大麦产量相关性状的QTL定位
QTL 定位方法---
QTL 定位方法分子标记技术和数量遗传学的发展，使得分子遗传学与数量遗传学相互渗透和融合，从而形成了一个新的研究领域—分子数量遗传学（Molecular Quantitative Genetics）。
分子数量遗传学研究的内容，就是借助分子标记，采用适当的统计分析方法明确QTL 在染色体上的位置及其效应。
而QTL 定位的原理是：利用适当的分离群体，构建较高密度的、分布较均匀的、覆盖全基因组的分子标记连锁图。
根据遗传连锁的基本遗传学原理，对分离群体中单株的标记基因型和性状的表型值进行一定的统计分析，将决定数量性状的QTL 定位在分子标记连锁图中。
目前，QTL 定位的方法主要有单标记分析法（Edwards et al, 1987），区间作图法（Lander and Botstein, 1989）和复合区间作图法（Zeng, 1994）等。
单标记法（Single marker analysis）是最简单的分析标记与性状关联的方法，包括以标记为基础的分析方法（Marker-based analysis, MBA）和以性状为基础的分析方法（Trait-based analysis, TBA，Lebowitz et al., 1987）。
前者利用每个标记位点不同基因型间的性状均值差异，以传统的单因素方差分析法测验被研究的数量性状在标记基因型间的差异显著性。
对于一个作图群体而言，任意标记位点具有三种基因型（F2群体）或两种基因型（回交群体、重组自交系、双单倍体系），分析每一基因型个体的数量性状均值的差异，并进行F 测验，当F 测验显著时，则表明该标记位点可能与一个或多个QTL 连锁。
利用这种方法进行的数量性状分析，既简单又符合QTL 定位的基本统计原理，且不需要完整的分子标记连锁图，是定位QTL 的最为有效方法。
但不足之处是不能准确估计QTL 的位置，且往往会低估其遗传效应。
以性状为基础的分析方法的原理是假定因选择而使数量性状的高表型个体中的QTL 增效等位基因和低表型个体中的QTL 减效等位基因的频率增加，当QTL 的等位基因与某一标记基因连锁时，会因相互关联而导致高、低表型个体间标记基因频率的差异。
主要农作物QTL定位和克隆研究进展
主要农作物QTL定位和克隆研究进展摘要：随着遗传图谱的日趋饱和QTL定位分析方法的日益完善，近年来农作物QTL的研究发展非常迅速。
本文首先从总体上对水稻、玉米、小麦、棉花、大豆这几个农作物的QTL定位作了简要的介绍，然后详细介绍了番茄、水稻、玉米被克隆出的几个QTL的克隆过程及基因功能，对整个QTL的分析方法作了系统的介绍。
关键词：QTL、定位、克隆、基因作物的许多农艺性状和经济性状是数量性状,研究作物数量性状的遗传对农作物育种具有十分重要的意义。
近几年，作物QTL定位和克隆发展迅速，本文详细阐述了主要农作物近几年的发展状况。
1.QTL定位研究进展QTL定位是检测分子标记和QTL间的连锁关系,估计QTL的效应利用分子标记进行遗传连锁分析,检测出QTL。
分子遗传学的发展和RFLP,RAPD,SSR,AFLP等分子标记技术的完善,加上日趋饱和的遗传图谱为工具和日益完善的QTL定位分析方法,已在许多作物上定位了不少QTL,并分析了各QTL的效应。
1.1 水稻水稻QTL的研究近年来发展非常迅速,已进行QTL定位的性状很多。
自Wang等[1]利用RFLP连锁图定位了水稻对稻瘟病有部分抗性的14个QTL以来,有关水稻QTL 定位的研究报道不断增加.目前,世界各国的科学家应用不同的群体,对水稻大多数性状进行了QTL定位,这些性状包括水稻的生育期、株高及其组成性状、产量及产量构成性状、谷粒外观品质、食味和营养品质等农艺性状、以及水稻种子的休眠性、水稻叶片叶绿素和过氧化氢含量等生理性状。
目前的数据表明水稻遗传图谱上的分子标记数已超过6000个,平均间距为75-100 kb,基本覆盖了水稻基因组的所有区域，为进一步精细定位及克隆提供了便利。
1.2玉米玉米的许多产量相关性状[2]，如穗长、穗粗、行数、行粒数等，国内外都进行了较为深入的研究，定位了大量的QTL位点，并分析了它们的遗传规律，为玉米育种提供了很好的指导意义。
作物QTL分析的原理与方法
作物QTL定位方法与技术作物QTL定位的方法主要有传统连锁分析、基因芯片 技术和深度学习等。连锁分析通过群体遗传学手段，鉴定两个或多个基因位点 间的连锁关系，进而确定控制性状的QTL。基因芯片技术利用基因组wide的标 记分布，对大量基因位点进行同时检测，高效地定位QTL。深度学习则利用神 经网络等算法，自动化学习和识别数据中的特征，实现对QTL的精准定位。
四、自然群体
自然群体是指在没有人为干预下自然形成的群体，如野生种、地方品种、自然 变异群体等。这些群体通常具有丰富的遗传变异和复杂的遗传结构，对于研究 作物的适应性、抗逆性和产量等性状的遗传基础非常有用。此外，自然群体还 可以用于发现和克隆稀有或特殊的QTL。
五、基于基因组的作图群体
随着基因组学技术的发展，基于基因组的作图群体越来越受到重视。这种群体 可以通过重测序技术获得大量的SNP（单核苷酸多态性）标记，并利用这些标 记构建高密度的遗传图谱。这种图谱可以用于精细定位和克隆QTL，以及研究 基因组中的结构变异和非编码区基因组。
2、QTL分析的具体步骤
（1）数据采集：收集作物的基因型和表型数据。基因型数据可以通过高通量 测序技术获得，而表型数据则可以通过田间试验和室内分析等方法获得。
（2）作图：利用作图软件将基因型和表型数据组装成图，以展示它们之间的 关系。常用的作图软件包括QTL Cartographer、QTL IciMapping等。
原理
1、QTL的概念及定义
QTL是指作物基因组中控制数量性状的基因座位，它们可以通过影响表型变异 来影响作物的农艺性状。QTL通常分为两类：主效QTL和微效QTL。主效QTL是 指对表型变异起主要作用的QTL，而微效QTL则是指对表型变异起较小作用的 QTL。
作物QTL定位方法研究进展_章元明
评述第51卷第19期 2006年10月作物QTL定位方法研究进展章元明(南京农业大学作物遗传与种质创新国家重点实验室, 国家大豆改良中心, 南京210095. E-mail: soyzhang@)摘要论述了数量性状基因座(quantitative trait locus, QTL)定位方法的产生与发展; 重点介绍了近几年提出的一些QTL定位方法, 包括多QTL定位、QTL精细定位与动态性状的QTL定位等; 展望了QTL 定位方法的可能发展方向, 包括育成品种群体新基因发掘的统计方法、表达数量性状基因座(expression quantitative trait locus, eQTL)定位方法、遗传交配设计的QTL定位方法以及生活力基因定位方法等. 目的在于引导植物遗传工作者在进行数量性状遗传分析和种质资源新基因挖掘等研究时选用适宜的统计方法, 以揭示出更多的潜在遗传信息.关键词数量性状基因座 参数估计 效应 最大似然法 Bayesian方法早在20世纪20年代, Sax[1]研究认为菜豆种皮色(单基因质量性状)不同基因型间种子大小(数量性状)的显著差异是由于控制种皮色基因与控制种子大小基因间的连锁造成的. 这实质上就是单标记分析. 由此, 出现了基于标记的性状平均数差异t检验法、方差分析法、回归分析法和极大似然法[2~7]以及基于性状的标记频率差异检验方法. 这些方法的缺点是众所周知的. Thoday[8]性状多基因此方法的研究结果更为准确. 但是, 筛选两连锁标记在当时十分困难, 限制了它的应用. 随着分子生物学的发展, 研究人员已获得了许多作物使从整个基因组上定位QTL成为可能, Lander和Botstein[9]就应运而生. QTL定位的基本框架首次实现了在全基因组水平上搜索并估计其效应与位置. 与区间作图类似的有回归分析法[10,11]. 前者是目标性状对后验概率的回归, 后者是对先验概率的回归. 若QTL在标记附近, 两种概率相近, 则两方法结果相当; 否则, 前者优于后者[12]. 这纠正了原认为两方法结果均相似的观点.若同一染色体上有多个连锁的用区间作图法会造成待估QTL位置与效应估计值的偏差极端地, 若紧密连锁两QTL的作用方向相反, 往往检测不到; 若作用方向相同, 在两QTL间可能会出现一个“幻影”QTL[11,13,14]. 当检测多个QTL时, 因不同QTL所用的遗传模型不同, 致使其贡献率不能直接相加. 即使强行相加, 也经常会出现总贡献率远大于100%的情形. 为此, Jansen[15]和Zeng[16,17]独立地提出复合区间作图法其关键在于怎样选择作为控制遗传背景的协变量—分子标记. 标记太多会降低QTL检测的功效[14], 太少又达不到控制遗传背景的目的. 实质上, 该法仍然是单QTL模型. 为此, Kao 和Zeng[18~20], 其模型中同时包含了多个QTL及其两两互作. 这是真正意义上的多QTL遗传模型, 为QTL定位开辟了新视野, 也体现了QTL定位的艺术.目前, 多QTLBayesian方法两大类. 前者包括多区间作图法[18~20]和惩罚最大似然法[21], 其运算速度较快; 后者则主要有可逆跳跃MCMC (Markov chain Monte Carlo)方法[22~26]、Yi等人[27,28]提出的方法和压缩估计方法[29~32]. 多区间作图法的不足在于只能检测具有主效QTL间的互作有时还不能检测到效应较小的QTL[32]. 可逆跳跃MCMC的Bayesian法的收敛速度太慢, 这是Yi等人[27,28]抛弃该方法并提出一种新的Bayesian方法的原因. Wu和Li[33]认为, Bayesian压缩估计方法将QTL定位策略推进到利用所有标记的上位性QTL的全基因组检测. 虽然该法收敛较快, 但是它假定的QTL数太多致使运算时间太长. 为克服这一问题, 提出了惩罚最大似然方法[21]. 但是, 若标记太多, 该法的参数估计也是困难的. 为此, 我们已将可变区间思想同惩罚最大似然方法与Bayesian压缩估计方法相结合, 以显著减少模型中变量个数[31,32]. 上述方法均是针对某一时间点数量性状观测值(往往为最终结果)的QTL定位, 即静态QTL定位. 然而, 性状的表达是一个过程. 因此, 从动态角度定位QTL也是重要的. 最近, 国际上的最新热点是eQTL定位, 即利用表型观测值、分子标记和表达第51卷 第19期 2006年10月评 述谱数据定位出控制数量性状的基因.迄今为止, QTL 定位方法有了长足的发展, 已经发展了适合不同倍性(二倍体、三倍体胚乳[34~37]与同源多倍体[38~42])、连续性与间断性(二歧或多歧)变量[43~45]、静态与动态性状、单一性状与多个相关性状联合[46]、单个组合与多个组合联合以及两个亲本与多个亲本甚至育成品种群体的QTL 定位方法. 本文主要对多QTL 定位、QTL 精细定位和动态性状的QTL 定位进行较为详细的介绍.1 多QTL 定位1.1 多区间作图法[18~20]若回交群体中某一数量性状受m 个分别位于标记区间I 1, I 2, … , I m 的p 1, p 2, … , p m 处QTL (Q 1, Q 2, … , Q m )控制, 则第i 个体数量性状表型值y i 可表示为1()mmi j ij jk jk ij ik i j j ky a x w x x e µδ=<=+++∑∑ (1)其中, µ 为群体平均数; x ij 为QTL 基因型编码变量, 若基因型为Q j Q j (或Q j q j )时, x ij 为1/2(或−1/2); a j 为QTL 主效; w jk 为两QTL 间的上位性效应; δjk 为上位性指示变量, 存在上位性时取1, 否则取0; e i 为服从N (0, σe 2)的随机误差.由此, 样本似然函数为2211(|)(;,).mnij i ij e j i L p y θφµσ==⎡⎤=⎢⎥⎣⎦∑∏Y (2)其中, φ (.)是正态分布密度函数; µ ij 和p ij 分别是模型(1)中2m 个不同QTL 基因型值和条件概率. 若各QTL 间相互独立, 可通过多点方法计算p ij .多区间作图法包括4个组成部分: (ⅰ) 分析特定遗传模型似然的评价程序; (ⅱ) 优化遗传模型的搜索策略; (ⅲ) 特定模型下各QTL 位置、主效与互作参数的估计方法; (ⅳ) 用于标记辅助选择的个体或子代基因型值的预测模块. 中间两过程是关键. 对于前者, 最初提出用逐步回归[19]; 后改为在基础模型上再进行最优模型的确定, 此时互作项为t 项, 不是m (m − 1)/2项[47]. 对于后者, Kao 和Zeng [18]提出了最大化ln L (Y |θ)以估计参数的EM 算法的一般迭代公式. 最近, 该方法已拓展到间断型性状[48].在应用中发现, 当无主效QTL 有互作时, 其功效偏低; 当QTL 效应较小时, 其功效偏低[32]. 这可能是由于在模型拟合开始时误差方差较大所致. 若初始模型确定较好, 可能会避免该问题. 建议联合使用复合区间作图法和双标记互作分析来确定初始模型. 但是, 若QTL 位于区间较大的标记中间时, 其功效会降低.1.2 Bayesian 压缩估计方法[29~32]Xu [29]在Meuwissen 等人[49]的工作基础上, 提出了全基因组所有标记联合分析的Bayesian 压缩估计方法, Zhang 和Xu [30]将该法延伸到多QTL 分析, Wang 等人[32]全面阐述了该方法, Zhang 和Xu [31]将它延伸到QTL 间上位性检测.模型(1)可变为01qi ij j i j y b z b e ==++∑. (3)其中, δjk = 1, q = m (m +1)/2, b 0 = µ, b j = a j 和z ij = x ij (j = 1, 2, … , m ), b j+m = w rs 和z i (j+m ) = x ir x is (r = 1, 2, … ,m −1; s = r +1, r +2, … , m ; j = 1,2, … , q −m ). 在多标记分析中, 假定每标记上存在一个QTL, m 为标记数目;在多QTL 分析中, 假定每标记区间存在一个QTL, m 为标记区间个数. 若假定的QTL 是假的, 则将其效应估计值向0压缩; 否则, 不压缩. 为实现该目标, 让每一QTL (或标记)效应有自己的方差参数, 同时该方差有其先验分布, 致使每一效应的方差都能从现有资料中估计, 以调节效应估计值. 其具体作法是假定每一参数有其先验分布, 如p (b 0)∝1, p (σ e2)∝1/ σ e2, p (b j ) = N (0, σ j 2)和p (σ j 2)∝1/σ j 2(j = 1, 2, … , q ); 然后, 获得每一参数的条件后验分布; 例如, b j 是从平均数为1222011q n n j ij e j ij i ik k i i k j b x x y b x b σσ−==≠⎛⎞⎛⎞=+−−⎜⎟⎜⎟⎜⎟⎝⎠⎝⎠∑∑∑和方差为2j s =122221n ij e j e i x σσσ−=⎛⎞+⎜⎟⎝⎠∑的正态分布中抽样, σ j 2从自由度为1的逆χ 2分布中抽样; 最后, 从各个参数条件后验分布中抽样. 当抽样链收敛时, 用样本的特征数来估计各参数. 若将基因组作为横坐标, 各QTL 效应估计值作为纵坐标绘图, 就可明显看出QTL 的数目、位置及其效应.若模型(3)中某QTL 是假的, 从资料中估计的2ˆjσ极端地趋近于0, 使b j 的条件后验分布平均数j b 与方差s j 2均趋于0, 则b j 的抽样观测值趋于0. 应当指出, σ j 2抽样相当重要. 它既可克服岭回归中岭参数固定的缺点, 又不断从资料中估计以真实反映资料信息.这是因为σ j 2 = b j 2/χ 2v =1. 当b j →0时, 则σ j 2→0. 但是,当χ 2v =1非常小时, σ j 2也可回复到一定的水平. 这就是评 述第51卷 第19期 2006年10月通过σ j 2调节b j 估计值的一般原理, 以达到真QTL 的效应不压缩而假QTL 的效应值向0压缩的目的.Braak 等人[50]认为, 上述方法的σ j 2先验分布不当并进行了改进. 但是, 通过比较发现两者效果相差不大. 与此相似的还有考虑不同先验方差或平均数的情形. 对于前者, Yi 等人[51]和Oh 等人[52]假定每一效应b j 服从平均数为0, 方差较大和较小的两个正态分布的混合分布, 这就是他们独立应用George 和 McMulloch [53]的变量选择方法来定位QTL 的随机搜索变量选择方法. 其中, 先验方差不从数据中估计而是人为确定. 这导致了它比上述压缩估计方法效果差[32]. 对于后者, Zhang 等人[54]假定每一效应b j 服从平均数为正、零和负的3个正态分布的混合分布, 提出了QTL 定位的Bayesian 分类方法. 1.3 惩罚最大似然方法针对用上述方法估计互作模型参数的运行时间长的不足, 有必要用极大似然方法实现其思想, 以节省运行时间. 这就是惩罚最大似然方法. 遗传模型与模型(3)相同, 此时, m 为全基因组上标记数. 若将所有参数的联合先验分布作为惩罚因子, 与似然函数一起构成惩罚似然函数, 通过最大化惩罚似然函数就可以估计QTL 效应及其先验分布参数. 应当指出, 该方法对参数的先验分布比较敏感, 研究发现, 下述先验是可行的: p (b 0)∝1, p (σ e 2)∝1/σ e 2, p (b j ) = N (µj , σ j 2), p (µj ) = N (0, σ j 2/η)和p (σ j 2)∝1. 该方法的特点在于各效应的先验平均数与先验方差同各效应一起同时从现有资料中估计. 例如, QTL 效应的估计值为122212201ˆ .n j ij e j i qn ij i ik k j e j i k j b x x y b x b σσµσσ−==≠⎛⎞=+⎜⎟⎝⎠⎡⎤⎛⎞×−−+⎢⎥⎜⎟⎜⎟⎢⎥⎝⎠⎣⎦∑∑∑ (4)若σ j 2→0, 则ˆj b →µj . 由于ˆˆ(1)j jb µη=+, 不断迭代后, 会使ˆjb→0. 这说明假QTL 的效应估计值接近0, 而真实QTL 的效应估计值远离0, 以检测主效与互作QTL, 以达到在参数估计过程中选择变量的目的, 并解决了最大似然方法中待估参数个数远大于样本容量时参数估计的难题. 