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

学校代码： 10223 分类号: S512.
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
Heilongjiang Bayi Agricultural University
Doctor Dissertation
Genome-wide Association Study and Candidate

Gene Mining of Major Agronomic Traits in
Northeast Spring Wheat
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
变异的 5.9%-17.8%。在这 30 个位点中，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。
3、针对产量及穗部性状关联位点，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。针对形态性状关
联位点，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表达验证。结果表明，13 个候选基因均参与了目
标性状的调控，在性状极端材料间均表达差异显著。
4 、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 份东北春小麦品系对 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 AA、GG
和 AG 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 AA、GG 和 AG 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，本研究针对东北地区春小麦开展 GWAS，鉴定到一批产量及穗部性状和形态性
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。
关键词：GWAS，分子标记辅助选择，单核苷酸多态性，春小麦，农艺性状
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
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
In summary, GWAS of spring wheat in Northeast China identified a number of loci

associated with yield, spike traits and morphological traits, and materials abounding in favorable
alleles in populations could be used to promote wheat breeding process. The association loci,
candidate genes identified and KASP markers developed can effectively promote the progress of
wheat MAS breeding.
Key words: GWAS, Molecular marker-assisted selection, SNP, Spring wheat, Agronomic traits
v
缩略语表
缩略语表
缩写英文全称中文全称
Abbreviations Full name in English Full name in Chinese
FLL Flag leaf length 旗叶长
FLW Flag leaf width 旗叶宽
GWAS Genome-wide association study 全基因组关联分析
GY Grain yield 产量
KASP Kompetitive allele-specific PCR 竞争性等位基因特异性

PCR
KNS Kernel number per spike 每穗粒数
MAS Marker-assisted selection 分子标记辅助选择
PCR Polymerase Chain Reaction 聚合酶链式反应
PM Plant morphology 植株形态
SL Spike length 穗长
SN Spikelet number 小穗数
SNP Single nucleotide polymorphisms 单核苷酸多态性
SNU Spike number per unit area 单位面积穗数
TKW Thousand-kernel weight 千粒重
UIL Uppermost internode length 穗下节间长
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
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
产量（Grain yield，GY）一个复杂性状，由单位面积穗数（Spike number per

unit area ， SN ）、每穗粒数（ Kernel number per spike ， KNS ）和千粒重
（Thousand-kernel weight，TKW）决定。Xiao 等（2003）研究发现，千粒重的
遗传力在 0.59 至 0.80 之间，遗传力高于单位面积穗数和每穗粒数。李秀君等
（2005）研究发现，在高产条件下，穗粒数和穗数贡献相对稳定，提高产量的关
键因素是增加粒重。过去几十年研究中，对穗数和每穗粒数的改良相对缓慢，对
产量提升贡献较小，千粒重的提高对小麦产量潜力的提升贡献较大（gao 等，
2017）。
穗部是籽粒着生和灌浆的部位，穗部形态与籽粒产量密切相关。Deng 等
（2011）研究发现小麦可分为大穗、多穗两种类型，大穗品种穗部较长，每穗粒
数较多，单位面积穗数较少；多穗品种穗部较短、每穗粒数少，单位面积穗数较
多，因而产量更高。陈树林（2011）研究认为小穗密度受一对显性基因控制，Cui
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
测定了与 10 个农艺性状相关的 SNP 标记，并用混合线性模型分析，结果发现了

