超级稻品种中嘉早17高产相关性状的QTL定位

胡大维圣忠华陈 炜李潜龙魏祥进邵高能 焦桂爱王建龙胡培松谢黎虹,*唐绍清,*农业部水稻生物学与遗传育种重点实验室 / 水稻生物学国家重点实验室 / 中国水稻研究所, 浙江杭州 30006;湖南农业大学农学院, 湖南长沙 408

超级稻品种中嘉早17高产相关性状的QTL定位

胡大维1,**圣忠华1,**陈 炜1,2李潜龙1,2魏祥进1邵高能1焦桂爱1王建龙2胡培松1,2谢黎虹1,*唐绍清1,*
1农业部水稻生物学与遗传育种重点实验室 / 水稻生物学国家重点实验室 / 中国水稻研究所, 浙江杭州 310006;2湖南农业大学农学院, 湖南长沙 410128

水稻产量事关粮食安全, 对水稻高产基因的进一步挖掘意义重大。本研究采用花药培养技术, 构建了包含101个株系的中嘉早17×D50的加倍单倍体群体(DH群体)。考察海南陵水、浙江杭州高产田块和杭州山区低产田块3种种植环境下DH群体各株系、亲本中嘉早17和D50的有效穗数、每穗粒数、结实率以及千粒重等产量相关性状,同时构建DH群体的遗传连锁图谱。QTL定位分析表明, 3种种植环境下共检测到74个具有显著加性效应的QTL, 其贡献率变幅为3.7%～43.2%, 分布于水稻12条染色体。其中, qPH1-1和qFLL12在3种种植环境下均被检测到, 其贡献率分别为8.9%、24.2%、43.2%和16.6%、17.9%、18.9%。此外, qPH3、qFLL10-2、qFLW11-1、qPL11、qGNP11、qSSR3以及qTGW5-1 7个QTL在其中2种种植环境下被同时检测到, 其贡献率变幅为7.4%～42.2%。QTL×环境互作分析表明, 仅qPH1-1、qFLW2、qEPP1和qTGW5-1 4个QTL存在显著的加性×环境互作效应。进一步对qTGW5-1定位区间所包含的GW5测序分析表明, 高产株系和低产株系的GW5等位基因分别来自亲本中嘉早17和D50, 这与检测到的qTGW5-1的加性效应来自亲本中嘉早17相符。本研究为今后水稻产量相关基因的进一步挖掘以及借助分子聚合育种培育超高产品种提供了理论依据和技术支撑。

产量性状; QTL定位; DH群体; 中嘉早17; 水稻

水稻作为世界上最重要的粮食作物之一, 是全球一半以上人口的主食和热量来源, 因而高产和超高产育种一直倍受关注。有效穗数、每穗粒数、结实率和千粒重是水稻产量最重要的构成因素[1-2], 它们均属于由多基因控制的数量性状, 表现为连续变异, 且易受环境的影响, 遗传基础十分复杂, 因而目前对产量相关性状的研究应用较多的是基于连锁的QTL定位法, 即通过初级分离群体初步鉴定相关QTL, 进而构建次级分离群体进行精细定位, 最终达到基因分离和克隆的目的[3-4]。

近年来, 水稻产量相关基因的定位与克隆取得了长足的进步, 这些基因既包括控制某一性状的主效基因如GS5[5]、GW2[6]、GW8[7]等, 也包括同时影响多个性状的一因多效基因如 Ghd7[8]、DTH8[9]等。其中, PROG1[10-11]和 IPA1(WFP)[12-13]分别被定位于第7和第8染色体, 前者在编码区的变异是野生稻的不利株型(匍匐生长和分蘖过多)转变为栽培稻的理想株型(直立生长和分蘖适当)的主要原因, 后者则能与控制水稻分蘖侧芽生长的负调控因子OsTB1的启动子直接结合, 从而抑制水稻分蘖的发生。此外, 参与独脚金内酯和生长素等激素信号通路的 THIS1[14]在调控水稻分蘖的形成过程中也发挥着重要作用。Gnla[15]是控制每穗实粒数的主效 QTL, 其编码一种降解细胞分裂素的酶OsCKX2, 降低OsCKX2的表达量引起花序分裂组织中细胞分裂素的积累, 从而增加颖花数量并最终促使产量提高。DEP1[16-17]编码一个功能未知的含PEBP类结构域和VWFC结构域的蛋白, 其结构域与 GS3具有一定的同源性, DEP1能够提高分生组织的活性, 进而降低穗颈节长度, 增加每穗实粒数, 最终提高产量。此外,影响粒重的 GS3[18]、GW5[19]、GS5[5]、TGW6[20]等重要功能基因也相继被克隆, 这些基因通过影响细胞的数目或大小来调控籽粒的形状, 从而间接影响了水稻的千粒重。最近, 有学者在第 7染色体上克隆到一个新的同时控制粒重和粒长的主效QTL GLW7[21], GLW7编码一个植物特异性转录因子 OsSPL13, 其高水平表达促进谷壳细胞长度的增加, 进而提高水稻的粒长和千粒重。水稻产量相关基因的成功克隆为在分子水平上阐明水稻的高产机理, 同时也为分子聚合育种提供了有价值的基因资源。

