Professional Documents
Culture Documents
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘 李禹尧
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘 李禹尧
1
学 号: XB171013 密 级: 公开
博士学位论文
东北春小麦主要农艺性状全基因组
关联分析及候选基因挖掘
研 究 生: 李禹尧
指导教师: 于立河 教授
学科专业: 作物学
寒地作物种质资源创新与
研究方向:
品种选育
培养学院: 农学院
中国·大庆
2022. 12
University code: 10223 Classified code: S512.1
Graduate number: XB171013 Confidential degree: Public
Doctor Dissertation
Postgraduate: Li Yuyao
Supervisor: Professor Yu Lihe
Major: Crop Science
Germplasm Resources
Innovation and Selective
Research direction:
Breeding of Crops in
Cold Regions
College: College of Agricultue
Daqing China
Dec. 2022
目 录
1 前言......................................................................................................... 1
1.1 研究背景 ........................................................................................... 1
1.2 国内外研究进展............................................................................... 2
1.2.1 主要农艺性状对小麦产量的影响............................................. 2
1.2.2 小麦主要性状关联位点挖掘研究进展 .................................... 3
1.2.3 分子标记方法研究进展及应用................................................. 4
1.2.4 关联分析方法研究进展及应用................................................. 9
1.2.5 KASP 标记原理及应用 ............................................................ 12
1.3 研究的目标及内容......................................................................... 14
1.3.1 研究目标 ................................................................................... 14
1.3.2 研究内容 ................................................................................... 14
1.3.3 技术路线 ................................................................................... 15
1.4 本研究创新点................................................................................. 15
2 材料与方法........................................................................................... 17
2.1 材料选取及田间设计..................................................................... 17
2.2 表型性状调查................................................................................. 17
2.3 DNA 提取与浓度检测 .................................................................... 18
2.4 试验及统计方法............................................................................. 19
2.4.1 SNP 基因芯片分析 ................................................................... 19
2.4.2 表型性状的统计分析 ............................................................... 20
2.4.3 基因型、群体结构和连锁不平衡分析 .................................. 20
2.4.4 关联分析 ................................................................................... 21
2.4.5 候选基因分析 ........................................................................... 21
2.4.6 单倍型分析 ............................................................................... 21
2.4.7 表达量分析 ............................................................................... 21
2.4.8 KASP 标记开发 ........................................................................ 23
3 结果与分析........................................................................................... 25
3.1 表型测定结果与分析..................................................................... 25
3.1.1 产量及穗部性状表型分析 ....................................................... 25
3.1.2 形态性状表型分析 ................................................................... 27
3.1.3 各性状间相关系数分析 ........................................................... 28
3.2 基因型及群体结构分析................................................................. 30
3.2.1 物理图谱的标记覆盖范围和遗传多样性 .............................. 30
3.2.2 群体结构和连锁不平衡 ........................................................... 32
3.3 全基因组关联分析......................................................................... 35
3.3.1 产量及穗部性状的全基因组关联分析 .................................. 35
3.3.2 形态性状的全基因组关联分析............................................... 47
3.4 候选基因及表达量分析................................................................. 54
3.4.1 产量及穗部性状候选基因分析............................................... 54
3.4.2 产量及穗部性状候选基因表达量分析 .................................. 54
3.4.3 形态性状候选基因分析 ........................................................... 57
3.4.4 形态性状候选基因表达量分析............................................... 57
3.5 单倍型分析 ..................................................................................... 59
3.5.1 产量及穗部性状单倍型分析................................................... 59
3.5.2 形态性状单倍型分析 ............................................................... 64
3.6 KASP 标记的开发与验证 .............................................................. 69
3.6.1 AX-109181055 的标记开发及验证 ......................................... 69
3.6.2 AX-110090611 的标记开发及验证 ......................................... 71
4 讨论....................................................................................................... 75
4.1 群体的连锁不平衡......................................................................... 75
4.2 供试 251 份春小麦群体结构分析 .............................................. 75
4.3 本研究与已报道 QTL 位点和相关基因的比较........................... 76
4.4 候选基因分析................................................................................. 78
4.5 小麦育种应用................................................................................. 79
5 结论....................................................................................................... 81
参考文献................................................................................................... 83
附录........................................................................................................... 97
摘要
摘 要
通过对主要农艺性状的改良及优良性状的聚合,提升小麦的产量,始终是小麦育种的
重要目标之一,但通过传统育种方式提升小麦产量愈发困难。东北地区春小麦品种具有丰
富的遗传多样性,但对其种质多样性利用还不充分。随着分子标记技术的发展,利用全基
因组关联分析(Genome-wide association study,GWAS)挖掘主要农艺性状的有利等位变
异,已经成为提升分子育种效率的重要手段之一。为挖掘春小麦主要农艺性状的显著关联
位点并开发连锁标记,通过分子手段提升育种效率,本研究以东北麦区春小麦品种为主要
研究对象,构建包含 251 份春小麦品种的自然群体,利用 55K SNP 芯片对构建的群体进行
基因分型,结合表型数据进行 GWAS,发掘主要性状关联位点及候选基因,并开发紧密连
锁分子标记,为分子标记辅助育种(Marker-assisted selection, MAS)提供参考。基于性状
特征,将调查性状分为两部分,一部分为与产量直接关联的性状,将其命名为产量及穗部
性状,另一部分为产量相关形态性状,将其命名为形态性状。主要结果如下:
1、对小麦产量及穗部性状和形态性状进行表型分析,结果表明,群体各性状均呈正
态分布趋势。ANOVA 分析结果表明,各性状均受基因型、环境、基因型和环境互作影响
显著。产量及穗部性状间相关性较为显著,仅有千粒重和小穗数、千粒重与每穗粒数间的
相关性未达到显著水平,其余各性状间均呈显著或极显著相关。形态性状只有穗下节间长
与旗叶宽呈极显著负相关关系,其余性状间的相关性均不显著。群体结构和主成分分析表
明,251 份春小麦材料按照基因型可分为 3 个亚群,亚群分类符合地理来源和选育时间,
亚群间具有显著的表型差异。
2、通过 55K SNP 芯片进行基因分型,获得了 52503 个高质量 SNP。GWAS 结果表明,
与产量及穗部性状显著关联的位点有 38 个。其中,与表型单位面积穗数(Spike number per
unit area,SNU)、小穗数(Spikelet number,SN)、穗长(Spike length,SL)、每穗粒
数(Kernel number per spike,KNS)、千粒重(Thousand-kernel weight,TKW)和产量(Grain
yield,GY)显著关联的位点分别有 8 个、6 个、19 个、7 个、4 个、13 个。单个位点可解
释表型变异的 7.6%-16.7%。在这些位点中,10 个位点为已报道位点,28 个可能为新发现
的位点。基于这些位点得到 69 种单倍型。
与形态性状关联的位点有 30 个,其中与旗叶长(Flag leaf length,FLL)、旗叶宽(Flag
leaf width,FLW)、穗下节间长(Uppermost internode length,UIL)和植株形态(Plant
morphology,PM)显著关联的位点分别有 9 个、7 个、7 个和 7 个。单个位点可解释表型
i
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
ii
Abstract
Abstract
It is always one of the important objectives of wheat breeding to improve the yield of wheat
by improving the main agronomic characters and aggregating the excellent characters, but it is
more and more difficult to improve wheat yield by traditional breeding methods. The genetic
diversity of spring wheat is very rich in Northeast China, but the utilization of germplasm
diversity is not enough. With the development of molecular marker technology, the use of
Genome-wide association study (GWAS) to explore the favorable allelic variation of major
agronomic traits has become one of the important means to improve the efficiency of molecular
breeding. In order to excavate the significant association loci of the main agronomic traits of
spring wheat and develop the linkage markers, improve breeding efficiency through molecular
means, in this study, 251 natural populations of spring wheat varieties were constructed and
genotyped by 55K SNP chip in Northeast China, based on the phenotypic data, GWAS analysis
was carried out to find the main trait association loci and candidate genes, and to develop closely
linked molecular markers, which can provide reference for Marker-assisted selection (MAS).
Based on the characters, the investigated characters were divided into two parts, one was directly
related to yield, named as yield and spike trait, the other was yield-related morphological
characters, name it a morphological trait. The main results are as following:
1. Statistical analysis showed that the distribution of yield, spike traits and morphological
traits showed a normal distribution trend. ANOVA showed that all traits were significantly
affected by genotype, environment, genotype and environment interaction. The correlation
coefficient between yield and spike traits was significant, but the correlation between
thousand-kernel weight and spikelet number 、 thousand-kernel weight and kernel number per
spiker were not significant. The correlation coefficient between other traits were significant or
extremely significant. Only the uppermost internode length was negatively correlated with the
flag leaf width, the correlation between other traits was not significant. Population structure and
principal component analysis showed that 251 spring wheat samples were divided into three
subgroups according to their genotypes. The subgroups were ranked according to geography and
breeding time, and there were significant phenotypic differences among the subgroups.
iii
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
2. There are 52503 high-quality SNPs were obtained by genotyping with 55K SNP chip.
The results of genome-wide association analysis showed that there were 38 loci associated with
yield and spike related traits. Among them, 8 loci are significantly associated with SNU, 6 loci
are associated with SN, 19 loci are most associated with SL, 7 loci are associated with KNS, 4
loci are associated with TKW, 13 loci are associated with grain yield, and each can explain
7.6%-16.7% of phenotypic variations. Among these, 10 loci were previously reported and 28 loci
were possibly newly discovered. Based on these loci, 69 haplotypes were obtained. Of these,
there were 30 loci associated with morphological traits, 9, 7, 7 and 7 loci were significantly
associated with flag leaf length, flag leaf width, uppermost internode length and plant
morphology, respectively, and each can explain 5.9%-17.8% of phenotypic variations. Among
these, 13 loci were coincident with those reported in previous studies, and the other 17 were
newly found association loci. Based on these loci, 68 haplotypes were obtained.
3. For yield and spike associated loci, six candidate genes were identified, encoding
cytokinin nucleoside, E3 ubiquity transferase, F-box protein, serine kinase and trehalose
6-phosphatase, respectively. Seven candidate genes were identified by the morphological trait
loci, encoding E3 obliquity transferase, cytokinins indican hydrogenase 5 '- phosphoric acid, F -
box family protein , leucine rich repeat receptor protein kinase and C2H2 zinc finger protein,
respectively. The functional verification of candidate genes was conducted by qRT-PCR analysis
using the test materials with phenotypic differences. The qRT-PCR results indicated that all the
13 candidate genes involved in the corresponding pathway and significantly difference among
extreme accessions.
4. For the main association loci, two KASP markers, K_AX-109181055 and
K_AX-110090611, were successfully developed, which were associated with spikelet number
and spike length, respectively. The validity of KASP marker was verified by using 78 northeast
spring wheat lines. The results showed that 78 lines could be divided into three types: AA, GG
and AG by marker K_AX-109181055, and there were significant differences in the number of
spikelets among the homozygous genotypes. The 78 lines could be divided into three types: AA,
GG and AG by marker K_AX-110090611. There were significant differences in spike length
among homozygous genotypes. The above results shows that the KASP markers are effective
and can be used to further marker-assisted selection (MAS) in breeding work.