201 对相关的 SNP 标记与多个产量相关性状关联，在小麦特定染色体区域呈聚集
分布，主要在小麦 2A、5A、6A，7A、1B 和 6B 染色体上。刘凯等（2016）基
于 SNP 芯片鉴定到一批控制穗部形态的 QTL 集中于 4B 和 6A 上。时佳等（2018）
在小麦 6A 染色体上鉴定到一个千粒重相关位点，且 Hap-6A-A 基因型千粒重
（44.11 g）显著高于 Hap-6A-G（41.87 g）基因型。Wang 等（2015）发现 TaGS5-A1a
在株高、穗下节间长、穗长、籽粒长宽比方面比 TaGS5-A1b 的表达水平高。Ma
等（2015）发现 3A、3B 和 3D 染色体上存在 TaGS5 的同源基因，通过单倍型分
析和转基因验证，证明了 TaGS5-3A 正调控籽粒大小，这一结果可以在高产育种
中应用。Huang 等（2004）鉴定到一个可以影响小麦粒重的 QTL，与 TaGW2-6A
在同一区域。Sun 等（2009）对小麦粒宽和千粒重的研究中发现，在 TaGW2-6A
位点附近检测到了影响千粒重的 QTL 位点，并发现 TaGW2-6A 等位基因与之前
报道中控制粒宽及千粒重的位点一致，进一步证明了 TaGW2-6A 的功能。Qin 等
（2014）发现基因 TaGW2-6B 对千粒重的影响比同源基因 TaGW2-6A 更显著。另
外，Qin 等（2014）对 TaGW2-6A 和 TaGW2-6B 进行单倍型分析发现，单倍型组
合 Hap-6A-A/Hap-6B-1 是优异单倍型，对粒重的正调控更显著。
遗传和环境因素都影响小麦农艺相关性状。基于 MAS 技术是进一步改善小
麦形态的有效途径（He 等，2010；Rasheed 等，2016；Wang 等，2021）。然而，
MAS 的有效性和可靠性取决于目标性状可用基因/QTL 和相关标记的数量和质
量。迄今为止，通过同源克隆或基于图位克隆了 30 多个与形态特征相关的基因，
并开发了 50 多个功能标记或竞争性等位基因特异性 PCR （ Kompetitive
allele-specific PCR，KASP）标记（Cui 等，2014；Rasheed 等，2016；Nadolska-Orczyk
等，2017；Lozada 等，2019）。此外，通过连锁图谱和关联分析检测到了 120
余个形态性状关联基因座（Gao 等，2017；Würschum 等，2017；Rahimi 等，2019；
Li 等，2020；Pang 等，2020）。然而，基因座仍然不足以改善小麦的形态性状。
鉴定形态性状相关基因或位点是当前研究重点。
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
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
分子标记是对 DNA 碱基序列变异进行标记而进行遗传分析的技术手段。分

子标记直接对表型变异中基因型影响的源头进行标记，有效排除了研究中受到的
表型影响。分子标记能够具体到碱基序列，可有效排除复杂的代谢过程中其他序
列的影响。分子标记的范围覆盖了整个基因组，可用于更多表型的遗传分析。分
子标记的变异类型更丰富，有助于研究者们更具体地分析群体的遗传多样性。分
子标记对基因定位、遗传图谱构建和分子标记辅助选择等研究发挥了重要作用
（Gupta 等，2000；Manifesto 等，2001）。分子标记技术也经历了不断的发展
和改进。用以标记序列的技术手段经历了 DNA 杂交、PCR 扩增和基因芯片。
（1）简单重复序列标记（Simple sequence repeat，SSR）
简单重复序列标记又叫微卫星标记，是一段串联重复的碱基序列，通常由
1-6 个碱基构成。简单重复序列标记可以通过串联碱基个数和这种串联的数目而
产生多态性，进而被用作标记使用。小麦中主要有两种简单重复序列标记：eSSR
（表达序列简单重复序列标记）（Yu 等，2004；Chen 等，2005；Xue 等，2008）
和 gSSR（基因组序列简单重复序列标记）（Gupta 等，2002；Bossolini 等，2006；
Parida 等，2006）。这两者同为串联重复性质的序列作为标记，但前者基于表达
序列而被开发应用，后者基于基因组序列被开发应用。小麦是异源六倍体，重复
序列约占 80%。SSR 标记数量大、开发和应用成本较低，因此在小麦的分子遗传
学研究中得到了广泛应用。国内外有很多研究者利用 SSR 标记对小麦进行基因
定位，包括小麦产量、抗病和品质等（吴云鹏等，2008；Mann 等，2009；张坤
6
前言
普等，2009；Lan 等，2010；Ramya 等，2010；Tsilo 等，2011；Ren 等，2012；