加倍单倍体群体(DH群体)是由F1植株的花药离体培养并经染色体加倍处理而产生, 因此每个株系的基因型是纯合稳定的, 属于永久性群体。由于DH群体具有遗传干扰小、可永久继代保存等优点, 在水稻的数量性状 QTL定位研究中得到了广泛应用。穆平等[22]以IRAT109×越富的DH群体为材料, 在低磷和正常栽培条件下, 考查有效穗数、结实率、千粒重等产量性状, 检测到17个耐低磷QTL。杨小林等[23]以魔王谷×鄂晚8号的DH群体为材料, 用 5个毒性不同的鉴别菌株考查其稻瘟病抗性, 最后在第6染色体长臂标记RM541附近鉴定出3个抗性QTL。王小虎等[24]以窄叶青8号×京系17的DH群体为材料, 通过水培法于齐穗期考查与抗倒伏相关的地下部根系性状以及地上部分蘖数、株高等性状, 共检测到8个性状的13个相关QTL。

本研究以超级稻品种中嘉早17×D50 (热带粳稻品种)的 DH群体为材料, 构建遗传连锁图谱, 同时考察海南陵水、浙江杭州高产田块和杭州山区低产田块 3种种植环境下各株系产量相关性状表现, 检测影响产量相关性状的QTL, 进一步根据QTL定位区间包含的已克隆的产量相关基因, 对 DH群体中代表性的高产株系和低产株系产量相关基因进行测序分析, 从而验证产量相关QTL加性效应的方向。研究结果为今后产量性状相关QTL的精细定位和克隆, 阐明超级稻品种中嘉早17的高产机制; 同时也为将中嘉早17高产相关的优异等位基因导入其他水稻遗传背景, 借助分子聚合育种培育综合性状更加优良的超级稻品种提供理论依据和技术支撑。

1 材料与方法

1.1 供试材料

超级稻品种中嘉早17集优质(专用)、高产、抗逆、广适于一体, 同时还具有环境友好等显著特点,为长江中下游稻区主推早籼品种, 2013—2016年连续 4年被农业部推荐为主导品种, 是目前我国籼稻年推广面积最大的品种; D50是来自美国的热带粳稻品种, 属于Lement系列。2014年2月于海南陵水, 以中嘉早17为母本, D50为父本配置杂交组合, 得到F1。2014年6月于浙江杭州种植F1植株, 取F1幼穗(幼穗分化7期), 利用花药培养技术, 构建了由101个株系组成的中嘉早17×D50的加倍单倍体群体(DH群体)。

1.2 材料种植与农艺性状考查

于2015年6月分别在浙江杭州高产田块和杭州山区低产田块(以下简称高产田和低产田)以及于2015年12月在海南陵水中国水稻研究所海南试验中心种植中嘉早17、D50以及DH群体。随机区组设计,单本栽插, 株行距为18 cm×22 cm, 每个株系6行, 每行8株。田间水肥管理及病虫害防治同常规大田。

成熟时, 从亲本中嘉早17和D50选取表型一致的6个单株, 从DH群体每个株系第2行第3株起(剔除边行)随机收取3株考察农艺性状。按照考种标准考察各单株的株高、剑叶长、剑叶宽、有效穗数、穗长、每穗粒数、结实率、千粒重、单株产量等 9个性状。利用Microsoft Excel 2010和SPSS19.0处理和分析数据。

1.3 遗传连锁图谱构建及QTL定位分析

利用本实验室556个分布于水稻12条染色体的SSR标记对亲本中嘉早17和D50进行多态性筛选,所有的 SSR标记由杭州擎科生物技术有限公司合成。采用SDS法[25]提取亲本和DH群体的DNA。

将在亲本中嘉早17和D50之间表现多态性的标记, 用于 DH群体各株系的基因型分型。利用Mapmaker 3.0构建连锁图谱, 利用Kosambi函数将重组率转化为遗传距离(cM)[26]。应用MapDraw V2.1绘制遗传连锁图谱。应用Windows QTL Cartographer 2.5的复合区间作图法(CIM)进行QTL定位分析[27], 在P＜0.05的条件下, 以1000次permutation计算的结果确定QTL的阈值, 采用McCouch的命名规则对检测到的QTL命名[28]。利用QTLNetwork-2.1检测QTL与环境的互作效应。

1.4 产量相关基因的测序分析

根据QTL定位区间所包含的已克隆的产量相关基因, 利用 Gramene网站获取基因的序列信息, 利用Primer Premier 5设计测序引物, 由上海铂尚生物科技有限公司对中嘉早17×D50 DH群体中代表性的高产株系和低产株系以及2个亲本进行测序分析。

2 结果与分析

2.1 DH群体的遗传构成

以各株系内中嘉早17基因组所占的比率分析DH群体的遗传构成(图1)。在 DH群体不同株系的基因组中, 中嘉早17基因组所占比率的变幅为32%～90%, 平均为53%, 表明2个亲本基因组在 DH群体中所占的比例相近, 花药培养后代群体总体上未出现严重的偏分离。

图1 DH群体的遗传结构Fig. 1 Frequency distribution of YK17 genome in the DH population derived from YK17 × D50

2.2 遗传连锁图谱的构建及标记的偏态性分析

选用170个在亲本中嘉早17和D50之间表现多态性, 且均匀覆盖水稻12条染色体的SSR标记构建连锁图谱。该图谱包含 12个连锁群, 总图距为1215.2 cM, 标记之间最大遗传距离为 26.9 cM, 最小为0.5 cM, 平均遗传距离为7.1 cM。每条染色体标记数为9～24个, 平均为14个。

利用卡方检验判断170个SSR标记在DH群体中是否以 1∶1的比例分离。结果表明, 共有79个标记在P＜0.01水平上极显著地偏离预期的孟德尔分离比, 占总标记数的46.5%。其中, 32个标记偏向于D50, 47个标记偏向于中嘉早17 (表1)。除第12染色体外, 其余各条染色体上均有偏分离标记分布。这些标记绝大部分以成簇的形式分布在染色体上的特定区域, 形成偏分离热点区域, 且偏分离方向基本一致。

