APP下载

不同水分条件下小麦粒重QTL定位及其元分析

2021-07-19倪胜利何瑞刘媛张沛沛李兴茂杨德龙

甘肃农业大学学报 2021年3期
关键词:置信区间粒重表型

倪胜利,何瑞,刘媛,张沛沛,李兴茂,杨德龙

(1.甘肃省农业科学院旱地农业研究所,甘肃 兰州 730070;2.甘肃农业大学生命科学技术学院,甘肃 兰州 730070)

小麦(TriticumaestivumL.)是世界上主要的粮食作物之一,其产量占世界粮食总产量的30%以上.决定小麦产量的主要因素有单位面积穗数、穗粒数和粒重,各产量因素之间相互作用,共同决定小麦的产量.在穗数和穗粒数一定的条件下,粒重对小麦产量提高具有重要的作用[1-3].因此,研究小麦粒重遗传特性,对提高小麦粒重遗传改良效率具有重要的意义.

小麦粒重属于微效多基因控制的数量性状,易受环境影响[4].据前人研究,小麦粒重主要受加性效应控制[5-6].王瑞霞等[5]以和尚麦×豫8679为亲本的RIL群体为试验材料,定位了35个与粒重有关的QTL,分布在小麦1A、1B、2A、2D、3A、3B、4A、4D、5A、5B、6D和7D染色体上,可解释表型变异4.36%~16.80%;周淼平等[6]在多个环境下对小麦产量性状进行QTL定位时,检测到与粒重相关的QTL位点共5个,分别位于2A、2B、3B、4D和7A染色体上,单个QTL可解释9.6%~25.7%的表型变异;胡亮亮等[7]在多个环境不同水分条件下定位了19个与粒重相关的QTL位点,分布在除1A、3B、4D和6A以外的其他17条染色体上,并且发现了在多个环境下均能够稳定表达的QTL位点以及4个QTL热点区域Xmag2064-Xbarc181(1B)、Xwmc522-Xgwn122(2A)、Xwmc446-Xgwm610(4A)和Xwmc603-Xbarc195(7A).以上研究表明,控制小麦粒重的QTL位点在不同群体以及不同环境中表达数目和特点各不相同,这对小麦粒重相关QTL的准确定位造成了很大的困难.

元分析(meta-analysis)通过对不同群体和遗传背景中的QTL位点信息进行整合验证,确定一致性QTL(MQTL),进一步细化了QTL位置,减少了实验间的误差[8-11].目前,元分析已经广泛应用在作物QTL位点的整合研究中.Chardon等[8]通过对玉米花期相关性状的QTL位点进行元分析,发掘出62个MQTL,将玉米花期相关QTL的定位精度提高了两倍;吴琼等[9]通过对大豆生育期相关的QTL位点进行元分析,发现了7个与开花期相关的MQTL和2个与成熟期相关的MQTL;叶亚琼等[10]通过对311个不同群体中与小麦株高和粒重相关的QTL位点进行元分析,得到28个与株高相关的MQTL和21个与粒重相关的MQTL;Hanocq等[11]使用元分析方法得到2个控制早熟性基因和4个QTL热点区域.

本研究以陇鉴19和Q9086为亲本杂交创建的重组自交系群体(RIL)进行粒重性状分析,同时将定位到的QTL同收集到的QTL进行元分析,发掘“真实”QTL位点,为深入剖析小麦粒重的遗传基础和QTL精细定位奠定理论基础.

1 材料与方法

1.1 试验材料

以陇鉴19和Q9086为亲本杂交创建的RIL群体120个株系为供试材料.陇鉴19是甘肃省农业科学院旱地农业研究所选育的新品种,为甘肃省第一个大面积应用的抗旱北移冬小麦新品种,抗旱性强,耐瘠薄,对水肥反应不敏感.Q9086是西北农林科技大学农学院小麦研究所提供的品系,对水肥反应敏感,尤其灌浆期对水分反应敏感[12].