Liu 等，2014）。Prasad 等（2003）利用近等基因系，在小麦中检测到影响籽粒
蛋白质含量的 QTL 位点。研究者们也将 SSR 应用于在小麦中检测到的 QTL 定
位。Cuthbert 等（2008）检测到 5 个产量相关 QTL，并将它们定位在 1A、2D、
3B 和 5A 染色体上。Ren 等（2012）定位了一个在成株期兼抗小麦条锈和叶锈病
的 QTL。虽然 SSR 标记广泛应用于小麦中 QTL 检测和定位，但其在遗传图谱中
的标记密度较低。定位精度的不足导致其在图位克隆和分子标记辅助育种中的应
用受限。
（2）序列标签位点（Sequence-tagged sites，STS）
STS 是一段长度约 200-500bp 的单拷贝序列。其在基因组上单次出现，因此
常作为位置标记被研究者用来进行物理图谱和遗传图谱的整合（Schler 等，
1996）。此外，STS 也常被用来进行功能标记的开发。有研究者相继设计了 2AL
和 2DL 染色体上用于区分小麦多酚氧化酶活性的 STS 标记（Sun 等，2005；He
等，2007）。Zhao 等（2007）开发了 10 个 STS 标记，用于鉴定 Glu-D3 这一位
点的等位基因。利用 STS 分别开发了用于鉴定 Glu-A3 和 Glu-B3 位点等位基因的
标记（Wang 等，2009；2010）。研究者们还对这些标记进行了验证。
（3）基于表达序列标签（Expressed sequence tags，EST）
EST 通过 cDNA 文库克隆或者测序得到，长度一般为 150-500 bp。小麦 EST
计划从 1998 年开始，至今已经开发出 2 万多的标记。EST 相较于 SSR 更适于遗
传学研究。首先，EST 位于基因的编码区，编码区在很多物种中序列保守，存在
通用的可能。有利于进行物种间的遗传学研究。Ouyang 等（2014）在研究中对
比了的抗白粉病基因，这一基因来源于野生二粒小麦，研究者们发现它分别位于
二穗短柄草、水稻和高粱中第 1 染色体 150kb 的区间、第 6 染色体 85.8 kb 的区
间和第 10 染色体 138.9 kb 的区间内。此外，随着高通量测序技术的发展，各物
种的全基因组序列信息相继公布。这使得 EST-SSR 和 EST-STS 得到更多的应用。
潘海涛等（2010）开发了 194 个 EST-SSR 标记，其中 20 个被整合到重组自交系
群体川 35050/山农 483 的染色体上。Zhang 等（2013）将二穗短柄草与小麦、水
稻等作物进行共线性分析，通过 EST 序列设计 STS 标记，对抗条锈病基因 Yr26
进行精细定位，结果将其定位于距离标记 CON-4 (0.08 cM) 和距离标记 CON-12
7
(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
QTL 并鉴定到 6 个候选基因。目前，多家公司针对小麦开发出了多款不同标记

密度的基因芯片，包括 60K、90K、660K 及 55K 等，其中 55K 芯片的 53063 个
标记均匀地分布在小麦的 21 条染色体中，每个染色体大约分布了 2600 个 SNP
位点，平均遗传距离约为 0.1 cM，平均物理距离小于 300 Kb。
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
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
度量 LD 一般用 D′ （ standardized disequilibium coefficients ）和 r ２
（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
最大值与最小值的中点)或者 r2 的值为 0.1 时在染色体上的遗传距离来表示（Gaut

等，2003；Balding，2006）。
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
的 SSR 位点，且与前人研究结果一致。近年来，小麦 55K、90K 和 660K SNP 芯