表1 各染色体多态性标记数及标记偏态性分布Table 1 Number of polymorphic markers and distribution of distorted segregation on each chromosome of rice

2.3 DH群体及亲本的产量相关性状表现

2016年在海南、2015年在高产田及2015年在低产田 DH群体与亲本的产量相关性状表现见表 2和图2。不同种植环境下中嘉早17与D50在株高、剑叶宽、每穗粒数以及千粒重等诸多性状上存在显著或极显著的差异。DH群体所有性状均表现出双向超亲分离, 并呈连续性分布。在海南种植环境下, 只有有效穗数的峰度和偏度大于 1, 而在高产田和低产田种植环境下未出现峰度和偏度同时大于 1的性状, 表明 3种种植环境下绝大部分产量相关性状呈正态分布, 显示出典型的数量性状遗传特征, 符合QTL定位的要求。

2.4 DH群体产量相关性状间的相关性

在不同种植环境下, DH群体部分产量相关性状间存在显著甚至极显著的相关性(表3)。例如穗长与株高、剑叶长; 每穗粒数与株高、剑叶长、有效穗数、穗长; 结实率与剑叶长、每穗粒数; 单株产量与株高、结实率等性状间在3种种植环境下均显著或极显著相关。此外, 其他产量相关性状间也存在一定的相关性, 如千粒重与每穗粒数、结实率在高产田和低产田种植环境下均显著相关; 单株产量与千粒重在高产田和低产田种植环境下均极显著正相关。由此表明水稻产量相关性状间关系密切, 相互作用, 共同影响水稻的产量。

2.5 DH群体产量相关性状的QTL定位分析

3种种植环境下共检测到74个具有显著加性效应的QTL, 分布于水稻的12条染色体上, 单个QTL的贡献率变幅为3.7%～43.2%。其中, 检测到QTL数量最多的性状是株高, 为16个; 最少的是有效穗数,仅有4个。在所有的QTL中, 3种种植环境下均被检测到的有2个, 即qPH1-1和qFLL12, 其加性效应分别来自中嘉早 17和 D50, 贡献率分别为 8.9%、24.2%、43.2%和 16.6%、17.9%、18.9%。2种环境下同时被检测到的有7个, 分别为qPH3、qFLL10-2、qFLW11-1、qPL11、qGNP11、qSSR3以及qTGW5-1。具体分析如下:

2.5.1 株高 3种种植环境下共检测到控制株高的QTL 16个, 分布于除第6、第8和第12染色体外的其他9条染色体上, 单个QTL对表型的贡献率为3.7%～43.2%。位于第1染色体RM8068-RM1329区间内的qPH1-1在3种种植环境下均被检测到, 其贡献率分别为24.2%、43.2%和8.9%, 加性效应均来自中嘉早17, 即来自中嘉早17的等位基因促使其株高增加。另外, 还在高产田和低产田 2种种植环境下同时检测到影响株高的1个QTL, 即位于第3染色体RM16115-RM7389区间内的qPH3, 其贡献率分别为29.1%和42.2%, 加性效应均来自D50。

2.5.2 剑叶长 3种种植环境下共检测到控制剑叶长的QTL 7个, 分别位于第2、第7、第10、第11、第12染色体上, 单个QTL可解释7.0%～22.0%的表型变异。3种种植环境下同时检测到的QTL有1个, 即位于第12染色体RM28546-RM28607区间内的 qFLL12, 其对表型的贡献率分别为 17.9%、18.9%和 16.6%, 加性效应均来自 D50。位于第 10

染色体RM3451-RM228区间内的QTL qFLL10-2在低产田和海南种植环境下被同时检测到, 其对表型的贡献率分别为15.9%和11.9%, 来自中嘉早17的等位基因促使其剑叶长增加。

表2 DH群体及亲本的产量相关性状表现Table 2 Performance of yield and its related traits of YK17×D50 DH population

图2 DH群体中产量相关性状的分布Fig. 2 Frequency distribution of yield and its related traits in YK17×D50 DH population

2.5.3 剑叶宽 3种种植环境下共检测到控制剑叶宽的QTL 8个, 分布于第2、第3、第4、第6、第 8、第 11染色体上, 对表型的贡献率从 5.1%至37.5%不等。位于第11染色体RM286-RM26062区间内的 qFLW11-1在高产田与低产田种植环境下被同时检测到, 其加性效应均来自中嘉早17, 可分别解释表型变异的37.5%和28.2%。

2.5.4 有效穗数 3种种植环境下共检测到控制有效穗数的QTL 4个, 分别位于第1、第2和第5染色体上, 单个QTL的贡献率从11.7%至24.1%不等。除qEPP1的加性效应来自中嘉早17外, 其余3个QTL qEPP2-1、qEPP2-2和qEPP5的加性效应均来自于D50。

2.5.5 穗长 3种种植环境下共检测到控制穗长的QTL 8个, 分别位于第1、第2、第6、第7、第10、第 11染色体上, 对表型的贡献率为 10.5%～25.0%。位于第11染色体RM286-RM26062区间内的qPL11在高产田和低产田种植环境下被同时检测到, 其对表型的贡献率分别为22.4%和10.5%, 来自中嘉早17的等位基因促使其穗长增加。

表3 3种种植环境下DH群体各产量相关性状间的相关系数Table 3 Correlation coefficients among yield related traits in DH population of YK17×D50 under three different planting environments