模型中待估参数个数最多为样本容量的10倍时, 该方法是有效的[21,55]. Yi 等人[56]将该法作为精确定位QTL 的方法之一, 这可能是由于在模型拟合初期误差方差估计值偏小, 从而增大了检测小效应QTL 的功效. 然而, 对于相邻标记间的互作, 其功效偏低. 这是由于相邻标记间的多重共线性关系, 使其与b 0合并, 特别是标记密度大的情形.在实际应用时, 一种方法是先用惩罚似然方法对所有标记的主效与互作进行分析(这时也可嵌合可变区间的思想以减少模型变量个数), 然后用Bayesian 压缩估计方法进行多QTL 主效与互作的分析; 另一种方法是采取可变区间Bayesian 压缩估计方法进行多QTL 主效与互作分析.2 QTL 精细定位初步定位QTL 只说明在某区域可能存在一个控制数量性状的基因, 即找到一个基因座, 距基因还有一段距离. 一方面, QTL 定位的精度还不高, 其位置的95%置信区间通常为10~30 cM [57]; 另一方面, 即使1 cM 的主要农作物DNA 序列长度至少包括几十万碱基. 因此, 精细定位QTL 是应当考虑的. 它是指QTL 位置的95%置信区间为1~5 cM 的QTL 定位[58].目前, 精细定位QTL 有3种途径, 即发展新的统计方法、增加重组的机会和利用次级分离群体. Lin 等人[59]在研究高粱开花期遗传时, 用区间作图只检测到1个QTL, 但是, 用已检测的QTL 效应来调整表型观测值后, 发现另外两个QTL, 这被其他独立实验所证实. 这说明统计方法的合理利用可挖掘出更多的潜在信息. 不过, 这只是对连锁信息的巧妙利用, 只是将单QTL 模型拓展到多QTL 模型. 实际上, 连锁不平衡信息也是可供利用的. Bodmer [60]最早提出用连锁不平衡进行QTL 的精细定位. 由于不构建分离群体和解析度较高[61,62]等原因, 它在人类复杂疾病的QTL 定位研究中应用相当广泛. 但是, 在作物QTL 定位中应用较少. 不过, 近年来日益受到重视[63], 我国学者在水稻和小麦方面进行了探索. 它的精度取决于研究群体的连锁不平衡的结构, 群体中分布不均的等位基因亚群往往会导致较高的假阳性. 例如, 复杂的育种历史和野生种间有限基因流动造成了种质资源内的复杂分层, 这使关联分析复杂化[64,65]. 幸运的是, Pritchard 等人[66]结合群体结构估计与关联分析而提出的新方法及Yu 等人[65]提出的混合模型方法克服了该缺点, 前者已应用于玉米开花时间基因Dwarf8的定位. 当然, 将连锁不平衡与连锁信息联合, 精度会更高[67]. 若QTL 区间存在候选基因, 就可直接利用它进行基因的关联分析或互补检验. 这种方法已在玉米研究中应用[68,69].第51卷第19期 2006年10月评述在增加重组机会方面, 目前有几种策略: 高代互交系(advanced intercross line, AIL)[70,71]、选择表型(selective phenotyping)、轮回选择与回交系(recurrent selection and backcross, RSB)[72~75]、高代回交系(advanced backcross line, ABL)[76]、育成品种群体[77]等. AIL是通过F t−1代两两个体间相互杂交使重组率增加, 以提高QTL定位精度, 如血浆胆固醇浓度QTL精细定位[78]. 若只选择分离群体中对QTL定位信息量大的重组个体, 显然会使重组频率增加, 这就是选择表型的思想. Jannink[79]通过计算机模拟证实了两种选择方案的优越性. Weight[72]认为, 大效应的QTL可通过轮回回交与选择来积累紧密连锁座位间的重组, 即QTL及其附近区域在不同系间仍保持分离, 其他区域趋近轮回亲本. 这就是RSB. 后来, Hill[73]获得了在RSB中对非轮回亲本表型进行定向选择后的QTL频率. 最近, Luo等人[74,75]构建了RSB 的QTL精细作图的理论方法, 并已精细定位并克隆了酵母乙醇耐受性的主效基因ASG1[80]. ABL就是没有实施选择的RSB, 为作物QTL精细定位的常用策略, 已用于精细定位番茄果重QTL[81]. Li等人[82]将ABL与选择表型相结合, 提出了相应的QTL定位方法. 众所周知, 新品种的培育是育种家有意识地重组优良基因的过程, 说明由育成品种构成群体的重组频率比较高, 因而可用来高解析地定位QTL. 这为Zhang等人[77]的结果所证实.利用次级分离群体也是QTL精细定位的主要手段之一. 它已应用于水稻抽穗期[83~85]、分蘖角度[86]、矮秆[87]、油菜芥酸[88]等性状的QTL精细定位. 可以发现, 这些研究都采用了大样本和目标区段高密度分子标记图谱, 不过, 对重组个体的大样本后裔鉴定有时也是重要的[65]. 为节约费用, 可用分离亚群体[87], 其精度也比较高1). 利用次级分离群体的技术关键是: (ⅰ) 构建稳定的突变体[86,89]或单QTL的近等基因系染色体单片段的代换系(或渗入系)[90,91]. 不过, 构建近等基因系的方法与QTL效应大小有关. 常用的方法是用高代回交法[76,92]. 但是, 当QTL效应较大时, 也可直接在同一群体相同家系内中选择QTL近等基因系[88,92], 还可节约时间; (ⅱ) 获得近等基因系(或代换系)与野生型杂交的分离群体; (ⅲ) 获得目标区间与目标基因紧密连锁的分子标记. 若目标区段的DNA序列已知, 如有大量的EST或BAC的DNA序列, 设计新的SSR标记是容易的. 此外, 若有大量可供利用的染色体片段缺失系, 通过互补检验也可精细定位QTL. 这时, 需要个体数较少[64].由于水稻等DNA全序列测定的完成, 在目标区间寻找控制目标性状的候选基因应当是不难的. 这为数量性状基因研究进入分子水平奠定了基础.3动态性状的QTL定位动态性状是生物体在生长发育过程中随时间变化的数量性状, 也称为发育性状[93]、无限维特征[94]、函数值性状[95]和纵向性状[96]等. 动态性状QTL定位方法一般分3类[96,97]: (ⅰ) 将不同时间点表型观测值(或时间间隔表型观测值增量)视为相同性状的重复测定值, 在重复观测值框架下依次分析该性状; (ⅱ) 将不同时间点观测值视为不同性状, 由多变量方法分析该性状; (ⅲ) 拟合时间点与表型观测值的数学模型, 用多变量方法分析模型参数.第1类方法最简单. 用常规的QTL定位方法分别分析不同时间点的资料, 在不同时间点上定位了控制水稻分蘖数[98], 松树苗直径、株高和体积[99]以及老鼠体重[100]的若干QTL, 揭示出不同发育阶段可能存在不同的基因. 同时, 若用Zhu[93]提出的条件QTL 定位方法分析两时间点的净效应时, 其结果也是相似的[101,102]. 因而, 用第1类方法分析动态性状可能不是最优的, 可采用多性状QTL定位方法[46], 即第2类方法. 不过. 随着观测时间点数的增加, 变量维数和参数个数都会增加, 增加了计算载荷. 因而该方法适合于时间点数较少的情形. 但是, 若时间点数少, 往往又不能准确地刻划性状动态变化过程. 为减少变量维数, 可用主成分方法[103]获得主要的综合变量. 但是, 多个时间点表型观测值的线性组合(综合变量)的生物学意义有时是不清的. 我们知道, 随着时间点的增加, 表型观测值与时间的曲线可能是一平滑曲线, 该曲线可用生长曲线等数学模型来描述. 因此, 利用生长曲线等数学模型来拟合表型观测值与时间的关系, 并对有生物学意义的模型参数进行多性状QTL定位便具有实际生物学意义. 在这个意义上说, 第3类方法是最优的. 在实际应用中, 最先使用的是1) 林飞, 万素琴, 程利国, 等. 基于分离亚群体QTL定位的模拟研究. 遗传(待发表)评述第51卷第19期 2006年10月两步法: 先拟合数学模型, 再以模型参数为依变量进行多性状QTL定位. 利用该方法已定位了水稻叶龄动态性状的QTL[97]. 与第2类方法相比, 有一些优点: 表型数据量减少, 减轻了计算载荷; 可处理非平衡数据; 由于模型参数具有生物学意义, 从而更能理解性状发育的遗传学基础[97]. 其不足之处是, 没有考虑数学模型参数的估计误差. 由此, Wu等人[33,104~108]将两步法改为一步法. 迄今为止, 已考虑的数学模型主要有: 生长模型[33,104~107]、正交多项式[96]和异速生长模型[108]. Wu和Li[33]认为, 基于模型选择的QTL定位方法和Bayesian压缩估计方法均可用于动态性状的功能定位.4展望4.1种质资源新基因发掘的QTL定位方法作物QTL定位群体一般是两纯合近交系的杂交后代, 往往要求两近交系间差异较大. 但是, 若两者携带相同等位基因, 即使其效应较大, 也不能被检测到. 因而, 增加亲本数目的四向杂交[109]甚至八向杂交就被提出. 不过, 其亲本数目也十分有限. 而且, 新基因是蕴藏在种质资源中的. 因而, 利用统计方法从大量种质资源中寻找新基因就是统计遗传学家的一大任务. 目前, 这方面的统计方法还不够成熟, 需要进一步研究. 它主要包括关联分析、“in silico”方法和基于IBD的混合模型方法. 关联分析已在前面讨论, 这里只介绍后两种方法.Grupe等人[110]提出了一种“in silico” QTL定位方法, 在15个近交系组成的群体中定位了老鼠疾病相关性状的多个QTL. 它主要是通过数量性状表型距离与标记遗传型距离的相关分析预测QTL与标记间的连锁关系. 若相关显著, 说明该标记与QTL连锁. 其中, 数量性状表型距离是两纯系(品种)表型观测值之差; 标记遗传型距离定义为: 若两纯系SNP的单倍型(haplotype)相同, 遗传型距离为0; 否则为1. 然而, Chesler等人[111]不能重复Grupe等人[110]的结果, 且功效低和假阳性率高. Darvasi等人[112]认为, 在理想条件下检测遗传率为5%~20%的QTL时, 需要纯合系40~150个; 假阳性率太高, 导致检测到的QTL需要用常规QTL定位方法予以验证. 因而, 该方法还需要进一步研究.若利用大量育成纯合品种数量性状表型观测值、分子标记和品种间系谱关系, 也可高解析定位QTL, 并且这些信息可用于品种分子设计育种[62,77]. 该方法的主要思想是利用品种的系谱关系计算品种间的后裔同样(identity by descent, IBD)值, 并将IBD值嵌入方差组分模型以定位QTL的位置与效应; 然后, 用最优线性无偏预测(best linear unbiased prediction, BLUP)法预测出各品种的QTL效应值. 根据每一品种各QTL效应预测值, 可进行新品种的亲本选配和分子设计育种, 也可研究基因在品种中的传递规律. Zhang等人[77]应用该方法定位了玉米GDUSHD (growing degree day heat units to pollen shedding)的8个QTL, 误差变异系数仅为1.5%, QTL定位的置信区间也较小. 这些结果都说明其精度较高.我国有丰富的品种资源, 只要获得更多的相关信息, 就可发掘出大量的有利基因并预测其遗传效应, 进行分子设计育种, 提高育种效率.4.2 eQTL定位的统计方法表达谱数据分析通常是通过比较两个或多个处理间表达谱的差异以发掘与处理有关的基因; 连锁遗传分析是检测分离群体中标记与性状间的连锁. 显然, 分离群体所有个体的表达谱使得让每一基因的表达谱作为一个性状成为可能, 将表达谱作为数量性状所定位得到的QTL称为eQTL. 当eQTL的遗传连锁与该基因的位置一致时, 便可确定与数量性状有关的基因. 这就是Jansen和Nap[113,114]提出的eQTL定位的基本思想, 并在酵母[115]、玉米和老鼠等[116]中得以应用. 与此不同的是, Hoti和Sillanpää[55]将数量性状或分级性状表型观测值表示为分子标记遗传型、基因表达量以及标记遗传型与基因表达量互作的线性函数, 用Bayesian压缩估计方法[29~32]定位QTL并获得相关基因信息. 由于获得表达谱数据成本较高, 该方法还未得到广泛应用. 但是, 这是近年来国际上新的研究热点[114].4.3遗传交配设计的QTL定位方法从作物QTL定位群体来看, 主要是针对简单的分离群体, 如F2, BC (backcross), DH (double haploid), RIL (recombinant inbred line)和AIL等, 所涉及的亲本较少. 但是, 从数量遗传学发展历程可知, 遗传交配设计对数量遗传学有很大的贡献. 因此, 研究基于遗传交配设计的QTL定位方法也是应当重视的. 最近, Verhoeven等人[117]通过QTL定位方法检测双列杂交设计的QTL, 并通过双列杂交遗传分析确定研究第51卷第19期 2006年10月评述多基因遗传模式的新方法; 我国学者提出利用随机交配群体来无偏估计胚乳性状QTL的第一和第二显性效应[118]. 然而, 这方面的研究还相当薄弱, 需要进一步探索.4.4生活力基因定位方法由于生活力基因影响其附近分子标记的分离比例, 故可通过分子标记偏分离来检测生活力基因. 一般的方法是获得它的选择系数、显性度和与标记的重组率, 还可间接获得其基因型频率. 然而, 不能提供其遗传效应估计值. 这对阐明进化机制是不利的. 其主要原因是没有表型观测值. 最近, Luo等人[119]考虑了一种假想性状(liability)受生活力基因控制, 它对研究者来说是不可见的, 但是, 对自然来说是可见的. 由此, 可用QTL定位方法来定位生活力基因, 并获得其遗传效应估计值, 为遗传进化研究提供一种新方法. Nichols[120]也给出了一个很好的评论. 利用该模型, 我们研究了标记偏分离对标记间遗传距离估计值的影响, 认为偏分离一般会低估标记间遗传距离, 只有在特定遗传模式下会高估之. 但是, 其偏性可被矫正. 今后, 这方面还有很多工作要做.总之, 有关数量性状基因研究将不断深入, 新方法与新技术将不断出现. 例如, 在稀有疾病研究中, 连锁定位精度受到可利用减数分裂数和有信息标记密度的限制, 但是, SNP标记的出现就克服了这些缺点, 以便精细定位QTN (quantitative trait nucleotide). 毫无疑问, 本文未囊括所有QTL定位方法的进展. 尽管多性状QTL定位有高的功效且能研究一因多效, 但是, 本文未予综述.致谢本研究为国家自然科学基金(批准号: 30470998)、江苏省自然科学基金(批准号: BK2005087)、教育部“长江学者和创新团队发展计划”和新世纪优秀人才支持计划(批准号: NCET-05-0489)、国家重点基础研究发展计划(批准号: 2006CB101708)、教育部与人事部留学回国人员基金和南京农业大学人才基金资助项目.参考文献1 Sax K. The association of size difference with seed-coat patternand pigmentation in Phaseolus vulgaris. Genetics, 1923, 8: 552—5602 Soller M, Brody T, Genizi A. On the power of experimental designfor the detection of linkage between marker loci and quantitative trait loci in crosses between inbred lines. Theor Appl Genet, 1976, 47: 35—393 Weller J I. Maximum likelihood techniques for the mapping andanalysis of quantitative trait loci with the aid of genetic markers.Biometrics, 1986, 42: 627—6404 Edwards M D, Stuber C W, Wendel J F. Molecular-marker-facili-tated investigated of quantitative trait loci in maize.Ⅰ. Numbers, genomic distribution and types of gene action. Genetics, 1987, 116: 113—1255 Stuber C W, Edwards M D, Wendel J F. Molecular-marker-facili-tated investigated of quantitative trait loci in maize.Ⅱ. Factors in-fluencing yield and its component traits. Crop Sci, 1987, 27: 639—6486 Tanksley S D, Medina-Hilho H, Rick C M. Use of naturally-oc-curring enzyme variation to detect and map gene controlling quan-titative traits in an interspecific backcross of tomato. Heredity, 1982, 49: 11—257 Luo Z W, Kearsey M J. Maximum likelihood estimation of linkagebetween a marker gene and a quantitative trait locus. Heredity, 1989, 63: 401—4088 Thoday J M. Location of polygenes. Nature, 1961, 191: 368—3709 Lander E S, Botstein D. Mapping Mendelian factors underlyingquantitative traits using RFLP linkage maps. Genetics, 1989, 121: 185—19910 Haley C S, Knott S A. A simple regression method for mappingquantitative trait loci in line crosses using flanking markers. He-redity, 1992, 69: 315—32411 Martinez O, Curnow R N. Estimation the locations and the sizes ofthe effects of quantitative trait loci using flanking markers. Theor Appl Genet, 1992, 85: 480—48812 Kao C H. On the differences between maximum likelihood andregression interval mapping in the analysis of quantitative trait loci. Genetics, 2000, 156: 855—86513 Jansen R C. Quantitative trait loci in inbred lines. In: Balding D J,Bishop M, Cannings C, eds. Handbook of Statistical Genetics.Chichester, UK: John Wiley & Sons, 1999. 