片正逐渐取代 SSR 和 DArT（Diversity Arrays Technology）标记在产量、抗病和
抗逆性相关性状的遗传分析中应用（Jin 等，2016；Liu 等，2016；Liu 等，2017；
Li 等，2017；Valluru 等，2017；Quan 等，2021）。Sela 等（2014）利用 SNP
标记对 128 份以色列野生二粒小麦的条锈抗性基因进行发掘，1BS 上发现了控制
条锈抗性的基因位点，其能够鉴定条锈抗性资源；Cormier（2014）利用 SNP 标
记对 214 份欧洲小麦进行关联分析，发掘出 333 个与氮素利用相关性状关联的
SNP 位点；Mora 等（2015）基于 SNP 标记进行了 382 份小麦栽培品种和改良品
系的关联分析，找到一些与株高、每穗粒数和千粒重相关的 QTL 位点。
由于群体结构的存在，全基因组关联分析容易得到假阳性关联位点，需要用
到矫正群体结构的方法。如：一般线性模型（General linear model，GLM）
（Pritchard
等，2000）、结构关联（Structured association，SA）（Cardon 等，2003）、主
成分分析法（Principal Component Analysis，PCA）（Patterson 等，2006）、混
合线性模型（Mixed liner model，MLM）（Yu 等，2006），其中，MLM 是目前
最常用方法。
1.2.5 KASP 标记原理及应用
近年来，用于基因组批量 SNP 分型的多样化芯片得到了很大发展，9K、90K、

660K 和 55K 等芯片广泛应用于小麦等作物复杂数量性状遗传解析中。高密度的
SNP 标记已基本取代 SSR、STS（序列标记位点，Sequence tagged site）、EST
（表达序列标签标记，Expressed sequence tag）、RFLP（即随机扩增多态性 DNA
标记，Randomly amplified polymorphic DNA）等一系列多态性分子标记。然而，
受限于 SNP 芯片和重测序技术高昂的成本，将来源于芯片的 SNP 标记转化为可
以更快速，准确的检测品种的分子标记是 SNP 标记进一步实践应用的关键点。
基于普通 PCR 的特异 SNP 分型准确度较差、通量低、成本高，不适宜于下一步
应用。KASP（竞争性等位基因特异性 PCR，Kompetitive allele-specific PCR）标
记的出现迅速解决了这一问题，并快速应用于作物遗传图谱加密、精细定位、基
因克隆、品种（系）基因型检测等工作中。KASP 标记工作原理见图 1-1。
12
前言
图 1-1 KASP 标记工作原理
（https://www.biosearchtech.com/search/index?keyword=kasp）
Fig. 1-1 The method of KASP
KASP 原理是等位基因的差异位点（SNP 和 InDel）竞争性特异扩增，可以

用于区分一个位点的两种基因型。基于 KASP 标记的 PCR 扩增简单，无需电泳
检测，大大提升检测效率，达到高通量检测要求。基于 KASP 平台，实验室工作
人员每天可检测 5000 个样品，有效提升了检测效率。在 KASP 检测过程中，KASP
引物设计较为重要。一般来说，KASP 扩增需要 3 条引物，包括两条正向竞争性
引物（引物 5’端有与荧光基团 HEX 和 FAM 互补配对的碱基序列）和一条反向
共同引物。PCR 反应体系中含有荧光基团和猝灭基团修饰的通用序列。正向引
物可特异性地结合与其基因型一样的 DNA，两条正向引物可以发出两种颜色不
13
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
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
2.3 DNA 提取与浓度检测
2.3.1 取样
出苗后 15d，取植株幼嫩叶片 3-5g，放至离心管中，超低温（-80 ℃）冰箱