2.5.6 每穗粒数 3种种植环境下共检测到控制每穗粒数的QTL 9个, 分布于第1、第2、第5、第6、第11、第12染色体上, 单个QTL对表型的贡献率为7.8%～34.8%。除qGNP5-1、qGNP6-2和qGNP12的加性效应来自D50外, 其余6个QTL的加性效应均来自于中嘉早 17。位于第 11染色体 RM286-RM26062的qGNP11在低产田和海南种植环境下被同时检测到, 其贡献率分别为32.5%和23.1%, 来自中嘉早17的等位基因提高了每穗粒数。

2.5.7 结实率 3种种植环境下共检测到控制结实率的QTL 7个, 分布于第1、第2、第3、第6、第10染色体上, 单个QTL可解释11.4%～31.4%的表型变异。位于第3染色体RM16115-RM7389区间内的qSSR3在高产田和低产田种植环境下被同时检测到, 其对表型的贡献率分别为12.1%和15.2%, 来自D50的等位基因使其结实率提高。

2.5.8 千粒重 3种种植环境下共检测到控制千粒重的QTL 10个, 分布于第3、第5、第6、第7、第10染色体上, 对表型的贡献率为5.6%～22.9%。其中第5染色体RM17960-RM169区间内的qTGW5-1在低产田和海南种植环境下均被检测到, 其对表型的贡献率分别为 19.5%和 7.4%, 加性效应均来自中嘉早17。

2.5.9 单株产量 3种种植环境下共检测到控制单株产量的QTL 5个, 分别位于第1、第2、第8染色体上, 单个 QTL可解释 12.6%～32.8%的表型变异。加性效应全部来自中嘉早17, 即来自中嘉早17的等位基因使其单株产量增加。

表4 3种种植环境下DH群体检测到的产量相关性状QTLTable 4 QTLs affecting yield and its related traits detected in DH population derived from YK17×D50 under three different planting environments

(续表4)

图3 中嘉早17×D50 DH群体3种不同种植环境下重复检测到的产量相关性状QTL分布Fig. 3 Distribution of QTLs for yield and its related traits on chromosomes detected repeatedly in YK17×D50 DH population under three different planting environments

2.6 产量相关性状QTL与环境的互作分析

对 3种种植环境下各性状的表型数据进行联合分析, 共检测到6个性状的8个QTL与环境存在互作效应(表 5), 与各自的加性效应相比, 这些QTL×环境的互作效应明显较低, 例如株高 QTL qPH1-1在高产田、低产田和海南3种种植环境下加性效应分别为-8.44、-11.18和-4.70, 而相应的互作效应则分别为-1.00、-0.71和 1.71。此外, qPH1-1、qFLW2、qEPP1和qTGW5-1 4个QTL与环境的互作效应达到了显著水平, 表明它们控制的株高、剑叶宽、有效穗数及千粒重的表达受环境的影响较大。

表5 产量相关性状QTL与环境的互作效应Table 5 QTLs with additive × environment interaction for yield related traits detected in DH population

2.7 千粒重QTL qTGW5-1的加性效应验证分析

应用 Windows QTL Cartographer2.5, 在低产田和海南种植环境下, 同时检测到 1个千粒重QTL, 即位于第5染色体RM17960-RM169区间内的 qTGW5-1, 该区间包含已经克隆的控制粒宽和粒重的主效基因GW5, 因此推测GW5是qTGW5-1的候选基因之一。为验证qTGW5-1的加性效应方向, 对 DH群体中代表性的高产株系和低产株系以及亲本中嘉早17、D50中GW5的等位基因进行序列分析。结果表明, 中嘉早17和D50在该等位基因内部220～234 bp及340～342 bp处分别有一个小片段缺失(表6), 在170、440、810和830 bp四处也存在着碱基的差异。与亲本中嘉早 17相比,高产株系DH-8、DH-27和DH-47在220～234 bp处存在着相同的缺失, 在其余 5个 SNP位点上,其序列也与亲本中嘉早17一致。与此相反, 低产株系DH-19、DH-6和DH-53在上述所有位点上与亲本 D50序列完全一致, 表明高产株系 DH-8、DH-27和DH-47所携带的GW5等位基因来自亲本中嘉早 17, 而低产株系 DH-19、DH-6和 DH-53中所携带的 GW5等位基因来自亲本 D50, 这与qTGW5-1的加性效应来自中嘉早17的定位结果相符, 即来自中嘉早17的等位基因能使千粒重增加,进而促进产量的提高。

表6 中嘉早17×D50 DH群体高产株系和低产株系的GW5 SNP分型及对应的产量表型Table 6 SNP genotyping of GW5 and corresponding yield phenotypes among high yield lines and low yield lines of YK17×D50 DH population

3 讨论

3.1 产量相关性状QTL定位结果的比较分析

水稻产量相关性状的遗传不仅受到基因位点本身的遗传力控制, 而且易受外界环境、内部其他基因以及不同世代遗传背景的影响[29-30], 因而同一性状除在不同的作图群体中表现不一致外, 同一遗传群体在不同年份间, 不同种植环境下QTL的检测结果也会有所不同[31]。本研究共检测到74个产量相关性状QTL, 但仅qPH1-1和qFLL12两个QTL在3种种植环境下被同时检测到, 另有 qPH3、qFLL10-2、qFLW11-1、qPL11、qGNP11、qSSR3以及qTGW5-1 7个QTL在其中2种种植环境下被同时检测到, 显示出不同条件下QTL的差异化表达。