iv
Abstract
v
缩略语表
缩略语表
缩写 英文全称 中文全称
GY Grain yield 产量
SL Spike length 穗长
vii
前言
1 前言
1.1 研究背景
小麦营养价值丰富,分布广泛,种植面积大,是世界上最重要的粮食作物
之一。2021 年我国小麦播种面积为 2.357×107 hm2,总产量为 13695 万吨,平均
单产为 5810kg·hm-1。总产量和播种面积均占全国粮食作物的四分之一左右。小
麦的高产和稳产对保障我国的粮食安全有至关重要的作用。
我国小麦种植历史悠久,拥有广袤的种植区域。种植区域的自然条件和耕
作制度复杂多样,使小麦发展出具有丰富多态性的种质资源。小麦品种是在长期
自然淘汰和人工选择下形成的,不同品种间具有遗传多样性且对不同地域的适应
性不同。小麦遗传结构复杂、遗传力低改良小麦产量性状和形态性状是小麦育种
中重要目标(Tester 等,2010;He 等,2010;Gao 等,2017;Wang 等,2019)。
我国小麦品种和其他多数国家相比,生育期更短、适应能力更强、亲合力更高,
但也具有籽粒小、茎秆软、植株高等缺点。近年来,农艺性状、生理性状、品质
性状和抗逆等表型性状逐渐成为小麦育种焦点。充分挖掘和利用种质资源,挖掘
高产、优质和多抗基因,可极大的丰富小麦遗传育种的背景,增加品种遗传多样
性,提高种质资源的利用效率和选择效率。黑龙江省和吉林省是我国春小麦的主
产区,种类丰富。受益于现代育种技术的发展,在过去的几十年里,我国东北地
区春小麦产量潜力得到了很大的提高(He 等,2010;Zhou 等,2014;Qin 等,
2015)。然而,该地区对品种多样性利用还不充分且小麦生产正面临各种挑战。
如地下水的减少导致小麦种植面积和灌溉频率的下降,以及常规育种过程中产量
提升的瓶颈等(Tester 等,2010;He 等,2010)。
伴随高通量测序技术的发展,基于高密度分子标记的全基因组关联分析越来
越多的被应用,并在对复杂性状的基因挖掘中表现出优势(Cormier 等,2014;
Sukumaran 等,2015)。自然群体的遗传多样性丰富,对其进行全基因组关联分
析(Genome-wide association study,GWAS)是研究者们用来挖掘关联标记的热
点。单核苷酸多态性位点(Single nucleotide polymorphisms,SNP)具有数量多、
分布广、遗传稳定的特点,并且易于检测。它适合进行标记数量庞大的分析,因
此成为现今最具发展潜力的分子标记种类。分子标记辅助选择(Marker assisted
1
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
selection,MAS)是进一步提高产量的有效工具和关键技术(He 等,2010;Rasheed
等,2016)。MAS 的有效性和准确性取决于目标性状可利用基因和紧密连锁标
记的数量。GWAS 分析要求样本数量大、标记密度要求高。SNP 分子标记数量
极其丰富,覆盖率广且多数为单一特异位点,可满足 GWAS 分析基本要求,进
而提高关联分析的效率。
关联分析在植物的数量性状研究中发挥着重要作用。目前,关联分析已在小
麦、水稻、玉米、大豆、高粱、棉花等粮食和经济作物上大量使用,对于产量、
病害抗性、耐逆性、品质和营养等复杂农艺性状的遗传机制解析发挥了重要作用。
作物产量受到环境因素和遗传因素共同作用的影响,是一种复杂的性状。近
年来,国内外学者鉴定出一批与产量相关性状关联的等位变异。这为基因克隆和
分子标记辅助选择育种提供了重要信息。但是,针对东北春麦材料分子标记研究
较少,迄今尚无研究针对东北春麦区优良等位基因进行系统挖掘。因此,挖掘东
北春麦区小麦产量及形态性状基因及其紧密连锁的 SNP 标记,对 MAS 育种和基
因克隆与机制解析具有重要意义。
1.2 国内外研究进展
1.2.1 主要农艺性状对小麦产量的影响
2
前言
等(2012)认为小穗密度不变时,增加穗长可有效提高产量。
形态性状对于小麦品种选育非常重要。常见形态性状包括旗叶长(Flag leaf
length,FLL)、旗叶宽(Flag leaf width,FLW)、穗下节间长(Uppermost internode
length,UIL)和植株形态等(Plant morphology,PM)(包括匍匐、半匍匐和直
立)(Li 等,2018;Li 等,2020)。叶片是小麦进行光合作用的主要部位。其
中,旗叶约占植株总光合活性的 45%-58%(Xu 等,1995)。成熟籽粒中 20%-30%
的干物质来源于旗叶的光合作用(彭永欣等,1992;徐恒永等,1995)。研究表
明,旗叶对小麦穗粒数、粒重等有显著影响(Cui 等,2003)。旗叶面积主要由
旗叶长和旗叶宽决定,旗叶长和宽均为多基因控制的数量性状,且受环境影响显
著(Coleman 等,2006)。旗叶过小导致光合产物合成少,旗叶过大会导致群体
拥挤、透气性降低,导致病虫害多发。此外,旗叶还对抵御干旱胁迫、延长灌浆
时间有重要作用,理想的旗叶面积是品种高产、稳产的重要保证。穗下节是连接
旗叶和穗的部位,因此作为灌浆阶段重要的光合器官与灌浆特性、产量特性密切
相关(Grafius 等,1978)。穗下节是果聚糖的重要储存部位,也具有维持稳定
灌浆速率的作用(Bancal 等,1989;赵微平,1993)。关于苗期植株形态对产量
影响的研究报道较少,因此,本研究把苗期植株形态也作为形态性状之一进行研
究,希望探索苗期形态与产量关系,为小麦高产育种提供参考。
1.2.2 小麦主要性状关联位点挖掘研究进展
国内外对小麦农艺性状关联位点进行了大量的研究,迄今为止,在小麦中
已克隆 70 多个基因,其中 40 个与产量性状相关(Wang 等,2019;Cui 等,2014;
Rasheed 等,2016;Nadolska-Orczyk 等,2017;Li 等,2018)。此外,多位学者
通过 GWAS 或双亲本连锁作图发现了 100 多个产量性状相关位点(Li 等,2018;
Cui 等,2014;Gao 等,2017;Würschum 等,2017)。前人研究主要通过 SSR
标记的 QTL 定位研究,但是 SSR 标记相较于 SNP 标记覆盖范围窄、密度低,不
利于遗传定位等分子育种工作。随着高通量测序技术的发展,SNP 芯片越来越多
被投入到遗传分析的工作中。千粒重是提高小麦产量的重要的性状,Hu 等(2016)
对近等基因系特定位点的扩增片段进行了测序鉴定,发现了位于 7A 染色体上的
TATGW-7A 标记位点,其对提高小麦千粒重有着重要的作用。自然种群和中国小
麦微核心种质库进一步验证了 TATGW-7A 与千粒重的相关性。Mochida 等(2003)
3
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
1.2.3 分子标记方法研究进展及应用
小麦农艺性状主要包括两类:一类是表现直观的质量性状,其受单基因控制,
且表型不易受环境变化的影响;另一类是表型呈现连续性变化的数量性状,其由
4
前言
多基因控制,易受环境影响。植物绝大多数性状为典型的数量遗传性状,以小麦
为例,包括籽粒性状中的穗长、小穗数、每穗粒数、千粒重,农艺性状中的株高、
旗叶长、旗叶宽、穗下节间长、叶绿素含量、NDVI、CGC 指数等;条锈病、叶
锈病、白粉病、黄花叶病、茎腐病、纹枯病抗性,品质性状中的蛋白质含量、酚
酸含量等。数量性状绝大多数由多个微效基因控制。因此,解析植物数量性状遗
传机制、鉴定数量性状遗传位点,对于提升作物产量、品质和抗病性具有重要意
义。然而,作物的分子标记辅助选择育种需要紧密连锁且可靠的分子标记。植物
数量性状遗传基因挖掘长期受标记数量和覆盖度制约。解析数量性状遗传机制的
标记主要包括形态学标记、细胞学标记、生化标记和分子标记。
1.2.3.1 形态学标记
形态学标记以肉眼可以观察到的生物表型特征作为标记,进而对不同个体进
行区分。在小麦育种过程中,常以高产和优质为育种目标,常用的形态学标记包
括株高、穗长、千粒重和每穗粒数等。Belay 等(1993)研究了 64 份埃塞俄比亚
圆锥小麦和1份当地品种 Boohai 的农艺性状相关性,研究发现,相较于 Boohai,
另外 64 份埃塞俄比亚圆锥小麦灌浆时间更短,抽穗期和成熟期也更晚。此外,
它们的千粒重也较低,但分蘖数和籽粒产量上比 Boohai 更高。形态学标记可以
用于对种质资源的表型差异进行标记,进而在一定程度上代表了其遗传差异,但
是这种标记受到环境因素的影响极大,可靠性和效率很低。
1.2.3.2 细胞学标记
细胞学标记是通过对染色体的观察和区分而建立的标记。作为遗传物质的载
体,染色体的变化对生物表型的影响程度往往较大。为了研究细胞水平上染色体
的区别和变化,研究者们发明了颗粒吸附法和同位素标记法、带型分析、染色体
核型分析以及细胞原位杂交等细胞学标记技术。这种突破可更精确的通过对物种
遗传物质的改变完成育种目标。通过远缘杂交等技术将带有优良基因(抗逆、高
产等)的染色体片段导入来大幅度改良小麦。小麦的育种过程中曾广泛利用异代
换系和异附加系进行抗病和高产育种(Efremova 等,2006)。基于染色体变化
的细胞学标记工作量巨大且染色体携带众多无关目标性状的基因,其结构变异的
数量不足以支撑育种需求。利用细胞学标记进行小麦育种仍然是耗时耗力且效率
很低的技术手段。
5
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
1.2.3.3 生化标记
基因的表达产物也可以作为分析物种遗传多样性的标记。如小麦籽粒中的麦
谷蛋白和麦醇溶蛋白。这两种蛋白质都作为贮藏蛋白发挥作用,影响面筋的强度
和延展性。但在不同品种间,这两种蛋白质的组份特征和含量有较大区别,区别
只由不同品种间不同的基因型决定,与环境无关。对麦谷蛋白和麦醇溶蛋白的差
异进行标记,间接标记了不同品种的差异基因型。Jorgensen 等(1986)用 6 种
同工酶作为标记,对 45 个大麦品种进行遗传分析表明这 6 种同工酶的组份和含
量等相似性极高,这 45 个品种的遗传关系较近。生化标记的类型和数量仍然有
限,无法满足育种家们在大量材料中进行育种工作的需求。
1.2.3.4 分子标记
6
前言
7
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
(0.17 cM)之间的位置。
(4)单核苷酸多态性标记(Sing nucleotide polymorphisms,SNP)
SNP 标记是由于单个核苷酸变异而在该位点形成多态性的标记。插入和缺失
是它的主要形式,另外还有颠换和置换(Lander,1996)。SNP 相比于其他标记
类型具有高通量的优势,对标记的检测无需通过传统的电泳方式,而且检测具有
规模化,快速的特点。SNP 在基因组中分布广泛且数量多,覆盖度高。这使得
SNP 标记相较于其他标记在应用于遗传辅助育种和基因克隆时具有更高的精度。
Ren 等(2013)利用分布于全基因组的 946 个 SNP 标记对 150 份硬粒小麦品种
进行遗传多样性分析,结果发现老的栽培种或地方品种相较于绿色革命早期选育
的品种,遗传多态性降低。在不同生态区域之间,遗传多态性也存在差异,其中
美洲和欧洲的硬粒小麦具有较高的遗传多态性;Würschum 等(2013)利用 9K SNP
芯片对 172 份小麦的遗传多样性和群体结构进行了分析,发现实验需要更高密度
的 SNP 标记。曹廷杰等(2015)分析了河南省小麦品种的遗传基础,所用标记
为高密度的小麦 90K SNP 标记,这些 SNP 标记在基因组 A、B、D 间的密度不
同(B>A>D),4D 染色体上分布的 SNP 标记最少。同时,研究表明,参试品种
间遗传多样性较低且存在降低的趋势,需要通过引入遗传相似度低的新种质来增
强遗传基础。
研究者们为了遗传学研究开发了众多作物 SNP 芯片,如玉米的 50K SNP 芯
片(Ganal 等,2011)、水稻的 44K SNP 芯片(Zhao 等,2011)、小麦的 9K SNP
芯片(Cavanagh 等,2013)、水稻的 50K SNP 芯片(Chen 等,2014)、小麦的
90K SNP 芯片(Wang 等,2014)、玉米的 600K SNP 芯片(Unterseer 等,2014)。
利用这些 SNP 芯片,国内外研究者们进行了大量的作物复杂性状遗传机制解析
研究(Wen 等,2014;Avni 等,2014;Lu 等,2015;Gao 等,2015;Sukumaran
等,2015;Maccaferri 等,2015;Wu 等,2015;Zhai 等,2015)。Wen 等(2014)
利用玉米 50K SNP 芯片和转录组测序,通过关联分析对玉米籽粒代谢通路的候
选基因进行挖掘。Zhao 等(2011)对 413 份水稻种质和产量性状进行了关联分
析。Gao 等(2015)利用小麦 90K SNP 芯片构建了 3609.4 cM 的遗传图谱,拥有
较高密度,平均遗传距离为 0.64 cM。新定位了 866 个 SNP 标记,并对 86 个株
高和产量等相关的 QTL 进行定位。同时,其还发掘了 12 个面粉颜色性状相关的
8
前言
1.2.4 关联分析方法研究进展及应用
植物多数性状是呈连续性分布的数量遗传性状,一般由多个微效基因控制,
易受外界环境影响,且基因间作用复杂,无法利用传统方法开展遗传研究。解析
数量性状的遗传基础对于作物的遗传改良和分子设计育种具有重要意义。基于双
亲群体的连锁分析和基于自然群体的关联分析是目前解析数量性状的两种主要
方法。
1.2.4.1 关联分析的定义和特点
基于双亲群体的连锁分析和基于自然群体的关联分析是揭示作物复杂性状
遗传分析的两种方法(Zhu 等,2008;Liu 等,2017;谭贤杰等,2011)。关联
分析可以分为全基因组关联分析和候选基因关联分析(Candidate-gene association
study,CAS)。CAS 主要是通过候选基因分子水平上遗传多样性的分析,发掘
候选基因中对表型正调控或负调控的基因。GWAS 的基础是基因位点间的连锁不
平衡,结合群体的表型和全基因组基因型数据进行分析,能够检测群体内遗传多
态性和表型变异之间的关系(Gupta 等,2005)。与传统的连锁分析相比,关联
分析基于连锁不平衡,为揭示复杂性状的遗传结构提供了一种有效可靠的方法
(Zhu 等,2008;Liu 等,2017)。GWAS 具有以下优点:(1)周期短,关联分
析常用自然群体作为供试材料,相比于传统的遗传分析手段,不用构建遗传分析
群体。利用包括野生型、地方品种和改良品种在内的天然种质资源作为材料,省
时省力(Sela 等,2014;Shi 等,2017);(2)效率高,可以同时考察多个等位
基因。传统的连锁分析侧重特定性状,而 GWAS 可以基于相同基因型数据对各
种性状进行分析(Zhu 等,2008);(3)精度高,由于 GWAS 常采用自然群体
为材料,材料的 LD 衰减范围较小。GWAS 定位得到的候选基因往往确定在较小
范围内(Neumann 等,2011;Yu 等,2006),分辨率更高。
9
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
1.2.4.2 连锁不平衡
连锁不平衡(linkage disequilibrium,LD)是生物进化过程中两个基因座上
等位基因的组合表现为非随机的现象,它的表现形式可以为两个基因、两个标记、
两个 QTL、一个标记与 QTL、标记与基因间出现非随机性组合(Zondervan 等,
2004)。根据不同的 LD 大小,GWAS 可以采用不同的标记密度,也会有不同的
精确度。D 是用来权衡 LD 程度的因素之一,能够代表位点间单倍型实际观测频
率与期望频率之间的差异。如,存在两个连锁位点 A 和 B,其对应的等位基因
分别为 A、a 和 B、b,基因频率分别为 PA、Pa、PB 和 Pb,4种单倍型所对应的
频率为 PAB、PAb、PaB 和 Pab,Pab=PAB-PAPB。如果 D=0,证明两基因座没有 LD
存在,反之,两基因座存在 LD(Oraguzie 等,2007)。
1.2.4.3 度量 LD 的方法
(Squaredalle-frequency correlations)两个参数,这两种度量方式的相同点为都以
D 为主要成分且范围都为 0-1,但是二者具有不同的含义。
D'的计算公式为:
D′=(Dab)2/min(PAPb,PaPB),(Dab> 0)
D′=(Dab)2/min(PAPB,PaPb),(Dab< 0)
D′这一度量值不能反映频率,但是它能够准确地估测重组差异,反映了重组
率的影响。D′只适合群体结构较大的关联分析,如果群体小,低频率的多态性将
会大幅度降低 4 个等位基因关联的概率(Wang 等,2005)。
r2 的计算公式为: r2=(Dab)2/PAPaPBPb;
r2的度量考虑到了变异率和重组率,因此它更能准确反映 LD 水平,进而使
关联分析的结果更精确。关联分析中常利用 r2来表示群体的 LD 水平(于海霞等,
2009)。衡量 LD 在基因组某个区域内的分布情况常用 LD 的衰减散点图和矩阵
图(Gaut 等,2003)。衰减散点图主要以基因间的 LD 为参考对遗传距离进行
作图,先统计基因组上两两标记间 LD 系数的大小,再按照标记距离对 LD 系数
进行分类,进而显示区域内的 LD 水平。衰减散点图能够表现出标记间平均 LD
系数随着标记间距离增加而降低的过程。矩阵图则直观地表现染色体上位点之间
的 LD 水平。研究者们描述 LD 在染色体上的衰减距离时,通常用 LD 半长度(LD
10
前言
1.2.4.4 关联分析的步骤
GWAS 结果受标记密度的影响,关联分析的过程一般如下:(1)构建群体:
构建群体时要选择适当数量的材料,更多的材料有利于挖掘微效位点,但是需要
消耗更多人力物力。所选择的材料应尽可能包括某一物种全部的可以遗传变异。
使等位基因较丰富,进而拥有丰富的遗传多样性。遗传多样性高意味着位点间
LD 值较低,有利于提高关联的精确度(王荣焕等,2007);(2)群体结构和亲
缘关系分析:群体结构是指目标群体内存在可分类亚群的现象(Gabriel 等,
2002)。为了检测并校正供试材料的群体结构,可以利用分子标记鉴定供试材料
的基因型。复杂的群体结构中更容易出现关联位点和目标性状之间的伪关联,即
假阳性位点。因此为了降低假阳性概率,对群体结构和亲缘关系进行校正是必要
的(Flint 等,2003);(3)采集表型数据:为了保证结果的准确性,尽可能在
不同地点和不同环境下开展,并设置重复,同时尽可能采用完全随机区组设计;
(4)关联分析:在统计表型数据、基因型数据整理和群体结构等分析之后,选
择合适的关联模型开展 GWAS 分析。
1.2.4.5 关联分析的应用
关联分析为鉴定各种表型的候选基因提供了一种有效的方法(Zhu 等,2008;
Wang 等,2014;Rasheed 等,2017)。关联分析最早在野生甜菜中被应用,研
究者们在 2001 年利用关联分析鉴定了抽薹相关基因(Hansen 等,2001)。此后,
随着众多作物全基因组序列信息的公布,关联分析越来越多被用于鉴定作物中某
一性状相关的基因定位,如玉米(Ducroq 等,2008)、水稻(Lu 等,2012)、
小麦(Breseghello 等,2006)和大麦(Inostroza 等,2009)等。Sun 等(2011)
利用 135 份世界范围内的栽培大麦和 40 份青藏野生大麦对 14 个产量相关性状进
行了全基因组关联分析,鉴定到 18 个与目标性状关联的标记位点,其中有一些
为新的 QTL。GWAS 也已经广泛应用于小麦许多复杂性状的遗传分析,如产量
相关性状、病害相关性状、生物胁迫和非生物胁迫等(Cui 等,2011,2014;Azadi
等,2015;Beyer 等,2019;Quan 等,2021)。Yao 等(2009)用 108 份小麦材
料对产量相关性状进行了关联分析,研究发现了 14 个与产量相关性状显著关联