保存。
2.3.2 提取
采用康为世纪的新型植物基因组 DNA 提取试剂盒进行 DNA 提取。

试剂盒试剂构成见表 2-1。
表 2-1 DNA 提取试剂盒组成
Table 2-1 The components of the DNA extraction
组成 CW0531S
Components 50 preps
Buffer LP1 25 ml
Buffer LP2 10ml
Buffer LP3（concentrate） 21 ml
Buffer GW2（concentrate） 15 ml
Buffer GE 15 ml
RNase A（10mg/ml） 300 μl
Spin Columns DM witj Collection Tubes 50
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
7．向吸附柱中加入 500 μl Buffer GW2，12, 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。
8．重复步骤 7。
9．12, 000 rpm 离心 2 min，倒掉收集管中的废液。将吸附柱置于室温数分
钟，以彻底晾干。
10. 将吸附柱放到一个新离心管中，向吸附膜的中间部位悬空滴加 50-100 μl
Buffer GE 或灭菌水，室温放置 2-5 min，12, 000 rpm 离心 1 min，收集 DNA 溶
液。-20℃保存 DNA。
2.3.3 质量检测
采用 Thermo scientific 公司的 NanoDrop 2000 超微量分光光度计进行质量检

测。
达到如下要求视为合格：
总量：DNA 总量≥2 μg，体积至少 20 μl。
完整性：基因组主带清晰，无 RNA 污染、蛋白污染，无降解，且分子量≥10
Kb；
纯度：OD260/280 在 1.7-2.1 范围内；
浓度：在 60-1000 ng/μL 范围内。
2.4 试验及统计方法
2.4.1 SNP 基因芯片分析
实验仪器：Beckman 实验室自动化工作站、Affymetirx GeneTitan 系统、

Affymetirx GeneChip 系统扫杂交炉、PCR 仪、离心机等。
试验步骤：
（1）将待检测 DNA 样品稀释到 10 ng/µl，取 20 µl，加入变性反应体系进
行 DNA 扩增前的变性；后加入中性溶液中和 DNA；
（2）配置 DNA 扩增反应体系，37 °C 孵育 23h，进行 DNA 的扩增；扩增
结束后将 DNA 放入 65 °C 杂交炉中 20 min，后再放入 37 °C 杂交炉中 45 min，
以终止扩增反应；
（3）加入片段化反应体系，震荡 30 min，放入 37 °C 杂交炉，30 min 后立
19
即加入反应终止试剂，以终止 DNA 片段化反应；

（4）DNA 样品中加入沉淀试剂以及异丙醇，-20 °C 放置 24h，对 DNA 片
段进行沉淀；
（5）取出 DNA 样品，离心，弃上清，放入 37°C 杂交炉烘干 20 min；加入
杂交反应体系，震荡，离心；
（6）开始变性程序，使用 GeneTitan MC 系统进行小麦 55k 芯片的杂交，扫
描，保存数据。
（7）对于扫描得到的原始数据，使用 Axiom Analysis Suite 软件进行数据分
型；使用 dishQC 软件对数据进行质控，弃去低质量数据。
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
利用小麦 55k SNP 芯片对 251 份材料进行基因分型。剔除缺失数据>20%和

MAF<0.05 的 SNP 标记以剔除假阳性。后续 GWAS 分析的参考基因组选用 IWGSC
RefSeq v2.1（https：//urgi.versailles.inra.fr/blast_iwgsc/blast.php）。利用具有多态
性、且均匀分布的标记进行群体结构分析。
本研究利用 Structure v2.3.4 （ Pritchard 等， 2000 ）
（http://pritchardlab.stanford.edu/structure.html），在过滤 MAF 和缺失数据之后，
分析均匀分布在 21 条染色体上的多态 SNP 标记。为验证分析结果，使用 Tassel
v5.0 软件（Breseghello and Sorrells 2006）对 PCA 和 Neighbor-jointing（NJ）进化
树进行估计。在利用 Tassel v5.0 过滤后，选择 5000 个均匀分布的 SNP 标记，使
20
材料与方法
用 Tassel v5.0 中的 full matrix 和 sliding window 选项计算整个基因组的 LD