1.2 田间试验与性状测定

试验于2014年10月~2015年7月,2016年10月~2017年7月和2017年10月~2018年7月在甘肃省榆中县小麦试验点进行,地理坐标N 35°51′,E 104°07′,平均海拔1 900 m,平均气温6.6 ℃,年均降水量450 mm,年均蒸发量1 450 mm,无霜期140 d.3个环境依次记为E1、E2和E3.在每个环境中,整个生育期仅播前施基肥1次,基肥量均为纯钾 60 kg/hm2,纯氮180 kg/hm2,纯磷150 kg/hm2.田间试验采用随机区组设计,设干旱胁迫(drought stress,DS)和正常灌溉(well-watered,WW)两个水分处理,每个处理3次重复,行长1.0 m,行距0.2 m,每行点播60粒,每株系种植6行.具体水分管理措施为:播种前统一灌溉底墒水(900 m3/hm2),干旱胁迫处理仅在小麦拔节期灌水750 m3/hm2,之后完全依靠自然降水;灌溉处理则分别在小麦拔节期、抽穗期和开花期补充灌水,每次灌水量为750 m3/hm2.其中3个年度环境下小麦全生育期降水量依次分别为130、142和137 mm.籽粒完全成熟后,按株系分别收获和风干后,使用小麦籽粒自动考种分析仪(SC-G,杭州万深)对各株系千粒重(thousand grain weight,TGW)进行测定.

1.3 数据统计与QTL定位分析

对小麦RIL群体千粒重数据采用SPSS V21统计软件进行分析.广义遗传力(h2B)的计算按照Toker[13]提出的方法计算.

结合前期构建的小麦RIL群体分子遗传连锁图谱(共定位了524个SSR标记,形成21个连锁群,全长22 66.7 cM,两标记间的平均遗传距离是4.3 cM)[14-15]进行千粒重QTL定位分析.在QTL IciMapping V 4.0软件中采用复合区间作图法CIM(composite interval mapping)对3个环境不同处理下的RIL群体千粒重加性QTL(A-QTL)进行检测及遗传效应分析.

1.4 QTL数据收集与整理

通过Web of Science(http://isiknowledge.com)和中国知识资源公共数据库(http://www.cnki.net)查找并收集国内外发表的关于小麦千粒重相关QTL位点信息[8,16-30,33],根据BioMercator 4.2软件的标准对收集的QTL位点信息进行整理,包括QTL名称、染色体位置、置信区间、连锁系数、贡献率、侧翼标记和群体大小等[15].

1.5 QTL信息映射

以高密度遗传图谱wheat composite 2004(http//wheat.pw.usda.gov/ggpages/mapse shortlist.html.)为参考图谱,该图谱总长度为2 569 cM,共1 235个SSR标记,标记间平均距离为2.2 cM.在BioMercator 4.2软件中将收集的QTL位点信息数据和参考图谱进行整合,构建一致性图谱.通过高斯定理最大似然比计算一致性QTL可能存在的位置和置信区间,选取AIC(akaike-type criteria values,AIC)值最小化的模型为最佳模型,即“真实QTL”模型.

2 结果与分析

2.1 千粒重表型分析

对3个不同水分环境条件下,小麦RIL群体及其双亲TGW表型分析发现,正常灌溉条件下TGW的平均值(45.01~46.58 g)显著高于干旱胁迫条件下的平均值(37.1~42.96 g).但干旱胁迫条件下TGW的变异范围(21.20~50.28 g)大于正常灌溉(33.33~57.45 g),且干旱胁迫下TGW表型的变异系数(7.06%~13.60%)高于正常灌溉(5.95%~8.08%),说明干旱胁迫是影响小麦TGW的重要环境因素之一.从群体的分布情况来看,小麦RIL群体的TGW表现出超亲分离的现象,群体的分离近似于正态分布(图1).

E1~E3分别表示2014~2015、2016~2017和2017~2018年度试验点,每年度试验点均设干旱胁迫(DS,条纹柱表示)和正常灌溉(WW,空心柱表示)处理;R、L和Q分别表示RIL群体、陇鉴19和Q9086;Mean、Range、CV(%)、Skew.和Kurt.分别表示RIL群体千粒重表型平均值、变异范围,变异系数、偏度和峰度.

从表1中可以看出,TGW的表型变异受到水分环境(E)、基因型(G)以及基因型与环境之间互作(G×E)的显著影响(P≤0.01).其中,水分环境均方(9 758.30**~15 131.76**)显著大于基因型均方(27.52**~91.75**)和基因型与环境互作均方(7.26**~34.15**),说明水分环境是影响TGW的主要因素之一.通过对广义遗传力(h2B)的分析,在3个环境中小麦TGW的h2B为0.63~0.74,说明在水分环境之外,基因型也是控制小麦TGW表型变异的主要因素.