与其他学者的研究结果比较分析表明, 本研究在多个性状上检测到相同的QTL, 部分QTL区间包含已经克隆的产量相关基因。例如, 株高 QTL qPH1-1的定位区间内包含已克隆的矮秆基因D18。qPH3与罗炬等[25]报道的 qPH-3属于同一区间。剑叶宽 QTL qFLW2与邓家耀[32]报道的 qFLW-2c和qFLW-2d位于同一区域。结实率QTL qSSR3与冯跃等[33]报道的 qSSR3以及苏相文[34]报道的 qSSR-3-1和qSSR-3-2位于同一区间, 且影响每穗实粒数的基因OsRLCK118和OsGA20ox1均位于此区间。千粒重QTL qTGW5-1所在区间RM17960-RM169包含已被克隆的粒形基因GS5和GW5; 已被克隆的粒形基因GS3则位于qTGW3-2所在区间标记RM6914附近。此外, 单株产量QTL qYSP1-2与文飘等[35]报道的qYD1-2位于同一区间。

此外, 本研究还检测到多个未见报道的重要产量相关性状QTL, 例如控制每穗粒数的qGNP11和控制千粒重的 qTGW5-3。qGNP11在低产田和海南种植环境下被重复检测到, 其加性效应分别高达24.50粒和19.81粒, 贡献率分别为32.5%和23.1%, QTL×环境互作分析表明, qGNP11在 3种种植环境下其加性×环境互作效应分别为 1.93、0.61和 2.50粒, 远远小于相应的加性效应, 且均未达到显著水平。qTGW5-3在高产田种植环境下其LOD值为2.80 (表4中未列出), 加性效应和贡献率分别为-4.60和11.9%, 在海南种植环境下 qTGW5-3未被检测到,但另一个千粒重QTL qTGW5-2被检测到, 比较分析发现, qTGW5-2与 qTGW5-3的峰值均位于标记RM3790附近, 且加性效应方向一致, 均来自中嘉早17, 因此推测qTGW5-2与qTGW5-3为同一位点, 可能表型数据的误差造成了 qTGW5-2定位区间的偏差。QTL×环境互作分析未发现 qTGW5-3与环境存在明显的相互作用。qGNP11和qTGW5-3的效应值高, 可被重复检测到, 受环境的干扰小, 对水稻高产具有显著促进作用。

3.2 产量相关性状QTL的育种应用

对水稻产量相关性状QTL的分析, 其目的一方面是为了进一步克隆、挖掘产量相关基因, 继而通过转基因等生物技术将优异等位基因导入不同的水稻遗传背景, 实现目标性状的快速改良; 另一方面,通过开发与产量相关QTL紧密连锁的分子标记, 利用分子标记辅助选择等育种手段将不同的优异等位基因聚合到同一遗传背景中, 从而培育综合性状更加优良的水稻新品种。杨益善等[36]以含有高产QTL yld1.1和yld2.1的测交材料为供体, 以64-7为受体,利用分子标记辅助选择和田间选择相结合的方法育成了携带yld1.1和yld2.1的强优势恢复系远恢611。邓化冰等[37]以9311为受体, 利用分子标记辅助选择育成分别含有yld1.1、yld2.1以及yld1.1和yld2.1两个QTL的株系。携带高产QTL的新育成株系理论产量高于受体亲本 9311; 而且同时携带 2个高产QTL的株系, 其理论产量显著高于携带单个高产QTL的株系。

本研究中共检测到5个单株产量QTL, 加性效应全部来自亲本中嘉早17, 其中, 加性效应最小的是qYSP1-1, 为2.44 g, 加性效应最大的是qYSP1-2,为4.19 g, 这5个QTL的贡献率均超过10%, 甚至qYSP1-2的贡献率高达32.8%。此外, 在检测到的10个千粒重QTL中, 有5个的加性效应来自中嘉早17;进一步对qTGW5-1定位区间所包含的产量相关基因GW5的测序分析表明, DH群体中高产株系的GW5等位基因全部来自亲本中嘉早17, 与qTGW5-1的加性效应全部来自中嘉早17的定位结果相印证, 这些结果表明超级稻品种中嘉早17携带多个高产相关的QTL, 未来可针对这些高产相关 QTL, 尤其是效应值高, 可重复检测到的qTGW5-1、qTGW5-3等开发相应的紧密连锁分子标记, 结合分子聚合育种, 将中嘉早17携带的高产相关QTL聚合到其他水稻遗传背景中, 从而实现水稻产量的进一步提升。

4 结论

利用超级稻品种中嘉早17为母本, 热带粳稻D50为父本构建的DH群体, 在3种种植环境下共检测到有效穗数、每穗粒数、结实率、千粒重和单株产量等9个产量相关性状的74个QTL; 其中, 5个千粒重QTL和所有单株产量QTL的加性效应均来自中嘉早17, 表明超级稻品种中嘉早17携带多个高产相关 QTL, 今后在超级稻品种培育上可充分利用这些 QTL尤其是效应值高、表达稳定的 qTGW5-1和 qTGW5-3, 将其导入其他优异水稻遗传背景, 借助分子聚合育种选育综合性状更加优良的超级稻新品种。

References

[1] 许凌, 张亚东, 朱镇, 赵凌, 赵庆勇, 张巧凤, 王才林. 不同年份水稻产量性状的 QTL分析. 中国水稻科学, 2008, 22: 370–376 Xu L, Zhang Y D, Zhu Z, Zhao L, Zhao Q Y, Zhang Q F, Wang C L. Dissection of QTLs in two years for yield component traits in rice (Oryza sativa). Chin J Rice Sci, 2008, 22: 370–376 (in Chinese with English abstract)

[2] 占小登, 于萍, 林泽川, 陈代波, 沈希宏, 张迎信, 付君林, 程式华, 曹立勇. 利用大粒籼/小粒粳重组自交系定位水稻生育期及产量相关性状QTL. 中国水稻科学, 2014, 28: 570–580 Zhan X D, Yu P, Lin Z C, Chen D B, Shen X H, Zhang Y X, Fu J L, Cheng S H, Cao L Y. QTL mapping of heading date and yield-related traits in rice using a recombination inbred lines (RILs) population derived from BG1/XLJ. Chin J Rice Sci, 2014, 28: 570–580 (in Chinese with English abstract)