（Breseghello and Sorrells2006）。
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
qRT-PCR 引物信息见表 2-2。

表 2-2 qRT-PCR 的引物信息
Table 2-2 The primer used for qRT-PCR
候选基因起始位置终止位置序列

Candidate gene Start (bp) End (bp) Sequence
TraesCS2B02G Primer-L AGTTCTACAGTCCGATAGTA
593017043 593018167
397600 Primer-R CAGGTACTTCAGTTTAGTGG
TraesCS3A02G Primer-L CTTGGTCGGTTAATAGTATT
697452536 697453618
344600 Primer-R TCCTGGATACACGTGGGCCC
TraesCS3A02G Primer-L AAGGCTTCAACCGACCAATC
596321532 596322869
459800 Primer-R AGGACATCTATAGTTTCTGA
TraesCS3B02G Primer-L TGCATCTCGGTCGTGCAAGA
480156325 480157536
281000 Primer-R CGCTCATACGATTATTGCAT
TraesCS6A02G Primer-L ACCAGTGTTCAAGACCCGTA
2502360 2503968
301800 Primer-R TTTCCGCCGTTGAGTAAGTA
TraesCS7B02G Primer-L GCGCGGTTCATTTGTAGGCC
58563261 58594356
328800 Primer-R TGCGCTTCAGTAACCATAAC
TraesCS1A01G Primer-L ATGGCGACATGCCTAGATGA
296212311 296215426
164400 Primer-R CATTGACGGCATGGGATGTT
TraesCS2B01G Primer-L CGGTTGCTTGGAAGATGAGG
662376739 662379204
466600 Primer-R GCCGTTAGACACTGTTTCCC
TraesCS4A01G Primer-L AATTCGGCAACCTACCAAGC
46141864 46145610
055000 Primer-R ATTACAGCGAGATGGGCGTA
TraesCS5A01G Primer-L GTCAGCGCTTGCTGTCAATA
382291561 382292892
182500 Primer-R CTCGCAGACTAGGAGGTCAG
TraesCS5A01G Primer-L ACCATGTGGCAATACCCTGA
597793675 597796893
406800 Primer-R GGGCCTCCTGGTATGAATGA
TraesCS1A01G Primer-L TCTCTTGGCAGGGTGATTCC
543067408 543069241
362500 Primer-R GTCTCGGCATGAACCAGAAC
TraesCS2B01G Primer-L CTATCCGGTGGTGCAACAAG
91304955 91305926
123800 Primer-R GAATAGTGTGCCCGTCAACC
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
参考 ChamQ Universal SYBR qPCR Master Mix 试剂盒说明书配制 qPCR 反应体

系，在 Step One Plus 实时定量 PCR 仪中运行反应，使用 2-ΔΔCT 进行基因表达水
平的数据分析。以β-Actin 为内参，对基因表达量进行归一化分析，计算候选基
因在极端材料中的相对表达量，三次重复。
2.4.8 KASP 标记开发
KASP 引物设计采用在线工具 PolyMarker（http://polymarker.tgac.ac.uk/），

包括两条竞争性引物和一条共用引物，竞争性引物 3′末端碱基对应 SNP 的两个
等位变异，5′末端添加 FAM（5′ GAAGGTGACCAAGTTCATGCT 3′）和 HEX（5′
GAAGGTCGGAGTCAACGGATT 3′）标签序列。预混液按如下比例配制：共用
引物（100 µM）40 µL，两条竞争性引物（100 µM）各 16 µL，ddH2O 60 µL；每
个反应体系包含：2.5 µL × KASP master Mix（LGC，Biosearch Technologies, UK），
0.07 µL KASP 引物预混液，2.5 µL 模板 DNA（50 ng/µL）。PCR 反应程序见表
2-3。PCR 扩增后，采用 PHERAstar Plus 自动聚焦荧光多功能酶标仪（BMG Labtech
GmbH，Ortenberg, Germany）检测荧光信号，使用 KlusterCaller 软件（LGC，
Hoddesdon，UK）进行基因型分型。Master Mix 和 MgCl2 购买自 LGC 公司。
表 2-3 KASP 基因分型的热循环反应条件
Table 2-3 Thermal cycle conditions for KASP genotyping reactions
步骤反应温度（℃）时间循环数
Step Reaction Temperature Time Cycle
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
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
number per spike；TKW: Thousand-kernel weight；GY: Grain yield
单位面积穗数在 591.6-1199.9 之间，平均值为 874.4，在区间 847-900 上存

