作物学报 ACTA AGRONOMICA SINICA 2012, 38(2): 256 263
www.chinacrops/zwxb/
ISSN 0496-3490; CODEN TSHPA9
E-mail: xbzw@chinajournal
本研究由国家现代农业产业体系(CARS-04-02A)，国家公益性行业(农业)科研专项(200903003), 黑龙江省重大科技攻关项目(GA09 B103)和黑龙江省高校青年学术骨干支持计划项目(1152G007)资助。
*
通讯作者(Corresponding authors): 胡国华, E-mail: Hugh757@, Tel: 0451-********; 陈庆山, E-mail: , Tel:
0451-********
第一作者联系方式: E-mail: , Tel: 137********
Received(收稿日期): 2011-04-25; Accepted(接受日期): 2011-10-12; Published online(网络出版日期): 20
11-12-01. URL: wwwki/kcms/detail/11.1809.S.20111201.0920.003.html
DOI: 10.3724/SP.J.1006.2012.00256
大豆叶片性状QTL 的定位及Meta 分析
仕相林1 孙亚男1 王家麟1 刘春燕1,2 陈庆山1,* 胡国华2,3,*
1
东北农业大学研究生院, 黑龙江哈尔滨 150030; 2黑龙江省农垦科研育种中心, 黑龙江哈尔滨 150090; 3
国家大豆工程技术研究中心, 黑龙江哈尔滨 150050 摘 要: 利用Charleston×东农594重组自交系构建SSR 遗传图谱, 采用WinQTLCartographer Ver. 2.5软件的CIM 和MIM 分析方法对2006—2010年(F 2:14~F 2:18)连续5年的大豆叶长、叶宽以及叶柄长数据进行QTL 定位。检测到8个与叶长有关的QTL, 位于染色体Gm01、02、05、11和18上; 9个与叶宽有关的QTL, 位于染色体Gm01、03、05、06、11、12和16上; 8个与有关叶柄长的QTL, 位于染色体Gm01、03、05、06、11、17和18上。2年以上均检测到的叶长QTL 为qLL5a 、qLL5b 、qLL1a 和qLL18; 叶宽QTL 为qLW5a 、qLW11a 、qLW11b 和qLW12; 叶柄长QTL 为qLSL11b 。另外, 利用BioMercator2.1的映射功能将国内外常用的大豆图谱上
的叶长、叶宽QTL 通过公共标记映射整合到大豆公共遗传连锁图谱Soymap2上, 将搜集到的35个叶长QTL 、
37个叶宽QTL 和本研究得到的QTL 整合分析, 最终得到5个大豆叶长的“通用”QTL, 位于Gm09、18和19, 其置信区间最小可达5.66 cM; 4个大豆叶宽的“通用”QTL, 位于Gm07、Gm18和Gm19上, 其置信区间最小可达5.67 cM, 为今后对大豆叶片性状QTL 精细定位提供了信息。 关键词: 大豆; 叶片性状; QTL 定位; 整合分析
Mapping and Meta-analysis of QTLs for Leaf Traits in Soybean
SHI Xiang-Lin 1, SUN Ya-Nan 1, WANG Jia-Lin 1, LIU Chun-Yan 1,2, CHEN Qing-Shan 1,*, and HU Guo-Hua 2,3,*
1
Graduate College of Northeast Agricultural University, Harbin 150030, China; 2 The Crop Rearch and Breeding Center of Land-Reclamation, Harbin
150090, China; 3 The National Rearch Center of Soybean Engineering and Technology, Harbin 150050, China
Abstract: Leaf length, width, and leafstalk length affect the photosynthetic capability of plant, and increasing photosynthetic rate per unit leaf area may improve ed yield in soybean. In this study, we analyzed QTLs data of soybean leaf length, width and leaf-stalk length from 2006 to 2010 with a F 2:14–F 2:18 of recombination inbred lines (RIL) population derived from a cross between Charleston and Dongnong 594 by mixed linear model approach. Eight QTLs for leaf length (LL) were mapped on the chromo-somes Gm01, Gm02, Gm05, Gm11, Gm18 by software WinQTLCartographer Ver. 2.5, nine QTLs were identi fied for leaf width (LW) on the chromosomes Gm01, Gm03, Gm05, Gm06, Gm11, Gm12, Gm16; eight QTLs were identi fied for leafstalk length (LSL) on Gm01, Gm03, Gm05, Gm06, Gm11, Gm17, Gm18. QTLs qLL5a , qLL5b , qLL1a , and qLL18 for LL, qLW5a , qLW11a , qLW11b , and qLW12 