11
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
12
前言
(https://www.biosearchtech.com/search/index?keyword=kasp)
13
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
同的光。在检测过程中,若模板链中该位点为纯合,则发出单一的匹配荧光,若
为杂合,则可同时发出两种荧光。随后针对荧光用酶标仪 FAM VIC ROM 进行光
束扫描,使用 Kluster Caller 软件进行数据分析。基于以上原理,可以通过 KASP
平台确定位点基因型。目前 KASP 技术已广泛应用于在小麦、水稻、玉米和大豆
等作物的遗传图谱构建、精细定位、基因图位克隆、种质检测和分子标记辅助选
择育种研究中。
1.3 研究的目标及内容
1.3.1 研究目标
春小麦是东北地区主要粮食作物之一,进一步提升春小麦单位面积产量,对
确保我国粮食安全具有重要意义。随着分子生物学技术的发展,小麦的高产、稳
产和优质遗传机制解析取得一定进展,MAS 也成为提高小麦育种效率的重要手
段。但是,目前多数研究针对冬小麦开展,东北地区春小麦产量和形态性状遗传
机制研究的报道较少。基于以上原因,本研究以东北麦区春小麦为主要研究对象,
构建自然群体并通过 55K SNP 基因芯片进行基因型分析,结合多年多点的产量
和相关性状数据,基于 MLM 模型开展全基因组关联分析,挖掘各相关性状关联
遗传位点,鉴定候选基因,探究遗传机制,解析东北麦区春小麦遗传资源并提供
分子标记,为杂交育种提供材料选择依据,加速东北春小麦育种进程。
1.3.2 研究内容
(1)以我国东北地区春小麦品种为主体,同时选取部分西北地区及俄罗斯
等国春小麦种质资源作为供试材料,构建群体并进行多年多点产量及穗部性状
(千粒重、小穗数、每穗粒数、单位面积穗数、穗长、产量等)和主要形态性状
(旗叶长、旗叶宽、穗下节间长和植株形态)的表型鉴定。
(2)利用 55K SNP 芯片的基因数据进行群体结构分析和亲缘关系分析,探
究春小麦遗传多样性的分子基础。
(3)通过 GWAS 分析发掘与春小麦产量及穗部性状和形态性状显著关联位
点及候选基因,并对候选基因进行表达量分析。
(4)根据关联位点进行单倍型分析,明确不同关联位点组合对表型的影响。
(5)对主要的显著关联位点进行 KASP 标记的开发,利用开发的 KASP 标
14
前言
记对 78 份小麦品系进行鉴定,明确关联位点对表型的影响,并创制分子辅助育
种中用于高效鉴定关联位点的分子标记。
1.3.3 技术路线
1.4 本研究创新点
(1)以往鲜有利用遗传背景广泛的春小麦自然群体,通过全基因组关联分
析探究春小麦遗传基础的研究。本研究弥补了该方面研究的不足。
(2)通过全基因组关联分析,解析了复杂农艺性状的关联位点和候选基因,
并通过极端表型材料进行了表达量验证;
(3)开发了 2 个新的 KASP 标记,为分子标记辅助选择育种提供了高效工
具;
(4)鉴定出了一批多环境下表型优异材料,为小麦高效育种提供了材料选
择参考。
15
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
16
材料与方法
2 材料与方法
2.1 材料选取及田间设计
材料选取以我国东北地区春小麦品种为主体,同时选取部分我国西北地区及
俄罗斯等国春小麦种质资源作为供试材料,包括地方品种,现代育成种(骨干亲
本和主推品种)和高代品系,共计 251 份(详见附件 1)。以上选取材料年份跨
度时间长、范围广、类型丰富,能够代表春小麦资源整体情况。验证群体为东北
春麦区的高世代准生产品系,遗传背景丰富,来源广泛,材料经杂交和多年自交
选育,共计 78 份品系。
田间试验于 2019 年-2020 年两年在位于哈尔滨市道外区的黑龙江省农业科
学院示范园区和位于克山县的黑龙江省农业科学院克山园区开展。试验采用随机
区组试验设计,3 次重复,4 行区,行长 2.0 m,行间距 15.0 cm。管理同当地大
田生产,确保田间肥力一致,管控病虫害发生,提升表型性状调查准确性。
验证群体种植于 2021 年-2022 年在位于哈尔滨市道外区的黑龙江省农业科
学院示范园区种植,采用大区对比法,设 3 次重复。小区宽 6.0m,面积 200.0m2,
并设不少于 6 行的保护区。播种量按计划保苗 650 株/m2 计算。
2.2 表型性状调查
本研究表型调查包括产量及穗部性状:单位面积穗数、每穗粒数、千粒重,
小穗数、穗长和产量,形态性状:旗叶长、旗叶宽、穗下节间长和植株形态(匍
匐、半匍匐和直立)。
在幼苗期,调查材料的植株形态,基于其匍匐、半匍匐和直立性状分别给予
分值 0、1 和 2;在灌浆中期,随机选取 15 片旗叶测量长度和宽度,以均值作为
旗叶长和旗叶宽;在灌浆后期,随机选取 15 个株系测量穗下节间长,平均值作
为穗下节间长;在生理成熟期,于小区中选取长势均匀的 1m 样段调查穗数,换
算成每平方米穗数。随机选取 15 个穗子调查每穗粒数、小穗数和穗长(李法计
等,2018);在每个小区生理成熟时收获中间两行植株,籽粒水分降至 14%以下
后测定产量,换算成公顷产量;收获后,随机选取 1000 粒籽粒称重作为千粒重
数据。
17
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
2.3.1 取样
2.3.2 提取
组成 CW0531S
Components 50 preps
Buffer LP1 25 ml
Buffer LP3(concentrate) 21 ml
Buffer GW2(concentrate) 15 ml
Buffer GE 15 ml
操作步骤如下:
1. 将取样的植物叶片加入液氮充分研磨,留取干重组织约 20 mg。
2. 将研磨后的粉末收集到离心管中,加入 400 μl Buffer LP1 和 6 μl RNase A
(10 mg/ml),涡旋振荡 1 min,室温放置 10 min,使其充分裂解。
3. 加入 130 μl Buffer LP2,混匀,涡旋震荡 1 min。
4. 12, 000 rpm 离心 5 min,将上清移至新的离心管中。
5. 加入 1.5 倍体积的 Buffer LP3,充分混匀。
6. 将所得溶液和沉淀全部加入到已装入收集管的吸附柱(Spin Columns
DM)中,若一次不能加完溶液,可分多次转入。12, 000 rpm 离心 1 min,倒掉
收集管中的废液,将吸附柱重新放回收集管中。
18
材料与方法
2.3.3 质量检测
2.4 试验及统计方法
19
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
2.4.2 表型性状的统计分析
在 4 个环境条件下,对小穗数、单位面积穗数、穗长、每穗粒数、千粒重、
产量、旗叶长、旗叶宽、穗下节间长和植株形态共 10 个表型性状进行测定。使
用 SAS v9.3(SAS Institute, http://www.sas.com)中的 MIXED 程序(PROCMIXED)
计算 10 个性状的 BLUP:
y=Xb+Zu+e
y 为观察到的表型,Xb 为固定效应(环境),Zu 为随机效应(基因型),e
为残留效应。
根据群体结构分析结果,通过网站(https://www.genescloud.cn/home)进行
方差分析并绘图,进行产量及形态相关表型在亚群间的比较。
2.4.3 基因型、群体结构和连锁不平衡分析
20
材料与方法
2.4.4 关联分析
为了控制背景变异,消除假阳性标记,利用亲缘关系矩阵和种群结构,采用
Tassel v5.0 中的混合线性模型(MLM,PCA+K 模型),如下:
y=μ+xβ+u+e
Y 是观察到的表现型;µ为均值;X 为基因型;β是 SNP 的作用;u 为遗传相
关的随机效应,Var(u)= σ2g K, Var(e)= σ2e;K 是所有基因型的亲缘矩阵。
在分析中,将亲缘关系矩阵作为随机效应因子,将主成分分析作为固定效应因子,
采用 Tassel v5.0 软件进行推导。由于多重检验的 Bonferroni-Holm 校正(α=0.05)
过于保守,使用该标准未检测到显著的 MTAs ,因此将调整后的-log10(P-value)
≥3.0 的标记物视为显著标记物。
利用 R 语言(R3.6.5)的 CMplot 包绘制曼哈顿图和 Q-Q 图。
2.4.5 候选基因分析
存在于两个或多个环境中的位点对表型影响更加稳定。为了确定候选基因,
本 研 究 在 NCBI ( National center for biotechnology information ,
http://www.ncbi.nlm.nih.gov/ ) 和 ENA 数 据 库 ( European Nucleotide Archive ,
http://www.ebi.ac.uk/ena)中使用与产量及形态相关性状显著关联的 SNP 标记(包
括位于峰值标记 LD 衰减区间的 SNP)对应的侧边序列进行 BLASTn 和 BLASTx
比对。IWGSC 2.1 的注释信息也被用于候选基因的鉴定。
2.4.6 单倍型分析
根据得到的产量及形态相关表型的关联位点进行单倍型分析,利用 EXCEL
软件提取每个环境中的显著关联位点,并按照基因进行分类。将分类后的单倍型
进行组合,得到关联基因的单倍型,剔除含有 N 的单倍型和 MAF<0.05 的稀有
单倍型。
2.4.7 表达量分析
小麦产量相关性状遗传机制十分复杂,受植物激素、激酶等多种物质调控。
基于 GWAS 分析结果,通过序列比对并结合基因注释信息,初步确定候选基因。
21
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
针对自然群体材料,基于不同基因,决定取材位置,千粒重取灌浆后籽粒、
穗长等性状取灌浆后穗部、针对旗叶长和旗叶宽,在旗叶发育完成后取旗叶叶片、
针对穗下节间长,在植株停止营养生长时取穗下节间、针对植株形态性状,在幼
苗起身前取主分蘖为表达验证材料。根据表型选取极端材料开展表达分析,分别
命名为极端高值材料(Extreme-higher)和极端低值材料(Extreme-lower)用于
表达量检测。采用 TRIzol 法提取总 RNA 并利用 Nanodrop2000(NanoDrop,USA)
进行浓度检测。采用 RevertAid First Strand cDNA Synthesis Kit 试剂盒(Thermo
Scientific)进行反转录,合成 cDNA。将 cDNA 模板用无菌双蒸水稀释 5-10 倍,
22
材料与方法
步骤 反应 温度(℃) 时间 循环数
1 激活 94 15min 1
变性 94 20s 10
2
退火/延伸 61-55 60s(每循环降低 0.6℃)
变性 94 20s 26
3
退火/延伸 55 60s
23
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
24
结果与分析
3 结果与分析
3.1 表型测定结果与分析
3.1.1 产量及穗部性状表型分析
对产量及穗部性状(单位面积穗数、每穗粒数、穗长、小穗数、千粒重)
进行数据统计分析(图 3-1,附表 1),结果表明,供试群体间存在显著的连续
变异,呈正态分布趋势。研究得到籽粒产量范围为 2233.0-6987.4 kg· hm-1,平
均值为 4625.0 kg· hm-1,区间 4553.0 kg· hm-1-4883.0 kg· hm-1 上分布的材料最多
(图 3-1)。
图 3-1 产量及穗部性状的最佳线性无偏估计(BLUP)频率分布
Fig. 3-1 Frequency distribution of best linear unbiased estimation (BLUP) for yield and spike
traits
SNU:单位面积穗数;SN:小穗数;SL:穗长;KNS:每穗粒数;TKW:千粒重;GY:产量
SNU: Spike number per unit area;SN: Spikelet number;SL: Spike length;KNS: Kernel
25
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
Table 3-1 Analysis of variance for the grain yield and spike traits
F-值
基因型
250 120.4** 24.4** 94.4** 29.2** 85.8** 108.5**
Genotypes
环境
3 380.9** 98.5** 302.1** 115.6** 258.5** 325.4**
Environments
环境内重复
2 18.2** 5.3** 13.2** 6.8** 13.6** 21.2**
Replicates
基因型*环境
749 9.2** 4.3** 5.6** 4.8** 6.3** 12.2**
Genotypes*Environments
误差
1425
Error
26
结果与分析
3.1.2 形态性状表型分析
对 4 个形态性状的数据进行统计分析发现,供试材料间存在显著的连续变
异(图 3-2,附表 3)。旗叶长范围为 20.7cm-33.3 cm,平均值为 27.6 cm。旗叶
宽范围为 11.2 mm-21.9 mm,平均值为 16.2 mm。穗下节间长范围为 11.8 cm-35.1
cm,平均值为 21.7 cm。植株形态平均值为 2.68。方差分析显示,基因型、环
境和基因型 × 环境互作对所有性状均有显著影响(p < 0.01)。旗叶长、旗叶宽、
穗下节间长和植株形态的广义遗传率(Hb2)分别为 0.64、0.52、0.65 和 0.71,表
明上述 4 个性状主要由遗传因素决定的(表 3-2)。
图 3-2 形态性状的最佳线性无偏估计(BLUP)频率分布
Fig.3-2 Frequency distribution of best linear unbiased estimation (BLUP) for morphologica traits
PM:植株形态;UIL:穗下节间长;FLL:旗叶长;FLW:旗叶宽
PM: Plant morphology; UIL: Uppermost internode length; FLL: Flag leaf length;
27
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
表 3-2 形态性状的方差分析
F-值
变异来源 自由度
F-value
环境 78.6**
3 426.6** 362.6** 523.6**
Environments
环境内重复
2 15.2** 12.6** 25.3** 4.3**
Replicates (nested in environments)
基因型*环境
749 6.3** 8.9** 6.9** 2.1**
Genotypes*Environments
误差
1425
Error
3.1.3 各性状间相关系数分析
通过对各性状间相关系数分析结果表明(表 3-3),单位面积穗数与产量呈
显著正相关关系,与小穗数、穗长、每穗粒数、千粒重呈显著负相关,与旗叶
长、旗叶宽、植株形态和穗下节间长的相关性均不显著;小穗数与穗长、每穗
粒数、产量呈极显著正相关、与旗叶宽呈显著正相关、与单位面积穗数呈显著
负相关,与其他性状的相关性不显著;穗长与每穗粒数、小穗数和产量呈极显
著正相关、与千粒重和旗叶宽呈显著正相关,与单位面积穗数和穗下节间长呈
显著负相关,与其他性状相关性不显著;每穗粒数与小穗数、穗长、产量和旗
叶宽呈极显著正相关,与穗下节间长呈极显著负相关,与单位面积穗数呈显著
负相关;千粒重与产量呈极显著正相关,与穗长和旗叶宽呈显著正相关,与单
位面积穗数呈显著负相关;产量与小穗数、穗长、每穗粒数和千粒重均呈极显
著正相关、与单位面积穗数和旗叶宽呈显著正相关;植株形态与各性状间的相
28
结果与分析
关性均不显著;穗下节间长与每穗粒数和旗叶宽呈极显著负相关,与穗长呈显
著负相关;旗叶长与各性状间的相关性均不显著;旗叶宽与每穗粒数呈极显著
正相关、与穗下节间长呈极显著负相关、与小穗数、穗长、千粒重及产量均呈
显著正相关。
表 3-3 各性状间的相关系数
单位面积
性状 小穗数 穗长 每穗粒数 千粒重 产量
穗数
SNU 1
SN -0.24* 1
SL -0.24* 0.81** 1
KNS -0.24* 0.83** 0.72** 1
TKW -0.20* 0.11 0.24* 0.20 1
GY 0.18* 0.57** 0.57** 0.76** 0.56** 1
PM -0.04 0.06 0.00 0.13 0.03 0.08
UIL 0.20 -0.47 -0.39* -0.54** -0.23 -0.46
FLL -0.10 0.06 0.18 0.01 0.07 0.02
FLW -0.38 0.46* 0.40* 0.54** 0.31* 0.39*
注:* 表示显著,P<0.05;**表示极显著,P<0.01。
表 3-3 各性状间的相关系数(续)
总体来看,穗长、每穗粒数和旗叶宽与各性状间的相关性较大。单位面积
穗数、穗下节间长与各性状间多呈负相关,小穗数、穗长、每穗粒数、千粒重、
产量与各性状间多呈正相关。
产量及穗部性状间相关性较为显著,仅有千粒重和小穗数、千粒重与每穗
29
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
粒数间的相关性未达到显著水平,其余各性状间均呈显著或极显著相关,且除
了单位面积穗数外,其余各性状间的相关性均为正相关。形态性状间只有穗下
节间长与旗叶宽呈极显著负相关关系,其余性状间的相关性均不显著。
3.2 基因型及群体结构分析
3.2.1 物理图谱的标记覆盖范围和遗传多样性
研究所用 55K SNP 芯片共包含 53063 个 SNP 位点,经过 Genome Studio v2.3
软件的质量控制(Call Rate > 0.7、Call Freq < 0.75、Minor Freq < 0.05、AA、
BB 和 DD frequencies < 0.03 及 GenTrain Scores < 0.50)鉴定,通过剔除分型不
明确的、多拷贝及物理位置不清楚的 SNP,最终得到 52,503 个高质量 SNP 标
记,用于构建物理图谱并进行后续的 GWAS 分析(表 3-4;图 3-3)。将测序数
据与参考基因组 IWGSC v1.0 比对发现,不同染色体的 SNP 标记数目差异明显
(图 3-3)。在这些 SNP 标记中,来自 A、B 和 D 染色体组的分别为 18319 个、
18668 个和 15516 个,占比分别为 34.9%、35.6%和 29.6%,D 染色体组的 SNP
数量最少,遗传多态性最低。6B 染色体上有 2691 个 SNP 标记,在所有染色体
中数量最多。4D 染色体上的标记数量最少,为 1118 个,这可能与 4D 染色体长
度较短有关。除 4D 染色体外,其他染色体上的标记数量都大于 2000。物理图
谱总长为 14,058.8 Mb,标记在 21 条染色体上的平均密度为 0.273 Mb。在 A、
B 和 D 染色体组上的平均密度分别为 0.271、0.277 和 0.271 Mb。从单条染色体
看,3B 染色体上的标记密度最大,平均每隔 0.192 Mb 有 1 个标记;4D 染色体
上的标记密度最小,平均每隔 0.456 Mb 有 1 个标记。
表 3-4 251 份春麦材料 SNP 标记分析
Table 3-4 Analysis of SNP marker in the 251 spring wheat accessions
MAF
染色体 标记数量 距离 密度
最小等位基因频率