[3] 王兰, 李智, 郑杏梅, 蔡英钦, 罗敏, 聂益勇. 普通野生稻矮化突变体的株高与分蘖基因的QTL定位及主效基因的遗传分析. 华北农学报, 2014, 29: 5–9 Wang L, Li Z, Zheng X M, Cai Y Q, Luo M, Nie Y Y. Mapping quantitative trait loci associated with height and tillers of Oryza rufipogon Griff. dwarf mutant and genetic analysis of major quantitative locus. Acta Agric Boreali-Sin, 2014, 29: 5–9 (in Chinese with English abstract)

[4] 陈明亮, 熊焕金, 胡兰香, 罗世友, 刘志辉, 肖叶青. 水稻产量相关数量性状基因研究进展. 江西农业学报, 2014, 26: 16–20 Chen M L, Xiong H J, Hu L X, Luo S Y, Liu Z H, Xiao Y Q. Research advances in genes of yield-related quantitative traits in rice. Acta Agric Jiangxi, 2014, 26: 16–20 (in Chinese with English abstract)

[5] Li Y B, Fan C C, Xing Y Z, Jiang Y H, Luo L J, Sun L, Shao D, Xu C J, Li X H, Xiao J H, He Y Q, Zhang Q F. Natural variation in GS5 plays an important role in regulating grain size and yield in rice. Nat Genet, 2011, 43: 1266–1269

[6] Yan S, Zou G H, Li S J, Wang H, Liu H Q, Zhai G W, Guo P, Song H M, Yan C J, Tao Y Z. Seed size is determined by the combinations of the genes controlling different seed characteristics in rice. Theor Appl Genet, 2011, 123: 1173–1181

[7] Wang S K, Wu K, Yuan Q B, Liu X Y, Liu Z B, Lin X Y, Zeng R Z, Zhu H T, Dong G J, Qian Q, Zhang G Q, Fu X D. Control of grain size, shape and quality by OsSPL16 in rice. Nat Genet, 2012, 44: 950–954

[8] Xue W Y, Xing Y Z, Weng X Y, Zhao Y, Tang W J, Wang L, Zhou H J, Yu S B, Xu C G, Li X H, Zhang Q F. Natural variation in Ghd7 is an important regulator of heading date and yield potential in rice. Nat Genet, 2008, 40: 761–767

[9] Wei X J, Xu J F, Guo H G, Jiang L, Chen S H, Yu C Y, Zhou Z L, Hu P S, Zhai H Q, Wan J M. DTH8 suppresses flowering in rice, influencing plant height and yield potential simultaneously. Plant Physiol, 2010, 153: 1747–1758

[10] Tan L B, Li X R, Liu F X, Sun X Y, Li C G, Zhu Z F, Fu Y C, Cai H W, Wang X K, Xie D X, Sun C Q. Control of a key transition from prostrate to erect growth in rice domestication. Nat Genet, 2008, 40: 1360–1364

[11] Jin J, Huang W, Gao J P, Yang J, Shi M, Zhu M Z, Luo D, Lin H X. Genetic control of rice plant architecture under domestication. Nat Genet, 2008, 40: 1365–1369

[12] Jiao Y Q, Wang Y H, Xue D W, Wang J, Yan M X, Liu G F, Dong G J, Zeng D L, Lu Z F, Zhu X D, Qian Q, Li J Y. Regulation of OsSPL14 by OsmiR156 defines ideal plant architecture in rice. Nat Genet, 2010, 42: 541–544

[13] Miura K, Ikeda M, Matsubara A, Song X J, Ito M, Asano K, Matsuoka M, Kitano H, Ashikari M. OsSPL14 promotes panicle branching and higher grain productivity in rice. Nat Genet, 2010, 42: 545–549

[14] Liu W, Zhang D C, Tang M F, Li D Y, Zhu Y X, Zhu L H, Chen C Y. THIS1 is a putative lipase that regulates tillering, plant height, and spiklelet fertility in rice. J Exp Bot, 2013, 64: 4389–4402

[15] Ashikari M, Sakakibara H, Lin S Y, Yamamoto T, Takashi T, Nishimura A, Angeles E R, Qian Q, Kitano H, Matsuoka M. Cytokinin oxidase regulates rice grain production. Science, 2005, 309: 741–745

[16] Huang X Z, Qian Q, Liu Z B, Sun H Y, He S Y, Luo D, Xia G M, Chu C C, Li J Y, Fu X D. Natural variation at the DEP1 locus enhances grain yield in rice. Nat Genet, 2009, 41: 494–497

[17] Zhou Y, Zhu J Y, Li Z Y, Yi C D, Liu J, Zhang H G, Tang S Z, Gu M H, Liang G H. Deletion in a quantitative trait gene qPE9-1 associated with panicle erectness improves plant architecture during rice domestication. Genetics, 2009, 183: 315–324

[18] Fan C C, Xing Y Z, Mao H L, Lu T T, Han B, Xu C G, Li X H, Zhang Q F. GS3, a major QTL for grain length and weight and minor QTL for grain width and thickness in rice, encodes a putative transmembrane protein. Theor Appl Genet, 2006, 112: 1164–1171

[19] Weng J F, Gu S H, Wan X Y, Gao H, Guo T, Su N, Lei C L, Zhang X, Cheng Z J, Guo X P, Wang J L, Jiang L, Zhai H Q, Wan J M. Isolation and initial characterization of GW5, a major QTL associated with rice grain width and weight. Cell Res, 2008, 18: 1199–1209