567—59714 Broman K W, Speed T P. A review of methods for identifyingQTLs in experimental crosses. In: Seillier-Moiseiwitsch F, ed.Statistics in Molecular Biology and Genetics. IMS Lecture Notes-Monograph Series, 1999, 33: 114—14215 Jansen R C. Interval mapping of multiple quantitative trait loci.Genetics, 1993, 135: 205—21116 Zeng Z B. Theoretical basis for separation of multiple linked geneeffects in mapping of quantitative trait loci. Proc Natl Acad Sci USA, 1993, 90: 10972—1097617 Zeng Z B. Precision mapping of quantitative trait loci. Genetics,1994, 136: 1457—146818 Kao C H, Zeng Z B. General formulas for obtaining the MLEs andthe asymptotic variance-covariance matrix in mapping quantitative trait loci when using the EM algorithm. Biometrics, 1997, 53: 653—66519 Kao C H, Zeng Z B, Teasdale R D. Multiple interval mapping forquantitative trait loci. Genetics, 1999, 152: 1203—121620 Kao C H, Zeng Z B. Modeling epistasis of quantitative trait loci。
大麦抗网斑病QTL初步定位
大麦抗网斑病QTL初步定位近年来，我国大麦种植业面临着来自网斑病的严重威胁，该病害对大麦产量和质量造成了严重影响。
因此，大麦抗网斑病的研究显得尤为重要，这不仅有助于解决大麦病害问题，还能提高我国大麦的种植效益。
为了探索大麦的抗网斑病机制，研究人员开展了大麦抗网斑病QTL初步定位研究。
QTL（Quantitative Trait Loci）是指影响性状数量性状的基因座，通过QTL定位可以帮助我们理解基因与性状之间的关系。
首先，研究人员选择了对网斑病高度抗性的大麦品种作为研究对象，这些品种对网斑病的抗性高于普通品种。
然后，通过交叉杂交法获得了一组F2群体，该群体包含了网斑病高抗品种的遗传背景。
接下来，研究人员对F2群体进行了网斑病人工接种试验，并观察了不同个体的病情表现。
根据观察结果，研究人员将群体分为抗病和感病两个亚群。
利用分子标记技术，研究人员对这两个亚群的DNA样本进行了基因分型。
通过对基因分型数据的分析，研究人员在大麦染色体上发现了多个与网斑病抗性相关的QTL。
这些QTL位于不同的染色体位置，互相作用形成复杂的调控网络。
与普通品种相比，抗病亚群的DNA样本中特异的QTL片段数量明显增加，这进一步证明了这些QTL的抗病作用。
进一步的研究发现，这些与网斑病抗性相关的QTL可能参与了许多生物学过程，包括抗病基因的表达、信号转导和代谢途径等。
此外，这些QTL可能与其他抗性基因和调控因子之间存在着复杂的相互作用。
综上所述，大麦抗网斑病QTL初步定位的研究为我们理解大麦抗病性的机制提供了重要线索。
进一步的研究可以帮助我们识别出具体的抗病基因，并开发出抗网斑病的新品种。
这将为我国大麦种植业的发展提供有力的支撑，促进我国农业的可持续发展通过对大麦抗网斑病的研究，我们发现了多个与该病抗性相关的QTL。
这些QTL在不同染色体位置上发现，彼此之间形成复杂的调控网络。
抗病亚群的DNA样本中QTL片段数量明显增加，进一步验证了这些QTL的抗病作用。
分子标记技术在大麦遗传育种中的应用
分子标记技术在大麦遗传育种中的应用牛小霞 张想平（甘肃省农垦农业研究院，武威 733006）摘要：大麦是世界上用途较广的四大粮食作物之一，是饲料和酿造工业的重要原料，营养十分丰富。
分子标记技术在大麦育种中的应用十分广泛，本文介绍了分子标记技术在大麦遗传多样性、遗传图谱的构建与基因的定位等方面的应用。
关键词：分子标记；大麦；遗传多样性；遗传图谱构建； 基因定位大麦是重要的饲料和酿造工业原料。
近年来，大麦的营养和食用价值越来越受到人们的重视，在食品育种和开发利用上潜力巨大，日益受到世界各国的重视。
我国大麦的产量和品质与国外相比还有一定差距，主要推广品种亲缘关系近，遗传基础狭窄，迫切需要育种家们培育出高产优质的新品种。
据统计，黑龙江省审定推广的17个大麦品种大部分是通过国外种质资源改良而成[1]。
因此，引进国外啤酒大麦品种资源及野生资源是解决当前育种问题的关键所在。
种质资源中蕴藏着丰富的遗传变异，注重挖掘和利用其中的有利基因并应用于育种实践具有重要的理论意义和实际价值。
但是野生种质资源中含有大量的不良基因，通常情况下与一些有利基因紧密连锁，常规育种中难以直接利用。
对有利基因进行遗传分析和基因定位的研究，这是高效改良作物的前提。
分子标记技术的发展，为人们提供了一种有效的基因定位研究方法。
运用分子标记辅助选择（MAS ），将大大提高有利基因的利用效率。
近年来，分子标记技术在大麦种质资源遗传多样性、遗传图谱的构建、基因定位、QTL 等研究方面得到广泛深入的应用，在大麦遗传育种研究上具有重大作用。
1 分子标记分类及其特点根据对DNA 多态性检测手段的不同，分子标记技术分为4大类：（1）以Southern 杂交为基础的分子标记，RFLP 标记结果稳定可靠、重复性好，适合于连锁图谱的构建。
（2）基于PCR 的DNA 标记技术，具有简便、快速和高效的优点，如RAPD 、ISSR 、SSR 、STS 。
（3）结合PCR 与限制性酶切技术的DNA 标记，如AFLP 、CAPS 。
数量性状的分子标记（QTL定位的原理和方法讲义）
数量性状的分⼦标记（QTL定位的原理和⽅法讲义）数量性状的分⼦标记(QTL定位的原理和⽅法讲义)作物中⼤多数重要的农艺性状和经济性状如产量、品质、⽣育期、抗逆性等都是数量性状。
与质量性状不同，数量性状受多基因控制，遗传基础复杂，且易受环境影响，表现为连续变异，表现型与基因型之间没有明确的对应关系。
因此，对数量性状的遗传研究⼗分困难。
长期以来，只能借助于数理统计的⼿段，将控制数量性状的多基因系统作为⼀个整体来研究，⽤平均值和⽅差来反映数量性状的遗传特征，⽆法了解单个基因的位置和效应。
这种状况制约了⼈们在育种中对数量性状的遗传操纵能⼒。
分⼦标记技术的出现，为深⼊研究数量性状的遗传基础提供了可能。
控制数量性状的基因在基因组中的位置称为数量性状基因座（QTL）。
利⽤分⼦标记进⾏遗传连锁分析，可以检测出QTL，即QTL定位（QTL mapping）。
借助与QTL连锁的分⼦标记，就能够在育种中对有关的QTL的遗传动态进⾏跟踪，从⽽⼤⼤增强⼈们对数量性状的遗传操纵能⼒，提⾼育种中对数量性状优良基因型选择的准确性和预见性。
因此，QTL定位是⼀项⼗分重要的基础研究⼯作。
1988年，Paterson等发表了第⼀篇应⽤RFLP连锁图在番茄中定位QTL的论⽂。
之后，随着分⼦标记技术的不断发展以及许多物种中分⼦连锁图谱的相继建成，全世界出现了研究QTL的热潮，每年发表有关QTL 研究的论⽂数量⼏乎呈指数增长（图5.1），显⽰了该研究领域的勃勃⽣机。
⽬前，QTL定位研究已在许多重要作物中展开，并且进展迅速。
本章主要介绍QTL定位的原理和⽅法。
图5.11986~1998年期间国际上每年发表有关QTL研究的论⽂的数量. 数据从英国BIDS信息系统检索得到第⼀节数量性状基因的初级定位QTL定位就是检测分⼦标记（下⾯将简称为标记）与QTL间的连锁关系，同时还可估计QTL的效应。
QTL定位研究常⽤的群体有F2、BC、RI和DH。
这些群体可称为初级群体（primary population）。
QTL定位的原理和方法
通过QTL定位技术，可以找到控制植物产量和品质的关键基因，为提高作物产量和品质提 供理论依据。
动物QTL定位
动物生长性状的QTL定位
利用QTL定位技术，研究动物生长性状的相关基因，有助于提高动 物的生长速度和生产效益。
动物繁殖性状的QTL定位
通过QTL定位技术，可以找到与动物繁殖性状相关的基因，为动物 繁殖育种提供分子标记辅助选择。
QTL定位精度
QTL定位精度是指通过QTL定位方法确定QTL位置的准确性。重组率越高，QTL与遗传标记之间的距离越短，定 位精度越高。
统计推断在QTL定位中的作用
统计推断
统计推断是指根据样本数据和概率模型，对未知参数或假设进行估计或验证的过程。在QTL定位中， 统计推断用于估计QTL的位置和效应大小。
关联分析
将QTL定位与关联分析相结合，可以更全面地揭示基因 变异与表型变异之间的关系。
功能基因组学
将QTL定位与功能基因组学相结合，有助于深入了解QTL 的功能和作用机制。
感谢您的观看
THANKS
QTL定位就是通过统计学方法，将数量性状与 基因组中的特定区域关联起来，从而确定控制 该数量性状的基因在基因组中的位置。
QTL定位的意义
揭示数量性状遗传
机制
通过QTL定位，可以了解控制特 定数量性状的基因及其变异等位 基因，从而揭示其遗传机制。
辅助育种
QTL定位可以为育种提供重要信 息，帮助育种家针对特定性状进 行选择和改良，提高育种效率和 准确性。
标记密度
增加遗传标记的密度可以提高QTL定 位的精度和分辨率，但同时也增加了 实验成本和数据处理难度。QTL互Fra bibliotek与复杂性状研究
小麦籽粒产量及穗部相关性状的QTL定位概要
２６７作物学报第３卷５异，没有检测到上位与环境的互作效应。
上位效应总的贡献率是１．９２７％。
可能与Ｒｔ基因有关，也可能与光周期ｅａＤ的一ｈ８ｐ．因多效有关，或者二者的共同作用，有待于进一步研究证明。
籽粒粒径的４个加性ＱＴ，于３Ｌ位Ａ、３Ｂ、６Ａ和７Ｄ染色体，可分别解释粒径变异的１２．％、７６３％、１．０．４３％和６３％（３和图２，Ｇ６的遗８．５表）ｑｄＡ传贡献率最大，可解释１．０３８％的表型变异。
４个位点的增效等位基因均来源于花培３号，这与花培３号具有较大的粒径相对应。
没有检测￣Ｄ性与环境＿ＩＨＩ的互作效应。
对控制籽粒粒径的上位ＱＬ３Ｔ，位于染色体２一Ｄ、６７和６７表４，可分别解释Ｄ７Ｂ．ＡＤ一Ｄ（）４１％、５４％和５３％的表型变异，没有检测到上．０．３．７位与环境的互作效应。
上位效应总的贡献率是１．０％９５位于４Ａ染色体上的ｑ４ＧＹＡ是一个微效基因，与ａＧｌ．ｇ一Ａ点位置相近，并在相同的位置ｙｄａｔ【位】检测到控制总小穗数和可育小穗数的ＱＬＭａＴ，等在４染色体相同的位置定位了穗长和可育小穗数Ａ的ＱＬＫｍａ等Ｉ在相近的位置检测到控制穗长和Ｔ，ｕｒ６总小穗数的ＱＴ。
位于５染色体区段Ｘｍｃ１一ＬＤｗ２５Ｘｇｍ６ｄ３上的ｑ５位点，可解释籽粒产量变异的ＧＹＤ１．％，该位点与已经报道的籽粒产量相关ＱＬ均０３２Ｔ不相同，５在Ｄ染色体相同的区段，同时检测到控制穗粒数、总小穗数、小穗着生密度和可育小穗数的３讨论本研究应用基于混合线性模型的ＱＬｅｗｒ】ＴＮｔｏｋ—２［］．１软件，既可分析加性效应，又可分析上位效应，００可提供更多的信息。
除穗长外，其他７个性状均检测到非等位基因之间的上位效应效应，因此进行分ＱＬＴ，遗传效应值分别为１．７１％、１．３６３８％、１．％２２６和１．％，为主效ＱＬ位点，并且遗传效应方向相０２２Ｔ同，增效等位基因来源于豫麦５，可用于分子标记７辅助选择。
另外，在５Ｄ染色体上还定位了１控制个穗长的ＱＬ位点，位于Ｘａ１９一ｃｄＴｂｒ０７Ｘｆ８区间，与ｃａ１Ｃｂ５．］位置相距较远，可能是控制穗长ｓ．Ｓ一Ｄ的Ｃｔ的２个不同的ＱＬ位点。
数量性状基因座(QTL)定位的原理及研究进展
单 互个作3基等、因无市的法效深场应入分及了析 位 解置 ，方、 从法基 而因 限间 制的 了相 育互 种作 中用 数及 量基 性因状与的环遗境传的操作
能力；
、营销人员用必形1备态、知学市识和场 细胞营学销标基 记法本来概研究念与标记相连锁的个别数量性 状 QT，L2)试。、图由电定于信 位这数些市量标场性记介 状数基量绍因太座少(以Qu及an技ti术t上at的iv局e 限tr性ai，t 对lo数cu量s,性 状基3因、位市点场 的深分入析研方 究进法展不大；
当相邻QTLｓ相距较近时，由于其作图精度不高，QTLｓ 间相互干扰导致出现Ghost QTL；
三、 QTL定位必要条件
1、要有高密度的连锁图，标记间平 均距离小于15～20cM
2、相应的统计分析方法 3、选择亲本时尽可能地选择性状表
现差异大和亲缘关系较远的材料 4、选择的群体中目标性状分离明显，
符合正态分布
营销人员四必备知、识 QTL定位的原理及方法
1、QTL定位的原理
营销人员必备知识
Q1T、L市定场位营是销基通本过概分念析整个染色体组的DNA标记和数量性状表 型2、值电的信关市系场，介绍将QTL逐一定位到连锁群的相应位置，并估计 营销人员必其3备、遗知市识传场效分应析;方法 Q1T、L市定场位营就销基是本采概用念类似单基因定位的方法将QTL定位在遗传 图2、谱电上信，市确场定介绍QTL与遗传标记间的距离(以重组率表示)； Q31T、L市定场位分营实析销方基质法本是概分念析分子标记与QTL之间的连锁关系，是基 于2、一电个信特市定场模介绍型的遗传假设，是统计学上的一个概念，与数 量3、性市状场基分因析有方法本质区别。
小麦株高ＱＴＬ_的定位及对重要农艺性状的多效性分析
麦类作物学报 2023,43(12):1534-1542J o u r n a l o fT r i t i c e a eC r o ps d o i :10.7606/j.i s s n .1009-1041.2023.12.05网络出版时间:2023-09-25网络出版地址:h t t ps ://l i n k .c n k i .n e t /u r l i d /61.1359.S .20230925.1100.002小麦株高Q T L 的定位及对重要农艺性状的多效性分析收稿日期:2023-05-14 修回日期:2023-08-27基金项目:湖北省重点研发计划项目(2022B B A 0035);泰州市科技计划项目(T N 202117);江苏现代农业产业单项技术研发(C X(21)3063);江苏里下河地区农科所所科研专项基金(S J (21)101);江苏里下河地区农科所所科研专项基金(揭榜挂帅)(S J (22)101)第一作者E -m a i l :z d 2021720791@163.c o m通讯作者:胡文静(E -m a i l :h u r e n 2008@126.c o m );张晓祥(E -m a i l :yz u z x x @126.c o m )赵蝶1,2,胡文静2,3,高德荣2,3,方正武1,王书平1,程晓明2,张晓祥2(1.长江大学农学院,湖北荆州434025;2.江苏里下河地区农业科学研究所/农业农村部长江中下游小麦生物学与遗传育种重点实验室,江苏扬州225007;3.