Chromosome No.of markers Distance (Mb) a Density (Mb/marker)
Mean Range
均值 范围
1A 2676 593.3 0.222 0.24 0.05-0.50
1B 2672 688.7 0.258 0.30 0.05-0.50
1D 2585 495.2 0.192 0.19 0.05-0.48
2A 2679 780.8 0.291 0.25 0.05-0.50
30
结果与分析
Table 3-4 Analysis of SNP marker in the 251 spring wheat accessions (Continued)
MAF
染色体 标记数量 距离 密度
最小等位基因频率
Chromosome No.of markers Distance (Mb) a Density (Mb/marker)
Mean Range
均值 范围
2B 2680 801.2 0.299 0.25 0.05-0.50
2D 2671 651.7 0.244 0.28 0.05-0.47
3A 2241 750.6 0.335 0.25 0.05-0.50
3B 2672 830.3 0.311 0.24 0.05-0.50
3D 2135 615.5 0.288 0.20 0.05-0.48
4A 2675 743.3 0.278 0.25 0.05-0.50
4B 2652 673.5 0.254 0.22 0.05-0.49
4D 1118 509.5 0.456 0.26 0.05-0.48
5A 2686 709.2 0.264 0.25 0.05-0.50
5B 2682 712.4 0.266 0.28 0.05-0.50
5D 2203 565.7 0.257 0.25 0.05-0.50
6A 2682 618.0 0.230 0.25 0.05-0.48
6B 2691 721.0 0.268 0.26 0.05-0.50
6D 2125 473.5 0.223 0.25 0.05-0.50
7A 2680 735.5 0.274 0.26 0.05-0.50
7B 2619 750.6 0.287 0.25 0.05-0.50
7D 2679 638.6 0.238 0.22 0.05-0.50
第 1 同源染色体 7933 1777.2 0.224 0.24 0.05-0.50
第 2 同源染色体 8030 2233.7 0.278 0.26 0.05-0.48
第 3 同源染色体 7048 2196.4 0.312 0.23 0.05-0.50
第 4 同源染色体 6445 1926.3 0.299 0.24 0.05-0.50
第 5 同源染色体 7571 1987.3 0.263 0.26 0.05-0.50
第 6 同源染色体 7498 1812.5 0.242 0.25 0.05-0.50
第 7 同源染色体 7978 2124.7 0.266 0.24 0.05-0.50
A 染色体组 18319 4930.7 0.271 0.25 0.05-0.50
B 染色体组 18668 5177.6 0.277 0.26 0.05-0.50
D 染色体组 15516 3949.8 0.271 0.24 0.05-0.48
Whole 52503 14058.1 0.273
注:a 基于 IWGSC v1.0 小麦基因组序列的物理图谱(http: //www.wheatgenome.org/)
Note: a The physical map based on wheat genome sequences from the IWGSC (http:
//www.wheatgenome.org/)
31
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
Fig. 3-3 SNP marker density for all the whole genome
3.2.2 群体结构和连锁不平衡
32
结果与分析
相关性状的遗传位点挖掘(图 3-5)。
Fig. 3-4 Population analysis for the 251 spring wheat accessins
图 3-5 全基因组 LD 衰减
Fig. 3-5 The LD decay for the whole genome of the 251 spring wheat accessions
33
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
图 3-6 3 个亚群间产量及穗部性状的比较
Fig. 3-6 Comparison of yield and spike traits among three subgroups
SNU:单位面积穗数;SN:小穗数;SL:穗长;KNS:每穗粒数;TKW:千粒重;GY:产量
SNU: Spike number per unit area;SN: Spikelet number;SL: Spike length;KNS: Kernel number
对不同亚群的表型数据进行统计分析发现,除单位面积穗数外,其他产量
及穗部相关性状在 3 个亚群间都存在显著差异(图 3-6)。在 3 个亚群间,小穗数、
穗长、每穗粒数和籽粒产量都存在极显著差异(P<0.01)。第 3 亚群拥有最少
的小穗数、穗长最短、每穗粒数最少、产量也最低,第 1 亚群相较于第 2 亚群
拥有的小穗数较少、穗长较短、每穗粒数较少并且产量较第 2 亚群低。第 2 亚
群在 4 个表型中都表现最好,第 1 亚群其次,第 3 亚群最低。有利等位基因在
3 个亚群间的数量分布与 3 个亚群的产量等表型表现一致,表明研究的准确性
及遗传因素对相关性状有重要影响。在千粒重的比较中,3 个亚群间的差异没
有其他表型显著,但也存在相似趋势。
在四个形态性状中,穗下节间长和旗叶宽在 3 个亚群间存在极显著差异(图
34
结果与分析
3-7)。第 2 亚群拥有较高的旗叶宽和较低的穗下节间长,说明在黑龙江近年的
小麦育种工作中,对这两个性状进行了人工选择,这两个性状可能与高产优质
相关。在旗叶宽和穗下节间长这两个性状中,第 2 亚群分别和第 1、3 亚群存在
极显著差异,但是 1、3 亚群之间差异不显著。另外两个性状旗叶长和植株形态
在 3 个亚群之间差异均不显著。
图 3-7 3 个亚群间形态性状的比较
PM:植株形态;UIL:穗下节间长;FLL:旗叶长;FLW:旗叶宽
PM: Plant morphology; UIL: Uppermost internode length; FLL: Flag leaf length;
3.3 全基因组关联分析
3.3.1 产量及穗部性状的全基因组关联分析
251 份小麦材料可以按照地理起源、育成年份和系谱分为三个亚群。研究
群体中存在群体结构,这可能会导致出现更多的假阳性位点(Zhu 等,2008)。
因此,为了排除假阳性位点对关联分析结果的影响,本研究采用 PCA 分析和亲
缘关系矩阵进行 MLM 模型的分析,进而得到全基因组关联分析的结果。
35
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
GY-1 GY-1
GY-2 GY-2
GY-3
GY-3
GY-4
GY-4
GY-5 GY-5
36
结果与分析
TKW-1 TKW-1
TKW-2
TKW-2
TKW-3
TKW-3
TKW-4 TKW-4
TKW-5
TKW-5
37
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
KNS-1
KNS-1
KNS-2
KNS-2
KNS-3
KNS-3
KNS-4 KNS-4
KNS-5 KNS-5
38
结果与分析
SNU-1
SNU-1
SNU-2
SNU-2
SNU-3
SNU-3
SNU-4
SNU-4
SNU-5
SNU-5
39
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
SN-1
SN-1
SN-2
SN-2
SN-3
SN-3
SN-4 SN-4
SN-5
SN-5
40
结果与分析
SL-1
SL-1
SL-2
SL-2
SL-3
SL-3
SL-4
SL-4
SL-5 SL-5
41
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
42
结果与分析
综上所述,所检测的位点当中,与穗长关联的位点最多(19 个)、与千粒
重关联的位点最少(4 个),在 A、B、D 三个染色体组上关联的位点分别为 17
个、8 个和 13 个。QQ 图结果表明,以上性状所采用的 MLM(PCA+K)模型
有效规避了假阳性和假阴性的出现,关联结果可靠,可用于进一步分析。
43
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
表 3-5 产量及穗部性状显著关联位点
Table 3-5 The loci significant associated with yield and spike traits
Peak Marker Chromosome Position (bp) P-value R 2 (%) Interval (Mb) Trait Favorable allele Reference
44
结果与分析
表 3-5 产量及穗部性状显著关联位点(续)
Table 3-5 The loci significant associated with yield and spike traits (Continued)
Peak Marker Chromosome Position (bp) P-value R 2 (%) Interval (Mb) Trait Favorable allele Reference
45
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
表 3-5 产量及穗部性状显著关联位点(续)
Table 3-5 The loci significant associated with yield and spike traits (Continued)
Peak Marker Chromosome Position (bp) P-value R 2 (%) Interval (Mb) Trait Favorable allele Reference
SNU:单位面积穗数;SN:小穗数;SL:穗长;KNS:每穗粒数;TKW:千粒重;GY:产量
SNU: Spike number per unit area;SN: Spikelet number;SL: Spike length;KNS: Kernel number per spike;TKW: Thousand-kernel weight;GY: Grain yield
46
结果与分析
3.3.2 形态性状的全基因组关联分析
47
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
FLW-1
FLW-2
FLW-3
FLW-4
The E1, E2, E3, E4 and E5 indicated the Haerbin 2018;Haerbin 2019, Keshan 2018, Keshan 2019 and the
48
结果与分析
FLL-1
FLL-2
FLL-3
FLL-4
FLL-5
49
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
UIL-1
UIL-1
UIL-2
UIL-2
UIL-3 UIL-3
UIL-4 UIL-4
请调整格式,格式打印肯定有问题,最好生成 PDF
UIL-5 UIL-5
50
结果与分析
PM-1 PM-1
PM-2 PM-2
PM-3
PM-3
PM-4 PM-4
PM-5 PM-5
51
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
表 3-6 形态性状显著关联位点
Table 3-6 The loci significant associated with morphological related traits
52
结果与分析
表 3-6 形态性状显著关联位点(续)
Table 3-6 The loci significant associated with morphological related traits(Continued)
PM:植株形态;UIL:穗下节间长;FLL:旗叶长;FLW:旗叶宽
PM: Plant morphology; UIL: Uppermost internode length; FLL: Flag leaf length; FLW: Flag leaf width
53
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
3.4 候选基因及表达量分析
3.4.1 产量及穗部性状候选基因分析
Table 3-7 The details for the candidate genes of grain yield related traits
3.4.2 产量及穗部性状候选基因表达量分析
54
结果与分析
Table 3-8 The accessions with extreme grain yield and spike trait used for qRT-PCR in the 251 spring wheat
accessions
55
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
Table 3-8 The accessions with extreme grain yield and spike trait used for qRT-PCR in the 251 spring wheat
accessions (Continued)
图 3-10 产量及穗部性状相关候选基因的表达量差异
Fig. 3-10 Expression difference of candidate genes for grain yield and spike traits
56
结果与分析
Note: X-axis represents selected accessions from the natural population, whereas Y-axis represents the relative
respectively.
3.4.3 形态性状候选基因分析
Table. 3-9 The details for the candidate genes of morphologica related traits
phosphoribohydrolase
kinase
3.4.4 形态性状候选基因表达量分析
57
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
Table 3-10 The accessions with extreme morphologica trait used for qRT-PCR in the 251 spring wheat
accessions
58
结果与分析
Table 3-10 The accessions with extreme morphologica trait used for qRT-PCR in the 251 spring wheat
accessions (Continued)
图 3-11 形态性状相关候选基因的表达量差异
Fig. 3-11 Expression difference of candidate genes for morphologica related traits.
Note: X-axis represents selected accessions from the natural population, whereas Y-axis represents the relative
expression of each gene to β-Actin in various tissue.* and ** indicate the significance at p ≤ 0.05 and p ≤ 0.01,
respectively.
3.5 单倍型分析
3.5.1 产量及穗部性状单倍型分析
研究对全基因组关联分析的关联位点进行了单倍型分析(图 3-12)。将每条染色体上
的关联位点按照物理位置由小及大的顺序排列,并去除稀有单倍型(FAM<0.05)和 N 值
59
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
图 3-12a 产量显著关联位点单倍型分析
Fig. 3-12a Haplotype analysis for the loci significantly associated with grain yield(GY)
Note: *, ** and *** indicate significant at 0.05, 0.01 and 0.001 level.
60
结果与分析
图 3-12b 每穗粒数显著关联位点单倍型分析
Fig. 3-12b Haplotype analysis for the loci significantly associated with kernel number per spike(KNS)
图 3-12c 小穗数显著关联位点单倍型分析
Fig. 3-12c Haplotype analysis for the loci significantly associated with spikelet number(SN)
61
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
图 3-12d 单位面积穗数显著关联位点单倍型分析
Fig. 3-12d Haplotype analysis for the loci significantly associated with spike number per unit
area(SNU)
单位面积穗数共存在 7 种单倍型,在 3D、6A 和 7B 染色体中分别存在 3、2 和 2 种关
联位点组成的单倍型。其中 6A 和 7B 染色体上的单倍型 CA 与 TG(6A)、CA 与 TG(7B)
之间存在极显著差异,有利单倍型都为 CA。染色体 3D 上的单倍型之间不存在显著差异。
图 3-12e 千粒重显著关联位点单倍型分析
Fig. 3-12e Haplotype analysis for the loci significantly associated with thousand-kernel weight(TKW)
62
结果与分析
图 3-12f 穗长显著关联位点单倍型分析
Fig. 3-12f Haplotype analysis for the loci significantly associated with spike length(SL)
63
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
3.5.2 形态性状单倍型分析
将每条染色体上的关联位点按照物理位置由小及大的顺序排列,去除稀有单倍型
(FAM<0.05)和 N 值后,共计得到 4 个表型相关性状中共 68 个单倍型。
图 3-13a 旗叶宽显著关联位点单倍型分析
Fig. 3-13a Haplotype analysis for the loci significantly associated with flag leaf width(FLW)
Note: *, ** and *** indicate significant at 0.05, 0.01 and 0.001 level.
