基于高通量表型检测平台解析甘蓝型油菜表型性状的遗传基础

摘要

油菜是重要的油料和饲料作物，在传统的表型性状研究中，其调查方式通常由人工借助测量工具完成，效率低且结果重复性差。近年来，研究者利用高新技术如光学成像设备可高通量、高分辨率的检测不同生长时期植株表型的动态变化，并进行相应的遗传分析。因此，为研究甘蓝型油菜动态生长的遗传机理，我们利用以中油821(ZY821)和No.2127为亲本构建的导入系群体（89个家系）为实验材料，借助华中农业大学作物表型检测平台考察甘蓝型油菜不同生长时期的表型性状，并结合群体简化基因组测序的基因型进行QTL分析，以解析甘蓝型油菜表型性状的遗传基础。主要研究结果如下:
　　1.2015年和2016年分别在表型检测平台温室中种植导入系群体，设置5个随机重复。从11月底至次年2月底，每隔一周分别从侧视和顶视角度拍摄植株图片，共12个时期。每个考察时期均从图片中分别提取23个侧视表型性状(SV)和18个顶视表型性状(TV)。在侧视表型性状中，6个性状(M_TEX_SV、SE_TEX_SV、S_TEX_SV、MU3_TEX_SV、U_TEX_SV和E_TEX_SV)反映植株纹理特征，11个性状（GPA_SV、TPA_SV、H_SV、W_SV、HWR_SV、FDNIC_SV、FDIC_SV、R_SV、PAR_SV、HA_SV和AC_SV）反映植株形态特征，6个性状（PC1_SV、PC2_SV、PC3_SV、PC4_SV、PC5_SV和PC6_SV）反映植株的紧凑度。在顶视表型性状中，也有6个性状（M_TEX_TV、SE_TEX_TV、S_TEX_TV、MU3_TEX_TV、U_TEX_TV和E_TEX_TV）反映植株纹理特征，11个性状(GPA_TV、TPA_TV、H_TV、W_TV、HWR_TV、FDNIC_TV、FDIC_TV、R_TV、PAR_TV、HA_TV和AC_TV)反映植株形态特征，此外1个性状(GCV_TV)反映叶片绿色的深浅程度。
　　2.在温室中分别种植9个家系和亲本ZY821共10个材料，设置12个重复共120株。该10个材料在每次完成表型检测后均由人工测量株高、茎杆及叶片的鲜重(FW)和干重(DW)。以株高性状为例，我们评估了本校作物表型检测平台对甘蓝型油菜表型性状的测量准确性。表型检测平台的株高测量值与人工测量值呈极显著相关(R2＞0.88)，且偏差较小（平均绝对百分比误差，MAPE＜12％），表明该平台对甘蓝型油菜表型性状的测量结果可靠。
　　在材料无损坏情况下，我们通过模型预测分析了甘蓝型油菜鲜重和干重的遗传基础。首先利用该120个植株的41个表型性状以及对应人工测量的FW(DW)进行逐步回归分析，结果侧视和顶视总投影面积（TPA_SV和TPA_TV）均与生物量性状显著相关。其次以TPA_SV和TPA_TV为自变量、以人工测量的FW(DW)为因变量进行模型构建。FW和DW预测模型分析均构建了4个线性模型、2个二次项模型、2个指数模型和3个幂次模型。最后以模型预测值和人工测量值之间调整的决定系数(R2)和平均绝对百分比误差(MAPE)评估各模型的优劣，结果幂次模型中的模型9(ln(y)=a+b×ln(x)，x为TPA_SV，y为FW或DW，a和b为常数）对FW和DW的预测效果最好，且十倍交叉验证分析表明该模型预测精确度较高。利用模型9结合导入系群体无损考察的TPA_SV可计算出群体FW和DW的模型预测值，同时结合基因型共定位到多个调控油菜鲜重和干重的QTL。
　　3.对41个表型性状进行了遗传分析。(1)所有表型性状的广义遗传力在12个时期中均呈先增大后减小的动态变化趋势，且多数表型性状的遗传力在多个时期均达到了0.6以上。(2)2个反映植株纹理特征的性状(U_TEX_SV和U_TEX_TV)与大多数表型性状间均呈极显著的负相关。8个反映植株形态的性状(AC_SV、AC_TV、HWR_SV、HWR_TV、PAR_SV、PAR_TV、R_SV和R_TV)以及6个反映植株紧凑度的性状(PC1_SV、PC2_SV、PC3_SV、PC4_SV、PC5_SV和PC6_SV)与其他表型性状间的相关性不显著。剩余25个表型性状间均呈显著或极显著的正相关。(3)41个表型性状在2015年和2016年实验中分别共定位到326个和581个QTL。QTL分布具有以下特点:(a)所有表型性状均检测到多个QTL。(b)某一时期的多个表型性状检测到多个相同的QTL。(c)部分表型性状在连续多个时期可重复检测到相同的QTL。
　　4.我们将89个家系的单株产量和对应12个时期考察的表型性状进行逐步回归分析，发现第1、11和12个时期的4个侧视形态性状（FDIC_SV-1、PAR_SV-1、FDNIC_SV-11和H_SV-12）与单株产量关系均呈正相关，并且用这4个性状预测的单株产量与人工测量值呈显著相关(R2=0.63)，且偏差较小(MAPE=5.65％)，表明可以用这4个形态性状预测植株产量。

目录

声明

摘要

1 前言

1．1 作物导入系研究现状

1．1．1 作物导入系的构建及特点

1．1．2 利用导入系定位QTL在不同作物中的研究进展

1．2 植物表型组研究现状

1．2．1 植物表型组的概念和特点

1．2．2 表型组学在不同作物中的研究进展

1．3 立题依据

1．4 主要研究内容

1．5 本研究的目的和意义

2 材料与方法

2．1 实验材料

2．2 实验设计

2．2．1 甘蓝型油菜表型考察实验

2．2．2 甘蓝型油菜生物量性状预测实验

2．3 数据分析

2．3．1 甘蓝型油菜生物量预测模型分析

2．3．2 最佳预测模型的十倍交叉验证分析

2．3．3 甘蓝型油菜表型性状的广义遗传力分析和相关性分析

2．3．4 甘蓝型油菜表型性状的QTL分析

2．3．5 甘蓝型油菜单株产量预测分析

3 结果与分析

3．1 甘蓝型油菜表型性状的考察和数据提取

3．2 表型检测平台对甘蓝型油菜表型测量的性能评估

3．3 甘蓝型油菜生物量性状分析

3．3．1 甘蓝型油菜鲜重预测模型分析

3．3．2 甘蓝型油菜干重预测模型分析

3．3．3 最佳预测模型的十倍交叉验证分析

3．3．4 甘蓝型油菜模型预测鲜重和干重的QTL分析

3．4 甘蓝型油菜表型性状的广义遗传力分析

3．5 甘蓝型油菜表型性状间的相关性分析

3．6 甘蓝型油菜表型性状的QTL分析

3．7 甘蓝型油菜单株产量的预测分析

4 讨论

参考文献

附录

致谢