大豆百粒重和株高的关联分析
大豆百粒重和株高与大豆产量、品质有密切关系。2015年在大学江浦农场对供试地方品种群体百粒重及株高进行表型鉴定，获得数量性状表型信息，进而进行关联分析。本研究采用的是二阶段关联分析方法，以SNPLDB标记进行主成分分析，取前十个主成分作为协变量，进行关联分析。结果表明百粒重在品种间差异显著。所定位到的位点在20条染色体上均有分布，共累计87个位点与性状相关联，贡献率大于3%的主效QTL1个。株高数据也呈现正态分布，品种间差异显著。所定位到的位点分布在除11号染色体外的其余19条染色体上，共累计42个位点与性状相关联，贡献率大于3%的主效QTL4个。
目录
摘要1
关键词1
Abstract1
Key words1
引言（或绪论）1
1材料与方法2
1.1 试验材料 2
1.2 试验方法 2
1.2.1 表型数据测定2
1.2.2 基因数据测定2
1.2.3 统计分析3
1.2.4 关联分析3
2 结果与分析3
2.1 表型性状的遗传变异3
2.2 性状标记的关联分析4
2.2.1 大豆百粒重的关联分析4
2.2.2 大豆株高的关联分析6
3 讨论 8
致谢9
参考文献9
图1 3
图2 3
图3 4
图4 4
图5 7
图6 7
表1 4
表2 4
表3 5
表4 7
大豆百粒重和株高的关联分析
引言
大豆是我国重要的经济作物，具有较高的植物蛋白和油分。然而，由于产量及耕作面积等因素的影响，近年来我国大豆产量持续降低，自给率不足，供需矛盾日益突出[1]。因此获得高产优质的大豆品种一直以来都是育种家所追求的目标。大豆产量相关性状百粒重(Hundredseed weight, SW)及株高(Plant height, PH)与大豆产量和品质紧密相关，其遗传机制的研究对大豆产量遗传改良具
*好棒文|www.hbsrm.com +Q: ^351916072*
有重要价值。关联分析为此提供了工具。
关联分析(Association analysis)，又称连锁不平衡作图(LD mapping)或关联作图(Association mapping)，以连锁不平衡(linkage disequilibrium, LD)为基础，把标记基因的多态性与目标性状表型联系起来的综合分析方法[2]，是发掘新基因和检测等位基因的有效手段，而且也是联系基因组学和表型组学的一座桥梁[3]。影响LD的因素有，第一：遗传漂变，群体越小，漂变效应越大，LD程度越高。第二：奠基者效应，奠基者效应使LD程度增大。第三：群体数量，群体数量增多会降低遗传漂变，LD程度减弱。第四：重组率的变化，与重组率成反比，重组率越大，LD程度越低。第五：突变率的变化，突变率越高，LD程度越低。
孙亚男等[4]利用charleston×东农594重组自交系构建的SSR遗传图谱，对20062008年连续三年的大豆株高数据进行QTL定位，检测到了15个控制株高的QTLs,分别位于LG B1、LG D1a和LG G等。齐照明等[5]采用Meta分析(Metaanalysis)对大豆百粒重QTL进行整合分析，得到了12个通用“QTL”及其连锁标记，为分子辅助选择、QTL精细定位以及基因克隆奠定基础。
相较连锁定位，关联分析有三个显著的优势：第一，以自然存在的自然群体为材料，不依赖作图群体，节省时间；第二，开发自然变异，可以同时检测不同性状和同一座位的多个等位基因；第三，作图的精确度高。
在大豆中，张军等[6]利用85个SSR标记，对190份代表性大豆育成品种群体进行基因组扫描，对产量、百粒重、全生育期、开花期、株高等11个性状进行关联分析，与性状相关的位点累计检测136个(次)。文自翔等[7]对393份代表性中国大豆地方品种材料和196份中国野生大豆群体基因组变异进行扫描，分析群体结构，并对16个农艺性状进行关联分析。范虎等[8]利用204对SSR标记，对174份代表性野生大豆群体的百粒重、开花期等6个性状进行关联分析，与性状相关联的位点检测到51个(次)，其中16个(次)位点可以被连锁定位证实。
本研究以370份大豆地方品种群体为材料，采用二阶段关联分析方法对百粒重和株高的表型数据进行分析，筛选出与其性状相关联的QTL，同时发现主效QTL。
1 材料与方法
1．1 试验材料