[20] Ishimaru K, Hirotsu N, Madoka Y, Murakami N, Hara N, Onodera H, Kashiwagi T, Ujiie K, Shimizu B, Onishi A, Miyagawa H, Katoh E. Loss of function of the IAA-glucose hydrolase gene TGW6 enhances rice grain weight and increases yield. Nat Genet, 2013, 45: 707–711

[21] Si L Z, Chen J Y, Huang X H, Gong H, Luo J H, Hou Q Q, Zhou T Y, Lu T T, Zhu J J, Shang-Guan Y Y, Chen E W, Gong C X, Zhao Q, Jing Y F, Zhao Y, Li Y, Cui L L, Fan D L, Lu Y Q, Weng Q J, Wang Y C, Zhan Q L, Liu K Y, Wei X H, An K, An G, Han B. OsSPL13 controls grain size in cultivated rice. Nat Genet, 2016, 48: 447–456

[22] 穆平, 黄超, 李君霞, 刘立峰, 刘弋菊, 李自超. 低磷胁迫下水稻产量性状变化及其 QTL定位. 作物学报, 2008, 34: 1137–1142 Mu P, Huang C, Li J X, Liu L F, Liu Y J, Li Z C. Yield trait variation and QTL mapping in a DH population of rice under phosphorus deficiency. Acta Agron Sin, 2008, 34: 1137–1142 (in Chinese with English abstract)

[23] 杨小林, 戚华雄, 殷得所, 曾凡松, 张舒, 喻大昭. 水稻稻瘟病抗性QTL的定位分析. 植物病理学报, 2012, 42: 600–607 Yang X L, Qi H X, Yin D S, Zeng F S, Zhang S, Yu D Z. Mapping QTLs for rice blast resistance in DH line derived fromMuwanggu and E’wan 8. Acta Phytopathol Sin, 2012, 42: 600–607 (in Chinese with English abstract)

[24] 王小虎, 方云霞, 祝阳舟, 潘斌清, 余海平, 张栋, 曾大力, 胡江, 钟卫国, 俞良, 端木银熙, 梁国华, 钱前. 水稻水培抗倒伏相关性状的QTL分析. 核农学报, 2016, 30: 850–858 Wang X H, Fang Y X, Zhu Y Z, Pan B Q, Yu H P, Zhang D, Zeng D L, Hu J, Zhong W G, Yu L, Duan-Mu Y X, Liang G H, Qian Q. Identification of QTLs associated with hydroponics resistance to lodging in rice. J Nucl Agric Sci, 2016, 30: 850–858 (in Chinese)

[25] 罗炬, 邵高能, 魏祥进, 陈明亮, 唐绍清, 焦桂爱, 谢黎虹, 胡培松. 一个控制水稻株高QTL qPH3的遗传分析. 中国水稻科学, 2012, 26: 417–422 Luo J, Shao G N, Wei X J, Chen M L, Tang S Q, Jiao G A, Xie L H, Hu P S. Genetic analysis of a OTL qPH3 for plant height in rice. Chin J Rice Sci, 2012, 26: 417–422 (in Chinese with English abstract)

[26] van Ooijen J W. JoinMap 4, Software for the Calculation of Genetic Linkage Maps in Experimental Populations. Wageningen, Netherlands, 2006

[27] Wang S, Basten C J, Zeng Z B. Windows QTL Cartographer 2.5 Department of Statistics. Raleigh, USA: North Carolina State University, 2006

[28] McCouch S R. Gene nomenclature system for rice. Rice, 2008, 1: 72–84

[29] 赵建国, 蒋开锋, 杨莉, 杨乾华, 万先齐, 曹应江, 游书梅, 罗婧, 张涛, 郑家奎. 水稻产量相关性状QTL定位. 中国水稻科学, 2013, 27: 344–352 Zhao J G, Jiang K F, Yang L, Yang Q H, Wan X Q, Cao Y J, You S M, Luo J, Zhang T, Zheng J K. QTL mapping for yield related components in a RIL population of rice. Chin J Rice Sci, 2013, 27: 344–352 (in Chinese with English abstract)

[30] Liu G F, Yang J, Zhu J. Mapping QTL for biomass yield and its components in rice (Oryza sativa). Acta Genet Sin, 2006, 33: 607–616

[31] 郭龙彪, 罗利军, 邢永忠, 徐才国, 梅捍卫, 王一平, 钟代彬,钱前, 应存山, 石春海. 水稻重要农艺性状的两年 QTL分析.中国水稻科学, 2003, 17: 211–218 Guo L B, Luo L J, Xing Y Z, Xu C G, Mei H W, Wang Y P, Zhong D B, Qian Q, Ying C S, Shi C H. Dissection of QTLs in two years for important agronomic traits in rice (Oryza sativa L.). Chin J Rice Sci, 2003, 17: 211–218 (in Chinese with English abstract)

[32] 邓家耀. 水稻光合与产量相关性状的 QTL分析. 福建农林大学硕士学位论文, 福建福州, 2007 Deng J Y. QTL Mapping Associated with the Traits of Photosynthesis and Yield Components in Rice (Oryza sativa L.). MS Thesis of Fujian Agriculture and Forestry University, Fuzhou, China, 2007 (in Chinese with English abstract)

[33] 冯跃, 翟荣荣, 林泽川, 曹立勇, 魏兴华, 程式华. 不同供氮水平下水稻产量性状的 QTL分析. 中国水稻科学, 2013, 27: 577–584 Feng Y, Zhai R R, Lin Z C, Cao L Y, Wei X H, Cheng S H. QTL Analysis for yield traits in rice under two nitrogen levels. Chin J Rice Sci, 2013, 27: 577–584 (in Chinese with English abstract)