扬州大学/江苏省粮食作物现代产业技术协同创新中心/江苏省植物功能基因组学重点实验室,江苏扬州225009)摘 要:株高作为小麦育种的重要指标,对产量具有较大的影响㊂为进一步挖掘小麦株高的数量性状位点(q u a n t i t a t i v e t r a i t l o c i ,Q T L ),本研究以扬麦12和偃展1号杂交得到的包含205个家系的重组自交系(r e -c o m b i n a n t i n b r e d l i n e s ,R I L )群体为材料,利用小麦55KS N P 芯片构建高密度遗传图谱,结合3年共6个环境的表型数据对株高性状进行Q T L 定位分析㊂结果表明,在染色体2B (1)㊁4B (1)㊁4D (1)㊁5A (1)㊁5B (1)和7D(2)上共检测到7个与株高相关的Q T L ㊂Q P h .y a a s -4B ㊁Q P h .y a a s -5A 和Q P h .y a a s -7D.1的矮秆效应来源于扬麦12,其余4个Q T L 的矮秆效应来源于偃展1号㊂在6个环境下都能检测到的位点是Q P h .y a a s -4B 和Q P h .y a a s -4D ,对株高的贡献率分别14.50%~24.09%和19.01%~29.80%,经过比对发现,这2个Q T L 分别是R h t 1和R h t 2㊂Q P h .y a a s -5A 在5个环境下被检测到,对株高的贡献率为3.29%~5.36%;Q P h .ya a s -2D 和Q P h .ya a s -7D.2在4个环境中均被检测到,对株高的贡献率分别为3.45%~6.14%和3.16%~4.10%;Q P h .y a a s -5B 和Q P h .y a a s -7D.1分别在2个和3个环境中被检测到,对株高的贡献率分别是2.27%~5.09%和2.72%~4.82%㊂Q T L 比较分析后发现,Q P h .y a a s -7D.1和Q P h .ya a s -7D.2可能是新的株高位点㊂研究R h t -B 1和R h t -D 1对千粒重㊁穗长和穗粒数的效应,发现R h t -B 1位点对这些农艺性状无显著效应,R h t -D 1位点仅对千粒重有显著效应,其株高增效等位变异可显著增加千粒重㊂在自然群体中验证R h t -B 1和R h t -D 1的效应结果与R I L 群体结果一致㊂关键词:小麦;株高;Q T L ;R h t -B 1;R h t -D 1中图分类号:S 512.1;S 330 文献标识码:A 文章编号:1009-1041(2023)12-1534-09Q T L M a p p i n g o fW h e a t P l a n tH e i g h t a n dA n a l ys i s o fT h e i rG e n e t i c E f f e c t s o n I m p o r t a n tA gr o n o m i cT r a i t s Z H A OD i e 1,2,H U W e n j i n g 2,3,G A OD e r o n g 2,3,F A N GZ h e n g w u 1,W A N GS h u p i n g 1,C H E N GX i a o m i n g 2,Z H A N GX i a o x i a n g2(1.C o l l e g e o fA g r i c u l t u r e ,Y a n g t z eU n i v e r s i t y ,J i n g z h o u ,H u b e i 434025,C h i n a ;2.K e y L a b o r a t o r y o fW h e a tB i o l o g y an dG e n e t i c I m p r o v e m e n t f o rL o w M i d d l eY a n g t z eV a l l e y ,M i n i s t r y o fA g r i c u l t u r e a n dR u r a lA f f a i r s ,L i x i a h e I n s t i t u t e o fA g r i c u l t u r a l S c i e n c e s ,Y a n g z h o u ,J i a n g s u225007,C h i n a ;3.J i a n g s uC o -I n n o v a t i o nC e n t e r f o rM o d e r nP r o d u c t i o nT e c h n o l o g y o fG r a i nC r o p s /J i a n gs u K e y L a b o r a t o r y o fC r o p G e n o m i c s a n d M o l e c u l a rB r e e d i n g /Y a n g z h o uU n i v e r s i t y ,Y a n g z h o u ,J i a n gs u225009,C h i n a )A b s t r a c t :A s a n i m p o r t a n t i n d e x o fw h e a t b r e e d i n g ,p l a n t h e i gh t (P H )h a s g r e a t i n f l u e n c e o n y i e l d .I n o r d e r t o f u r t h e r e x p l o r e t h e q u a n t i t a t i v e t r a i t l o c i (Q T L )o fP Hi nw h e a t ,a r e c o m b i n a n t i n b r e d l i n e (R I L )p o p u l a t i o nc o n s i s t i n g o f205l i n e s w a sc o n s t r u c t e d b y c r o s s i n g Y a n gm a i12(YM 12)a n d Y a n z h a n1(Y Z 1).55KS N Pc h i p w a s u s e d t o c o n s t r u c t t h eh i g h l y d e n s i t yg e n e t i cm a p ofw h e a t ,a n dQ T Lf o rP Ht r a i t sw e r e a n a l y z e db a s e d o nd a t a f r o ms i x e n v i r o n m e n t s i n t h r e e y e a r s.S e v e nQ T Lr e-l a t e d t oP H w e r e d e t e c t e do n c h r o m o s o m e s2B(1),4B(1),4D(1),5A(1),5B(1)a n d7D(2). T h e d w a r f i n g a l l e l e s o f Q P h.y a a s-4B,Q P h.y a a s-5A,a n d Q P h.y a a s-7D.1w e r e d e r i v e d f r o m YM12, a n d t h e d w a r f i n g a l l e l e s o f t h e o t h e r f o u rP H Q T L w e r ed e r i v e d f r o m Y Z1.Q P h.y a a s-4B a n d Q P h. y a a s-4D w e r ed e t e c t e di na l le n v i r o n m e n t s,e x p l a i n i n g t h e p h e n o t y p i cv a r i a t i o ne x p l a i n e dr a t e so f14.50%-24.09%a n d19.01%-29.80%,r e s p e c t i v e l y.Q P h.y a a s-4B a n d Q P h.y a a s-4D a r e R h t1a n d R h t2,r e s p e c t i v e l y.Q P h.y a a s-5A w a sd e t e c t e di nf i v ee n v i r o n m e n t s,w i t hP V Er a n g i n g f r o m3.29%t o5.36%.Q P h.y a a s-2D a n d Q P h.y a a s-7D.2w e r e d e t e c t e d i n f o u r e n v i r o n m e n t s,w i t hP V E r a n g i n g f r o m3.45%-6.14%a n d3.16%-4.10%,r e s p e c t i v e l y.Q P h.y a a s-5B a n d Q P h.y a a s-7D.1 w e r e d e t e c t e d i n t w o a n d t h r e e e n v i r o n m e n t s,w i t hP V Er a n g i n g f r o m2.27%-5.09%a n d2.72%-4.82%,r e s p e c t i v e l y.Q P h.y a a s-7D.1a n d Q P h.y a a s-7D.2m a y b e t w on o v e l P H Q T La f t e r c o m p a r i-s o nw i t h t h e p r e v i o u s l y p u b l i s h e dP H Q T L.T o i n v e s t i g a t e t h e e f f e c t s o f R h t-B1a n d R h t-D1o n t h o u-s a n d-g r a i nw e i g h t,s p i k e l e n g t ha n d g r a i nn u m b e r p e r s p i k e,i tw a s f o u n d t h a t R h t-B1h a dn o s i g n i f i-c a n t e f f e c t o n t h ea b o v ea g r o n o m i c t r a i t s;R h t-D1h a ds i g n i f i c a n t e f f e c to n l y o nT GW,w i t ht h e i n-c r e a s e dP Ha n dT GW.V a l i d a t i o n o f t h e e f f e c t r e s u l t s o f R h t-B1a n d R h t-D1i n t h e n a t u r a l p o p u l a t i o n w a s c o n s i s t e n tw i t h t h a t i n t h eR I L p o p u l a t i o n.K e y w o r d s:T r i t i c u ma e s t i v u m;P l a n t h e i g h t;Q T L;R h t-B1;R h t-D1小麦(T r i t i c u ma e s t i v u m L.)作为世界上重要的粮食作物之一,其产量的提高是育种家们进行遗传改良的主要目标㊂株高(p l a n th e i g h t, P H)作为小麦株型的主要构成因素之一,与产量密切相关㊂虽然小麦株高受遗传因子和外部环境共同作用,但主要的决定性因素是遗传因子[1]㊂因此,挖掘小麦株高的遗传位点并解析其遗传效应对其遗传改良具有重大意义㊂迄今为止,已报道的与小麦株高有关的Q T L 有70多个[2-3],且明确共有35个主效矮秆基因(R h t),其中R h t1㊁R h t2㊁R h t3和R h t10已分别被克隆[1,4-5]㊂我国小麦生产中常用的矮秆基因有R h t1㊁R h t2和R h t8[6-8]㊂小麦矮秆基因R h t-B1和R h t-D1在株高矮化过程中起到了重要作用,这两个基因均通过编码赤霉素(G A)信号转导途径的关键调控元件D E L L A蛋白,D E L L A蛋白作为G A信号途径中的负调控因子,阻遏植物的生长发育,显著提高了抗倒伏能力和收获指数,从而大幅度提高了粮食产量,引发著名的 绿色革命 [9-12]㊂R h t8隐性矮秆基因来源于赤小麦,为G A反应敏感型,被定位在染色体2D的短臂上, R NH L-D1是其候选基因[13-15]㊂降低小麦株高对一些重要农艺性状具有不同的效应,有相关研究表明矮秆基因对有效分蘖数㊁每穗小穗数㊁穗长(s p i k e l e n g t h,S L)影响不大,对穗粒数(g r a i n n u m b e r p e rs p i k e,G N S)有一定的促进作用,R h t-B1和R h t-D1的矮秆基因等位变异对千粒重(t h o u s a n d-g r a i nw e i g h t,T GW)有一定的负效应,而R h t8的矮秆基因等位变异有利于提高千粒重[16]㊂除此之外,还有一些矮秆基因颇具应用潜力,如R h t9在降低株高的同时会减少穗长,增加分蘖数和千粒重,最终提高粮食产量;R h t12和R h t13在显著降低株高的同时增加穗粒数,从而提高产量[17]㊂因此研究矮秆基因对其他农艺性状的效应具有重要的意义㊂扬麦12(YM12)是江苏里下河地区农业科学研究所和南京农业大学细胞遗传研究所以新抗源T P114(P m2+6)和扬麦5号为亲本进行杂交配组,扬麦158为轮回亲本,采用滚动回交,辅以分子标记抗病基因,育成的中抗赤霉病的小麦品种[18]㊂偃展1号(Y Z1)是河南省小麦育种家徐才智以[(C39/78(6)-9-2)//冀麦5418]F3为母本,矮早781-4为父本,通过复合杂交选育而成的晚播早熟㊁矮秆㊁高产的小麦品种㊂为了解析扬麦12的株高遗传基础,本试验以扬麦12为母本㊁偃展1号为父本杂交创建的重组自交系(r e c o m b i-n a n t i n b r e dl i n e s,R I L)群体为材料,利用小麦55KS N P芯片构建遗传图谱,结合3年6个环境下的株高表型数据,进行小麦株高Q T L定位,并对其千粒重㊁穗长和穗粒数进行评价,研究R h t-B1和R h t-D1对主要农艺性状的效应,以期为小麦株高分子标记辅助育种提供技术支撑㊂㊃5351㊃第12期赵蝶等:小麦株高Q T L的定位及对重要农艺性状的多效性分析1材料与方法1.1供试材料本研究的供试群体是扬麦12与偃展1号杂交后自交经单籽粒传法构建的F10代R I L群体,共205个家系㊂验证等位变异效应的群体来源于江苏里下河地区农业科学研究所搜集到的来自全国的150份小麦品种(系)㊂1.2田间试验R I L群体和2个亲本于2019㊁2020和2021年种植于江苏扬州试验基地(种植3年:2019Y Z㊁2020Y Z和2021Y Z)㊁泗洪试验基地(种植1年: 2020S H)和荆州长江大学试验基地(种植2年: 2019J Z和2021J Z)㊂每个R I L和2个亲本各50粒种子,种植2行,行长150c m,行间距30c m㊂试验的大田管理措施依照当地的高产栽培模式进行㊂小麦灌浆后期调查2个亲本和R I L群体的株高㊁穗长和穗粒数,通过随机选取生长状况相似的扬麦12/偃展1号(YM12/Y Z1)R I L群体的每个家系的20株代表性植株来测定株高㊁主茎穗长和穗粒数(株高值是通过测量从地面到穗顶部的长度来确定的,不包括芒;穗长值是通过测量从穗基部到穗顶部的长度来确定的,不包括芒;穗粒数是在小麦灌浆后期通过人工数健康㊁无病虫害侵染的主穗结实粒数来确定)㊂随后,对所选植株进行收获和人工脱粒,测定千粒重㊂2020年和2021年在江苏扬州试验基地采用与R I L群体同样的方法对150个来自全国的小麦品种(系)的穗长㊁穗粒数和千粒重进行了调查㊂1.3统计分析使用E x c e l2019对所有的数据进行整理和统计分析㊂采用I c i M a p p i n g V4.1版软件进行方差分析(A N O V A)和广义遗传力(h2)分析[19]㊂株高的广义遗传力(h2)计算公式为h2=σG2/ (σG2+σGˑE2+σe2)[20],其中,σG2㊁σGˑE2和σe2分别为基因型方差㊁基因型与环境相互作用的方差分量和剩余误差方差,E是环境次数㊂用t-t e s t检验比较不同目标Q T L等位基因组之间的株高㊁穗长㊁穗粒数和千粒重㊂M e a n是在6次环境的株高表型平均值㊂1.4基因型检测采用C T A B法[21]从R I L群体和2个亲本的嫰叶中提取基因组D N A,凝胶电泳检测D N A完整性和数量㊂利用中国金标记(北京)生物技术有限公司的含有53063个S N P s的小麦55K S N P 芯片对扬麦12㊁偃展1号亲本品种和R I L群体进行基因分型㊂然后选取V r n-B1㊁R h t-B1㊁R h t-D1㊁R h t8等12个与已知基因相关的K A S P标记或者S S R标记对亲本及R I L群体进行基因分型[8,12],加密遗传图谱㊂1.5R h t-B1和R h t-D1的K A S P标记序列R h t-B1的K A S P标记共用引物序列是5'-T C G G G T A C A A G G T G C G G G C G-3',特异性引物1序列是5'-G A A G G T G A C C A A G T T C A T G C T C C C A T G G C C A T C T C C A G C T G-3',尾部添加能够与F AM荧光结合的特异性序列;特异性引物2序列是5'-G A A G G T C G G A G T C A A C G G A T T C C C A T G G C C A T C T C C A G C T A-3',尾部添加能够与H E X荧光结合的特异性序列[12]㊂R h t-D1的K A S P标记共用引物序列是5'-C G G G T A C A A G G T G C G C G C C-3',特异性引物1序列是5'-G A A G G T G A C C A A G T-T C A T G C T T G C A T G G C C A T C T C G A G C T G C T C -3',尾部添加能够与F AM荧光结合的特异性序列;特异性引物2序列是5'-G A A G G T C G G A G T-C A A C G G A T T T G C A T G G C C A T C T C G A G C T G C T A-3',尾部添加能够与H E X荧光结合的特异性序列[12]㊂1.6遗传图谱构建和Q T L定位首先对小麦55KS N P芯片结果进行初步质量控制,参考H u等[22]的方法利用I c i M a p p i n g V4.1软件(h t t p://w w w.i s b r e e d i n g.n e t)对原始基因型数据进行过滤和去冗余,并利用MA P功能对过滤后的标记进行分群,将标记的侧翼序列放在国际小麦基因组测序联盟数据库V2.1 (I WG S C)中比对物理位置㊂分组后利用J o i n-M a p4.0中的K o s a m b i映射函数计算各组间遗传距离[23]㊂Q T L分析采用I c i M a p p i n g V4.1中的完备区间作图法(i n c l u s i v ec o m p o s i t e i n t e r v a l m a p p i n g,I C I M)的B I P功能进行[24-25],L O D阈值设置为3.0[26]㊂使用M a p C h a r tV2.32绘制覆盖Q T L区域的遗传图谱[27],Q T L命名方式参考胡文静等[28]㊂将本研究挖掘到的Q T L与前人已挖掘的基因/Q T L进行比较(W h e a t O m i c s1.0,h t-t p://202.194.139.32/b l a s t/b l a s t.h t m l;h t t p:// 202.194.139.32/g e n e s/),重叠置信区间内的Q T L被认为是相同的[23]㊂㊃6351㊃麦类作物学报第43卷2 结果与分析2.1 表型分析由表1可得,2个亲本在6个环境下的株高都表现出极显著差异㊂扬麦12比偃展1号的植株平均高度为11.67c m (P <0.01),R I L 群体株高变异范围为50.44~122.60c m ,平均值为90.87c m (表1)㊂株高在6个环境下的广义遗传力(h 2)为0.71,表明基因型方差在群体的株高遗传中起主要作用㊂群体株高在6个环境下的表型值均表现为连续分布和明显的超亲分离(图1)㊂表1 不同环境下扬麦12㊁偃展1号及R I L 群体的株高表型变异及遗传力(h 2)T a b l e1 P h e n o t y p i c v a r i a t i o n o f p l a n t h e i g h t f o rY a n g m a i 12,Y a n z h a n 1a n d t h e i rR I L p o pu l a t i o n i nd i f f e r e n t e n v i r o n m e n t s 环境E n v i r o n m e n t亲本P a r e n tYM 12Y Z 1群体P o pu l a t i o n 最小值M i n .