64
结果与分析
图 3-13b 旗叶长显著关联位点单倍型分析
Fig. 3-13b Haplotype analysis for the loci significantly associated with flag leaf length(FLL)
65
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
图 3-13c 植株形态显著关联位点单倍型分析
Fig. 3-13c Haplotype analysis for the loci significantly associated with plant morphology(PM)
66
结果与分析
图 3-13d 穗下节间长显著关联位点单倍型分析
Fig. 3-13d Haplotype analysis for the loci significantly associated with UIL
67
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
表 3-11 形态性状显著关联位点单倍型
Table 3-11 The haplotype sequence for the loci of morphologica related traits
68
结果与分析
表 3-11 形态性状显著关联位点单倍型(续)
Table 3-11 The haplotype sequence for the loci of morphologica related traits (Continued)
69
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
标记 引物 序列
特异引物 A 5′-GAAGGGGACCAAGTTAATGCTactgctagagaggattgcA-3′
通用引物 C 5′-GGATTGCAGGTCCCATTATCTC-3′
70
结果与分析
Table 3-13 The T-test of number of spikes for 78 spring wheat cultivars based on the KASP marker
K_AX-109181055.
小穗数均值
环境 基因型 a 数据数量 95% 置信区间 P 值
(%)
标记 引物 序列
特异引物 A 5′-GAAACTGGAGAGTCATGCTactgctacggagggctgcA-3′
通用引物 C 5′-GGATTGCAGGTCCCATTATCTC-3′
71
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
Table 3-15 The T-test of length of spikes for 78 spring wheat cultivars based on the KASP marker
K_AX-110090611
72
结果与分析
Table 3-16 The genotype data for the validation population based on the developed KASP marker
品系名称
K_AX-110090611 K_AX-109181055
Name
09-358 AA AA
14-1087 AA AG
14-1138 GG GG
14-313 AA AA
15-427 AA GG
15-676 AG AA
16-261 GG GG
17-017 AA AA
17-159 AG GG
17-166 AA AA
17-216 AA GG
17-5309 AA AA
18-139 AG AG
18-1516 GG GG
18-1541 GG GG
18-1559 GG GG
18-171 GG GG
18-191 AA GG
18-199 AA GG
18-413 AA GG
18-699 AA GG
18-718 AA GG
18-725 GG GG
18-922 AA AA
18FR2261 GG AA
19-187 AG AA
19-244 GG AA
19-273 GG AG
19-274 GG AG
19-282 GG GG
19-287 AA AA
19-289 AG GG
19-314 GG AA
19-333 GG AA
19-338 GG AG
19-339 AA AA
19-479 GG AA
19-489 GG GG
19-504 AA AA
73
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
Table 3-16 The genotype data for the validation population based on the developed KASP marker (Continued)
品系名称
K_AX-110090611 K_AX-109181055
Name
19-519 GG AA
19-521 GG AG
19-551 AA GG
19-89 GG GG
19-92 GG GG
20-005 GG AG
20-008 GG AA
20-017 AA GG
20-027 GG AG
20-091 GG AG
20-155 GG GG
20-155 GG GG
20-161 AA AA
20-162 GG AA
20-163 GG AA
20-165 AG GG
20-207 GG AG
20-241 AA AA
20-245 AA GG
20-262 GG AA
20-435 GG AA
20-443 GG AA
20-459 AA GG
20-476 AA GG
20-509 GG GG
20-512 GG AG
20-602 GG GG
20-624 AA GG
20-633 AA GG
20-639 GG AA
20-657 GG GG
20-694 AG GG
20-727 AG GG
20-745 AA GG
20-809 GG GG
20-813 AA AA
20-892 GG AA
Kehan19 AA GG
Longmai35 GG GG
74
结论
4 讨论
小麦高产和稳产一直是育种的重要目标,因此,鉴定小麦农艺相关性状关联位点,发
掘候选基因,对于小麦高产和稳产 MAS 育种具有重要意义。基于此,本研究构建了一个
包含 251 个春小麦品种的自然群体,基于 55K SNP 芯片基因分型数据及表型数据,通过
MLM 模型开展 GWAS 分析,鉴定东北春麦区小麦主要农艺相关性状关联位点。
4.1 群体的连锁不平衡
LD 是群体在选择和进化过程中出现的一种自然现象,是基因组内不同位点基因间的
非随机性关联。LD 衰减是影响关联分析准确度的一个重要因素,受群体结构、等位基因
频率、杂合度、自然或人工选择等因素影响。前人研究表明,不同大小的群体 LD 衰减距
离不同,普通小麦 LD 衰减距离在 1.5-15.0 Mb。本研究利用小麦 55K 芯片中的 52,503 个
SNP 标记来构建高密度的物理图谱。标记的平均密度为 0.273 Mb,全基因组的平均 LD 为
8.0 Mb,与多数小麦关联分析研究结果接近。高密度的 SNP 标记保证了每个 LD 区间中的
标记数量,以上结果表明标记数量足够用来进行后续的关联分析,可以高效、精确的用于
相关性状的关联位点挖掘。
75
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
之间差异不显著。另外两个表型旗叶长和植株形态在 3 个亚群之间差异不显著。
群体结构显著影响 GWAS 结果的准确性,群体结构缺乏矫正会导致假阳性位点的出现
(Zhu 等,2008)。因此,基于(PCA+K) MLM 模型用于该研究的下一步 GWAS 分析。
产量及穗部性状和形态相关性状作为可观察和测量的基本农艺性状,已被广泛地研究
和报道。然而,在 SNP 标记出现前,受限于标记密度,相关性状位点较少被应用于小麦育
种中。
本研究检测到 38 个产量及穗部性状关联位点。前人已报道多个与产量及穗部相关性
状关联的 QTL,在小麦的全部 21 条染色体中都有分布(Kumar 等,2007;Reif 等,2011;
Lee 等,2014;Lopes 等,2015;Sukumaran 等,2015;Gao 等,2017;Li 等,2018)。
Azadi 等(2015)报道了一个位于 1A 染色体的产量相关 QTL,和 SSR 标记 gwm357 紧密
连锁并曾被报道(Cuthbert 等,2008;Huang 等,2004)。此外,Wang 等(2011)及 Li
等(2019)在染色体 1A 上鉴定到的穗粒数关联位点(约 26.8-40.5 Mb)和本研究中鉴定到
的位于 1A 上的千粒重和穗长关联位点 1A(28.6-30.7 Mb)重叠。Li 等(2019)通过对 166
份小麦材料进行关联图谱分析鉴定到了 2A 和 3A 染色体上的产量关联位点,在这两个位点
中,2A(32.3-33.9 Mb)上的位点与本研究鉴定到的产量相关位点 2A(34.7 Mb)重叠;
两项研究在 3A 染色体上鉴定到的位点 22.9-39.3 Mb 和 10.9-21.9 Mb 也接近。另外,Li 等
(2019)在 3A(700.1-705.1 Mb)染色体上鉴定位点与本研究中鉴定到的穗长关联位点 3A
(696.4-700.9 Mb)一致。此外,Azadi 等(2015)也在 3A 染色体上鉴定到产量关联位点
(3A:650.2-690.8 Mb),与本研究中鉴定到的位点相近(3A:696.4-700.9 Mb)。
在 3D 染色体上,Li 等(2018)通过全基因组关联分析定位到了每穗粒数关联位点,
解 释了 表 型变异 的 7.1%-9.9% ,与 本研究中产量和 单位面 积穗数 的关联位 点(3D:
600.0-600.4 Mb)重叠。多数产量相关表型的关联位点富集在 5A 染色体上。Reif 等(2011)
鉴定到了一个位于 5A 染色体上与 SSR 标记 Barc151 连锁的产量相关 QTL。Liu 等(2014)
定位到了位于 5A 染色体的一个穗长相关 QTL。Li 等(2018)年通过 Gaocheng 8901 × Zhou
8425B 群体鉴定到了一个穗长相关 QTL QSL.caas-5AL.2。此外,Li 等(2019)通过对 166
份小麦材料的 GWAS 鉴定到了一个位于 5A(709.4-711.3 Mb)的千粒重关联位点,并解释
了 8.2%-13.0%的表型变异。本研究鉴定到的每穗粒数关联位点 5A(705.2 Mb)与其重叠。
Azadi 等(2015)鉴定到一个位于 5B 染色体上的每穗粒数相关 QTL,其与 DArT 标记
76
结论
77
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
4.4 候选基因分析
78
结论
4.5 小麦育种应用
尽管传统的育种方式改良了众多小麦农艺性状,但这种方式耗时耗力且效率较低(He
等,2010;Rasheed 等,2016)。本研究中鉴定到的产量及穗部和形态性状关联 SNP 标记
有利于分子标记辅助选择育种,并且可通过聚合育种改良性状。
分子标记辅助选择育种是加速传统育种进程的常用方法。已在小麦、水稻和玉米中成
熟应用。然而,在 KASP 标记出现前,绝大部分采用 SSR 标记或 DArT 标记开展相关工作,
工作量大且效率较低,显著降低了 MAS 育种的效率。伴随着 SNP 芯片,重测序和 KASP
标记技术平台的发展,为作物 MAS 育种提供了新的途径。在本研究中,与小麦小穗数和
穗长显著关联的 SNP 被转化成 KASP 标记并在 78 份品系中验证。其中,K_AX-109181055
与小穗数显著关联。在 2021 年表型统计中,AA 类型材料均值为 15.3,GG 类型均值为 16.2,
两种基因型达到显著差异;在 2022 年表型统计中,AA 类型材料均值为 14.8,GG 类型均
79
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
值为 15.8,两种基因型也同样达到显著差异。K_AX-110090611 与穗长显著关联,
K_AX-110090611 可将 78 份高代品系区分为 AA、GG 和 AG 三种类型。在 2021 年表型统
计中,AA 类型均值为 9.0 cm,GG 类型均值为 9.7 cm,两种基因型达到显著差异;在 2022
年表型统计中,AA 类型材料均值为 10.2 cm,GG 类型均值为 11.2 cm,两种基因型也达到
显著差异。以上结果表明,K_AX-109181055 标记和 K_AX-110090611 标记均可用于小麦
MAS 育种,对于小麦高产和稳产育种具有重要意义。
针对相关性状,基因的加性效应起着重要作用。因此,可基于 MAS 育种快速选育高
产、稳产新品种。本研究中发现的在多个环境下稳定存在,与前人研究一致的位点可应用
于下一步的 MAS 育种工作中。克丰 6、北麦 15、克旱 18、龙辐麦 6、龙辐麦 196、克春 7、
龙麦 23、克春 1、龙辐麦 4 和龙麦 13 等具有优良的产量及穗部相关表型材料,可作为亲
本应用于高产育种。具有优良形态性状和更多等位基因的种质,如合春 5、吉-0013、吉春
158、龙辐 18-171、龙辐 17-5277Ⅱ-12-24 和龙春 1、新曙光 4,东农 156597、克春 151350、
垦大 163672、钢 09-558、龙麦 17、克华、勇杰、北麦 6、联丰、克春 140865、北麦 1 和
龙辐麦 8 等可在小麦育种中用作改良形态性状的亲本材料。
小麦产量及形态相关性状是小麦高产和稳产的前提。本研究针对主要来自于东北春麦
区的春小麦品种开展产量及形态相关性状的遗传解析,发掘遗传位点,筛选候选基因,并
针对重要位点开发分子标记。鉴定到与产量及穗部性状关联的位点 38 个,单个位点可解
释表型变异的 7.6%-16.7%,其中,10 个位点为已报道位点,28 个可能为新发现的位点。
鉴定到与主要形态性状关联的位点有 30 个,单个位点可解释表型变异的 5.9%-17.8%。其
中,13 个位点与前人研究已报道位点重合,17 个为新发现的关联位点。另外,针对产量
及穗部性状关联位点,鉴定到 6 个候选基因,针对形态性状相关位点,鉴定到 7 个候选基
因 , 并 通 过 qRT-PCR 验 证 。 基 于 主 要 稳 定 关 联 位 点 , 成 功 开 发 了 两 个 KASP 标 记
K_AX-109181055 和 K_AX-110090611,分别与小穗数和穗长关联,可用于进一步的 MAS
育种工作中。
综上,本研究鉴定到的在不同环境下具有多效性和一致性的位点可以应用于 MAS 育
种;所开发的 KASP 标记可作为 MAS 育种的有效工具;具有优异等位基因和表型的种质
可作为亲本资源。本研究对于小麦高产、稳产相关性状遗传机制解析和分子标记辅助育种
具有重要意义。
80
结论
5 结论
本研究以来源广泛、遗传多样性丰富的春小麦品种为供试材料,针对产量及穗部性状
和形态性状进行 GWAS 分析。各性状在四个环境下均受基因型、环境、基因型和环境互作
显著影响。群体结构和主成分分析结果表明 251 份春小麦材料可分为 3 个亚群,亚群分类
符合地理来源和选育时间,亚群间表型差异显著。
GWAS 结果表明,与产量及穗部相关性状显著关联的位点有 38 个,其中,18 个位点
与 2 个及以上表型显著关联。在这些位点中,10 个位点为已报道位点,28 个可能为新发
现的位点。基于这些位点共得到 69 种单倍型。与主要形态性状关联的位点有 30 个,其中,
13 个位点与前人研究已报道位点重合,其他 17 个为新发现关联位点。基于这些位点得到
68 种单倍型。
针对产量关联位点,鉴定到 6 个候选基因,分别编码细胞分裂素核苷、E3 泛素转移酶、
F-box 家族蛋白、丝/苏氨酸蛋白激酶、海藻糖-6-磷酸酶。针对形态性状相关位点,鉴定到
7 个候选基因,分别编码 E3 泛素转移酶、细胞分裂素核糖苷 5’-磷酸氢化酶、F-box 家族蛋
白、富亮氨酸重复受体蛋白激酶和 C2H2 锌指蛋白。
利用极端差异表型材料,通过 qRT-PCR 分析对候选基因进行验证,结果表明,13 个
候选基因在对应极端材料中均呈现显著差异。验证了 13 个候选基因的可靠性。
基 于 稳 定 的 关 联 位 点 , 成 功 开 发 了 两 个 KASP 标 记 K_AX-109181055 和
K_AX-110090611,分别与小穗数和穗长关联。利用 78 份东北春麦品系对 KASP 标记的有
效性进行验证。结果表明标记 K_AX-109181055 可明显将 78 份高代品系区分为三种类型,
不同纯合基因型间小穗数存在显著差异;标记 K_AX-110090611 可明显将 78 份高代品系区
分为三种类型,不同纯合基因型间穗长存在显著差异。以上结果表明 KASP 标记有效且可
用于进一步的 MAS 育种中。
综上,本研究利用 GWAS 解析了东北春小麦产量和形态相关性状的遗传基础,鉴定到
一批农艺性状关联位点,群体中富含有利等位基因的材料可用于促进小麦育种进程,挖掘
的关联位点、鉴定到的候选基因和开发的 KASP 标记可应用于小麦 MAS 育种中。
81
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
82
参考文献
参 考 文 献
83
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
84
参考文献
学, 2005(01): 12-15.
[32]Avni R, Nave M, Eilam T, et al. Ultra-dense genetic map of durum wheat × wild emmer
wheat developed using the 90K iselect SNP genotyping assay[J]. Molecular Breeding,
2014(34): 1549-1562.