[34] 苏相文. 水稻重组自交系产量及其相关性状的 QTL分析. 四川农业大学硕士学位论文, 四川成都, 2010 Su X W. QTL Analysis for Rice Yield and Its Related Traits by Recombinant Inbred Line. MS Thesis of Sichuan Agricultural University, Chengdu, China, 2010 (in Chinese with English abstract)

[35] 文飘. 东乡野生稻产量性状的 QTL分析. 江西师范大学硕士学位论文, 江西南昌, 2012 Wen P. QTL Analysis for Controlling Yield Traits in Dongxiang Wild Rice (Oryza rufipogon Griff.). MS Thesis of Jiangxi Normal University, Nanchang, China, 2012 (in Chinese with English abstract)

[36] 杨益善, 邓启云, 陈立云, 邓化冰, 庄文, 熊跃东. 野生稻高产QTL导入晚稻恢复系的增产效果. 分子植物育种, 2006, 4: 59–64 Yang Y S, Deng Q Y, Chen L Y, Deng H B, Zhuang W, Xiong Y D. Yield-increasing effect of yield-enhancing QTL from Oryza rufipogon after being transferred into late-season rice restorer line. Mol Plant Breed, 2006, 4: 59–64 (in Chinese with English abstract)

[37] 邓化冰, 邓启云, 陈立云, 杨益善, 熊跃东, 孔凡娜, 王斌, 袁隆平. 马来西亚普通野生稻增产QTL的分子标记辅助选择及其育种效果. 中国水稻科学, 2007, 21: 605–611 Deng H B, Deng Q Y, Chen L Y, Yang Y S, Xiong Y D, Kong F N, Wang B, Yuan L P. Marker-assisted selection for yield-enhancing QTLs in the progeny of “9311×Oryza rufipogon” and its effects in rice breeding. Chin J Rice Sci, 2007, 21: 605–611 (in Chinese with English abstract)

Identification of QTLs Associated with High Yield of Super Rice Variety Zhongjiazao 17

HU Da-Wei1,**, SHENG Zhong-Hua1,**, CHEN Wei1,2, LI Qian-Long1,2, WEI Xiang-Jin1, SHAO Gao-Neng1, JIAO Gui-Ai1, WANG Jian-Long2, HU Pei-Song1,2, XIE Li-Hong1,*, and TANG Shao-Qing1,*

1Key Laboratory of Rice Biology and Genetic Breeding of Ministry of Agriculture, State Key Laboratory of Rice Biology, China National Rice Research Institute, Hangzhou 310006, China;2Agricultural College of Hunan Agricultural University, Changsha 410128, China

Rice yield has obvious effect on national food security. The further excavation of high yield related genes is of great significance. In this research, a doubled haploid population (DH population) of Zhongjiazao 17 (YK17) × D50 was constructed by using the anther culture technique. The yield related traits including effective panicles per plant, grain number per panicle, seed setting rate and 1000-grain weight in three different planting environments (Lingshui, Hainan planting environment, high yield field in Hangzhou planting environment, low yield field in Hangzhou planting environment) were examined. Further, genetic linkage map of the DH population was constructed. A total of 74 QTLs for yield related traits were detected by QTL mapping, these QTLs were distributed on all the 12 chromosomes of rice with the contribution rate ranging from 3.7% to 43.2%. Among these QTLs, qPH1-1 and qFLL12 were detected repeatedly in three different planting environments, and the contribution rate of them was 8.9%, 24.2%, 43.2% and 16.6%, 17.9%, 18.9%, respectively. In addition, qPH3, qFLL10-2, qFLW11-1, qPL11, qGNP11,qSSR3, and qTGW5-1 were detected repeatedly in two different planting environments with the contribution rate ranging from 7.4% to 42.2%. The analysis of QTL × environment interaction showed that qPH1-1, qFLW2, qEPP1, and qTGW5-1 had significant additive × environment interaction effects. GW5 sequencing, located in qTGW5-1, indicated that GW5 alleles of high yield lines and low yield lines were inherited from the parents YK17 and D50, respectively, which was consistent with that the additive effect of qTGW5-1 derived from YK17. This research provides theoretical basis and technical support for further excavation of rice yield related genes and breeding super high yield varieties by using molecular polymerization breeding.

Yield related traits; QTL mapping; DH population; Zhongjiazao 17; Rice

(

): 2017-01-18; Accepted(接受日期): 2017-05-10; Published online(网络出版日期): 2017-05-22.

10.3724/SP.J.1006.2017.01434

本研究由浙江省科技计划面上项目(2015C32045), 国家自然科学基金青年基金项目(31501285), 中央级公益性科研院所基本科研业务专项基金(2014RG002-1), 国家重点研发计划项目(2016YFD0101801)和国家转基因生物新品种培育重大专项(2016ZX08001006)资助。

This study was supported by Zhejiang Science and Technology Projects (2015C32045), China Natural Science Foundation (31501285), the Central Level, Non-profit, Scientific Research Institute Basic R and D Operations Special Fund (2014RG002-1), the National Key Research and Development Program of China (2016YFD0101801), and the National Major Project for Developing New GM Crops (2016ZX08001006).

*通讯作者(Corresponding authors): 唐绍清, E-mail: sqtang@126.com; 谢黎虹, E-mail: 114849309@qq.com

**同等贡献(Contributed equally to this work)

URL: http://kns.cnki.net/kcms/detail/11.1809.S.20170522.0916.008.html