供试的370份中国代表性地方品种群体，选取来源于全国24个省、市、自治区，由国家大豆改良中心提供。根据盖钧镒等[9]品种生态区划分方法，根据地方品种原始来源地，将品种划分为北方生态区(I G. max, 43份)，黄淮海生态区(II G. max, 103份)，长江中下游生态区(III G. max, 71份)，中南生态区(IV G. max, 80份)，西南高原生态区(V G. max, 34份)和华南热带生态区(VI G. max, 39份)。
370份大豆地方品种群体，于2015年6月种植于大学国家大豆改良中心江浦试验站。田间设计为：随机区组试验设计，三次重复，每重复每品种种植1行，行长1m，行距0.5m，株距约0.1m, 每行保留1013株，实验区周围各设置两行保护行。
1．2 试验方法
1．2．1 表型数据测定
百粒重的测定：每份品种每重复随机选取100粒种子，用精度为0.01g的电子天平称重。
株高的测定：于成熟期测量其从地面到生长点的高度，每重复随机选一株测量。
1．2．2 基因型数据测定
利用CTAB法[10]提取370份大豆地方品种的DNA，利用限制性内切酶Taq I进行消化。利用Illumina 公司开发的HiSeq2000测序仪器测定片段两端90bp的序列。测序所获得的所有序列参考Williams 82基因组[11]，利用SOPA2方法进行比对，参数包括序列相似性、两端相似性和序列质量。然后利用RealSFS寻找SNP位点[12]。在材料中保留了缺失≤30%（将杂合位点看成缺失位点），最小等位基因频率（MAF）≥1%的SNP标记。
利用Haploview对SNP标记进行单体型划分。大豆地方品种获得7223个单体型和22170个游离SNP，将单体型和游离SNP统称为SNPLDB，共获得29293个SNPLDB。
1．2．3 统计分析
本研究的数据统计用SAS软件完成。
1．2．4 关联分析
本研究采用的是贺建波改进的适用于近交作物的全基因组二阶段关联分析方法，采用“RTMGWAS”软件（已有软件著作权）进行关联分析。首先利用一般线性模型（GLM）方法检测显著位点，以SNPLDB标记进行主成分分析，取前十个主成分作为协变量，关联位点的显著水平设置为0.05。第二步对第一步筛选出的显著位点，利用逐步回归的方法进行筛选，将筛选出来的标记加入到多位点QTL模型中，计算出QTL的贡献率和等位变异效应，所采用的协变量仍为十个主成分。
目录
摘要1
关键词1
Abstract1
Key words1
引言（或绪论）1
1材料与方法2
1.1 试验材料 2
1.2 试验方法 2
1.2.1 表型数据测定2
1.2.2 基因数据测定2
1.2.3 统计分析3
1.2.4 关联分析3
2 结果与分析3
2.1 表型性状的遗传变异3
2.2 性状标记的关联分析4
2.2.1 大豆百粒重的关联分析4
2.2.2 大豆株高的关联分析6
3 讨论 8
致谢9
参考文献9
图1 3
图2 3
图3 4
图4 4
图5 7
图6 7
表1 4
表2 4
表3 5
表4 7
大豆百粒重和株高的关联分析
引言
大豆是我国重要的经济作物，具有较高的植物蛋白和油分。然而，由于产量及耕作面积等因素的影响，近年来我国大豆产量持续降低，自给率不足，供需矛盾日益突出[1]。因此获得高产优质的大豆品种一直以来都是育种家所追求的目标。大豆产量相关性状百粒重(Hundredseed weight, SW)及株高(Plant height, PH)与大豆产量和品质紧密相关，其遗传机制的研究对大豆产量遗传改良具
*好棒文|www.hbsrm.com +Q: ^351916072*
有重要价值。关联分析为此提供了工具。
关联分析(Association analysis)，又称连锁不平衡作图(LD mapping)或关联作图(Association mapping)，以连锁不平衡(linkage disequilibrium, LD)为基础，把标记基因的多态性与目标性状表型联系起来的综合分析方法[2]，是发掘新基因和检测等位基因的有效手段，而且也是联系基因组学和表型组学的一座桥梁[3]。影响LD的因素有，第一：遗传漂变，群体越小，漂变效应越大，LD程度越高。第二：奠基者效应，奠基者效应使LD程度增大。第三：群体数量，群体数量增多会降低遗传漂变，LD程度减弱。第四：重组率的变化，与重组率成反比，重组率越大，LD程度越低。第五：突变率的变化，突变率越高，LD程度越低。