[33]Azadi A, Mardi M, Hervan E M, et al. QTL mapping of yield and yield components under
normal and salt-stress conditions in bread wheat (Triticum aestivum L.)[J]. Plant Molecular
Biology, 2015(33): 102-120.
[34]Beyer S, Daba S, Tyagi P, et al. Loci and candidate genes controlling root traits in wheat
seedlings-a wheat root GWAS[J]. Functional Integrative Genomics, 2019(19): 91-107.
[35]Breseghello F, Sorrells M E. Association mapping of kernel size and milling quality in wheat
(Triticum aestivum L.) cultivars[J]. Genetics, 2006(172): 1165-1177.
[36]Camus K L, Veyrieras J B, Madur D, et al. Maize adaptation to temperate climate:
relationship between population structure and polymorphism in the Dwarf B gene[J].
Genetics, 2006, 172(4): 2449-2463.
[37]Chen G F, Zhang H, Deng Z Y, et al. Genome-wide association study for kernel
weight-related traits using SNPs in a Chinese winter wheat population[J]. Euphytica,
2016(212): 173-185.
[38]Chen L, Jameson GB, Guo Y, et al. (2022). The LONELY GUY gene family: from mosses to
wheat, the key to the formation of active cytokinins in plants. Plant Biotechnol. J. doi:
10.1111/pbi.13783.
[39]Chen L, Zhao J, Song J, et al. Cytokinin glucosyl transferases, key regulators of cytokinin
homeostasis, have potential value for wheat improvement[J]. Plant Biotechnology Journal,
2021(19): 878-896.
[40]Chen X, Min D, Yasir T A, et al. Evaluation of 14 morphological, yield-related and
physiological traits as indicators of drought tolerance in Chinese winter bread wheat
revealed by analysis of the membership function value of drought tolerance (MFVD) [J].
Field Crops Research, 2012(137): 195-201.
[41]Coleman A D, Maroschek J, Raasch L, et al. The Arabidopsis leucine‐rich repeat
receptor‐like kinase MIK2 is a crucial component of early immune responses to a
fungal‐derived elicitor[J]. New Phytologist, 2021(229): 3453-3466.
85
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
86
参考文献
87
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
88
参考文献
NUMBER PER ROW6 regulates maize grain yield[J]. Nature Communications, 2020(11):
1-11.
[75]Jiang Q, Ma J, Wei Y, et al. Novel variants of HMW glutenin subunits from Aegilops section
Sitopsis species in relation to evolution and wheat breeding[J]. BMC Plant Biology, 2012,
12(2): 1-13.
[76]Jin H, Wen W, Liu J, et al. Genome-wide QTL mapping for wheat processing quality
parameters in a Gaocheng 8901/Zhoumai 16 recombinant inbred line population[J].
Frontiers in Plant Science, 2016(7): 1032.
[77]Karki S J, Reilly A, Zhou B, et al. A small secreted protein from Zymoseptoria tritici
interacts with a wheat E3 ubiquitin ligase to promote disease[J]. Journal of Experimental
Botany, 2021(72): 733-746.
[78]Kaur S, Dhugga K S, Beech R, et al. Genome-wide analysis of the cellulose synthase-like
(Csl) gene family in bread wheat (Triticum aestivum L.)[J]. BMC Plant Biology, 2017(17):
1-17.
[79]Kraakman A T, Niks R E, Vanden Berg PM, et al. Linkage disequilibrium mapping of yield
and yield stability in modern spring barley cultivars[J]. Genetics, 2004, 168(1): 435-446.
[80]Kumar N, Kulwal P L, Balyan H S, et al. QTL mapping for yield and yield contributing
traits in two mapping populations of bread wheat[J]. Molecular Breeding, 2007(19):
163-177.
[81]Laudencia C D. Isolation and characterization of EMS-induced Dy10 and Axl high molecular
weight glutenin subunit deficient mutant lines of elite hexaploid wheat (Triticum aestivum L.)
cv [J]. Journal of Cereal Science, 2012, 56(2): 296-299.
[82]Lee H S, Jung J U, Kang C S, et al. Mapping of QTL for yield and its related traits in a
doubled haploid population of Korean wheat[J]. Plant Biotechnology Reports, 2014(8):
443-454.
[83]Leon E, Marin S, Gimenez M J, et al. Mixing properties and dough functionality of
transgenic lines of a commercial wheat cultivar expressing the 1Ax1, 1Dx5 and 1Dy10 HMW
glutenin subunit genes [J]. Journal of Cereal Science, 2009, 49(1): 148-156.
[84]Li F, Wen W, He Z, et al. Genome-wide linkage mapping of yield related traits in three
Chinese bread wheat populations using high-density SNP markers[J]. Theoretical and
89
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
90
参考文献
powerful and efficient genome-wide association studies. PLoS Genetics 2016.12, e1005767
[96]Liu Z, Yan Z, Wan Y, et al. Analysis of HMW glutenin subunits and their coding sequences
in two diploid Aegilops species[J]. Theoretical and Applied Genetics, 2003, 106(8):
1368-1378.
[97]Lopes M S, Dreisigacker S, Peña RJ, et al. Genetic characterization of the wheat association
mapping initiative (WAMI) panel for dissection of complex traits in spring wheat[J].
Theoretical and Applied Genetics, 2015(128): 453-464.
[98]Lozada D N, Mason R E, Sarinelli J M, et al. Accuracy of genomic selection for grain yield
and agronomic traits in soft red winter wheat[J]. BMC Genetics, 2019(20): 1-12.
[99]Mackintosh S H, Meade S J, Healy J P, et al. Wheat glutenin proteins assemble into a
nanostructure with unusual structural features[J]. Journal of Cereal Science, 2009, 49(1):
157-162.
[100] Manifesto M, Schlatter A, Hopp H, et al. Quantitative evaluation of genetic diversity in
wheat germplasm using molecular markers[J]. Crop Science, 2001, 41(3): 682-690.
[101] Maphosa L, Collins N C, Taylor J, et al. Post-anthesis heat and a Gpc-B1 introgression
have similar but non-additive effects in bread wheat[J]. Functional Plant Biology, 2014,
41(9): 1002-1008.
[102] Marcotuli I, Colasuonno P, Blanco A, et al. Expression analysis of cellulose
synthase-like genes in durum wheat[J]. Scientifc Reports, 2018(8): 1-9.
[103] Martos V, Royo C, Rharrabti Y, et al. Using AFLPs to determine phylogenetic
relationships and genetic erosion in durum wheat cultivars released in Italy and Spain
throughout the 20th century[J]. Field Crop Research, 2005, 91(1): 107-116.
[104] Mergoum M, Harilal V E, Simsek S, et al. Agronomic and quality QTL mapping in
spring wheat[J]. Journal of Plant Breeding and Genetics, 2013(1): 19-33.
[105] Mir R, Kumar N, Jaiswal V, et al. Genetic dissection of grain weight in bread wheat
through quantitative trait locus interval and association mapping[J]. Molecular Breeding,
2012, 29(4): 963-972.
[106] Mohler V, Albrecht T, Castell A, et al. Considering causal genes in the genetic
dissection of kernel traits in common wheat[J]. Journal of Applied Genetics, 2016(57):
467-476.
91
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
92
参考文献
93
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
2005(111): 1072-1079.
[129] Sukumaran S, Dreisigacker S, Lopes M, et al. Genome-wide association study for grain
yield and related traits in an elite spring wheat population grown in temperate irrigated
environments[J]. Theoretical and Applied Genetics, 2015(128): 353-363.
[130] Sun C W, Zhang F Y, Yan X F, et al. Genome-wide association study for 13 agronomic
traits reveals distribution of superior alleles in bread wheat from the Yellow and Huai Valley
of China[J]. Plant Biotechnology Journal, 2017(15): 953-969.
[131] Sun D, Ren W, Sun G, et al. Molecular diversity and association mapping of
quantitative traits in Tibetan wild and worldwide originated barley (Hordeum vulgare L.)
germplasm[J]. Euphytica, 2011, 178(1): 31-43.
[132] Tester M, Langridge P. Breeding technologies to increase crop production in a changing
world[J]. Science, 2010(327): 818-822.
[133] Tian Q, Zhou R, Jia J. Genetic diversity trend of common wheat (Triticum aestivum L.)
in China revealed with AFLP markers[J]. Genetic Resources and Crop Evolution, 2005,
52(3): 325-331.
[134] Unterseer S, Bauer E, Haberer G, et al. A powerful tool for genome analysis in maize:
development and evaluation of the high density 600K SNP genotyping array[J]. BMC
Genomics, 2014(15): 823.
[135] Valluru R, Reynolds M P, Davies W J, et al. Phenotypic and genome-wide association
analysis of spike ethylene in diverse wheat genotypes under heat stress[J]. New Phytologist,
2017(214): 271-283.
[136] Varshney R K, Graner A, Sorrells M E. Genic microsatellite markers in plants: features
and applications[J]. Trends in Biotechnology, 2005, 23(1): 48-55.
[137] Wang H, Wang X, Chen P, et al. Assessment of genetic diversity of Yunnan, Tibetan,
and Xinjiang wheat using SSR markers[J]. Journal of Genetics and Genomics, 2007, 34(7):
623-633.
[138] Wang J S, Liu W H, Wang H, et al. QTL mapping of yield-related traits in the wheat
germplasm[J]. Euphytica, 2011(177): 277-292.
[139] Wang J, Wang R, Mao X, et al. RING finger ubiquitin E3 ligase gene TaSDIR1-4A
contributes to determination of grain size in common wheat[J]. Journal of Experimental
94
参考文献
95
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
96
附录
附 录
附表 1 供试品种产量及穗部性状表型数据
单位面 每穗粒
品种名 育成年份 来源 小穗数 穗长 千粒重 产量 优异等位基因数 亚群
积穗数 数
Released SL GY Number of
Name Origin SNU SN KNS TKW (g) Subgroup
year (cm) (kg· hm )
-1 favorable alleles
Bailuotuo 1950 - 838.4 13.9 8.7 26.6 29.7 3166.9 11 3
Jiaxuan2 1960 Heilongjiang 1066.5 14.2 8.5 30.0 31.3 4636.1 20 3
Lianfeng 1972 - 728.4 15.8 10.5 27.9 30.5 2810.5 16 3
Dingxinxiaomai - 989.2 16.3 10.4 32.3 25.5 3822.1 12 3
Hemai1 1970 - 817.7 15.2 9.7 32.0 32.5 3751.0 16 3
Hemai3 - 849.8 15.0 9.2 32.7 29.7 3803.6 11 3
Mailiduo 1956 - 867.8 14.5 8.6 25.2 28.2 2803.2 18 3
Gannan96 - 1199.9 14.1 8.6 26.1 28.3 3949.9 9 3
Xihong 1970 - 861.8 15.4 9.9 34.2 30.3 3947.9 10 3
Yongjie 1950 Heilongjiang 859.8 15.6 10.4 29.3 27.2 2896.2 14 1
Gansu96 1954 USA 992.5 14.2 8.7 23.1 27.2 2939.2 13 1
Huomaizi 1950 Heilongjiang 889.8 15.1 10.0 27.5 24.7 2961.5 12 1
Daqingmang 1950 Heilongjiang 721.7 15.7 9.8 31.5 25.2 2586.1 9 1
Tubuqi 1950 Heilongjiang 989.2 15.9 9.1 27.5 29.6 3639.3 8 1
Lnshou 1950 Heilongjiang 917.1 16.2 9.3 29.6 31.5 3856.0 12 1
Binnan 1950 Heilongjiang 811.7 16.3 9.4 34.1 28.1 3517.6 16 1
Huoqiu 1950 Heilongjiang 844.4 14.8 9.1 28.5 32.8 3568.8 9 1
Nonglin34hao 1950 Heilongjiang 969.8 14.5 9.4 25.7 29.0 3147.8 9 1
Zaohong 1965 Heilongjiang 924.5 16.5 10.2 37.6 31.9 5313.7 20 1
99
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
附表 1 供试品种产量及穗部性状表型数据(续)
单位面 每穗粒
品种名 育成年份 来源 小穗数 穗长 千粒重 产量 优异等位基因数 亚群
积穗数 数
Released SL GY Number of
Name Origin SNU SN KNS TKW (g) Subgroup
year (cm) (kg· hm ) -1 favorable alleles
Zhaoan - 983.2 16.3 10.3 30.2 29.0 3851.7 19 1
Kefan 1965 Heilongjiang 1052.5 15.8 9.1 32.1 29.5 4569.5 17 1
Ke72 1972 Heilongjiang 963.1 15.2 8.6 26.2 30.0 3755.9 14 1
Kehua 1950 Heilongjiang 894.4 15.7 10.4 27.4 27.3 3066.5 9 1
Kehui 1950 Heilongjiang 834.4 16.4 11.5 28.7 29.4 3060.3 12 1