for LW, and qLSL11b for LSL were identi fied in more than two years. Furthermore, not only 72 QTLs of leaf traits that have been mapped in many different populations and environments were collected but also QTL mapped by WinQTLCartographer Ver. 2.5 were projected and integrated in the reference map with the software BioMercator2.1. In total, the connsus QTLs of five for leaf length and four for leaf width were obtained in soybean. The minimum confidence interval of leaf length was shrunk to 5.66 cM. The results would provide a basis for fine mapping of QTL and cloning genes in soybean. Keywords: Soybean [Glycine max (L.) Merr.]; Leaf traits; QTL mapping; Meta-analysis
叶片性状通过影响光的穿透力、光的吸收以及CO 2的固定, 而影响植物光合作用。
国内外已有利用剪叶方式研究大豆叶片在各生育阶段对产量影响的研究报道, Kokubun 等[1]认为大豆的叶片性状与产量
第2期仕相林等: 大豆叶片性状QTL的定位及Meta分析257
相关。胡明祥等[2]指出, 群体叶面积或叶面积指数是决定光合产物数量的重要性状。傅艳华等[3]从第一复叶开始一直跟踪剪掉最后一片复叶, 系统研究了大豆花期叶片对干物质积累和产量形成的影响。以期通过栽培管理措施调节叶片功能, 为获得理想的高产群体和预报产量提供理论依据。Thompson等[4]发现提高大豆叶片光合作用效率能够增加大豆产量。Ellis等[5]认为大豆中产量与种粒的灌浆期有重要关系, 灌浆期越长或者光合作用能力越强越有利于提高产量。与其他农艺性状相比, 国内外有关大豆叶片性状的QTL定位研究非常少, 而且这些研究中使用的群体较小, 检测的分子标记数不多, 以及利用种间杂交作为构图群体, 所以QTL定位的数量很少, 精度不高[6-9]。
高密度遗传连锁图谱Soymap2的构建[10], 为大豆叶片QTL精细定位乃至基因定位的研究提供了有利分子基础。在SoyBa (soybeanbreederstool- box/)的数据库中仅收录了31个与叶长相关的QTL 和34个与叶宽相关的QTL, 没有与叶柄长相关的QTL。Kim等[9]利用来自于Keounolkong × Shinpal- dalkong和Keounolkong×Iksan10两套重组自交系F2:10的群体对大豆叶片性状进行了定位。
Mansur等[6]在大豆中利用Minsoy×Noir 1群体定位了2个与叶片大小相关的QTL。Keim等[11]利用一套来自于Glycine max×G. soja的群体, 将叶长QTL定位于LG H上。他们也将叶宽QTL定位于LG A和LG H。Mansur 等[7]定位了3个叶长QTL (LG U5, U6和U14)和3个叶宽QTL (LG U2a、U10a和U11)。由于对叶片性状的不同研究建立在不同的群体和作图方法基础上, 因此利用不同分析方法发掘在不同群体和不同环境条件下均能检测到的主效QTL成为国内外研究的热点。Meta分析(meta-analysis)最早由Glass应用于医学、社会学和行为科学的研究, 并可将已有的结果进一步整合, 以发现更精确的结果[11]。Goffinet等[12]提出将Meta分析用于整合分析已经定位的QTL, 在整合 QTL 的基础上建立数学模型可以优化QTL, 缩小置信区间, 提高QTL定位的准确度和有效性。Etzel等[13]应用Meta分析方法对人类基因组的数量性状进行研究, 并取得了一定的突破。Chardon等[14]在整合313个玉米花期相关QTL信息的基础上, 进行Meta分析, 发现62个“通用QTL”, 其定位准确度是相应区域定位最准确的QTL的2倍。Truntzler等[15] 通过对玉米青贮饲料的质量QTL的Meta分析, 得到了15个QTL, 其置信区间小于10 cM。在大豆上, Guo等[16]对抗大豆胞囊线虫QTL进行了Meta分析, 并得到10个“通用”QTL及其连锁标记。孙亚男等[17]采用Meta分析得到12个大豆株高“通用”QTL及其连锁标记。但是对于大豆叶片QTL定位的较少。
本研究利用WinQTLCartographer Ver. 2.5遗传统计软件[18], 对2006—2010年连续5年种植的Charleston (母本)×东农594 (父本) F2:14~F2:18代重组自交系(RIL)进行大豆叶长、叶宽和叶柄长QTL
定位, 并结合Meta分析, 从搜集的QTL和本研究得到的QTL中得到大豆叶长和叶宽的“通用”QTL, 为今后分子辅助育种提供基础。
1 材料与方法
1.1 QTL分析材料与方法
1.1.1 供试材料2006至2010年连续5年在黑龙江省农垦科研育种基地种植中国农业科学院作物科学研究所提供的Charleston (♀)和东北农业大学大豆研究所提供的东农594(♂)及其147个F2:14~F2:18代重组自交系, 行长1 m, 2~3次重复, 随机区组设计, 管理同一般大田。2006和2007年分别为2次重复, 2008—2010年分别为3次重复。
1.1.2 叶片相关性状的测定对亲本和重组自交系群体每个株系随机取5株, 按照《大豆种质资源描述规范和数据标准》中的标准考察农艺性状及进行测量叶片相关性状。
1.1.3 统计分析本群体的遗传图谱已经由陈庆山等[19]完成。采用WinQTLCartographer Ver.