最大值M a x .平均值M e a nE 186.9373.38**52.50122.5090.66E 289.2674.89**43.00119.0087.98E 391.2180.32**57.00125.7594.11E 490.3780.72**52.00128.0090.51E 585.3474.28**49.00118.6789.02E 687.0076.50**49.17121.6792.94均值M e a n88.3576.68**50.44122.6090.87E 1㊁E 2㊁E 3㊁E 4㊁E 5和E 6分别表示2019Y Z ㊁2019J Z ㊁2020Y Z ㊁2020S H ㊁2021Y Z 和2021J Z 的环境㊂YM 12代表扬麦12,Y Z 1代表偃展1号;数据后**表示两亲本间的株高差异极显著(P <0.01)㊂表2同㊂E 1,E 2,E 3,E 4,E 5,a n dE 6i n d i c a t e t h e e n v i r o n m e n t o f 2019Y Z ,2019J Z ,2020Y Z ,2020S H ,2021Y Za n d 2021J Z ,r e s p e c t i v e l y.YM 12r e p r e s e n t sY a n g m a i 12;Y Z 1r e p r e s e n t sY a n z h a n1.**f o l l o w i n g d a t a i n d i c a t e s i g n i f i c a n t d i f f e r e n c e i n p l a n th e i gh t b e t w e e n t h e t w o p a r e n t s (P <0.01).T h e s a m e i n t a b l e s 2.图1 扬麦12/偃展1号R I L 群体在6个环境数据集下的株高频率分布F i g .1 F r e q u e n c y d i s t r i b u t i o no f t h eY a n g m a i 12/Y a n z h a n1R I L p o p u l a t i o n f o r p l a n t h e i gh t o f t h e s i x e n v i r o n m e n t s ㊃7351㊃第12期赵蝶等:小麦株高Q T L 的定位及对重要农艺性状的多效性分析2.2 遗传连锁图谱构建将原始基因型数据过滤,经过B I N 去冗余,M A P 分群和J o i n M a p 4.0计算遗传距离,最终构建了包含1468个标记的遗传图谱,全长3610.67c M [29]㊂扬麦12/偃展1号R I L 群体图谱包含26个连锁群,分布在21条染色体上,标记间平均距离为2.62c M ㊂B 亚基因组的标记密度最高,其次是A 和D 亚基因组㊂2.3 株高Q T L 定位分析本研究共挖掘7个与株高相关的Q T L ,分别位于2D ㊁4B ㊁4D ㊁5A 和7D 上(图2)㊂在6个环境下都能检测到的位点是Q P h .y a a s -4B 和Q P h .ya a s -4D ,L O D 值分别为10.96~30.40和13.58~35.46,表型贡献率分别是14.50%~24.09%和19.01%~29.80%,比对结果这两个Q T L 分别是R h t -B 1和R h t -D 1(表2)㊂Q P h .ya a s -5A 在5个环境下被检测到,L O D 值是4.89~7.20,表型贡献率是3.29%~5.36%(表2)㊂Q P h .ya a s -2D 和Q P h .y a a s -7D.2在4个环境下被检测到,L O D 值分别为4.24~6.09和3.30~4.56,表型贡献率分别是3.45%~6.14%和3.16%~4.10%(表2)㊂Q P h .ya a s -7D.1在3个环境下被检测到,L O D 值是4.38~6.28,表型贡献率是2.72%~4.82%(表2)㊂Q P h .ya a s -5B 在2个环境下被检测到,L O D 值是3.94~6.88,表型贡献率是2.27%~5.09%(表2)㊂Q P h .y a a s -2D ㊁Q P h .ya a s -4D ㊁Q P h .y a a s -5B 和Q P h .y a a s -7D.2的加性效应为正,说明矮秆效应来源于偃展1号,其余的Q T L 加性效应为负,说明矮秆效应来源于扬麦12(表2)㊂2.4 R h t -B 1和R h t -D 1对重要农艺性状的效应利用Q P h .ya a s -4B 位点上的侧翼S N P 标记R h t -B 1_S N P 及Q P h .ya a s -4D 位点上的侧翼S N P 标记R h t -D 1_S N P ,分析R h t -B 1和R h t -D 1对千粒重㊁穗长和穗粒数的效应,结果表明,R h t -B 1对千粒重㊁穗长和穗粒数均无显著影响(图3),R h t -D 1对穗长和穗粒数无显著效应,但携带R h t -D 1位点增效等位变异(YM 12等位变异)的家系比携带矮秆等位变异(Y Z 1等位变异)的家系增加千粒重6.37%(P <0.01)(图3)㊂2.5 R h t -B 1和R h t -D 1在自然群体中对重要农艺性状的效应验证利用150份品种/系的试验材料验证R h t -B 1和R h t -D 1位点对千粒重㊁穗长和穗粒数的效应㊂ 连锁群右边是标记名称,左边是遗传位置(c M ),连锁群中的加粗黑色矩形代表Q T L 区域㊂T h e r i g h t s i d e o f t h e l i n k a g e g r o u p i s t h em a r k e r n a m e ;t h e l e f t s i d e i s t h e g e n e t i c l o c a t i o n (c M ),a n d t h e b o l d b l a c k r e c t a n gl e i n t h e l i n k a g e g r o u p r e p r e s e n t s t h eQ T Lr e gi o n .图2 扬麦12/偃展1号R I L 群体定位的株高Q T L 遗传连锁图F i g .2G e n e t i c l i n k a g em a p s o f p l a n t h e i g h t Q T Lo fY a n g m a i 12/Y a n z h a n1R I L p o pu l a t i o n ㊃8351㊃麦 类 作 物 学 报 第43卷表2 扬麦12/偃展1号R I L 群体株高的Q T L 分析T a b l e 2 Q T Lf o r p l a n t h e i g h t i nY a n g m a i 12/Y a n z h a n1R I L p o pu l a t i o n 环境E n v i r o n m e n t位点Q T L 物理位置P h y s i c a l i n t e r v a l /M b 侧翼标记F l a n k i n g ma r k e r s L O D贡献率P V E/%加性效应A d dE 1,E 2,E 4,E 6Q P h .ya a s -2D 622.86~643.97A X 110858887-A X 1099111884.24~6.093.45~6.142.45~3.67E 1,E 2,E 3,E 4,E 5,E 6Q P h .y a a s -4B 33.61~40.48R h t -B 1_S N P -A X 11058219010.96~30.4014.50~24.09-6.92~-5.30E 1,E 2,E 3,E 4,E 5,E 6Q P h .y a a s -4D 16.58~19.61A X 111616151-A X 11102734813.58~35.4619.01~29.806.11~8.11E 1,E 2,E 3,E 4,E 6Q P h .y a a s -5A 427.12~479.78A X 108938796-A X 1111027604.89~7.203.29~5.36-3.57~-2.50E 5,E 6Q P h .ya a s -5B 642.52~673.14A X 110581004-A X 1105250413.94~6.882.27~5.091.97~3.16E 2,E 5E 6Q P h .y a a s -7D.132.82~42.06A X 109444226-A X 1093337264.38~6.282.72~4.82-3.21~-2.19E 2,E 3,E 5,E 6Q P h .ya a s -7D.274.23~89.13A X 109758806-A X 1100613223.30~4.563.16~4.102.13~2.63加性效应为正说明矮秆效应来源于偃展1号,加性效应为负说明矮秆效应来源于扬麦12㊂T h e p o s i t i v e a d d i t i v e e f f e c t i n d i c a t e s t h a t t h e d w a r f e f f e c t o r i g i n a t e s f r o m Y a n z h a n1,a n d t h e n e ga t i v e a d d i t i v e e f f e c t i n d i c a t e s t h a t t h e d w a r f e f f e c t o r i g i n a t e s f r o m Y a n gm a i 12. T GW :千粒重;S L :穗长;G N S :穗粒数㊂在箱形图中,ˑ为平均值(见具体数值),水平线表示中位数,图上下的点表示离群点㊂横坐标A 和B 分别代表来自扬麦12和偃展1号的等位基因㊂**表示与偃展1号的表型相比,差异达到显著水平(P <0.01)㊂图4和表3同㊂T GW :T h o u s a n d -g r a i nw e i g h t ;S L :S p i k e l e n g t h ;G N S :G r a i nn u m b e r p e r s pi k e .ˑi n t h e d a t a b o x i n d i c a t e s t h em e a nv a l u e ;T h e d o t s i n t h e b o x p l o t s a r e t h e o u t l i e r s .T h eh o r i z o n t a l l i n e i nt h ed a t ab o x i n d i c a t e s t h em e d i a n .Aa n dBr e pr e s e n t l i n e sw i t ht h ea l l e l e s f r o mt h eYM 12a n dY Z 1,r e s p e c t i v e l y .**i n d i c a t e s t h e r e i s s i g n i f i c a n t d i f f e r e n c e f r o m Y a n z h a n 1(P <0.01).T h e s a m e i n f i gu r e 4a n d t a b l e 3.图3 扬麦12/偃展1号R I L 群体中R h t -B 1和R h t -D 1对千粒重㊁穗长和穗粒数的效应F i g .3 E f f e c t s o f R h t -B 1a n d R h t -D 1f o r p l a n t h e i g h t o n t h o u s a n d -g r a i nw e i g h t ,s p i k e l e n gt ha n d g r a i nn u m b e r p e r s p i k e i n t h eY a n g m a i 12/Y a n z h a n1R I L p o pu l a t i o n 结果表明R h t -B 1对千粒重㊁穗长和穗粒数均无显著效应(图4);R h t -D 1对穗长和穗粒数无显著效应,而携带R h t -D 1位点增效等位变异(Y M 12等位变异)的家系比携带矮秆等位变异(Y Z 1等位变异)的家系增加千粒重2.47%(P <0.05)(图4)㊂2.6 扬麦12/偃展1号优异家系的发掘与育种利用利用Q P h .ya a s -4B 位点上的侧翼S N P 标记R h t -B 1_S N P 和Q P h .y a a s -4D 紧密连锁S N P 标记R h t -D 1_S N P 对扬麦12/偃展1号R I L 家系进行分析,发现共有10个家系同时携有R h t -B 1和R h t -D 1的矮秆等位变异,占比4.88%,并且这些家系的株高值范围是57.00~82.75c m (表3)㊂在不考虑亩穗数的情况下,以千粒重大于38g ,穗粒数大于40粒为标准筛选出2个农艺性状较好的R I L 家系R I L -56(株高82.75c m ,千粒重38.85g,穗粒数45粒)和R I L -57(株高64.50c m ,千粒重38.30g ,穗粒数47.17粒),其中R I L -57可以作为小麦矮秆育种改良的优异矮源(表3)㊂3 讨论3.1 株高Q T L 的比较分析在本研究中检测到的株高Q T L 中,Q P h .ya a s -2D 的物理位置区间位于622.86~643.97Mb 之间,与2D 染色体上R h t 8(24.00M b)位置㊃9351㊃第12期赵蝶等:小麦株高Q T L 的定位及对重要农艺性状的多效性分析图4 自然群体中R h t -B 1和R h t -D 1对小麦千粒重㊁穗长和穗粒数的效应验证F i g .4 V a l i d a t i o no f t h e e f f e c t s o f R h t -B 1a n d R h t -D 1o n t h o u s a n d -g r a i nw e i g h t ,s p i k e l e n gt h a n d g r a i nn u m b e r p e r s p i k e o fw h e a t i nn a t u r a l p o pu l a t i o n s 表3 扬麦12/偃展1号R I L 群体中聚合R h t -B 1和R h t -D 1矮秆等位变异的家系的基因型和表型值T a b l e 3 G e n o t y p e s a n d p h e n o t y p e s o f p y r a m i d i n g t h e d w a r f i n g al l e l e s a t R h t -B 1a n d R h t -D 1i n t h eY a n g m a i 12/Y a n z h a n1R I L p o pu l a t i o n 家系N a m e 基因型R h t -B 1_S N PR h t -D 1_S N P株高P l a n t h e i gh t /c m 千粒重T GW /g 穗粒数G N S R I L -51A B 69.2536.3147.17R I L -52A B 75.2541.2639.00R I L -53A B 57.0036.6243.67R I L -54A B 66.7532.0153.50R I L -55A B 72.0036.2141.00R I L -56A B 82.7538.8545.00R I L -57A B 64.5038.3047.17R I L -58A B 69.5037.9151.67R I L -59A B 57.2533.1360.67R I L -60AB64.7533.8145.33A 和B 分别代表来自扬麦12和偃展1号的等位基因㊂Aa n dBr e p r e s e n t l i n e sw i t h t h e a l l e l e s f r o mt h eYM 12a n dY Z 1,r e s p e c t i v e l y.