• 免費服務熱線
  • 400-065-6886
  • 電話:86(0)512-6295 9990
  • 傳真:86(0)512-6295 9995
新聞中心

SSR分子標記在植物性狀關聯研究中的應用

發稿時間:2021-03-22來源:天昊生物

英文題目:Genome-wide association study (GWAS) of major QTLs for bunch and oil yield related traits in Elaeis guineensis L

中文題目:油棕果穗和產油量相關主效QTLs的全基因組關聯研究

期刊名:Plant Science   

影響因子:3.591  

發表時間:2021-1-15

油棕(Elaeis guineensis Jacq.)是一種育種周期長的多年生作物,基因組大小為1.8 Gb。本研究是迄今為止首次利用400SSR標記,對310份非洲油棕種質進行的全基因組關聯研究(GWAS)。葉面積(LA)與穗軸長(RL)呈極顯著相關,其次是穗重(BW)和穗指數(BI),而穗數(BN)與平均穗重(ABW)呈負相關。前兩個PCA一起解釋了最大變化量(84.5 %)PCA1顯示,第2(幾內亞比紹和喀麥隆)和第4(贊比亞和喀麥隆)基因型最適合BNBIBW性狀。利用混合線性模型(MLM)6個群體產量性狀和7個群體油產量性狀進行GWAS分析,得到43個顯著QTLs。在染色體147101215上發現了7個與油對干中果皮(ODM)相關的SSR位點。ODMSSR基因座mEgCIR1753顯著連鎖,解釋了34.6 %的表型變異。ODMOWMOB等重要參數分別位于4101115號染色體上。所鑒定的標記可有效用于標記輔助選擇高產油棕基因型。

油棕是一種多年生作物,占全球植物油的三分之一。在油棕中,產量是一個非常復雜的性狀,其產量受幾個性狀的影響,即鮮果穗(FFB),穗數(BN),平均穗重(ABW),穗指數(BI)和軸長(RL)等。油棕的含油量果穗比、殼果比、仁果比(KF)、油干中果皮和油濕中果皮(OWM)等參數的影響。據觀察,只有同時增加穗產量和產油量參數,產量和產油量才有可能持續增加。重要經濟性狀基因座的鑒定對于提高產量和油產量相關性狀及其在標記輔助選擇中的進一步應用至關重要。GWAS最初被用作人類群體中追蹤復雜疾病相關基因座的有力工具,后來應用于作物。在油棕等多年生作物中,與連鎖圖譜相比,GWAS利用自然群體的表型和標記數據的關聯提供了幾個優勢,如更高的圖譜分辨率、更大的等位基因數、更短的時間和更廣泛的參考群體。微衛星標記也稱為簡單序列重復SSR,是重復多次的短核苷酸(27)序列,重復次數因物種類型而異。SSR標記是分子育種家和遺傳學家最廣泛使用的標記,因為它具有高多態性、準確性、快速性、簡單性、低成本、全基因組可重復性以及不同應用所需的少量DNA。本研究中,用400SSR對大量(310)高度多樣的種質進行了基因分型,通過重要QTLs的鑒定和驗證,有助于在早期階段選擇具有良好產量和產油性狀的優良油棕種質。


植本研究中的種質是從非洲油棕試驗場收集的。共有31015年齡的油棕基因型用于的GWAS分析,包括127個贊比亞、97個喀麥隆、51個坦桑尼亞和35個幾內亞比紹來源(1)

取葉片用于DNA提取,使用0.8 %瓊脂糖凝膠電泳和DNA作為標準來估計質量和數量。本實驗對束產量和產油量組分的13個數量性狀進行了關聯研究。第一類由群體產量性狀組成,而第二類由產油量組成(1)

從公共數據庫 (http://www.mpob.gov.my)中獲得的400SSRs用于GWAS分析,這些標記分布在油棕的16條染色體上。通過將400SSR標記基因型數據與非洲種質的13個性狀的表型數據相關聯來進行GWAS分析。利用Power marker (UPGMA算法)軟件對非洲種質進行遺傳多樣性分析,生成譜系圖。主成分分析是用R軟件完成的。群體結構和基因流是使用嵌入在STRUCTURE軟件中的基于模型的聚類方法進行的。混合模型用于確定種群數量(K)TASSEL軟件用于使用表型、基因型數據和Q矩陣來鑒定QTL。統計參數如一般線性模型(GLM)和混合線性模型(MLM)方法被用于估計QTL效應。除了用于MLM分析的基因類型、表型數據和Q矩陣外,還使用了親緣關系矩陣,并通過NCBI數據庫來確定候選基因。

果穗油產量性狀的表型分析

產量和果穗參數的表型分析是油棕加工業的主要關注點。因此,鑒定決定產量和果穗性狀的QTLs將提高油棕產量和生產力。在目前的研究中,果穗產量從29%98%不等,平均為62.4%(2)

2給出了描述不同性狀的正態分布柱狀圖。OWMODM之間的相關性非常顯著,其次是MFODMODMOWMFFB是油棕產油量的重要組成部分。OBSF之間呈高度顯著負相關,其次是OBKF (3)。產量相關性狀的相關分析結果表明,與BW相比,BN有可能成為更好的生產選擇標準。

另外研究了6個群體產量性狀和7個群體產油性狀的主成分分析及其相互關系 (4)。前兩個組分(PC1PC2)分別解釋了84.5 %68.9 %的群體產量和油產量性狀的變異。

5為果穗產量和油產率參數的熱圖。熱圖顯示性狀FBOBKFSF在一組中(5a)。同樣,RL與其余性狀形成了一個單獨的聚類(5b)主成分分析和熱圖獲得的聚類模式相似。這種關系清楚地表明,這些種質將更適合在育種計劃中選擇特定的性狀。