生活史性状和取样策略对植物微卫星遗传多样性参数估算的影响

杜夏瑾　黎啸峰　吴敏　王丽

摘 要 对150种野生种子植物基于微卫星分子标记的遗传参数进行统计，旨在分析植物的生活史性状和取样策略对各遗传参数的影响.结果表明，微卫星标记数与种群遗传分化系数（FST和RST）呈显著正相关，与多样性指数（HO和HE）呈显著负相关；取样距离加大显著提高种群间分化指数FST和RST；种群间分化指数与多样性指数呈显著负相关；异交繁殖、长寿多年生的植物总体上保持着更高的种群内遗传多样性，而自交繁殖的一年生植物具有更高的种群间遗传分化水平；在种群水平上，裸子植物的遗传多样性比被子植物高.

关键词 微卫星标记；简单重复序列；遗传多样性；生活史特征；取样策略

中图分类号 Q944.4 文献标识码 A 文章编号 1000-2537（2015）04-0021-08

Abstract A statistical and comparative analysis of plant genetic diversity parameters was conducted using data from 150 microsatellite-based reports. The results revealed a significant positive correlation between the number of SSR markers and estimates of among-population genetic diversity， but a significant negative association between the former and the estimates of within-population diversity. In addition， an increase in the geographical distances between the sampled populations effectively increases the FST- and RST-values in SSR studies. Estimates for between- and within-population diversity proved to be negatively correlated. The SSR-based analysis showed that outcrossing and long-lived perennial taxa retain most of their genetic variability within populations. By contrast， inbreeding and annual taxa allocate most of the genetic variability among populations. Furthermore， compared with either categories of angiosperm （i.e. monocotyledon and dicotyledon）， gymnosperms harbor higher genetic diversity.

Key words microsatellite markers； simple sequence repeat （SSR）； genetic diversity； life history traits； sampling strategy

遗传变异是物种长期存在和进化的物质基础.因此，遗传多样性的度量和描述是种群和进化遗传学研究、生物多样性保护和管理中的中心问题.Hamrick， Godt， Nybom， Bartish， Nybom和Duminil等[1-4]的研究表明，植物遗传多样性水平及其遗传结构与物种本身的繁育系统、种子传播方式和分布范围等生活史性状关系密切.合理的取样策略在遗传多样性研究、生物多样性保护和利用中具有重要的意义.取样理论近几十年来被广泛研究[5-8]，随着更多的遗传标记的出现，该理论需要不断更新，因为不同的遗传标记和方法所得出的结果有差异，如何在物种保护中合理取样和有效地分析遗传数据也有待完善.

微卫星（microsatellites）亦称简单重复序列（simples sequence repeats， SSRs），由于其共显性、重复性好及高变异性等优点，已在植物群体遗传学研究、品种鉴定、连锁图谱构建、系统发育和分子标记辅助育种等方面得到了广泛的应用.近二十年来，大量群体遗传学研究借助于微卫星分子标记技术展开，但其种群遗传变异的分析主要是估测一系列有代表性的参数，如观测杂合度（Observed heterozygosity，HO），期望杂合度（Expected heterozygosity，HE），NA（Observed number of alleles，观测等位基因数），NE（Effective number of alleles，有效等位基因数），FIS（Breeding coefficient，近交系数）和FST（Genetic differentiation index，遗传分化指数）等.

为了探讨植物生活史性状和取样策略对微卫星遗传参数估算的影响，本文对139篇1999—2012年所报道的150种野生种子植物基于微卫星分子标记的遗传多样性参数进行了统计分析，以期为种子植物遗传多样性的相关研究提供有价值的参考.

1 材料与方法

通过Web of science和Google scholar 检索关于种子植物遗传多样性的文献，整理近十年发表在国外知名期刊上有关SSR标记的野生种群遗传多样性的研究，得到各项取样策略参数和遗传多样性参数，主要有取样种群数、取样个体数、最大取样距离、SSR标记数、观测杂合度（HO）、期望杂合度（HE）、观测等位基因数（NA）和遗传分化系数（FST与RST）.由于检测方法（银染和测序）对多态性高低有直接的影响，因此检测方法也作为一种因素用于分析.