不同[30],编码生长素响应因子的T a A R F 12-2D(627.32M b )可能是其候选基因[31]㊂Q P h .ya a s -4B (33.61~40.48Mb )和Q P h .ya a s -4D (16.58~19.61Mb )分别位于与R h t -B 1(33.61M b )和R h t -D 1(19.19M b )重叠的区间[32],与本研究挖掘的其他Q T L 相比,这两个株高位点对株高的效应最大㊂Q P h .ya a s -5A 在5A 染色体上427.12~479.78Mb 的物理区间,与R h t 9(560.13M b )和R h t 12(698.89M b )相距较远,与Z h a n g 等[33]发现的Q P h -5A.1(479.12~487.31M b )在重叠区间,H u 等[34]发现的Q P H -5A.1(434.73M b )也在此置信区间内,距离Y a n 等[35]在扬麦158/偃展1号R I L 群体中挖掘到的Q P h .n a u -5A (506.00M b )约20M b ㊂T a D E P 1-5A (424.88M b )是小麦生长发育的重要调控基因,可能是Q P h .ya a s -5A 的候选基因[36]㊂Q P h .ya a s -5B 位于5B 染色体的642.52~673.14Mb 的物理区间,与已经发掘出的株高相关的基因T a D E P 1-5B ㊁T a S A P 7-B和T a WO X 2-5B 物理位置不同[36-38],而与H u等[34]挖掘出的Q P h -5B .2(635.09~646.35M b )在同一区间㊂经与以往的Q T L 比较后发现,Q P h .ya a s -7D.1(32.82~42.06Mb )和Q P h .ya a s -7D.2(74.23~89.13Mb )是新的株高Q T L 基因[33,39-40]㊂3.2 R h t -B 1和R h t -D 1对农艺性状的效应分析本次定位到的Q P h .y a a s -4B 和Q P h .ya a s -4D 分别位于R h t -B 1和R h t -D 1的基因组区间,R h t -D 1对株高的贡献率最高,其次是R h t -B 1,而这两个位点对穗长和穗粒数均无显著效应,与以往的研究证实R h t -B 1和R h t -D 1对穗长和穗粒数的影㊃0451㊃麦 类 作 物 学 报 第43卷响不大的结果相一致[16,41]㊂本研究利用R I L群体和自然群体证明R h t-B1对千粒重没有显著影响,R h t-D1位点的矮秆等位变异对千粒重有显著降低效应,这与张德强等[41]的研究(R h t-B1b显著降低千粒重,R h t-D1b对千粒重没有显著影响)不同㊂S o n g等[42]研究表明R h t-B1是赤霉素(G A)信号通路负调控因子,Z n F是油菜素内酯(B R)信号通路的正调控因子,单独敲除R h t-B1 (r h t1-b b)可导致小麦株高㊁千粒重和氮肥利用效率提高;单独敲除Z n F(z n f-b b)可导致株高和千粒重降低;同时敲除R h t-B1和Z n F,小麦株高不变,但千粒重和氮肥利用效率提高,因此R h t-B1-Z n F基因模块为新一轮 绿色革命 高产高效育种提供了具有育种利用价值的基因资源㊂H u等[28]利用扬麦12/偃展1号的R I L群体挖掘到5个千粒重Q T L,分别位于2D㊁4B㊁4D㊁6A和6B染色体,其中在4B染色体上定位到的Q T g w.y a s-4B L (513.97~516.66M b)与R h t-B1不在同一区间,而在4D染色体定位到的Q T g w.y a s-4D S(16.58~ 19.19M b)与R h t-D1在同一区间,且Q T g w.y a s-4D S降低粒重的等位变异与R h t-D1的矮秆等位变异相一致㊂4结论本研究利用扬麦12/偃展1号R I L群体6个环境下株高性状数据,结合小麦55KS N P芯片数据,共挖掘到了7个株高Q T L,可解释的表型变异率为2.27%~29.80%㊂经与前人研究比对发现:Q P h.y a a s-4B和Q P h.y a a s-4D分别是R h t-B1和R h t-D1,Q P h.y a a s-7D.1和Q P h.y a a s-7D.2是新的株高Q T L㊂利用R I L群体和自然群体研究株高位点对穗长㊁千粒重和穗粒数的效应,发现仅R h t-D1位点上的株高增效等位变异可显著增加千粒重㊂参考文献:[1]吕广德,靳雪梅,郭营,等.小麦株高分子遗传学研究进展[J].植物遗传资源学报,2021,22(3):571.LÜG D,J I N X M,G U O Y,e t a l.A d v a n c e s i n m o l e c u l a r g e-n e t i c s o fw h e a t p l a n th e i g h t[J].J o u r n a lo f P l a n tG e n e t i c R e s o u r c e s,2021,22(3):571.[2]B O R N E R A,S C HUMA N NE,F U R S T E A,e t a l.M a p p i n g o f q u a n t i t a t i v e t r a i t l o c i d e t e r m i n i n g a g r o n o m i c i m p o r t a n t c h a r-a c t e r s i nh e x a p l o i dw h e a t(T r i t i c u ma e s t i v u m L.)[J].T h e o-r e t i c a l a n dA p p l i e dG e n e t i c s,2002,105(6-7):921.[3]L I U G,X U SB,N IZF,e ta l.M o l e c u l a rd i s s e c t i o no f p l a n th e i g h tQ T L s u s i n g r e c o m b i n a n t i n b r e d l i n e s f r o mh y b r i d s b e-t w e e nc o mm o n w h e a t(T r i t i c u m a e s t i v u m L.)a n d s p e l t w h e a t(T r i t i c u ms p e l t a L.)[J].C h i n e s eS c i e n c eB u l l e t i n, 2011,56(18):1897.[4]P E N GJ,R I C HA R D S D E,HA R T L E Y N M,e ta l. G r e e n r e v o l u t i o n g e n e s e n c o d em u t a n t g i b b e r e l l i n r e s p o n s em o d u l a-t o r s[J].N a t u r e,1999,400(6741):256.[5]P E A R C ES,S A V I L L E R,V A U G H A N S P,e ta l.M o l e c u l a rc h a r a c t e r i z a t i o no f R h t1d w a r f i n gge n e s i nh e x a p l o i d w h e a t [J].P l a n tP h y s i o l o g y,2011,157(4):1820.[6]B O TWA R I G H T T L,R E B E T Z K E GJ,C O N D O N A G,e ta l.I n f l u e n c eo f t h e g ib b e r e l l i n-s e n s i t i v e R h t8d w a r f i n gg e n e o n l e a fe p i d e r m a lc e l ld i me n s i o n sa n de a r l y v i g o ri n w h e a t (T r i t i c u ma e s t i v u m L.)[J].A n n a l s of B o t a n y,2005,95(4): 631.[7]E L L I S M H,S P I E L M E Y E R W,G A L E K R,e ta l. P e r f e c t m a r k e r sf o rt h e R h t-B1b a n d R h t-D1b d w a r f i n g g e n e si n w h e a t[J].T h e o r e t i c a la n d A p p l i e d G e n e t i c s,2002,105(6-7):1038.[8]胡文静,李东升,裔新,等.小麦穗部性状和株高的Q T L定位及育种标记开发和验证[J].作物学报,2022,48(6):11. HU WJ,L IDS,Y IX,e t a l.M o l e c u l a rm a p p i n g a n dv a l i d a-t i o no f q u a n t i t a t i v e t r a i t l o c i f o r s p i k e-r e l a t e d t r a i t s a n d p l a n th e i g h t i nw h e a t[J].A c t aA g r o n o m i c aS i n i c a,2022,48(6):11.[9]B O R R E L LA K,I N C O L LLD,D A L L I N G MJ.T h e i n f l u e n c e o f t h e R h t1a n d R h t2a l l e l e so nt h e g r o w t ho fw h e a ts t e m sa n d e a r s[J].A n n a l s o f B o t a n y,1991,67(2):103.[10]T A N G N,J I A N GY,H EBR,HU YG.T h e e f f e c t s o f d w a r-f i n gg e n e s(Rh t-B1b,R h t-D1b,a n d R h t8)wi t hd i f f e r e n t s e n s i t i v i t y t o G A(3)o nt h ec o l e o p t i l el e n g t h a n d p l a n th e i g h t o fw h e a t[J].A g r i c u l t u r a l S c i e n c e s i nC h i n a,2009,8(9):1028.[11]A KMA N H,B R U C K N E R P.M a r k e ra s s i s t e ds e l e c t i o nf o r R h t8a n d R h t-D1b d w a r f i n gg e n e s i nw i n t e rw h e a tb r e e d i n g p r o g r a m[J].N e w B i o t e c h n o l o g y,2016,6(2):143.[12]R A S H E E D A,W E N W E,G A O F M,e ta l.D e v e l o p m e n ta n dv a l i d a t i o n o fK A S Pa s s a y s f o r g e n e s u n d e r p i n n i n g k e y e-c o n o m i c t r a i t s i nb r e a dw h e a t[J].T h e o r e t ic a l a n dA p p l i e dG e n e t i c s,2016,129(10):1843.[13]K O R Z U N V,R O D E R M S,G A N A L M W,e t a l.G e n e t i c a-n a l y s i s o f t h e d w a r f i n gg e n e(R h t8)i nw h e a t.P a r t I.M o l e c-u l a rm a p p i n g o f R h t8o n t h e s h o r t a r mo f c h r o m o s o m e2Do f b r e a dw h e a t(T r i t i c u m a e s t i v u m L.)[J].T h e o r e t i c a la n dA p p l i e dG e n e t i c s,1998,96(8):1104.[14]C H A IL,X I N M,D O N G C,e t a l.An a t u r a l v a r i a t i o n i nR i-b o n uc l e a s eH-l i k e g e n e u nde r l i e s R h t8t o c o nf e r G r e e nR e v-o l u t i o n t r a i t i n w h e a t[J].M o l e c u l a rP l a n t,2022,15(3): 377.[15]X I O N G H C,Z HO U CY,F U M Y,e t a l.C l o n i n g a n d f u n c-t i o n a lc h a r a c t e r i z a t i o n o f R h t8,a G r e e n R e v o l u t i o n r e-p l a c e m e n t g e n e i nw h e a t[J].M o l e c u l a rP l a n t,2022,15(3): 373.[16]曹廷杰,张玉娥,胡卫国,等.黄淮南片麦区新育成品种(系)中3个矮秆基因分子标记检测及其与农艺性状的关系[J].作物杂志,2019(6):14.C A O TJ,Z H A N G Y E,HU W G,e ta l.D e t e c t i o no f t h r e e d w a r f i n gg e n e s i n t h en e w w h e a t c u l t i v a r s(l i n e s)d e v e l o p e d㊃1451㊃第12期赵蝶等:小麦株高Q T L的定位及对重要农艺性状的多效性分析i n s o u t hH u a n g h u a i v a l l e y a n d i t s a s s o c i a t i o nw i t h a g r o n o m i c t r a i t s[J].C r o p s,2019(6):14.[17]李怡鑫,陈向东,张雪宁,等.47份外引小麦种质中矮秆基因的检测及其降秆效应分析[J].麦类作物学报,2021,41(5): 561.L IY X,C H E N XD,Z H A N G X N,e t a l.D e t e c t i o no f d w a r f g e n e s a n d a n a l y s i s o f t h e i r h e i g h t r e d u c t i o n e f f e c t i n47i n t r o-d u c e dw h e a t g e r m p l a s m[J].J o u r n a lo f T r i t i c e a eC r o p s, 2021,41(5):561.[18]陆成彬,程顺和,张伯桥,等.扬麦12的选育及其栽培技术[J].安徽农业科学,2001,29(5):595.L UCB,C H E N GSH,Z H A N GBQ,e t a l.B r e e d i n g a n d c u l-t i v a t i o n t e c h n i q u e o fw h e a t v a r i e t y Y a n g m a i12[J].J o u r-n a l o f A n h u iA g r i c u l t u r a l S c i e n c e s,2001,29(5):595. [19]M E N GL,L IH H,Z H A N GLY,e t a l.Q T L I c i M a p p i n g:I n-t e g r a t e ds o f t w a r ef o r g e n e t i c l i n k a g e m a p c o n s t r u c t i o na n d q u a n t i t a t i v et r a i tl o c u s m a p p i n g i n b i p a r e n t a l p o p u l a t i o n s [J].T h eC r o p J o u r n a l,2015,3(3):269.