基于SLAF-seq技术构建青稞遗传图谱及抗倒伏相关性状的QTL分析

摘要

青稞(Hordeum vulgare var.nudum Hooker f.)俗称裸大麦(hulless barley)是中国青藏高原的特色作物及藏族人民的主要粮食作物，对藏族人民的健康和经济发展具有重要的作用。随着啤酒工业的发展和人们对保健食品的日益重视，大麦的供需矛盾日益增加，这就对青稞的产量和品质提出了更高的要求。在青藏高原倒伏是青稞生产中常见问题之一，对产量和品质的影响较大。抗倒伏性状已成为青稞主要的育种目标之一，通过构建高密度遗传连锁图谱及QTL定位分析，寻找控制青稞抗倒伏性状的关键遗传因子及其紧密连锁的分子标记对于青稞抗倒伏育种具有重要意义。SLAF-seq技术是一种简化基因组测序技术，可以一次性实现高通量的分子标记(SNP、InDel标记)开发和分型。本研究在青藏高原青稞抗倒伏种质资源评价及其遗传多样性和群体结构分析基础上，利用易倒伏的青稞品种“藏青320”为母本与抗倒伏的青稞品种“喜马拉雅22”为父本杂交，获得的F2群体为试验材料，首次通过SLAF-seq技术进行大规模分子标记开发构建青稞SLAF-seq高密度遗传连锁图谱，并对其抗倒伏及产量相关性状进行了QTL分析。主要结论如下:
　　1.利用来自大麦7条染色体上具有多态性的48对SSR引物，检测了71份青稞抗倒伏种质资源的遗传多样性，共检测到230个等位变异，等位变异数量为1-10个，平均每对SSR引物可检测到4.79个等位变异。多态性信息含量变化范围为0.0547-0.8569，平均值为0.4898。遗传相似系数的变化范围为0.469-0.924，平均值为0.745。经聚类分析，在遗传相似系数约0.740处可将71份材料分为A、B、C、D和E五大类。群体遗传结构分析表明，71份青稞资源材料可划分为2个亚群。
　　2.通过对来自西藏的93份青稞（大麦）种质资源倒伏相关性状的分析，43个目标性状在单个性状上变异幅度大。各性状间存在很大的相关性。倒伏指数与每节的节长和鲜重呈显著和极显著正相关，而与每一节壁厚、外直径和壁径比的相关性都不显著，与穗下第三节的壁厚和壁径比呈负相关。综合倒伏指数与每节的节长、鲜重、壁厚、外直径的壁径比的相关性跟倒伏指数基本一致。综合倒伏指数与每节的弯曲力矩、倒伏指数、株高、重心高和穗重呈极显著正相关，而与抗折力、穗长呈某种程度负相关。通径分析表明，直接通径系数最大的是穗下第一节间的倒伏指数，对综合倒伏指数有较高的正效应。聚类分析，93份青稞种质资源共分为三类。其中第二类倒伏指数最大，其次为第一类，第表明三类倒伏指数最小。
　　3.通过选取双亲农艺性状差异大的亲本获得了倒伏相关性状均有明显分离的F2作图群体，在此基础上，利用SLAF-seq技术对青稞进行全基因组范围分子标记的开发，构建了青稞高密度遗传连锁图谱，共有7条连锁群，包含遗传标记4，282个，标记间平均遗传距离为0.27cM。其中4号连锁群上标记数量最多为1，213个，遗传距离为197.93cM，1号连锁群上标记数量最少为119个，遗传距离为116.16cM，总图距为1，170.54cM，覆盖青稞基因组77.22％，SLAF标记在F2作图群体中的平均完整度为90.87％。分析过滤掉遗传图谱中偏分离的标记，最终获得包含992个SLAF标签的总图距为785.53cM的遗传图谱。
　　4.基于构建的青稞高密度遗传连锁图谱，采用复合区间作图法对青稞群体52个抗倒伏相关重要性状进行了QTL定位分析，不同性状共检测到57个QTLs位点，解释表型变异(PVE，phenotypic variance explained)范围为0.16％到29.22％，LOD值范围为2.05到10.83。这些QTL中可解释表型变异超过10％的有29个，其中qBFTN3可解释单个表型贡献率高达21.31％，主效QTL qBFTN3等位基因来自喜马拉雅22。
　　5.基于构建的青稞高密度遗传连锁图谱，采用复合区间作图法对青稞群体11个产量相关重要性状进行了QTL定位分析，共检测到15个QTLs位点，分布在LG2和LG5以外的5条连锁群上，表型解释变异范围为5.3％-20.08％。控制穗粒数的QTL定在LG6的126.41cM处，LOD值为3.17，可解释16.94％的表型变异，其增效基因来自亲本喜马拉雅22。在LG4上检测到一个控制千粒重的QTL(qSSW4)，LOD值为3.01，解释表型变异9.09％，增效基因来自亲本藏青320。