2.5软件分析叶片相关性状QTL。以P<0.005和LOD>2.5为阈值来判断QTL的存在。
橡胶脚垫
1.2 Meta分析材料与方法
从大豆公共数据库(hppt://www.soyba/)和现有文献中下载和收集大豆叶长、叶宽性状相关的QTL信息, 包括QTL名称、所在染色体位置、临近标记、作图群体等。在特定环境下, 利用特定群体对目标性状进行QTL分析视为一次试验(取多试验数据平均值所做的QTL分析也视作一次试验)。如果QTL的置信区间未知, 则根据Darvasi等[20-21]的公式推断其95%的置信区间：
C.I. =530/(N×R2) (1)
C.I. =163/(N×R2) (2)
其中C.I.指QTL的置信区间(confidence inter-
258作物学报第38卷
val), N代表作图群体的大小, R2代表该QTL的贡献率。以上公式(1)适用于回交和F2作图群体, 公式(2)适用于重组自交系群体。
将收集到的QTL根据其原始定位的信息将QTL定位的实际图谱(称为原始图谱)和目标图谱soymap2[10]加以比对。利用齐序函数(homothetic fun- ction)计算共有标记间距, 将原始QTL的最大可能位置及置信区间的两端标记按比例标注到参考图谱上称为映射(projection)。参阅Chardon等[14]的计算方法, 利用软件BioMercator2.1软件的映射功能将其他作图群体的叶片相关性状QTL映射到参考图谱上, 分别构建
叶长、叶宽QTL“一致性图谱”。可参考孙亚男等[17]方法。
采用Meta分析方法估算“通用”QTL存在的位置和置信区间, 优化大豆叶片相关性状QTL。Meta 分析基本过程即：由N个独立存在的与1个性状相关且位于同一染色体同一位点附近的QTL计算出一个“通用”QTL。这个QTL会给出5个模型, 由最小AIC值(akaike information criterion)给出最优QTL模型即“通用”QTL。每一个模型都是按照最大似然函数比通过高斯定理给出在染色体上最大可能排列的位置, 推导公式参考Goffinet等[12]。
利用BioMercator2.1软件中tools-Meta-analysis 分析各个QTL簇。由于分析模型不同, 以每次Meta 分析中AIC值最小者为依据, 确定1个“通用”QTL。
2结果与分析
2.1 群体表型信息
母本Charleston和父本东农594各项数值在5年间差异不大(表1)。叶片相关性状总体呈现典型的数量遗传模式—近似正态的连续分布。
2.2大豆叶片相关性状QTL分析及定位
贫血吃什么水果
采用基于最大似然方法的复合区间作图法(CIM, composite interval mapping)和多区间作图法(MIM, multiple interval mapping), 分析2006—2010间5年的大豆叶长、叶宽和叶柄长性状数据, 检测到8个与叶长有关的QTL; 9个与叶宽有关的QTL和8个与叶柄长有关的QTL (表2和表3)。
其中, 与叶长有关的QTL位于Gm01、 Gm02、Gm05、 Gm11和Gm18染色体上, LOD值在2.7~11.8之间, 遗传贡献率在4.40%~37.80%之间。在Gm05 上, 采用CIM法在2007、2008和 2009年均检测到qLL5a, 置信区间依次为106.7~115.8、92.9~123.7 和89.2~125.3 cM。采用MIM法在2007、2008和2009年均检测到Gm05上的qLL5a, 在2007和2009年均检测到qLL5b; 在2007和2009年均检测到Gm11上的qLL11b; 在2008和2009年均检测到Gm18上的qLL18。
毛森与叶宽有关的9个QTL位于Gm01、Gm03、Gm05、Gm06、Gm11、Gm12和Gm16染色体上, LOD 值在2.8~11.6之间, 遗传贡献率在4.00%~61.60%之间。通过MIM法, 在2007和2009年均检测到Gm05上的qLW5a。在2008和2009年均检测到Gm11上的qLW11a、qLW11b和Gm12上的qLW12。
与叶柄长有关的8个QTL位于Gm01、Gm03、Gm05、Gm06、Gm11和Gm17染色体上。LOD值在3.0~7.9之间, 遗传贡献率在1.20%~69.80%之间。在Gm11上, 采用CIM法在2009和2010连续2年检测到qLSL11b, 置信区间分别为80.9~119.1 cM和95.6~130.7 cM, 遗传贡献率分别为30.00%和12.00%。采用MIM法在2008和2009年也均检测到qLSL11b。本试验通过WinQTLCartographer Ver. 2.5软件对
