%;2个雄穗分枝数QTLs,分别可解释表型变异的8.2%和7.3%;4个茎粗QTLs,分别可解释表型变异的8.3%,15.9%,10.3%和6.8%,1个穗上叶平均叶向值QTL,可解释表型变异的11.1%.     

绿豆产量性状的QTL定位

绿豆单株荚数、单荚粒数等农艺性状和粒长、粒宽等籽粒性状与绿豆产量密切相关。以“VC2917/鹦哥绿”RIL群体为材料，通过连续3年田间实验，对12个与绿豆产量相关性状进行评价和QTL定位。相关性分析表明，单株产量与单株荚数（0.837）、百粒重（0.294）的相关性最强，百粒重与粒长（0.512）、粒宽（0.340）、籽粒直径（0.492）、籽粒周长（0.441）的相关性最强，株高与单株分枝数之间呈极显著正相关（0.406）。2017年检测到20个QTLs，分布在除第8染色体外的10条染色体上，遗传贡献率在4.61%~23.76%；2018年检测到16个QTLs，分布在除第8染色体外的10条染色体上，遗传贡献率在4.97%~16.66%之间；2019年检测到20个QTLs，分布在除第1、3、8、9染色体外的7条染色体上，遗传贡献率在和4.65%~20.37%之间。12个性状均发现稳定QTLs，其中株高PH1a、PH1b和PH1c位点，单株分枝数PPP1a、PPP1b和PPP1c位点，荚宽PW10a.1、PW10b和PW10c.1位点，籽粒直径SD10a、SD10b和SD10c位点，籽粒周长SP6a、SP6b和SP6c位点，百粒重HSW7a、HSW7b和HSW7c位点连续3年在相同位点稳定检测到，说明这些位点存在相关性状基因，是今后利用分子标记辅助选择培育高产绿豆新品种或克隆相关基因优先考虑关键区域。     

QTL consistency for agronomic traits across three generations and potential applications in popcorn

Favorable agronomic traits are important to improve productivity of popcorn. In this study, a recombinant inbred line(RIL) population consisting of 258 lines was evaluated to identify quantitative trait loci(QTLs) for nine agronomic traits(plant height, ear height, top height(plant height subtracted ear height), top height/plant height, number of leaves above the top ear, leaf area, stalk diameter, number of tassel branches and the length of tassel) under three environments. Meta-analysis was conducted then to integrate QTLs identified across three generations(RIL, F2:3 and BC2F2) developed from the same crosses. In total, 179 QTLs and 36 meta-QTLs(m QTL) were identified. The percentage of phenotypic variation(R2) explained by any single QTL varied from 3.86 to 28.4%, and 24 QTLs with contributions over 15%. Nine common QTLs located in the same or similar chromosome regions were detected across three generations. Five meta-QTLs were identified including QTLs in three independent studies. Seven important m QTLs were composed of 11–26 QTLs for 4–7 traits, respectively. Only 11 m QTLs were commonly identified in the same or similar chromosome regions across agronomic traits, popping characteristics(popping fold, popping volume and popping rate) and grain yield components(ear weight per plant, grain weight per plant, 100-grain weight, ear length, kernel number per row, ear diameter, row number per ear and kernel ratio) by meta-QTL analysis. In conclusion, we identified a list of QTLs, some of which with much higher contributions to agronomic traits should be valuable for further study in improving both popping characteristics and grain yield components in popcorn.     

甜瓜果实相关性状QTL分析

以美国厚皮甜瓜品系ms-5为母本,中国薄皮甜瓜品系HM-1为父本,配置杂交组合,构建含有189个单株的F2:3群体,对两亲本高通量重测序开发CAPS标记,构建包含159个标记、12个连锁群的遗传连锁图谱,该图谱覆盖基因组长度为1 771.53 cM,标记间平均距离为11.35 cM。应用复合区间作图法对甜瓜果实单果重、果实长、宽、果形指数、果肉厚度作QTL分析,共检测到与果实性状相关QTL位点18个,分布在第2、4、5、6和7染色体上,LOD值为2.82~18.78,可解释2.68%~79.40%表型变异率。检测到7个与果形指数相关QTL位点,分别为FS2.1、FS4.1、FS6.1、FS6.2、FS7.1、FS7.2、FS7.3,果形指数QTL位点FS6.1位于B0610和E0623两个标记之间,两标记间遗传距离为0.27 cM,LOD值为6.14,解释5.72%表型变异率,通过基因序列比对QTL FS6.1位于甜瓜基因组scaffold00027上,基因注释结果发现,该区域有26个候选基因。     