数据整理原则：（1）限于种子植物，即裸子植物、双子叶植物和单子叶植物，不统计蕨类、藻类及真菌等；（2）限于野生植物种群，不统计栽培品种；（3）限于研究的野生种群数大于或等于2的文献.另外，如果一篇文献中对两种或两种以上的植物进行了研究，分析不同的植物时作为独立的文献进行统计.

本文将植物生活史特性分为5个方面：分类地位、繁育系统、生活型、分布范围和种子传播.分类地位包括裸子植物、双子叶植物和单子叶植物.繁育系统包括自交、混交和异交.生活型包括一年生植物、短寿多年生植物（多年生草本植物）和长寿多年生植物（多年生乔灌木和藤本植物）.分布范围包括特有种、窄域种、地方种和广布种.种子传播包括重力传播、附着传播、吞食传播和风/水传播.

利用SPSS 19.0（IBM Company， 2010）计算各项参数的平均值和标准差，对各取样策略参数之间、遗传多样性参数之间以及取样策略与遗传多样性参数之间进行了Pearson相关分析，为了进一步探讨取样策略参数和遗传参数之间的关系以及不同生活史性状内（主要是繁育系统和分类地位）二者之间的关系，作者以4个取样策略参数作为自变量，4个遗传多样性参数作为因变量进行了回归分析.为了进行不同生活史类型植物间遗传参数的比较，还将不同生活史变量与4种遗传参数分别进行了单因素方差分析（One-way ANOVA）.

2 结果

作者收集了330篇关于种子植物遗传多样性的文献，统计得到341种植物的遗传多样性参数值，剔除数据不全的文献和物种，最终用于分析的物种有150种.其中裸子植物24种，双子叶植物95种，单子叶植物31种；遗传多样性参数个数不少于3个的有110种.

2.1 参数统计

2.2 取样策略对遗传参数的影响

把4个取样策略参数作为自变量，4个遗传多样性参数作为因变量进行回归分析（表2），结果表明，取样种群数和取样个体数对各遗传参数没有影响，种群间多样性指数FST随着SSR标记数的增加而增加，多样性指数HO和HE随着SSR标记数增加而减少，多样性指数HO也会随着取样距离的加大而增加，Pearson相关分析表明取样距离与种群间多样性指数FST和RST均呈正相关（图1）.

2.3 检测方法对遗传参数的影响

统计的150种植物中有58种植物采用电泳银染技术进行结果检测，有89种采用测序技术，有3种使用琼脂糖EB检测方法，由于琼脂糖检测技术用得非常少，在此仅针对前两种方法展开分析.使用测序检测方法得出的HO，HE和NA（平均值分别为0.486，0.570，6.68；标准差分别为0.211，0.199，3985）均高于电泳银染技术得出的HO，HE和NA（平均值分别为0431，0.529，5.43；标准差分别为0185，0.182，3734），而使用测序检测方法得出的FST 和RST（平均值分别为0.201，0.200；标准差分别为0200，0.163）却低于电泳银染技术得出的FST和RST（平均值分别为0.233，0.221；标准差分别为0.175，0193）.

2.4 不同生活史类型植物间的遗传参数比较

上文（2.2）提到遗传参数HO，HE和FST会随着SSR标记数的变化而变化，为了进一步探讨各遗传参数在不同繁育系统类型和不同分类地位植物中是否会受SSR标记数的影响，作者分别进行了种群间多样性指数HO，HE和FST与SSR标记数的回归分析，结果表明，在不同繁育系统类型植物中除在异交类群中HO会随着SSR标记数的增加有一定增加外，其他类群各参数都不会受SSR标记数的影响，双子叶植物的遗传参数受SSR标记数影响较大，裸子植物和单子叶植物受SSR标记数影响较小（表2）.