多年叶片性状数据定位, 得到多个QTL, 在不同年份环境条件影响下, 仍然重复检测到多个位置偏差不大的QTL。多年间被重复检测到的叶长QTL在Gm01和Gm05上, 叶宽QTL在Gm05、Gm11和Gm12上, 叶柄长QTL在Gm11上, 这些QTL位置偏差较小, 稳定性较高, 可能是受环境影响较小、稳定的QTL。
2.3大豆叶片性状的Meta分析
从大豆公共数据库(www.soyba/)和已发表的文献中下载收集与大豆叶长、叶宽性状相关的QTL信息, 包括亲本、群体大小、分析方法、群体类型等。本研究共搜集到35个叶长QTL、37个叶宽QTL (表4)。
最终得到5个大豆叶长性状的“通用”QTL, 分别位于Gm09、Gm18和Gm19, 其置信区间最小可达到5.66 cM; 4个大豆叶宽性状的“通用”QTL, 分别位于Gm07、Gm18和Gm19, 其置信区间最小可达到5.67 cM (表5), 其中叶长Gm19上的QTL分析结果如图1-A所示, 2个“通用”QTL分别由6个、7个QTL 分析得到; 叶宽Gm19上的QTL分析结果如图1-B 所示, 2个“通用”QTL分别由7个、2个QTL分析得到。
表1 2006–2010年大豆亲本及群体的叶片性状表型数据统计
Table 1 Soybean leaf traits in recombinant inbred lines and its parents in 2006–2010 亲本 Parents新婚祝福短信
群体 Population 性状 Trait 年份 Year
Charleston (♀)
标准差 Standard deviation
东农594 (♂) Dongnong 594 (♂)男士烫发
散文经典(cm)
标准差 Standard deviation 平均值 Mean (cm) 标准差 Standard deviation
最大值 Max (cm)
最小值 Min (cm)
峰度 Kurtosis
偏度 Skewness
2006 14.87 ±2.28 13.20 ±0.52 14.28 ±1.41 18.53 10.78 –0.16 0.39 2007 13.65 ±1.80 12.82 ±0.23 14.44 ±2.00 20.89 9.50 0.58 0.42 2008 13.05 ±0.58 12.64 ±2.17 11.04 ±2.92 19.43 5.55 0.33 0.97 2009 13.09 ±1.91 12.08 ±0.77 11.07 ±2.14 17.33 6.91
0.33 0.82
叶长 Leaf length
2010 13.87
±2.13 17.44 ±0.83 13.62 ±4.80 19.98 8.39 –0.57 0.47
2006 7.26 ±1.20 8.77 ±0.20 6.96 ±1.05 9.28 4.97 –0.86 0.07 2007 7.17 ±0.23 8.36 ±0.28 7.43 ±1.45 11.15 4.35 –0.55 0.24 2008 8.25 ±0.70 4.44 ±0.47 5.41 ±1.69 13.02 2.88 3.34 1.64 2009 8.43 ±0.56 5.03 ±1.30 5.50 ±1.44 11.01 3.06 1.66 1.19 叶宽 Leaf width
2010 8.61
±2.47 6.05 ±0.18 6.69 ±2.70 11.46 3.69 1.60 1.15
2006 19.19 ±2.41 19.36 ±0.08 19.49 ±4.05 29.42 7.46 0.20 –0.16 2007 20.14 ±2.12 20.15 ±0.04 17.82 ±3.93 27.91 7.11 0.06 –0.05 2008 21.24 ±1.65 15.37 ±2.40 16.14 ±4.86 29.70 7.93
0.28 1.02
2009 17.71 ±1.28 16.63 ±0.50 16.22 ±3.19 25.11 8.47 –0.25 0.51 叶柄长 Leaf stalk length
2010 24.17
±0.28
26.60
±1.97岐山草场
20.69
±3.79 31.69
11.34
0.23 –0.18
260
作 物 学 报 第38卷
表2 CIM 法构建大豆RIL 群体的叶片相关QTL 分析
Table 2 Mapping QTL of soybean leaf traits in recombinant inbred line population using composite interval mapping 性状 Trait 年份 Year 名称 QTL 染色体 Chr.