表1 小麦RIL群体千粒重方差分析

2.2 千粒质量QTL加性效应分析

从表2中可以看出,利用IciMapping V 4.0软件采用复合区间作图法,在不同处理条件下,共检测到14个控制TGW的加性QTL位点,分布在1B、3B、4B、4D、5B、6A和6B染色体上(表2).其中Qtgw.cas-1B.1、Qtgw.cas-3B.1、Qtgw.cas-4B.1、Qtgw.cas-4D.1、Qtgw.cas-4D.2、Qtgw.cas-5B.1和Qtgw.cas-6A 7个QTL位点具有降低TGW的效应,其加性效应(A)在0.62~1.32 g,贡献率(R2)在5.06%~12.15%;Qtgw.cas-3B.3和Qtgw.cas-6B两个QTL位点具有提高TGW的效应,A在1.01~1.04 g,R2在6.03%~6.46%.同时,在1B、3B、4B和5B上发现了5个在2个以上环境中均稳定表达的QTL位点,Qtgw.cas-1B.2(E1~E3)、Qtgw.cas-1B.3(E1,E3)、Qtgw.cas-3B.2(E2,E3)、Qtgw.cas-4B.2(E1~E3)和Qtgw.cas-5B.2(E1,E3),这些位点在不同的环境中均能够表达,但其对表型的作用方式在不同环境以及不同水分处理中有明显差异,说明这些位点对环境有着较强的适应性.

表2 不同水分环境条件下小麦RIL群体千粒重QTL加性效应及其对表型变异的贡献率

同时,小麦RIL群体在不同环境及不同处理下控制TGW的位点在不同染色体和同一染色体的不同区段上都呈不均匀分布(图2),在1B、3B和4B染色体上分布最多,达到5~7个,而在其余染色体上分布相对较少.这些QTL位点在对应的染色体上聚集分布,形成QTL热点区域,如1B染色体上Xwmc156-Xwmc582,3B染色体上Xbarc68-Xgwm285,4B染色体上Xmag983-Xgwm513.说明在这些染色体区段上可能存在控制TGW的重要基因.

三角形、圆圈和正方形分别表示2014~2015、2016~2017和2017~2018年甘肃省榆中县(N 35°51′,E 104°07′)试验点所检测到的控制小麦千粒重的QTL;空心图形表示正常灌溉条件下检测到的QTL,实心图形表示干旱胁迫条件下检测到的QTL.

2.3 QTL元分析

对来自14篇文献共13个不同作图群体及定位得到的155个粒重QTL(表3),通过元分析共得到38个一致性QTL(表4),主要分布在1B、2B、2D、3A、3B、3D、4A、4D、5B、6A、6B和7A染色体上,平均每条染色体上有3.1个MQTL.在这些MQTL中,有10个MQTL位点的置信区间小于4 cM,即MQTL2(0.95 cM)、MQTL3(0.46 cM)、MQTL15(2.04 cM)、MQTL17(3.08 cM)、MQTL27(2.2 cM)、MQTL30(1.7 cM)、MQTL31(0.95 cM)、MQTL33(1.45 cM)、MQTL37(3.51 cM)和MQTL38(1.94 cM).有3个MQTL的图距小于4 cM,即MQTL2(3.54 cM)、MQTL4(3.98 cM)、MQTL19(2.94 cM),同时发现MQTL30和MQTL31位于6A染色体相邻位置且图距均为7.00 cM,MQTL37和MQTL38位于7A染色体的相邻位置且图距均为6.67 cM.从图3中可以看出,MQTL在染色体上不均匀分布,在1B、2B和5B染色体上分布较为集中,可能在这些区段中包含有控制TGW的基因.

每条染色体左侧的横线代表QTL的LOD值;竖线代表QTL的置信区间.

