利用SNP标记鉴定青稞种质资源

近年来,青稞(Hordeum vulgare var.nudum Hook. f.)育种速度逐步加快,青稞品种的类别和数量日渐增多,形成了丰富的青稞品种资源。然而,在青稞资源的大量引种和品种资源交换过程中,造成了同名异物、同物异名的现象,因而建立高效、准确的青稞品种鉴定技术体系和数据系统迫在眉睫。为基于青稞品种基本信息实现青稞品种的快速和准确鉴定,本研究利用简化基因组(GBS)测序获得的青稞基因组高通量SNP基因分型数据,对314份青稞种质资源进行群体结构分析;根据SNP注释结果,筛选获得位于外显子区的SNP并计算其杂合率和遗传多态性指数;用Genstat的去冗余(IRREDUNDANT)指令通过顺序算法(sequential algorithm)获得能够区分参试青稞种质资源的核心SNP位点组合,并构建DNA指纹图谱,结合参试材料地理来源等基本信息构建青稞品种的分子身份证。结果表明,群体遗传结构分析可将314份参试青稞材料划分为3个类群,类群划分与其材料类型密切相关。从4 954个位于外显子区域的高质量SNP位点中筛选出14个多态性高且能完全区分青稞种质资源的SNP位点,称其为核心SN...     

基于全基因组SNP高效鉴定燕麦种质资源

为探究鉴别燕麦品种特异性所需SNP标记的最少数量与鉴别效果,以25个生产上大面积推广的栽培燕麦品种为材料,利用燕麦Illumina Inc.iSelect 6K微珠芯片进行基因分型,按照具有多态性、最小等位基因频率（MAF）大于0.05、缺失率小于0.50的条件进行筛选,获得2 214个高质量的SNP标记。所有SNP标记的平均MAF为0.75,平均多态性信息含量（PIC）为0.28。群体遗传结构分析将25个燕麦品种划分为5个类群。通过去冗余分析,获得8个能够高效鉴别燕麦参试品种的SNP标记。这8个SNP标记的平均MAF为0.62,平均PIC为0.35,表现出丰富的遗传多样性。测序结果显示,所筛选的8个SNP标记具有较好的稳定性和重现性。进一步利用这8个SNP标记构建了25个燕麦栽培品种的SNP指纹图谱,为燕麦栽培品种真实性鉴定和纯度检测提供了可用的标记组合。