3 讨论

3.1 取样策略

SSR标记在遗传多样性和遗传分化研究中是一个非常重要的工具，而在SSR相关研究中取样策略的制定对SSR研究结果解释的可靠性至关重要[2-3，5].本次研究统计得到的平均取样种群数为11，种群的平均取样个体数为31.本次研究发现统计的150种植物中，平均取样种群数小于4的植物仅有16种，每个种群平均取样个体数小于10的植物仅有5种，平均取样个体数大于50的植物有17种.取样种群数和取样个体数对本研究选取的4个遗传多样性参数均没有影响，而SSR标记数与遗传分化系数FST呈显著正相关，与多样性指数HO和HE呈显著负相关，这可能是由于单个标记的多态性较低时，研究者们都倾向于探讨更多的标记从而增加结果的可靠性.

Nybom和Bartish[2]的研究表明，取样种群数、取样个体数和RAPD标记数对各遗传参数（ΦST，GST，Hpop）没有明显影响，但是ΦST、GST值会随着种群间的取样距离的增加而增加，Hpop随着取样距离的增加而减小，进一步的分析发现只在异交植物类群中ΦST、GST值会随着种群间取样距离的增加而增加，自交植物类群中ΦST，GST与取样距离之间无显著相关关系.作者的统计结果表明，遗传参数HO会随着取样距离的增加减少，HE，FST和RST与取样距离之间相关关系虽然不显著，但FST和RST值也是随取样距离的增加而增加的.两种标记得出的结论基本一致.

3.2 遗传参数的估测

本次统计的106种同时采用了HO和HE这两种多样性指数的植物中，有91种植物HE>HO，仅有15种植物HE

3.3 不同生活史类型植物间的遗传多样性指数比较

本次研究发现，繁育系统、生活型和分类地位与种群遗传参数具有较大关联，而种子传播类型和分布范围对各遗传参数影响不显著.

Hamrick， Godt[1]和Ellstrand， Elam[21]认为植物的繁育系统可作为解释遗传多样性水平的主要因素，在自交种群和其他类型种群之间差异显著.本研究发现，自交植物在种群水平上的遗传多样性水平明显低于其他类型植物，而遗传分化程度则相对较高，这与已有的研究结论一致[1-3，22].

作者还发现，不同生活型的植物各遗传多样性指数差异极为显著.一年生植物的多样性指数HO和HE值均明显低于短寿多年生或长寿多年生植物，且长寿多年生植物HO和HE的平均值最大；长寿多年生植物的遗传分化系数FST和RST均较低.而在Hamrick， Godt[1]， Nybom， Bartish[2]及Nybom[3]的统计中，长寿多年生植物的H参数也都比较高，而遗传分化值比较低.

从本研究的统计结果看，分类地位与种群多样性具有一定关联.总体上，裸子植物的遗传多样性水平高于被子植物，但裸子植物和双子叶植物的HO和HE值差异不明显，均明显地高于单子叶植物.裸子植物种群间遗传分化值（FST和RST）均相对较低，这与Nybom， Bartish[2]和Hamrick， Godt[1]的统计结果一致.因此，裸子植物和双子叶植物较高的种群内遗传多样性可能与其长寿多年生和异交繁殖等生活史特征有关[2，23].

Hamrick， Godt[1]和Karron[24]的研究结果都表明，特有或濒危种的遗传变异水平比广布种低，特别是在种群水平上.但是，也有研究认为，地理分布范围并不是决定物种的遗传多样性水平和遗传结构的重要因素.近年来有不少研究表明，一些特有和濒危物种却保持着较高水平的遗传变异，如太白红杉Larix potaninii var. chinensis，尾叶桉Eucalyptus urophylla和短叶雪松Cedrus brevifolia等[25-27].本文中，分布范围对多样性指数影响不显著，这与Nybom， Bartish[2]基于RAPD标记的统计结果基本一致，而与Hamrick和Godt[1]基于等位酶与Nybom[3]基于STMS标记的统计结果不同，Nybom[3]的结果表明不同分布范围HO和HE差异较显著（P<0.05），而FST的差异不显著，鉴于张德全[22]的研究，HO和HE不适合在不同标记之间进行比较，但遗传分化参数在不同标记中的研究结果基本一致，即无论是RAPD还是SSR，不同分布范围对FST的值影响不是很大.即使如此，本文与已有的研究都表明，广布种一般都表现出较高的遗传多样性.因此，作者认为，广布种在通常情况下具有较特有或濒危种更高的遗传多样性，但这不是绝对的；一些人为因素导致的濒危种，如黄山梅Kirengeshoma palmata，由于其遗传基础较丰富，其野生种群数量和个体数量可能很少，仍然可能维持着较高的遗传多样性[28].