[20]N Y Q U I S T W E,B A K E RRJ.E s t i m a t i o no f h e r i t a b i l i t y a n d p r e d i c t i o no fs e l e c t i o nr e s p o n s ei n p l a n t p o p u l a t i o n s[J].C r i t i c a lR e v i e w s i nP l a n t S c i e n c e s,1991,10(3):235.[21]J I A N G P,Z HA N G X,WU L,e ta l.An o v e lQ T Lo nc h r o-m o s o m e5A Lo fY a n g m a i158i n c r e a s e s r e s i s t a n c e t o F u s a r i-u m h e a db l i g h t i nw h e a t[J].P l a n tP a t h o l o g y,2020,69(2): 249.[22]HU W J,WU H Y,L U C B,e ta l.G e n e t i cd i s s e c t i o no f q u a n t i t a t i v et r a i t l o c if o r s p i k e l e t s c o m p a c t n e s s i n t w o Y a n z h a n1-d e r i v e dr e c o m b i n a n ti n b r e dl i n e w h e a t p o p u l a-t i o n s[J].P l a n tB r e e d i n g,2022,141(6):719. [23]HU WJ,G A O DR,L I A OS,e t a l.I d e n t i f i c a t i o no f a p l e i o-t r o p i c Q T L c l u s t e rf o r F u s a r i u m h e a d b l i g h t r e s i s t a n c e s p i k e l e t c o m p a c t n e s s g r a i nn u m b e r p e r s p i k ea n dt h o u s a n d-g r a i n w e i g h ti n c o mm o n w h e a t[J].T h e C r o p J o u r n a l, 2023,11(2):672.[24]K O S AM B ID.T h e e s t i m a t i o no fm a p d i s t a n c e s f r o mr e c o m-b i n a t i o nv a l u e s[J].A n n a l s o f E u g e n ic s,1944,12(1):172.[25]M AJ,D I N G P,L I UJ,e ta l.I d e n t i f i c a t i o na n dv a l i d a t i o no f a m a j o r a n d s t a b l y e x p r e s s e dQ T L f o r s p i k e l e t n u m b e r p e r s p i k e i nb r e a dw h e a t[J].T h e o r.A p p l.G e n e t.,2019,132(11):3155.[26]C HU R C H I L LG A,D O E R G ER W.E m p i r i c a l t h r e s h o l d v a l-u e s f o r q u a n t i t a t i v et r a i t m a p p i n g[J].G e n e t i c s,1994,138 (3):963.[27]V O O R R I P SRE.M a p C h a r t:S o f t w a r e f o r t h e g r a p h i c a l p r e s-e n t a t i o nof l i n k ag em a p s a n dQ T L s[J].J o u r n a l o f H e r e d i-t y,2002,93(1):77.[28]胡文静,张勇,陆成彬,等.小麦品种扬麦16赤霉病抗扩展Q T L定位及分析[J].作物学报,2020,46(2):157.HU WJ,Z HA N GY,L UCB,e t a l.M a p p i n g a n d a n a l y s i s o f Q T L f o r r e s i s t a n c e t o F u s a r i u m h e a db l i g h t i nw h e a t c u l t i-v a rY a n g m a i16[J].A c t aA g r o n o m i c aS i n i c a,2020,46(2): 157.[29]HU WJ,L I A OS,Z H A O D,e t a l.I d e n t i f i c a t i o na n dv a l i d a-t i o no f q u a n t i t a t i v et r a i t l o c i f o r g r a i ns i z ei nb r e a d w h e a t (T r i t i c u ma e s t i v u m L.)[J].A g r i c u l t u r e,2022,12(6):822.[30]C H A ILL,X I N M M,D O N GCQ,e t a l.An a t u r a l v a r i a t i o ni n R i b o n u c l e a s eH-l i k e g e n e u n d e r l i e s R h t8t o c o n f e r G r e e n R e v o l u t i o n t r a i t i n w h e a t[J].M o l.P l a n t,2022,15(3): 377.[31]L IA,HA O C,WA N G Z,G E N G S,e ta l.W h e a tb r e e d i n gh i s t o r y r e v e a l ss y n e r g i s t i cs e l e c t i o no f p l e i o t r o p i c g e n o m i c s i t e s f o r p l a n t a r c h i t e c t u r ea n d g r a i n y i e l d[J].M o l.P l a n t, 2022,15(3):504.[32]Z HA N GJ J,D E L LB,B I D D U L P HB,e t a l.W i l d-t y p e a l l e l e s o f R h t-B1a n d R h t-D1a s i n d e p e n d e n t d e t e r m i n a n t so f t h o u-s a n d-g r a i nw e i g h t a n d k e r n e l n u m b e r p e r s p i k e i nw h e a t[J]. M o l.B r e e d i n g,2013,32(4):771.[33]Z H A N G N,F A N X,C U IF,e ta l.C h a r a c t e r i z a t i o no ft h e t e m p o r a l a n ds p a t i a le x p r e s s i o no fw h e a t(T r i t i c u m a e s t i-v u m L.)p l a n t h e i g h t a t t h eQ T L l e v e l a n d t h e i r i n f l u e n c e o n y i e l d-r e l a t e d t r a i t s[J].T h e o r.A p p l.G e n e t.,2017,130(6): 1235.[34]HUJM,WA N GXQ,Z HA N GGX,e t a l.Q T Lm a p p i n g f o r y i e l d-r e l a t e dt r a i t s i n w h e a tb a s e do nf o u rR I L p o p u l a t i o n s [J].T h e o r.A p p l.G e n e t.,2020,133(3):917.[35]Y A N H,L IG,S H I J,e t a l.G e n e t i c c o n t r o l o f F u s a r i u mh e a db l i g h tr e s i s t a nc ei nt w o Y a n g m a i158-de r i v e dr e c o m b i n a n ti n b r e d l i n e p o p u l a t i o n s[J].T h e o r.A p p l.G e n e t.,2021,134(9):3037.[36]Z HA N G Y,L I A N G Z,Z O N G Y,e ta l.E f f i c i e n ta n dt r a n s-g e n e-f r e e g e n o m ee d i t i n g i n w h e a tt h r o u g ht r a n s i e n te x-p r e s s i o no fC R I S P R/C a s9D N A o r R N A[J].N a t.C o m-m u n.,2016,7(1):12617.[37]S IX M,WA N G W X,WA N G K,e ta l.A s h e a t h e ds p i k eg e n e,T a WU S-l i k e i n h i b i t s s t e m e l o n g a t i o n i n c o mm o n w h e a t b y r e g u l a t i n g h o r m o n e l e v e l s[J].I n t.J.M o l.S c i., 2021,22(20):11210.[38]WA N G YX,X U QF,C HA N GXP,e t a l.Ad C A P Sm a r k e rd e v e l o p e d f r o m as t r e s sa s s o c i a t e d p r o t e i n g e n e T a S A P7-B g o v e r n i n gg r a i n s i z e a n d p l a n t h e i g h t i nw h e a t[J].J.I n t e g rA G R,2018,17(2):276.[39]G A OF M,W E N W E,L I UJD,e t a l.G e n o m e-w i d e l i n k a g e m a p p i n g o f Q T L f o r y i e l d c o m p o n e n t s,p l a n t h e i g h ta n d y i e l d-r e l a t e d p h y s i o l o g i c a l t r a i t s i nt h eC h i n e s ew h e a tc r o s s Z h o u8425B/C h i n e s eS p r i n g[J].F r o n tP l a n tS c i.,2015,6: 1099.[40]X U H W,Z H A N G R Q,WA N G M M,e ta l.I d e n t i f i c a t i o na n d c h a r a c t e r i z a t i o no fQ T Lf o r s p i k em o r p h o l o g i c a l t r a i t s, p l a n t h e i g h t a n dh e a d i n g d a t e d e r i v e d f r o mt h eD g e n o m eo f n a t u r a l a n d r e s y n t h e t i c a l l o h e x a p l o i dw h e a t[J].T h e o r.A p-p l.G e n e t.,2022,135:389.[41]张德强,宋晓朋,冯洁,等.黄淮麦区小麦品种矮秆基因R h t-B1b㊁R h t-D1b和R h t8的检测及其对农艺性状的影响[J].麦类作物学报,2016,36(8):975.Z HA N G DQ,S O N GX M,F E N GJ,e t a l.D e t e c t i o n o f d w a r f g e n e s R h t-B1b,R h t-D1b a n d R h t8i nH u a n g h u a i v a l l e y w i n-t e rw h e a t a r e a s a n d t h e i r i n f l u e n c e s o na g r o n o m i c c h a r a c t e r-i s t i c s[J].J o u r n a l o f T r i t i c e a eC r o p s,2016,36(8):975.[42]S O N GL,L I UJ,C A OB,e t a l.R e d u c i n g b r a s s i n o s t e r o i d s i g-n a l l i n g e n h a n c e s g r a i n y i e l di ns e m i-d w a r fw h e a t[J].N a-t u r e,2023,617:118.㊃2451㊃麦类作物学报第43卷。
小麦等作物不同遗传群体的数量性状基因定位及原理分析
小麦等作物不同遗传群体的数量性状基因定位及原理分析作者：刘源来源：《科学导报·学术》2019年第37期摘要：数量性状基因的定位又叫QTL定位，QTL 定位就是采用类似单基因定位的方法将QTL 定位在遗传图谱上，确定QTL 与遗传标记间的距离。
QTL定位的基本原则是关联度量的遗传变异和表型变异。
群体的选择、用于度量表型个体选择和基因型判型个体的选择是所有QTL定位设计要重点考虑的因素。
本文介绍了小麦等作物不同作图群体的优缺点以及QTL定位的原理和方法，从而对遗传群体的选择以及QTL定位技术的使用提供依据。
1、QTL 作图群体的选择QTL是quantitative trait locus的缩写，中文可以翻译成数量性状座位或者数量性状基因座，它指的是控制数量性状的基因在基因组中的位置。
QTL 定位的第一步是选择合适的亲本构建作图群体。
亲本选择要本着性状差异大和亲缘关系远的原则，以便发生较多的重组事件和表型变异，利于定位研究的进行。
目前，小麦 QTL 定位常用的作图群体按照保存时间的长短，分为两类：临时性分离群体和永久性分离作图群体。
前者包括 F2及其衍生的 F3、F4家系，以及回交产生的BC 群体等。
后者包括 DH、RIL、IF2和 NIL 群体等。
不同的群体具有各自的特性。
临时性群体的主要特点是群体内各个体间基因型不同，杂合基因型占很大比例。
它们包含的遗传信息丰富，可以同时估算加性、显性效应。
缺点是个体间基因型存在杂合型，后代发生分离，群体结构发生改变，不能进行多年、多点试验。
而永久性群体系内基因型一致，系间基因型不同，因此可以进行多重复、多年、多点试验，增加QTL 定位准确性。
缺点是永久性群体由于系间基因型一致，不能估算显性效应;若群体量不够大，则提供的遗传信息不如临时性群体丰富。
尤其是 DH 群体，染色体加倍时可能存在基因型的丢失，通常不适于构建分子标记连锁图。
对于异花授粉作物，由于存在自交衰退现象，构建 RIL 意义不大。
QTL定位的原理和方法
19:27
最小二乘分析
• 前面回交例子的最小二乘分析模型为：
– 需要估计的参数：一种为两个QTL基因型的平 均值；另外一种为总平均值和两个基因型之间 的效应差；
• 显著性检验：
F MSQ RMS
– MSQ为拟合模型由QTL基因型解释的方差； – 19:27 RMS为拟合模型的残余均方。
19:27
d a
Sample size BC
672
128
42
11
6
19:27
• BC和F2设计的合理样本大小之比为：
– BC比F2的基因组扫描所需的显著性阈值要低；
BC：
F2：
–
BC比F2的
2 e
可能要低。
19:27
• 考虑两种设计阈值的变化：
19:27
19:27
• 如果连锁不完全（r 0），且使用单标记分析： • 如果连锁不完全（r 0），且使用区间定位分析：
LS和ML的比较
• LS只使用了标记平均值信息，标记基因型组内的 方差变异没有被使用；而ML使用了所有可能的信 息，这包括标记基因型和性状分布。
• LS的计算比较简单易行，能够使用标准的软件 （SAS）进行分析；而ML计算非常困难，需要专 门的软件将其扩展到非常复杂的模型。
19:27
• 似然率检验和F检验的比较： – 对一个QTL，如果残差呈正态分布，则LS和 ML估计是相同的； – 对一般情形，关系变为：
Locus-based strategies:
Selective phenotyping Recombinant progeny testing Interval specific congenic strains (ISCS) Recombinant inbred segregation test (RIST)
重组自交系稻米品质性状的相关性分析及QTL定位
