论文部分内容阅读
小麦是我国重要的粮食作物,培育高产、优质小麦对维护我国粮食安全举足轻重。因此,本研究以分布于中国北方冬麦区10个省市及国外的543份小麦品种为材料,利用90K SNP标记来揭示与农艺性状和品质性状显著关联的QTL。主要内容如下:1、利用543份小麦材料,在6个环境下对小麦31个农艺性状(株高、穗长及千粒重等)与品质性状(蛋白质含量、湿面筋含量及淀粉含量等)进行鉴定,各性状均呈现明显变异,变幅为0.88%~41.37%,31个性状平均值均呈现连续性分布,且基本呈现为正态分布。31个性状均具有较高的广义遗传力。2、基因芯片共包含81587个覆盖小麦全基因组的SNP位点。对检测出的SNP位点分型结果,以基因型杂合率小于50%、检出率大于90%及最小等位基因频率(MAF)小于5%为标准进行质量控制。质控后11140个SNP标记用于后续分析,其MAF的平均值为0.18,多态信息含量(PIC)的平均值为0.27。543份小麦材料被分为3个亚群,利用NTSYSpc 2.11a软件计算品种间两两遗传相似系数,543份小麦品种间两两遗传相似系数波动范围为0.3699~0.9965,平均值为0.5943。Ⅰ亚群中品种间两两遗传相似系数波动范围为0.4832~0.9965,平均值为0.6828;Ⅱ亚群中品种间两两遗传相似系数波动范围为0.4550~0.9964,平均值为0.6135;Ⅲ亚群中品种间两两遗传相似系数波动范围为0.3599~0.9410,平均值为0.5786。利用分布于21条染色体上的11140个SNP标记进行连锁不平衡分析,小麦3个基因组中,A基因组衰减最快,D基因组次之,B基因组衰减最慢。3、对543份小麦品种6个环境下测定的性状数据进行最优线性无偏差预测(BLUP)以消除过环境引起的误差,之后同时采用BLUP数据与6个环境下各性状数据,利用GLM、GLM+PCA、MLM+K、MLM+PCA+K 4种模型对31个性状进行全基因组关联分析。在6个环境下,31个性状4种模型同时定位到164个SNP位点,其中与农艺性状相关位点124个,与品质性状相关位点81个;利用BLUP数据,31个性状4种模型同时定位到的位点数为55个,其中与农艺性状相关位点25个,与品质性状相关位点30个。4、将GWAS定位到显著关联位点的序列在IWGSC网站上进行BLAST,当位点序列与BLAST到的序列完全重合时,利用BLAST到的结果使位点序列上下游各扩增10kb。将扩增的序列在NCBI上进行BLAST用于候选基因的鉴定。与目标性状显著关联的18个SNP标记,共鉴定出37个与抗病性基因、蛋白相关基因、春化基因及株高相关基因等。采用分布于中国北方冬麦区10个省市及国外的543份遗传背景丰富的小麦品种为材料,以90K SNP标记技术来揭示与农艺性状及品质性状显著关联的QTL。明确中国冬小麦品种在DNA水平上的亲缘关系与群体结构及挖掘出与目标性状紧密关联的SNP位点,以期为有利基因的挖掘及小麦新品种的选育提供理论基础。