本研究还发现，不同种子传播类型的植物统计得到的遗传参数之间均没有显著性差异，这与Nybom[3]的统计结果不一致，却与Nybom和Bartish[2]的统计结果一致.但Nybom和Bartish[2]在附着传播和风/水传播的统计植物均只有3种，其统计的随机误差可能较大.

综上所述，鉴于自交植物、一年生植物和单子叶植物的遗传多样性指数水平较低，考虑到SSR标记数与各遗传参数有显著的负相关关系，因此建议在进行自交植物、一年生植物和单子叶植物的相关研究时可选用较少的SSR标记，而在异交植物、多年生植物、裸子植物和双子叶植物的相关研究中可选用较多的SSR标记.

4 结论

本文探讨了基于SSR标记的取样策略和植物生活史特性对遗传多样性参数的影响.统计结果表明，SSR标记数目与各种群遗传参数显著相关，研究者增加标记的使用数目，可以有效提高种群遗传分析中的遗传分化值；而取样距离对种群间遗传多样性指数的正相关影响，已经得到许多相关研究的证明.对不同生活史特性植物遗传多样性的统计分析表明，繁育系统、生活型和分类地位与种群遗传多样性指数具有较大关联，自交植物的遗传多样性水平明显低于其他类型植物；一年生植物的遗传多样性水平明显低于短寿多年生或长寿多年生植物，且长寿多年生植物的遗传多样性水平最高.传播类型和分布范围对各遗传指数影响不显著.考虑到SSR标记数与遗传参数（HO，HE）有显著的负相关关系，因此建议在进行异交植物、多年生植物、裸子植物和双子叶植物的相关研究中可选用较多的SSR标记.此外，检测方法对遗传参数也有一定的影响，使用测序技术得出的遗传参数HO，HE和NA均高于电泳银染技术.

参考文献：

[1] HAMRICK J L， GODT M J W. Plant population genetics， breeding， and genetic resources[M]. Massachusetts： Sinauer Associates Inc， 1990.

[2] NYBOM H， BARTISH I V. Effect of life history traits and sampling strategies on genetic diversity estimates obtained with RAPD markers in plants[J]. Perspect Plant Ecol， Evol Syst， 2000， 3（2）：93-114.

[3] NYBOM H. Comparison of different nuclear DNA markers for estimating intraspecific genetic diversity in plants[J]. Mol Ecol， 2004，13（5）：1143-1155.

[4] DUMINIL J， FINESCHI S， HAMPE A， et al. Can population genetic structure be predicted from life-history traits？ [J].Am Nat， 2007，169（5）：662-672.

[5] LEBERG P L. Estimating allelic richness： effects of sample size and bottleneck[J]. Mol Ecol， 2002，11（11）：2445-2449.

[6] MARIETTE S， LE C V， AUSTERLITZ F， et al. Sampling with the genome for measuring within-population diversity： trade-offs between markers[J]. Mol Ecol， 2002，11（7）：1145-1156.

[7] KHANLOU K M， VANDEPITTE K， ASL L K， et al. Towards an optimal sampling strategy for assessing genetic variation within and among white clover （Trifolium repens L.） cultivars using AFLP[J]. Genet Mol Biol， 2011，34（2）：252-258.

[8] STUDNICKI M， MADRY W， SCHMIDT J. Comparing the efficiency of sampling strategies to establish a representative in the phenotypic-based genetic diversity core collection of orchardgrass （Dactylis glomerata L.） [J].Czech J Genet Plant， 2013，49（1）：36-47.

[9] WATTIER R， ENGEL CR， SAUMITOU-LAPRADE P， et al. Short allele dominance as a source of heterozygote deficiency at microsatellite loci： experimental evidence at the dinucleotide locus Gv1CT in Gracilaria gracilis （Rhodophyta）[J]. Mol Ecol， 1998，7（11）：1569-1573.