重组自交系稻米品质性状的相关性分析及QTL定位【摘要】本文通过对重组自交系稻米品质性状进行相关性分析和QTL定位，探讨了稻米品质性状的遗传基础和遗传改良策略。
通过研究发现，不同品质性状之间存在一定的相关性，QTL定位结果揭示了影响稻米品质的关键基因区域。
进一步分析了这些QTL在稻米品质性状中的作用机制，并总结了重要性。
稻米品质性状的QTL定位为稻米遗传改良提供了重要依据，为稻米产业的发展和优化提供了参考。
未来研究可以进一步探究QTL间的相互作用及其对稻米品质的影响，为提高稻米品质和产量提供更多信息和策略。
结论指出本研究对于稻米遗传改良和优化具有重要意义，并总结了未来研究方向和重要结论。
【关键词】重组自交系稻米, 品质性状, 相关性分析, QTL定位, 作用机制, 遗传改良策略, 稻米遗传改良, 重要性, 稻米品质性状, 未来研究方向.1. 引言1.1 研究背景稻米是人类重要的主食作物之一，其品质性状是决定稻米市场价值和消费者满意度的重要因素。
稻米的品质性状包括外观、口感、储藏性和营养成分等多个方面，对稻米的品质进行科学评价和遗传改良已成为现代稻米育种的重要方向。
随着分子生物学、遗传学和生物信息学等技术的迅速发展，人们对稻米品质性状的遗传基础和调控机制有了更深入的理解。
重组自交系是稻米品质研究中常用的研究对象，其遗传背景相对纯合，便于研究稻米品质性状的遗传规律。
通过对重组自交系稻米的品质性状进行相关性分析和QTL定位，可以揭示不同性状之间的遗传关系，发现控制这些性状的遗传因素，为稻米品质的遗传改良提供理论依据。
本文旨在通过对重组自交系稻米品质性状的相关性分析及QTL定位，探讨稻米品质性状的遗传基础和调控机制，为稻米的遗传改良提供科学依据，并对未来的研究方向进行展望。
1.2 研究目的研究目的：本研究旨在探讨重组自交系稻米品质性状的相关性，以及利用QTL定位方法分析这些性状的遗传基础，深入了解QTL在稻米品质性状中的作用机制。
大麦苗期根系和茎叶性状的QTL定位分析
大麦苗期根系和茎叶性状的QTL定位分析栾海业;许如根;吕超;张新忠;陈和;陈健;沈会权;陶红;乔海龙;臧慧【摘要】A population of DH was constructed,which derived from a cross between Taixing 9425 with water-logging tolerance and Franklin which is susceptible to waterlogging. The five characters associated with waterlogging tolerance including maximum root length,root fresh weight,root dry weight,shoot fresh weight,shoot dry weight were investigated under water stress. Transgressive segregations for all traits were observed in the population, and their frequencies were showed a continuous distribution. The characters were controlled by multi-genes with major effects, and minor modifiers. Based on the linkage map,the composite interval mapping approach of QTL Cartographer 2. 5 was used to detect the QTL for these traits. A total of 13 QTL associated with root and shoot traits were mapped on all chromosomes except 2 and 3. All QTL were responsible for interpreting 10. 99% -20. 7%,and the range of LOD were 2. 59-3. 83. Among these QTL,2 QTL controlling maximum root length,2 QTL controlling root fresh weight, 3 QTL controlling root dry weight,3 QTL controlling shoot fresh weight and 3 QTL controlling shoot dry weight were detected. Tightly linked QTL regions on chromosome 6 and 7 were identified,which suggested the existence of pleio-tropic or genetic linkage. The above result played a vital role in marker assisted selection and fine mapping of QTL associated with root and waterlogging tolerance.%以耐湿大麦品种泰兴9425与湿害敏感品种Franklin构建的DH系及亲本为材料,在湿害胁迫条件下,考察了大麦苗期与耐湿性相关的根长、根鲜质量、根干质量、茎叶鲜质量和茎叶干质量,各性状均表现为连续分布,且都存在一定数量的双向超亲遗传类型,为多基因控制的数量性状。
不同磷水平下大麦分蘖期磷效率相关性状QTL定位分析
作物学报ACTA AGRONOMICA SINICA 2017, 43(12): 1746-1759/ISSN 0496-3490; CODEN TSHPA9E-mail: xbzw@DOI: 10.3724/SP.J.1006.2017.01746不同磷水平下大麦分蘖期磷效率相关性状QTL定位分析胡德益1蔡露1陈光登1,*张锡洲1刘春吉21四川农业大学资源学院, 四川成都 611130; 2 CSIRO Agriculture, 306 Carmody Road, St Lucia, QLD 4067, Australia摘要: 磷素营养与大麦品质及产量密切相关, 磷高效遗传机制和品种改良是近年的研究热点之一。
本研究利用由大麦栽培品种Baudin和种质材料CN4079杂交构建的重组自交系(RIL)群体, 低磷胁迫(0.02 mmol L-1 KH2PO4)与正常供磷(0.2 mmol L-1 KH2PO4)条件下, 对地上部和地下部磷素利用效率、磷素吸收效率和干重, 以及分蘖数相关的QTL定位, 并预测相关位点基因。
表型鉴定结果表明, 各性状在RIL群体中表现连续变异, 并存在超亲分离。
两种磷水平下, 共检测到16个QTL, 分布在2H、3H和5H染色体上, 表型贡献率14.1%~28.5%。
3H染色体上含有3个磷素利用效率位点, 其增效等位基因均来源于Baudin, 其中Qspue.sau-3H.1和Qrpue.sau-3H与控制磷素吸收效率的Qspae.sau-3H和Qrpae.sau-3H处于同一区段, 而Qspue.sau-3H.2与控制分蘖数的位点Qtn.sau-3H处于同一区段。
5H染色体上含有3个磷素吸收效率位点, 其中Qspae.sau-5H.2和Qrpae.sau-5H的增效等位基因来自CN4079, 且与控制磷素利用效率的Qspue.sau-5H和Qrpue.sau-5H, 以及控制干重的Qsdw.sau-5H和Qrdw.sau-5H处于同一区段。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
大麦产量相关性状的QTL定位摘要：由大麦品种Steptoe和Morex杂交获得150个DH株系，连续两年种植，考察了有效穗数、有效粒数和千粒重等田间农艺性状，并对其进行相关分析；利用SSR标记构建遗传图谱，对与产量密切相关的三个数量性状有效穗数、有效粒数和千粒重进行QTL检测和分析。
相关性分析结果表明，有效穗数与株高、分蘖数和穗长（08年除外）呈正相关；有效粒数与株高、分蘖数（08年除外）和穗长呈正相关；千粒重与株高呈正相关，与分蘖数和穗长呈负相关。
两年共检测到10个相关的QTL。
其中，与有效粒数有关的QTL有4个，2个位于第3条染色体上，其余2个分别位于第1条和第2条上；与千粒重有关的QTL 有6个，分别位于第2条、第3条和第7条染色体上。
有效穗数未检测到与其相关的QTL。
关键词：大麦，产量性状，DH群体，SSR，QTL定位The QTL Mapping Of the Yield Trait in BarleyAbstract:150 DH Population derived from Steptoe × Morex were used in the present study and were planted in two years. We detected the agronomic trait about the yield and do the correlation analysis in the three traits related to the yield: effective panicles number、grain number per ear and 1000-grain weight. The QTL mapping and analysis was based on the SSR data. The correlation analysis results proved that the effective panicles number showed a positive correlation with plant height, tiller number and spike length(except 2008),.Grain number per ear showed a positive correlation with plant height, tiller number (except 2008) and spike length.1000-grain weight showed a positive correlation with plant height, but a negative correlation with tiller number and spike length. Ten QTLs were determined in the two years, including 4 for Grain number per ear on the 1H, 2H and 3H chromosomes, and another 6 for 1000-seed weight on the 2H, 3H and 7H chromosomes. The effective panicles number wasn’t found determined any QTLs .Key words: Barley ( H.vulgare L.), yield trait, DH population, SSR, QTL Mapping在我国，大麦是仅次于水稻、玉米、小麦的第四大粮食作物。
随着饲料和啤酒工业的兴起和发展，大麦早已成为饲料和酿造工业的重要原料。
由于其蛋白质含量高于玉米，这就降低了合成饲料中蛋白质的添加量。
建国以来，大麦在产量和品质等方面都有了较大幅度的提高，特别是产量，平均亩产从20世纪50年代的59.5Kg到目前的268Kg，增加了4.5倍[1]。
这些都取决于育种家对大麦株高及重要产量性状的改良。
社会的不断发展和人们生活水平与质量的日益提高，对大麦的生产提出了更高的要求，需要我们培育出产量更高、品质更优、适应性更广、抗病虫性更强的新品种。
但是，现代育种家正面临着亲本遗传基础狭窄的困境，要想取得育种工作的突破性进展，急需加强对遗传资源的引进及对其农艺性状遗传基础的了解和掌握。
产量是典型的数量性状，在分离群体中表现为连续变异，受数量基因位点(Quantitative Trait Loci，QTL)控制。
随着分子标记的使用和遗传统计学的发展，可以将控制产量相关性状的QTL定位到连锁图谱上。
有效穗数、有效粒数和千粒重对产量的直接效应大于其他性状。
千粒重在产量构成因素中对产量的直接贡献最大，在群体条件下增加单穗粒重是提高新品种群体产量潜力的关键[2]。
千粒重的大小一方面与生态区域有关，同时受品种的遗传特征制约[3]。
子粒重在产量构成因素中受遗传特征的影响最大，主要受加性效应的控制，广义遗传力高达59%—80％[4]。
由于大麦基因组的复杂性，目前，人类对其基因组的了解与掌握程度远低于水稻和玉米等作物。
因此，利用QTL作图技术，对控制大麦重要农艺性状的基因进行定位作图就尤为重要。
单倍体植株经自然加倍或人工加倍处理可产生基因位点纯合的加倍单倍体(Doubled Haploid，DH)系[5]，并由这些DH系构建成永久性分离群体。
这种群体可以直接用于育种实践，更广泛用于分子标记等遗传学研究。
与BC群体一样，DH群体的遗传结构直接反映了F1配子中基因的分离和重组，因此作图效率也是最高的。
DH群体中每个株系的基因型是纯合的，因此可以稳定繁殖，长期保存使用，是永久分离群体[6]。
但构建DH群体首先需要亲本的基因型适合，不适合的亲本基因型难以得到足够的单倍体植株，此外熟练的花药(小孢子)培养技术也是构建DH群体的关键。
1 材料与方法1.1 作图群体Steptoe和Morex及其加倍单倍体（由北美大麦基因图谱合作课题组提供）150份。
1.2 SSR 引物用于构建大麦分子遗传图谱的SSR 标记来源于公共网页/cgi-bin/graingenes/sql.cgi?pre=0,覆盖大麦全部染色体。
1.3 遗传连锁图谱构建DH群体的223个标记基因型数据以及由此基因型数据构建的连锁图谱均从公共网站GrainGenes website: http://www.gene.pbi.nrc.ca中获得。
1.4 实验设计利用Steptoe和Morex作为亲本杂交获得杂交F1代，经过花药培养获得DH株系，将其中的150个DH株系用于构建产量相关性状的QTL图谱（图谱由北美大麦基因图谱合作课题组提供），最后进行QTL定位及相关分析。
田间管理同普通大麦的田间管理：及时锄草，做好防倒、防旱、防病虫草害等工作。
1.5 性状考察从成熟期开始对150个DH株系及两个亲本株系进行考种。
每个株系随机选取5株，进行单株农艺性状考察，然后对试验数据进行统计分析。
考察的主要产量相关性状为：有效穗数、有效粒数、千粒重、株高、分蘖数和穗长等。
1.6 QTL定位及相关分析本实验应用逐步回归的方法对控制大麦产量相关性状的基因进行QTL定位。
QTL作图采用QTL IciMapping作图方法，相关分析采用SPSS 17.0统计软件。
2 结果与分析2.1 亲本及其DH群体表现表 1 Steptoe×Morex及DH群体150个株系的千粒重、有效粒数及有效穗数性状变异分布Table 1 The distribution of the agronomic traits of Steptoe, Morex and DH population性状年份亲本DH群体Steptoe Morex 范围均值±标准差变异系数千粒重2007 7.9 5.4 4 - 8.7 6.23 ± 1.00 16.0%2008 4.5 6.3 2 - 8.7 5.30 ± 1.14 21.6%有效粒数2007 29.4 73.8 5.5 - 84.75 45.62 ± 14.25 31.2%2008 12.5 41 7.4 - 77 37.76 ± 14.66 38.8%有效穗数2007 21.4 13.4 4 - 35 16.32 ± 5.83 35.7%2008 9 9 4 - 25 10.93 ± 3.52 32.2%2.1.1Steptoe×Morex及DH群体150个株系的千粒重、有效粒数及有效穗数性状变异分析：从以上的数据分析可得：（1）DH群体各性状在2007年与2008年均出现了较大的差异，千粒重相差4.7和6.7，变异系数16.0%与21.6%；有效粒数相差79.25和69.6, 变异系数31.2%和38.8%；有效穗数相差31和21，变异系数35.7%和32.2%。
其中，有效粒数和有效穗数变异较大。
（2）DH群体的千粒重、有效穗数和有效粒数三个性状均出现了超亲分离。
（3）双亲的千粒重、有效粒数和有效穗数三个性状差异较大，但在2008年，有效穗数出现无差异。
在三个性状中，Morex 在有效粒数和有效穗数两个性状表型值均明显高于Steptoe，但两亲本千粒重表型值差异不明显。
图1 DH群体有效穗数分布（2008）图2 DH群体有效穗数分布（2007）Fig 1 Frequency distribution of effective Fig 2 Frequency distribution of effective panicles number of DH population(2008) panicles number of DH population(2007)图3 DH群体有效粒数分布（2008）图4 DH群体有效粒数分布（2007）Fig 3 Frequency distribution of GNE Fig 4 Frequency distribution of GNEof DH population (2008)of DH population(2007)图5 DH 群体千粒重分布（2008） 图6 DH 群体千粒重分布（2007）Fig 5 Frequency distribution of KGW Fig 6 Frequency distribution of KGWof DH population(2008) of DH population(2007)2.1.2 有效穗数分析：用SPSS 17.0统计软件对DH 群体2007年和2008年的有效穗数进行数据正态分布检验和频次分布作图(图1、2)。