置信区间(C.I.) Interval
标记区间 Marker interval
QTL 位置QTL pos. LOD
R 2 (%)
加性效应 Additive affect
2007 qLL5a 5 106.7–115.8 Satt042–Satt155111.5
2.8 10.0
0.60
qLL1a 1 70.2–94.3 Satt175–Satt49579.3 3.6 20.0 –0.90 2008 qLL5a 5 92.9–123.7 Satt164–Satt522103.2 4.7 20.0 1.31 2009 qLL5a 5 89.2–125.3 Satt164–Satt522118.5 6.9 10.0 0.90 叶长 Leaf length
qLL11a 11 63.2–90.9 Satt251–Sat_11369.6 8.5 30.0 –1.40
2008 qLW11a 11 47.5–70.1 Satt197–Satt22958.3 5.9 20.0 –0.90 qLW3 3 94.6–108.9 Sat_095–Sat_091100.7 3.8 10.0 0.61 2009 qLW11b 11 96.2–116.3 Sat_113–Satt521107.4 4.3 50.0 –1.20 叶宽 Leaf width
qLW6 6 112.0–120.8 Sat_092–Satt460114.9
3.6 10.0 –0.50
2008 qLSL11a 11 52.0–68.6 Satt197–Satt22958.3 4.3 10.0 –2.35 qLSL6 6 146.2–155.4 Satt289–Satt243150.3
3.5 9.0 –1.78
qLSL3 3 92.3–113.0 Sat_095–Sat_091104.9 4.5 18.0 2.50 2009 qLSL5 5 121.0–131.9 Satt300–Satt571126.4
金钱树的养殖方法和注意事项
3.2 10.0
1.00
qLSL11b 11 80.9–119.1 Sat_099–Satt52189.0 7.7 30.0 –1.70 叶柄长 Leaf stalk length
2010
qLSL11b
11 95.6–130.7 Satt042–Satt571
116.6 5.0 12.0 1.50
3 讨论
3.1 多环境下CIM 和MIM 方法的叶片相关QTL 定位
数量性状是由许多微小的多基因决定的, 但任 何数量性状的表现, 如同其他性状一样都是遗传与环境共同作用的结果。因为不同年份间的QTL 易受环境影响丢失, 本研究中通过对多个环境下的数据进行分析, 可以增大QTL 检测的强度, 更准确估计QTL 的位置和效应, 有利于挖掘稳定的QTL 。大豆叶片的基
因型主要依赖于早期世代的基因型, 较易受环境的影响。本研究通过增加多年群体种植, 对147个F 2:14~F 2:18代重组自交系的5年表型值进行大豆叶片相关性状QTL 分析, 减少了QTL 受环境影响产生的误差, 减少了假阳性。CIM 和MIM 是2种不同的作图方法, 基于不同的模型。CIM 法充分利用了整个基因组的标记信息, 在较大程度上控制了背景的遗传效应, 提高了作图的精度和效率[24-25]。Kao 等[25]利用非正式(ad hoc)标准(适用于1个QTL 的模型)确定显著性阈值, 发现MIM 法比CIM 有更好的QTL 检测能力。MIM 法在QTL 数目较多的时候有
较大的优势, CIM 法在QTL 数目适中的情况下定位效果较好。尽管这2种方法不能对环境互作QTL 进行有效的检测, 但在分析多年份数据时不易损失主效QTL, 从而可以为Meta 分析获得更精准的数据结果。本研究运用CIM 方法和MIM 方法对连续5年的大豆叶片相关性状分析, 共检测到8个控制 叶长的QTL, 9个控制叶宽的QTL 和8个控制叶柄长的QTL 。
3.2 Meta 分析QTL 定位与传统QTL 定位的比较
传统方法定位的QTL 往往难以在实践中应用, 一方面由于QTL 定位受标记密度的局限, 使定位的QTL 置信区间跨度较大, 降低了标记的有效性; 另一方面, 控制性状的基因多呈数量性状遗传, 受到群体大小、遗传背景、统计方法等因素影响, 加上基因与环境互作, 难以一次检测到控制性状的全部QTL, 也无法真实地评价每个QTL 所能解释的遗传变异。采用Meta 分析方法, 在整合QTL 的基础上建立数学模
型, 可以优化QTL, 缩小置信区间。置信区间可缩小到 5.66 cM, 大大减小了QTL 误差, 具有较高的可信度。另外, 有关大豆叶片相关性状QTL 定位的研究在国内外报道很少, QTL 定位较少,