表3 小麦千粒重QTL数据的整合

3 讨论

粒重是小麦产量构成的重要因素之一,是多基因控制的复杂数量性状,易受环境的影响[19].研究发现在干旱胁迫条件下,小麦的粒重随着干旱程度的增加而下降,同时其表型变异增大,遗传力下降,说明水分环境对小麦粒重有显著作用[29].本研究发现,与正常灌溉条件相比,干旱胁迫条件下小麦TGW平均下降了6.46 g,变异系数增加了3.59%.TGW表型变化趋势与前人研究结果相同,再次证明了干旱胁迫是小麦粒重的重要影响因素.前人研究表明,控制小麦TGW的QTL位点在小麦21条染色体上均有分布,但是在不同遗传背景不同环境中稳定表达的QTL位点的数目和效应不同[5-7,15-28].李美霞等[26]在波兰小麦1B、2A染色体上检测到了1个和2个与小麦粒重相关的QTL位点;周淼平等[6]在2A、2B、3B、4D和7A染色体上检测到5个控制TGW的QTL位点.本研究在1B、3B、4B、4D、5B、6A和6B染色体上共检测到14个与粒重相关的加位性QTL位点,其中Qtgw.cas-1B.2和Qtgw.cas-4B.2在多个环境中均能稳定表达.同时Qtgw.cas-1B.2在3个环境中干旱胁迫条件下稳定表达,并对TGW表型起负调控作用.在1B染色体上定位了很多与粒重相关的QTL位点,但是本研究中定位到的QTL位点与其他研究中的位点并未重合,属于新定位的QTL位点,还有待进一步研究.

同时,元分析通过将来自不同环境和作图群体中的QTL位点进行整合和优化,筛选出“一致性”QTL,为后续的精细定位和图位克隆奠定基础.近年来,元分析在玉米、大豆等作物改良中发挥了重要作用.江培顺等[30]利用元分析对玉米穗行数、行粒数和粒重相关的584个QTL位点进行整合,得到了22个穗行数MQTL、7个行粒数MQTL和 44个粒重MQTL,并进一步发掘得到了10个与玉米产量相关的基因以及12个与水稻产量相关基因具有同源性的候选基因;李长育等[31]对47个与大豆结瘤性状相关的QTL进行元分析得到2个MQTL,并通过基因注释得到8个与大豆结瘤相关的基因;Tyagi等[32]对80个与小麦籽粒性状相关的QTL位点进行元分析,在1B、2A、2D、3B、4A、5A、6A和6B染色体上确定了23个相关MQTL,并鉴定出3个与小麦粒重相关的重要MQTL.本研究收集整合了155个与粒重相关的QTL位点,通过元分析共得到38个一致性QTL,置信区间小于4 cM的MQTL有 10个,置信区间最小为0.46 cM,图距小于4 cM的MQTL有 3个,图距最小为2.94 cM.进一步说明元分析可以缩小QTL位点的置信区间,从而精确QTL的位置,提高作物分子育种和遗传改良的效率.

4 结论

通过QTL的定位分析,在不同的环境条件下共检测到14个控制千粒重的QTL位点,分布在1B、3B、4B、4D、5B、6A和6B染色体上,并在1B、3B、4B和5B染色体上发现了5个在2个以上环境中均稳定表达的QTL位点.通过对13个不同作图群体155个QTL位点进行元分析,共得到了38个MQTL,将置信区间缩小到0.46 cM,图距缩小到2.94 cM,进一步提高了QTL定位精度.同时,本研究发现在7A染色体Xfba204-Xfbb18b区段中存在两个紧密连锁的MQTL,说明在这个标记区间中可能存在控制TGW的“真实”QTL,尚需进一步研究证实.本研究通过对千粒重QTL位点进行定位以及在不同作图群体中进行元分析,确定了稳定表达的QTL及其QTL富集区域,缩小了置信区间,将为小麦粒重的QTL精细定位和分子标记辅助选择提供理论依据.

猜你喜欢

置信区间粒重表型
基于电子病历的表型分析方法及应用综述
基于衰老相关分泌表型理论探讨老年慢性阻塞性肺疾病患者衰弱发生机制
外源激素与蔗糖对冬小麦穗粒数和粒重的调控效应
高通量植物表型平台综述
基于预警自适应技术的监控系统设计
作物表型组学和高通量表型技术最新进展(2020.2.2 Plant Biotechnology Journal)
2018年大豆粒重低于常年的原因分析
效应量置信区间的原理及其实现
玉米专用缓释肥料应用效果