孙亚男等[4]利用charleston×东农594重组自交系构建的SSR遗传图谱，对20062008年连续三年的大豆株高数据进行QTL定位，检测到了15个控制株高的QTLs,分别位于LG B1、LG D1a和LG G等。齐照明等[5]采用Meta分析(Metaanalysis)对大豆百粒重QTL进行整合分析，得到了12个通用“QTL”及其连锁标记，为分子辅助选择、QTL精细定位以及基因克隆奠定基础。
相较连锁定位，关联分析有三个显著的优势：第一，以自然存在的自然群体为材料，不依赖作图群体，节省时间；第二，开发自然变异，可以同时检测不同性状和同一座位的多个等位基因；第三，作图的精确度高。
在大豆中，张军等[6]利用85个SSR标记，对190份代表性大豆育成品种群体进行基因组扫描，对产量、百粒重、全生育期、开花期、株高等11个性状进行关联分析，与性状相关的位点累计检测136个(次)。文自翔等[7]对393份代表性中国大豆地方品种材料和196份中国野生大豆群体基因组变异进行扫描，分析群体结构，并对16个农艺性状进行关联分析。范虎等[8]利用204对SSR标记，对174份代表性野生大豆群体的百粒重、开花期等6个性状进行关联分析，与性状相关联的位点检测到51个(次)，其中16个(次)位点可以被连锁定位证实。
本研究以370份大豆地方品种群体为材料，采用二阶段关联分析方法对百粒重和株高的表型数据进行分析，筛选出与其性状相关联的QTL，同时发现主效QTL。
1 材料与方法
1．1 试验材料
供试的370份中国代表性地方品种群体，选取来源于全国24个省、市、自治区，由国家大豆改良中心提供。根据盖钧镒等[9]品种生态区划分方法，根据地方品种原始来源地，将品种划分为北方生态区(I G. max, 43份)，黄淮海生态区(II G. max, 103份)，长江中下游生态区(III G. max, 71份)，中南生态区(IV G. max, 80份)，西南高原生态区(V G. max, 34份)和华南热带生态区(VI G. max, 39份)。
370份大豆地方品种群体，于2015年6月种植于大学国家大豆改良中心江浦试验站。田间设计为：随机区组试验设计，三次重复，每重复每品种种植1行，行长1m，行距0.5m，株距约0.1m, 每行保留1013株，实验区周围各设置两行保护行。
1．2 试验方法
1．2．1 表型数据测定
百粒重的测定：每份品种每重复随机选取100粒种子，用精度为0.01g的电子天平称重。
株高的测定：于成熟期测量其从地面到生长点的高度，每重复随机选一株测量。
1．2．2 基因型数据测定
利用CTAB法[10]提取370份大豆地方品种的DNA，利用限制性内切酶Taq I进行消化。利用Illumina 公司开发的HiSeq2000测序仪器测定片段两端90bp的序列。测序所获得的所有序列参考Williams 82基因组[11]，利用SOPA2方法进行比对，参数包括序列相似性、两端相似性和序列质量。然后利用RealSFS寻找SNP位点[12]。在材料中保留了缺失≤30%（将杂合位点看成缺失位点），最小等位基因频率（MAF）≥1%的SNP标记。
利用Haploview对SNP标记进行单体型划分。大豆地方品种获得7223个单体型和22170个游离SNP，将单体型和游离SNP统称为SNPLDB，共获得29293个SNPLDB。
1．2．3 统计分析
本研究的数据统计用SAS软件完成。
1．2．4 关联分析
本研究采用的是贺建波改进的适用于近交作物的全基因组二阶段关联分析方法，采用“RTMGWAS”软件（已有软件著作权）进行关联分析。首先利用一般线性模型（GLM）方法检测显著位点，以SNPLDB标记进行主成分分析，取前十个主成分作为协变量，关联位点的显著水平设置为0.05。第二步对第一步筛选出的显著位点，利用逐步回归的方法进行筛选，将筛选出来的标记加入到多位点QTL模型中，计算出QTL的贡献率和等位变异效应，所采用的协变量仍为十个主成分。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/nongxue/zwbh/550.html