目录

声明

摘要

英文缩略符号与中英文对照表

图形目录

表格目录

1．1大麦概述

1．2大麦种质资源的遗传多样性

1．3大麦遗传图谱的群体构建和研究进展

1．3．1遗传图谱的群体

1．3．2遗传图谱的构建方法

1．3．3遗传图谱的发展

1．4大麦抗倒伏相关性状QTL研究进展

1．4．1作物抗倒伏能力的测定方法

1．4．2作物倒伏模型的类型

1．4．3作物抗倒伏相关性献研究进晨

1．4．4大麦抗倒伏相关性状QTL研究进展

1．5大麦产量相关性状QTL研究进展

1．6 SLAF-seq技术在作物遗传育种中的应用

1．6．1 SLAF-seq技术原理

1．6．2 SLAF-seq技术在作物遗传图谱构建中的应用

1．6．3 SLAF-seq技术在作物数量性状QTL定位中应用

1．7．1本研究立题意义

1．7．2本研究内容

1．7．3本研究技术路线

第二章青稞种质资源遗传多样性分析

2．1材料和方法

2．1．1研究材料

2．1．2研究材料DNA提取

2．1．3 SSR分析

2．1．4数据分析

2．2结果与分析

2．2．1 SSR标记的多态性

2．2．2 SSR标记揭示的品种间遗传相似系数

2．2．3群体结构

2．2．4聚类分析

2．3讨论

2．4小结

第三章大麦种质资源的抗倒伏评价与筛选

3．1材料和方法

3．2结果与分析

3．2．1抗倒伏相关性状的统计分析

3．2．2抗倒伏相关性状间的相关性分析

3．2．3通径分析

3．2．4聚类分析

3．3讨论

3．4小结

第四章青稞高密度遗传连锁图谱的构建

4．1材料和方法

4．1．1青稞F2作图群体的构建

4．1．2作图群体DNA提取

4．1．4 SLAF文库构建及上机测序

4．1．5测序数据分组及分型

4．1．6青稞遗传连锁圈谱的构建

4．2结果与分析

4．2．1青稞F2作图群体的构建

4．2．2 SLAF测序及基因分型

4．2．3青稞高密度遗传连锁图谱的构建

4．2．4青稞高密度遗传连锁图谱的关联分析

4．2．5青稞高密度遗传连锁图谱

4．3讨论

4．3．1利用SLAF-Seq策略构建高密度遗传连锁图谱

4．3．2青稞高密度遗传连锁图谱

4．4小结

第五章青稞抗倒伏相关性状的QTL定位

5．1．3相关性状数据统计分析与QTL分析

5．2结果和分析

5．2．1抗倒伏相关性状的统计分析

5．2．2抗倒伏相关性状间的相关性分析

5．2．3抗倒伏相关性状的QTLs分析

5．3讨论

5．4小结

第六章青稞产量相关性状的QTL定位

6．1．3 QTL分析

6．2结果和分析

6．2．1产量相关性状的统计分析

6．2．2产量相关性状间的相关性分析

6．2．3产量相关性状的QTLs分析

6．3讨论

6．4小结

第七章结论和创新点

7．1结论

7．2创新点

参考文献

致谢

作者简历