玉米茎秆相关性状多效性QTL检测及相应R程序包编制

利用回归分析、似然比检验、排列检验、参数自助检验和交叉验证等统计分析方法,构建了多系杂交群体多性状QTL定位模型,并编制了配套的R语言程序包,该套模型和R程序包同样适用于两系杂交群体QTL检测和多效性QTL分析。基于本研究的模型和R程序包,以玉米自交系B73和高油突变体Ce03005为亲本产生的216个RIL群体为研究材料,对玉米茎秆相关性状进行多效性QTL检测分析,结果表明:Bin5.03区域内调控最大折断力矩MF和节间直径d的QTL,Bin6.01区域内调控单位体积中性洗涤纤维NDF和节间含水量Wwc的QTL,Bin8.03区域内影响节间干重WD和MF的QTL均为多效性QTL;在5号染色体上,调控d和NDF的QTL与调控MF和NDF的QTL均为连锁的QTL。本研究不仅为玉米茎秆性状的遗传改良提供了参考,也为其他作物遗传育种研究过程中多效性QTL检测提供了软件分析平台。     

水稻产量性状QTL定位研究进展

水稻许多重要的性状是由多基因控制的数量性状.分子生物技术的迅速发展和QTL定位方法的日趋完善,为水稻数量性状基因(QTL)的研究提供了基础.综述了数量性状基因座QTL(quantitative trait locus)定位的原理、定位群体和常用方法及分子标记在水稻产量性状基因定位中的研究现状,并对目前水稻产量性状QTL定位存在的问题和发展前景进行了探讨.     

大豆主要产量性状QTL定位分析

【目的】进一步发掘与大豆产量性状紧密连锁且稳定存在的标记位点,为分子标记辅助选择培育高产大豆新品种奠定理论基础.【方法】利用QTL IciMapping v2.2完备区间作图法连续2年对F2及其衍生群体中4个主要产量相关性状进行QTL定位及效应分析.【结果和结论】以LOD=2.5为阈值,在大豆单株粒数、单株粒质量、百粒质量和单株荚数4个主要产量性状上共检测到19个具有明显加性效应的QTLs,其中主效QTLs 15个,即单株粒数QTLs 3个,单株荚数QTLs 2个,单株粒质量QTLs 10个,分布于4(C2)、12(G)、6(A1)和17(M)4个连锁群上;定位到了3个在2年间稳定存在的QTLs,即单株粒数QTL qNSPP-12-1、单株粒质量QTLs qSWPP-12-1和qSWPP-12-2;研究初步确定了1个新的大豆单株粒质量QTL qSWPP-12-5.研究中检测到的稳定存在和主效QTLs对今后大豆遗传育种研究将具有重要的指导意义.     

鸡体脂性状QTL的研究进展

选育低脂肉鸡品系是世界范围内肉鸡育种的奋斗目标。通过分子标记的方法对控制鸡体脂性状的QTL进行定位、分析,进而进行标记辅助选择是目前的研究热点。文章概述了数量性状基因座位(QTL)的检测方法及在家禽育种中有关鸡体脂性状QTL的研究状况。     

合作猪肉质常规性状分析

对合作猪肉品理化特性、食用营养特性等肉质常规性状进行了测定与分析,结果表明:合作猪肉色鲜红,45 min内肉色值评分为3.44;肌肉大理石纹适中,系水力强;失水率和滴水损失均值分别为:11.05%、1.33%;剪切力值小,具有良好的肌肉理化特性.合作猪食用营养价值较高,脂肪含量、蛋白质含量测定均值分别为2.11%、21.09%;并富含多种人体必需的矿物质元素及微量元素,具有较高的研究与开发价值.