[10] CRAFT KJ， ASHLEY M V， KOENIG W D. Limited hybridization between Quercus lobata and Quercus douglasii （Fagaceae） in a mixed stand in central coastal California[J]. Am J Bot， 2002，89（11）：1792-1798.

[11] WRIGHT S. The genetical structure of populations[J]. Ann Hum Genet， 1951，15（4）：323-334.

[12] WRIGHT S. The interpretation of population structure by F-statistics with special regard to systems of mating[J]. Evolution， 1965，19（3）：395-420.

[13] LYNCH M， MILLIGAN B G. Analysis of population genetic structure with RAPD markers[J]. Mol Ecol， 1994，3（2）：91-99.

[14] PALACIOS C， GONZLEZ-CANDELAS F. Analysis of population genetic structure and variability using RAPD markers in the endemic and endangered Limonium dufourii （Plumbaginaceae）[J]. Mol Ecol， 1997，6（12）：1107-1121.

[15] SLAKTIN M. A measure of population subdivision based on microsatellite allele frequencies[J].Genetics， 1995，139（1）：457-462.

[16] COLLEVATTI R G， GRATTAPAGLIA D， HAY J D. Population genetic structure of the endangered tropical tree species Caryocar brasiliense， based on variability at microsatellite loci[J]. Mol Ecol， 2001，10（2）： 349-356.

[17] OLSEN K M， SCHAAL B A. Microsatellite variation in cassava （Manihot Esculenta， Euphorbiaceae） and its wild relatives： further evidence for a southern Amazonian origin of domestication[J]. Am J Bot， 2001，88（1）：131-142.

[18] RAYBOULD AF， MOGG RJ， ALDAM C， et al. The genetic structure of sea beet （Beta vulgaris ssp. maritima） populations. Ⅲ Detection of isolation by distance at microsatellite loci[J]. Heredity， 1998，80（1）：127-132.

[19] REUSCH T B H， STAM W T， OLSEN J L. A microsatellite-based estimation of clonal diversity and population subdivision in Zostera marina， a marine flowering plant[J]. Mol Ecol， 2000，9（2）：127-140.

[20] GAGGIOTTI O E， LANGE O， RASSMANN K， et al. A comparison of two indirect methods for estimating average levels of gene flow using microsatellite data[J]. Mol Ecol， 1999，8（9）：1513-1520.

[21] ELLSTRAND N C， ELAM D R. Population genetic consequences of small population size： implications for plant conservation[J]. Ann Rev Ecol Syst， 1993，24：217-242.

[22] 张德全， 杨永平. 几种常用分子标记遗传多样性参数的统计分析[J]. 云南植物研究， 2008，30（2）：159-167.

[23] DAZ V， MUIZ LM， FERRER E. Random amplified polymorphic DNA and amplified fragment length polymorphism assessment of genetic variation in Nicaraguan populations of Pinus oocarpa[J]. Mol Ecol， 2001，10（11）：2593-2603.

[24] KARRON J D. Genetics and Conservation of Rare Plants[M]. New York： Oxford University Press Inc， 1991.

[25] ELIADES N H， GAILING O， LEINEMANN L， et al. High genetic diversity and significant population structure in Cedrus brevifolia Henry， a narrow endemic Mediterranean tree from Cyprus [J]. Plant Syst Evol， 2011，294（3-4）：185-198.

[26] OLEAS N H， MEEROW A W， FRANCISCO-ORTEGA J. Population dynamics of the endangered plant， Phaedranassa tunguraguae， from the tropical Andean hotspot[J]. J Hered， 2012，103（4）：557-569.

[27] PAYN K G， DVORAK W S， JANSE B J H， et al. Microsatellite diversity and genetic structure of the commercially important tropical tree species Eucalyptus urophylla， endemic to seven islands in eastern Indonesia[J]. Tree Genet Genomes， 2008，4（3）：519-530.

[28] ZHANG X P， LI X H， QIU Y X. Genetic diversity of the endangered species Kirengeshoma palmata （Saxifragaceae） in China[J]. Biochem Syst Ecol， 2006，34（1）：38-47.

（编辑 王 健）