Keguang 1963 Heilongjiang 1039.2 15.9 10.0 31.2 28.4 4316.8 22 1
KeFeng 1950 Heilongjiang 1139.9 13.8 7.5 27.2 26.2 3732.8 12 1
longmai19 1994 Heilongjiang 1012.5 15.5 8.9 30.1 27.0 3749.6 19 1
Kesui Heilongjiang 882.4 16.9 9.8 37.6 30.6 4589.3 19 1
Kejian 1967 Heilongjiang 721.7 16.3 11.3 35.3 36.3 4485.8 19 1
Kejin 1968 Heilongjiang 809.1 16.9 10.6 35.5 33.5 4366.2 23 3
Kezhuang 1959 Heilongjiang 791.7 16.8 10.3 38.5 31.6 4373.4 20 1
Kemao 1965 Heilongjiang 896.4 15.8 9.9 29.9 29.2 3555.6 11 1
Kehong 1967 Heilongjiang 879.8 17.5 11.9 43.9 31.5 5677.6 22 1
Kequan 1968 Heilongjiang 891.1 17.2 10.3 41.7 32.2 5221.1 19 1
Ke69-701 1970 Heilongjiang 995.8 15.1 9.7 28.4 27.0 3395.6 11 1
Kejin2 1959 Heilongjiang 956.5 15.1 8.8 29.4 29.4 3620.2 12 1
Kejin4 1965 Heilongjiang 924.5 17.7 11.4 41.8 30.3 5240.1 19 1
Kejin5 1960 Heilongjiang 953.8 16.4 10.1 34.0 27.9 3973.5 17 3
KeZao1 1970 Heilongjiang 1009.8 16.0 8.6 33.7 26.8 4069.9 13 2
KeZao2 1975 Heilongjiang 949.8 15.5 10.5 36.8 34.8 5676.8 22 1
100
附录
附表 1 供试品种产量及穗部性状表型数据(续)
单位面 每穗粒
品种名 育成年份 来源 小穗数 穗长 千粒重 产量 优异等位基因数 亚群
积穗数 数
Released SL GY Number of
Name Origin SNU SN KNS TKW (g) Subgroup
year (cm) (kg· hm ) -1 favorable alleles
Kehan1 1967 Heilongjiang 771.1 17.4 11.0 36.4 33.9 4311.3 22 1
Kehan2 1968 Heilongjiang 907.1 17.2 13.2 31.6 38.5 5035.6 25 1
Kehan4 1970 Heilongjiang 887.8 16.7 12.0 31.5 34.0 4359.9 20 1
Kehan5 1970 Heilongjiang 871.8 18.1 13.2 37.4 35.3 5392.3 24 1
Kehan6 1972 Heilongjiang 843.8 18.1 12.8 41.5 31.5 4981.7 23 1
Kehan7 1973 Heilongjiang 857.1 19.3 13.1 44.3 30.6 5272.5 21 1
Kehan8 1975 Heilongjiang 952.5 16.0 11.1 33.6 33.8 4800.0 16 1
Kehan9 1984 Heilongjiang 889.8 16.5 9.6 28.6 33.6 3844.1 21 1
XinKehan9 1987 Heilongjiang 1005.2 17.6 10.2 27.2 34.8 4367.0 22 1
Kehan11 1989 Heilongjiang 867.1 17.8 11.1 42.7 32.8 5480.4 21 1
Kehan12 1989 Heilongjiang 871.8 16.2 10.9 33.0 33.7 4656.0 21 2
Kehan14 1995 Heilongjiang 795.7 16.3 11.2 38.8 34.0 4990.4 20 2
Kehan15 1997 Heilongjiang 953.8 16.7 11.4 40.0 32.2 5638.8 27 2
Kehan16 1999 Heilongjiang 764.4 17.5 9.9 39.8 31.7 4869.0 16 1
Kehan17 2002 Heilongjiang 773.7 17.8 11.4 41.4 29.9 4168.3 18 3
Kehan18 2002 Heilongjiang 885.8 18.5 12.8 42.1 34.4 5832.4 25 3
Kehan19 2004 Heilongjiang 913.1 15.7 10.5 33.1 36.5 5012.0 21 2
Kehan20 2004 Heilongjiang 755.7 18.4 11.1 43.5 35.4 5295.6 18 1
Kehan21 2008 Heilongjiang 821.7 18.0 10.1 43.0 31.2 4855.7 14 1
KeFeng2 1979 Heilongjiang 943.8 16.9 10.9 34.6 35.3 5191.2 20 1
KeFeng3 1982 Heilongjiang 955.8 17.4 11.1 39.8 30.5 5162.1 21 1
KeFeng4 1985 Heilongjiang 1187.9 14.2 6.9 29.2 25.6 4022.3 14 1
101
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
附表 1 供试品种产量及穗部性状表型数据(续)
单位面 每穗粒
品种名 育成年份 来源 小穗数 穗长 千粒重 产量 优异等位基因数 亚群
积穗数 数
Released SL GY Number of
Name Origin SNU SN KNS TKW (g) Subgroup
year (cm) (kg· hm ) -1 favorable alleles
KeFeng6 1995 Heilongjiang 955.1 15.9 11.3 37.0 36.3 5813.6 21 1
KeFeng7 1998 Heilongjiang 929.8 17.0 10.3 37.8 36.5 5790.1 24 1
KeFeng8 2001 Heilongjiang 979.2 17.0 10.1 38.7 33.8 5737.3 22 2
KeFeng9 2002 Heilongjiang 912.5 17.3 10.7 33.7 34.6 5036.6 22 2
KeFeng10 2003 Heilongjiang 879.1 16.2 10.8 36.0 36.2 5351.4 21 2
KeFeng11 2006 Heilongjiang 825.1 16.6 11.6 37.0 35.0 4851.0 19 2
KeFeng12 2007 Heilongjiang 846.4 18.8 12.0 38.6 29.4 4310.9 21 1
KeFeng13 2007 Heilongjiang 856.4 17.8 10.7 41.5 36.1 5759.8 21 1
Kelao1 1969 Heilongjiang 799.7 17.3 9.5 40.1 33.3 4790.8 14 2
Kelao5 1991 Heilongjiang 912.5 17.2 10.8 36.8 33.1 5125.4 19 2
Kechun1 2010 Heilongjiang 995.8 17.6 12.1 41.6 33.9 6331.6 27 2
Kechun2 2010 Heilongjiang 888.4 17.4 11.5 40.8 28.1 4707.4 14 2
Kechun3 2011 Heilongjiang 920.5 19.6 10.8 46.1 29.4 5556.5 25 2
Kechun4 2011 Heilongjiang 910.5 16.8 11.5 39.1 33.5 5039.2 24 2
Kechun5 2012 Heilongjiang 829.7 20.1 13.5 46.2 33.4 5526.9 26 2
Kechun6 2014 Heilongjiang 883.8 16.6 11.9 35.2 35.6 4800.8 17 2
Kechun7 2012 Heilongjiang 858.4 19.2 12.1 46.4 33.1 6029.9 25 2
Kechun8 2014 Heilongjiang 875.8 20.2 12.5 41.6 30.5 5006.7 21 2
Kechun9 2014 Heilongjiang 908.5 20.6 12.7 43.7 32.2 5652.3 24 2
Kechun10 2017 Heilongjiang 874.4 19.0 12.8 43.9 32.6 5536.0 23 2
Kechun11 2016 Heilongjiang 825.7 17.2 11.9 38.5 33.7 4790.4 13 2
Kechun12 2016 Heilongjiang 899.8 18.9 12.3 40.6 29.1 4970.3 22 2
102
附录
附表 1 供试品种产量及穗部性状表型数据(续)
单位面 每穗粒
品种名 育成年份 来源 小穗数 穗长 千粒重 产量 优异等位基因数 亚群
积穗数 数
Released SL GY Number of
Name Origin SNU SN KNS TKW (g) Subgroup
year (cm) (kg· hm ) -1 favorable alleles
Kenjiu1 1984 Heilongjiang 779.7 17.5 12.3 38.6 32.0 4362.5 18 3
Kenjiu2 1986 Heilongjiang 1099.2 15.2 7.3 26.1 29.5 3739.7 15 1
Kenjiu3 1986 Heilongjiang 1019.2 15.0 8.4 26.7 33.9 4230.4 14 1
Kenjiu8 1998 Heilongjiang 940.5 17.8 12.3 41.2 33.0 5635.7 22 1
Kenjiu9 2003 Heilongjiang 928.5 15.2 9.2 33.7 31.7 4833.1 18 1
Kenjiu10 2003 Heilongjiang 874.4 17.2 11.0 35.5 38.6 5675.9 26 1
Kenda1 1981 Heilongjiang 940.5 14.2 9.8 29.5 33.5 4174.5 16 1
Kenda2 1986 Heilongjiang 846.4 18.1 11.7 45.3 29.2 4834.8 20 2
Kenda3 1991 Heilongjiang 649.7 16.8 10.9 38.1 28.4 3298.1 14 2
Kenda4 1994 Heilongjiang 919.8 18.3 9.8 36.1 36.1 5565.2 24 2
Kenda5 2000 Heilongjiang 827.7 18.0 10.6 32.9 34.6 4176.6 15 2
Kenda6 2000 Heilongjiang 801.1 18.2 11.2 45.0 31.0 4923.5 18 2
Kenda7 2002 Heilongjiang 823.1 18.4 11.6 36.5 35.8 4708.9 15 2
Kenda8 2002 Heilongjiang 775.7 18.0 11.0 34.1 32.3 3971.4 15 2
Kenda12 2009 Heilongjiang 797.1 15.4 8.5 29.4 35.3 3899.7 15 1
Gang107 1970 Heilongjiang 860.4 16.7 9.2 38.7 33.6 4933.3 20 1
Kenhong5 1987 Heilongjiang 809.1 17.0 9.8 39.6 30.4 4434.0 18 1
Kenhong7 1988 Heilongjiang 787.7 15.3 10.5 29.2 32.8 3581.8 10 1
Kenhong13 1996 Heilongjiang 810.4 17.1 11.0 37.5 33.3 4662.2 18 1
Kenhong15 1998 Heilongjiang 908.5 16.9 10.3 41.0 31.0 5100.4 20 1
Kenhong16 1997 Heilongjiang 929.8 17.7 10.5 36.5 30.9 5510.4 18 2
Kenhong23 2016 Heilongjiang 839.8 17.7 11.2 43.2 29.4 5508.4 19 2
103
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
附表 1 供试品种产量及穗部性状表型数据(续)
单位面 每穗粒
品种名 育成年份 来源 小穗数 穗长 千粒重 产量 优异等位基因数 亚群
积穗数 数
Released SL GY Number of
Name Origin SNU SN KNS TKW (g) Subgroup
year (cm) (kg· hm ) -1 favorable alleles
KenBei1 1982 Heilongjiang 760.4 16.5 9.8 38.5 37.5 5022.5 23 2
Beimai1 2005 Heilongjiang 824.4 17.2 11.7 39.9 34.0 5008.0 22 2
Beimai2 2005 Heilongjiang 926.5 17.4 11.0 36.3 29.1 4363.9 19 2
Beimai3 2008 Heilongjiang 961.1 16.5 10.2 37.4 33.1 5403.2 23 2
Beimai4 2008 Heilongjiang 862.4 17.7 11.6 38.8 33.6 4909.6 19 2
Beimai6 2007 Heilongjiang 908.5 18.0 12.2 38.5 30.7 4942.8 18 2
Beimai7 2008 Heilongjiang 884.4 18.8 12.0 42.2 23.4 3793.3 10 2
Beimai8 2009 Heilongjiang 855.8 16.5 10.1 41.0 33.4 5305.8 19 2
Beimai11 2011 Heilongjiang 850.4 17.3 10.3 41.7 27.1 4961.2 19 2
Beimai12 2011 Heilongjiang 872.4 20.7 13.3 46.5 27.6 5003.1 24 2
Beimai14 2016 Heilongjiang 821.7 17.2 11.0 39.6 37.7 5466.1 18 2
Beimai15 2016 Heilongjiang 948.5 18.6 11.4 43.0 31.7 5830.2 23 2
Dongnong113 1986 Heilongjiang 918.5 18.2 10.6 37.7 20.5 3325.8 8 1
LongFumai4 1990 Heilongjiang 946.5 18.5 12.0 50.6 31.1 6741.2 27 1
LongFumai5 1992 Heilongjiang 847.1 17.0 12.2 43.4 34.9 5852.6 24 1
LongFumai6 1994 Heilongjiang 877.1 18.0 12.5 41.7 35.1 5858.3 25 1
LongFumai8 1998 Heilongjiang 841.8 15.5 11.7 30.4 32.8 3713.1 11 1
LongFumai10 2000 Heilongjiang 730.4 17.6 11.2 36.4 37.8 4849.2 13 2
LongFumai16 2009 Heilongjiang 922.5 16.7 11.9 34.4 36.4 5244.3 18 2
LongFumai17 2007 Heilongjiang 827.7 17.4 12.1 38.5 36.0 5045.1 22 2
LongFumai18 2008 Heilongjiang 672.3 17.8 12.0 38.4 33.9 4242.0 16 2
LongFumai21 2018 Heilongjiang 949.8 15.4 9.9 34.2 39.4 5813.3 22 2
104
附录
附表 1 供试品种产量及穗部性状表型数据(续)
单位面 每穗粒
品种名 育成年份 来源 小穗数 穗长 千粒重 产量 优异等位基因数 亚群
积穗数 数
Released SL GY Number of
Name Origin SNU SN KNS TKW (g) Subgroup
year (cm) (kg· hm ) -1 favorable alleles
Liaochun10 1998 Liaoning 723.0 14.2 9.0 31.3 35.6 3553.5 15 2
Hezuo4 1954 Heilongjiang 779.7 16.3 9.1 33.9 28.7 3520.5 13 2
Hezuo7 1956 Heilongjiang 931.8 14.3 9.0 24.2 31.2 3306.2 15 2
Songhuajiang2 1956 USA 991.2 14.9 9.0 27.3 28.5 3472.5 15 3
Songhuajiang3 1958 USA 892.4 13.1 7.8 24.3 31.3 3145.6 15 3
Xinshuguang1 1950 Heilongjiang 863.8 14.5 8.3 30.0 31.3 3659.6 9 3
Xinshuguang3 1971 Heilongjiang 902.5 16.1 10.0 37.7 37.1 5716.9 23 3
Xinshuguang4 1971 Heilongjiang 788.4 17.8 9.6 42.2 30.0 4564.2 15 3
Xinshuguang5 1971 Heilongjiang 817.7 12.9 7.3 23.9 27.4 2464.3 12 3
Xinshuguang6 1972 Heilongjiang 865.8 16.8 10.9 35.4 33.7 4507.1 21 1
Xinshuguang8 1973 Heilongjiang 935.1 19.2 12.6 39.7 30.3 4932.3 26 1
Xinshuguang9 1975 Heilongjiang 835.1 14.8 9.4 29.1 34.3 3737.3 13 1
Hechun1 1970 Heilongjiang 847.1 17.5 8.9 36.1 39.3 5534.4 22 1
Hechun2 1970 Heilongjiang 903.8 16.7 10.9 37.1 36.0 5515.7 23 1
Hechun3 1971 Heilongjiang 809.7 17.1 9.9 37.5 32.4 4392.4 19 1
Hechun4 1972 Heilongjiang 906.5 15.8 8.8 33.0 36.6 4672.4 17 1
Hechun5 1975 Heilongjiang 1045.9 16.9 10.7 35.5 34.2 5703.1 24 1
Hechun12 1985 Heilongjiang 910.5 15.2 9.0 30.8 33.5 4249.2 15 1
Longchun1 2014 Heilongjiang 873.1 15.7 11.9 26.4 31.4 3546.4 14 2
Longchun3 2015 Heilongjiang 981.8 17.0 10.2 32.3 31.6 4579.7 20 2
Longchun4 2015 Heilongjiang 1023.8 17.0 10.8 34.1 34.9 5463.7 20 2
Longmai2 1960 Heilongjiang 987.8 16.6 10.9 36.7 32.7 5313.7 21 2
105
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
附表 1 供试品种产量及穗部性状表型数据(续)
单位面 每穗粒
品种名 育成年份 来源 小穗数 穗长 千粒重 产量 优异等位基因数 亚群
积穗数 数
Released SL GY Number of
Name Origin SNU SN KNS TKW (g) Subgroup
year (cm) (kg· hm ) -1 favorable alleles
Longmai11 1983 Heilongjiang 922.5 16.8 10.3 39.8 31.2 5039.4 23 2
Longmai12 1987 Heilongjiang 896.4 18.7 11.7 45.2 30.4 5436.0 25 2
Longmai13 1988 Heilongjiang 1149.2 16.2 11.4 41.1 32.6 6987.4 29 1
Longmai14 1988 Heilongjiang 874.4 16.8 10.0 40.1 37.0 5722.8 25 1
Longmai15 1989 Heilongjiang 739.0 16.2 10.7 36.8 37.2 4688.9 16 1
Longmai16 1990 Heilongjiang 760.4 16.3 11.0 39.1 34.6 4723.3 12 1
Longmai17 1990 Heilongjiang 806.4 15.7 10.1 34.7 34.3 4273.3 15 1
Longmai20 1994 Heilongjiang 811.7 17.8 11.1 41.0 36.7 5568.8 23 1
Longmai23 1999 Heilongjiang 1000.5 15.7 9.6 37.1 35.3 6104.3 28 1
Longmai24 1999 Heilongjiang 823.1 15.8 10.5 39.0 34.4 4878.7 15 2
Longmai27 2003 Heilongjiang 789.7 17.0 12.2 38.1 36.4 4919.7 17 2
Longmai29 2003 Heilongjiang 845.8 17.0 10.5 40.5 38.7 5682.1 21 2
Longmai31 2005 Heilongjiang 841.1 16.6 10.7 35.8 35.0 4705.4 14 1
Longmai32 2007 Heilongjiang 918.5 15.0 9.6 34.8 33.0 4846.2 15 1
Longmai26 2001 Heilongjiang 788.4 17.9 11.8 33.4 41.2 4964.4 21 1
Longmai30 2004 Heilongjiang 835.1 18.6 12.6 38.0 27.6 4374.0 21 1
Longmai33 2009 Heilongjiang 889.1 17.8 11.5 35.4 32.0 5362.9 25 2
Longmai35 2014 Heilongjiang 889.8 17.4 11.8 40.0 32.0 5470.1 23 2
Longmai36 2013 Heilongjiang 795.7 18.8 11.9 42.4 29.1 4263.5 14 2
Longmai37 2014 Heilongjiang 875.1 16.3 9.5 39.3 28.8 4478.4 22 1
Longmai39 2016 Heilongjiang 829.1 17.3 11.3 38.9 30.6 4437.0 21 2
Longmai40 2017 Heilongjiang 855.8 17.1 11.7 40.1 35.2 5512.7 21 1
106
附录
附表 1 供试品种产量及穗部性状表型数据(续)
单位面 每穗粒
品种名 育成年份 来源 小穗数 穗长 千粒重 产量 优异等位基因数 亚群
积穗数 数
Released SL GY Number of
Name Origin SNU SN KNS TKW (g) Subgroup
year (cm) (kg· hm ) -1 favorable alleles
xiaobingmai33 1990 Jilin 833.8 15.0 10.5 29.4 37.3 4098.7 19 1
Chinese spring 1932 Sichuan 706.4 16.3 8.5 38.3 30.0 3593.1 15 2
Liaomai1 Liaoning 846.4 15.8 9.2 30.7 29.3 3356.1 9 1
Liaochun4 1960 Liaoning 949.1 13.9 8.4 28.3 32.2 3963.0 13 1
Liaochun2 1960 Liaoning 983.2 13.8 7.4 30.1 31.7 4249.8 13 2
Neimai19 1991 Ningxia 775.7 13.8 8.8 29.4 35.8 3392.8 10 2
Ji-4673Jichun190 1968 Jilin 751.7 15.0 9.2 29.9 28.5 3110.6 10 1
Ji-0011Jichun1hao 1968 Jilin 836.4 14.8 9.2 27.2 30.2 3123.5 12 3
Ji-0011Jichun101 1968 Jilin 913.8 15.0 9.2 26.9 29.1 3213.5 16 3
Ji-0011Jichun106 1968 Jilin 963.8 13.6 8.3 24.8 30.7 3403.8 20 3
Ji-0012Jichun123 1968 Jilin 834.4 14.3 9.1 28.3 29.1 3027.9 11 3
Ji-0012Jichun126 1968 Jilin 948.5 13.8 9.3 23.1 31.8 3078.8 8 3
Ji-0012Jichun129 1968 Jilin 871.1 16.1 10.3 35.4 33.4 4264.0 18 3
Ji-0012Jichun132 1968 Jilin 853.8 15.6 9.6 25.8 27.6 2845.9 15 3
Ji-0013Jichun147 1968 Jilin 933.8 14.0 8.6 23.4 30.5 3002.5 15 3
Ji-0013Jichun157 1968 Jilin 946.5 13.3 8.3 23.9 31.3 3054.2 14 3
Ji-0013Jichun158 1968 Jilin 1003.2 14.5 10.4 29.2 33.4 4486.5 24 3
Ji-0014Jichun201 1968 Jilin 879.1 14.9 9.4 29.3 32.8 3795.5 15 3
Ji-0018Jichun517 1968 Jilin 699.7 17.0 10.3 39.9 30.7 3545.9 12 3
Ji-0024Jilinnongda
1968 Jilin 819.7 16.3 9.8 35.0 31.5 3836.3 14 3
901
107
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
附表 1 供试品种产量及穗部性状表型数据(续)
单位面 每穗粒
品种名 育成年份 来源 小穗数 穗长 千粒重 产量 优异等位基因数 亚群
积穗数 数
Released SL GY Number of
Name Origin SNU SN KNS TKW (g) Subgroup
year (cm) (kg· hm ) -1 favorable alleles
Ji-0020Jichun1004 1968 Jilin 815.7 15.0 9.5 33.5 36.0 4533.3 19 3
BLxiaomai -1 Poland 875.1 14.7 10.0 32.1 39.3 5361.3 23 3
BLxiaomai -2 Poland 885.8 15.1 9.4 36.1 38.7 5610.4 23 3
Ganmai12 Gansu 706.4 15.4 8.0 28.7 35.7 3152.7 10 1
Shen68-71 1970 Liaoning 935.8 13.1 7.9 30.4 33.8 4306.0 18 1
Yinmai3 Ningxia 853.8 13.8 7.5 30.1 33.7 3890.2 13 2
Yinmai2 Ningxia 591.6 14.9 8.3 30.3 33.3 2652.5 10 3
Jianandahong Canada 1196.6 13.4 8.0 27.5 29.6 4421.2 17 3
Jianada13 Canada 970.5 15.8 9.2 26.7 28.7 3057.6 13 3
Australia Austrial 777.7 16.2 7.6 29.6 33.2 3469.7 18 3
Nonglin34 Japan 875.8 14.9 8.3 30.4 24.7 3228.4 12 3
Nonglin45 Japan 687.7 14.5 7.8 28.8 24.7 2233.0 11 3
Mexico-1 Mexico 802.4 13.0 8.6 24.7 29.7 2545.2 7 3
Mexico-2 Mexico 867.8 14.4 9.0 27.3 29.9 3320.7 15 3
LongFu16-73 2016 Heilongjiang 1050.5 16.7 11.1 34.5 33.5 5639.5 28 3
LongFu17-204 2017 Heilongjiang 925.1 16.9 11.3 37.1 39.7 6180.4 27 2
LongFu14-591 2014 Heilongjiang 803.7 18.0 12.0 39.4 32.3 4564.5 16 2
LongFu14-666 2014 Heilongjiang 888.4 17.5 10.3 37.4 30.7 4851.3 18 2
LongFu14-313 2014 Heilongjiang 857.8 17.0 11.2 42.6 34.4 5502.2 18 2
LongFu15-307 2015 Heilongjiang 982.5 17.1 11.6 39.6 35.2 6300.9 28 2
LongFu14-1138 2014 Heilongjiang 881.1 17.7 12.0 43.5 33.7 5776.5 23 2
108
附录
附表 1 供试品种产量及穗部性状表型数据(续)
单位面 每穗粒
品种名 育成年份 来源 小穗数 穗长 千粒重 产量 优异等位基因数 亚群
积穗数 数
Released SL GY Number of
Name Origin SNU SN KNS TKW (g) Subgroup
year (cm) (kg· hm ) -1 favorable alleles
LongFu16-362 2016 Heilongjiang 825.1 17.5 10.4 38.8 30.8 4541.1 17 2
LongFu16-261 2016 Heilongjiang 933.1 17.6 11.3 43.4 34.4 6505.1 26 2
LongFu16-387 2016 Heilongjiang 886.4 17.4 11.7 41.0 35.2 5790.9 25 2
LongFu17-098 2017 Heilongjiang 991.8 18.4 11.0 42.9 31.9 6212.0 25 1
LongFu17-234 2017 Heilongjiang 803.7 18.7 11.5 41.3 30.4 4797.6 15 1
LongFu17-5277 2017 Heilongjiang 925.1 17.1 11.4 45.7 31.7 6180.8 26 2
LongFu17-5283 2017 Heilongjiang 879.8 17.8 12.1 42.7 32.9 5894.1 24 2
LongFu18-101 2018 Heilongjiang 852.4 16.6 10.1 40.0 36.5 5590.7 19 2
LongFu18-171 2018 Heilongjiang 917.1 18.1 12.4 44.7 35.2 6574.8 25 1
LongFu18-199 2018 Heilongjiang 817.7 16.6 10.5 40.0 35.5 5195.4 22 2
LongFu18-304 2018 Heilongjiang 805.7 17.4 12.1 44.0 34.8 5612.2 25 2
LongFu18-395 2018 Heilongjiang 775.7 18.9 12.6 45.2 33.4 5205.5 23 2
LongFu18-596 2018 Heilongjiang 759.0 18.6 12.4 43.5 35.0 5763.5 20 2
LongFu18-865 2018 Heilongjiang 889.8 17.1 11.3 39.8 31.9 5214.1 22 2
LongFumai195 2015 Heilongjiang 779.7 16.2 11.0 35.7 39.3 5275.7 20 3
LongFumai196 2015 Heilongjiang 850.4 17.9 10.7 41.3 36.8 6005.5 25 1
Kenmai10 2003 Heilongjiang 797.1 18.1 12.2 44.1 32.9 5217.0 21 1
Kenda163672 2016 Heilongjiang 649.7 18.7 13.8 42.3 31.9 3999.7 16 1
Gang09-558 2009 Heilongjiang 776.4 17.0 11.9 36.0 36.9 4605.3 18 2
Dongnong156597 2015 Heilongjiang 799.1 17.0 11.2 41.4 36.0 5531.3 24 2
Long14-4861 2014 Heilongjiang 907.1 17.5 11.8 43.1 31.9 6081.0 28 2
Longmai76 2017 Heilongjiang 869.1 17.4 12.7 45.8 34.7 6077.5 27 2
109
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
附表 1 供试品种产量及穗部性状表型数据(续)
单位面 每穗粒
品种名 育成年份 来源 小穗数 穗长 千粒重 产量 优异等位基因数 亚群
积穗数 数
Released SL GY Number of
Name Origin SNU SN KNS TKW (g) Subgroup
year (cm) (kg· hm ) -1 favorable alleles
Longmai85 2018 Heilongjiang 739.7 16.4 10.8 36.9 39.9 5139.1 20 2
Longmai86 2018 Heilongjiang 903.1 17.5 12.0 41.3 34.7 5934.9 26 2
Longmai91 2019 Heilongjiang 775.7 17.0 11.5 41.3 31.6 4519.7 20 2
Longmai92 2019 Heilongjiang 801.1 17.5 12.7 42.0 32.2 4931.6 25 2
Longmai93 2019 Heilongjiang 789.1 18.8 12.1 41.1 34.3 5062.9 21 1
Longmai97 2019 Heilongjiang 828.4 17.4 11.4 36.0 33.0 4499.2 26 3
Longmai98 2019 Heilongjiang 783.7 17.6 11.2 38.2 39.2 5446.6 22 3
Kechun120444 2012 Heilongjiang 749.0 19.5 11.5 48.2 26.7 4333.9 21 2
Kechun120930 2014 Heilongjiang 800.4 17.0 12.2 39.5 36.2 5327.0 19 2
Kechun140243 2014 Heilongjiang 752.4 19.3 12.8 42.6 32.5 4629.2 15 2
Kechun140865 2014 Heilongjiang 817.1 16.9 11.4 35.7 30.6 4035.1 15 2
Kechun150397 2015 Heilongjiang 833.1 16.9 11.1 39.7 32.8 4940.2 19 2
Kechun151065 2015 Heilongjiang 873.1 18.8 13.1 41.9 29.3 3837.4 15 2
Kechun151186 2015 Heilongjiang 971.8 16.9 10.5 42.5 29.4 5530.2 25 2
Kechun151350 2015 Heilongjiang 792.4 19.7 12.9 36.6 31.9 4091.4 12 2
LongKen415 2014 Heilongjiang 886.4 18.0 11.4 42.8 30.0 5111.3 18 2
SNU:单位面积穗数;SN:小穗数;SL:穗长;KNS:每穗粒数;TKW:千粒重;GY:产量
SNU: Spike number per unit area;SN: Spikelet number;SL: Spike length;KNS: Kernel number per spike;TKW: Thousand-kernel weight;GY: Grain yield
注:E1,E2,E3,E4 和 E5 分别代表哈尔滨 2018,哈尔滨 2019,克山 2018,克山 2019 和最佳线性无偏估计。
Note: The E1, E2, E3, E4 and E5 indicated the Haerbin 2018, Haerbin 2019, Keshan 2018, Keshan 2019 and the best linear unbiased prediction (BLUP).
110
附录
附表 2 供试材料产量及穗部性状全基因组关联分析显著关联位点
Table S2 Significant association loci in GWAS for yield and spike traits of tested materials
111
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
附表 2 供试材料产量及穗部性状全基因组关联分析显著关联位点(续)
Table S2 Significant association loci in GWAS for yield and spike traits of tested materials(Continued)
112
附录
附表 2 供试材料产量及穗部性状全基因组关联分析显著关联位点(续)
Table S2 Significant association loci in GWAS for yield and spike traits of tested materials(Continued)
113
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
附表 2 供试材料产量及穗部性状全基因组关联分析显著关联位点(续)
Table S2 Significant association loci in GWAS for yield and spike traits of tested materials(Continued)
114
附录
附表 2 供试材料产量及穗部性状全基因组关联分析显著关联位点(续)
Table S2 Significant association loci in GWAS for yield and spike traits of tested materials(Continued)
SNU:单位面积穗数;SN:小穗数;SL:穗长;KNS:每穗粒数;TKW:千粒重;GY:籽粒产量
SNU: Spike number per unit area;SN: Spikelet number;SL: Spike length;KNS: Kernel number per spike;
TKW: Thousand-kernel weight;GY: Grain yield
注:E1,E2,E3,E4 和 E5 分别代表哈尔滨 2018,哈尔滨 2019,克山 2018,克山 2019 和最佳线性无偏
估计。
Note: The E1, E2, E3, E4 and E5 indicated the Haerbin 2018, Haerbin 2019, Keshan 2018, Keshan 2019 and
the best linear unbiased prediction (BLUP).
115
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
附表 3 供试材料形态性状表型数据
116
附 录
附表 3 供试材料形态性状表型数据(续)
117
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
附表 3 供试材料形态性状表型数据(续)
118
附 录
附表 3 供试材料形态性状表型数据(续)
119
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
附表 3 供试材料形态性状表型数据(续)
120
附 录
附表 3 供试材料形态性状表型数据(续)
121
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
附表 3 供试材料形态性状表型数据(续)
122
附 录
附表 3 供试材料形态性状表型数据(续)
123
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
附表 3 供试材料形态性状表型数据(续)
124
附 录
附表 3 供试材料形态性状表型数据(续)
125
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
附表 3 供试材料形态性状表型数据(续)
126
附 录
附表 3 供试材料形态性状表型数据(续)
127
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
附表 4 供试材料形态性状全基因组关联分析显著关联位点
Table S4 Significant association loci in GWAS for morphology traits of tested materials
128
附 录
附表 4 供试材料形态性状全基因组关联分析显著关联位点(续)
Table S4 Significant association loci in GWAS for morphology traits of tested materials(Continued)
129
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
附表 4 供试材料形态性状全基因组关联分析显著关联位点(续)
Table S4 Significant association loci in GWAS for morphology traits of tested materials(Continued)
130
附 录
附表 4 供试材料形态性状全基因组关联分析显著关联位点(续)
Table S4 Significant association loci in GWAS for morphology traits of tested materials(Continued)
131
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
附表 4 供试材料形态性状全基因组关联分析显著关联位点(续)
Table S4 Significant association loci in GWAS for morphology traits of tested materials(Continued)
132
附 录
附表 4 供试材料形态性状全基因组关联分析显著关联位点(续)
Table S4 Significant association loci in GWAS for morphology traits of tested materials(Continued)
133
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
附表 4 供试材料形态性状全基因组关联分析显著关联位点(续)
Table S4 Significant association loci in GWAS for morphology traits of tested materials(Continued)
134
附 录
附表 4 供试材料形态性状全基因组关联分析显著关联位点(续)
Table S4 Significant association loci in GWAS for morphology traits of tested materials(Continued)
135
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
附表 4 供试材料形态性状全基因组关联分析显著关联位点(续)
Table S4 Significant association loci in GWAS for morphology traits of tested materials(Continued)
136
附 录
附表 4 供试材料形态性状全基因组关联分析显著关联位点(续)
Table S4 Significant association loci in GWAS for morphology traits of tested materials(Continued)
137
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
附表 4 供试材料形态性状全基因组关联分析显著关联位点(续)
Table S4 Significant association loci in GWAS for morphology traits of tested materials(Continued)
138
附 录
附表 5 验证群体表型数据
139
东北春小麦主要农艺性状全基因组关联分析及候选基因挖掘
附表 5 验证群体表型数据(续)
140
附 录
附表 5 验证群体表型数据统计表(续)
141