在最多的材料。材料群体的小穗数范围在 12.9-20.7 之间，平均值为 16.6，在区
25
间 16-17 上的材料数量最多。穗长范围为 6.8 cm-13.8 cm，平均值为 10.6 cm，

主要分布于 11.0 cm-12.0 cm 区间。每穗粒数在 23.1-50.6 之间，平均值为 36.0，
主要分布于 36-40 区间范围内。千粒重在 20.5g-41.2 g 之间，平均值为 32.4 g，
主要分布在 32.0 g-34.0 g 区间内。
方差分析结果表明，在不同性状中，基因型、环境和基因型 × 环境互作存
在极显著差异（P<0.01）（表 3-1）。产量及穗部性状受环境和基因型影响显著，
是典型的数量遗传性状，在研究和育种过程中，要设置多个环境以确定环境差
异。单位面积穗数、小穗数、穗长、每穗粒数、千粒重和产量的广义遗传率(H2)
分别为 0.64、0.52、0.65、0.71、0.63 和 0.49。表明，产量及穗部性状大部分可
稳定遗传。
表 3-1 产量及穗部性状的方差分析
Table 3-1 Analysis of variance for the grain yield and spike traits
F-值
变异来源自由度 F-value
Source of variation df 单位面积穗数小穗数每穗粒数穗长千粒重产量
SNU SN KNS SL TKW GY
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
注：*和**分别代表 0.05 和 0.01 水平显著。
Note: * and ** indicate significant at 0.05 and 0.01 level.
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;
FLW: Flag leaf width
27
表 3-2 形态性状的方差分析
Table 3-3 Analysis of variance for the morphological traits
F-值
变异来源自由度
F-value
旗叶长旗叶宽穗下节间长植株形态

Source of variation df
FLL FLW UIL PM
基因型 19.8**
250 158.9** 189.6** 136.9**
Genotypes
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
注：*和**分别代表 0.05 和 0.01 水平显著。
Note: * and ** indicate significant at 0.05 and 0.01 level.
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
Table3-3 Correlation coefficient among the traits
单位面积
性状小穗数穗长每穗粒数千粒重产量
穗数
Trait SNU SN SL KNS TKW GY
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。
Note: * significant at P<0.05；** significant at P<0.01.
表 3-3 各性状间的相关系数（续）
Table3-3 Correlation coefficient among the traits（Continued）
性状植株形态穗下节间长旗叶长旗叶宽

Trait PM UIL FLL FLW
PM 1
UIL 0.07 1
FLL 0.00 0.11 1
FLW -0.03 -0.56** 0.10 1
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
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
表 3-4 251 份春麦材料 SNP 标记分析（续）
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
图 3-3 全基因组 SNP 标记密度示意图
Fig. 3-3 SNP marker density for all the whole genome
3.2.2 群体结构和连锁不平衡
利用 Structure 软件和 52503 个高质量 SNP 标记分析群体的群体结构。预设

群体数 k 为 1-10，然后获取不同的 k 值所对应的 LnP(D)*，结果表明 LnP(D)在
k =2-3 的时候变化显著（图 3-4a），进而根据 LnP(D)的变化速率ΔK 绘制折线
图。当 k=2-3 时，ΔK 出现了峰值。结合群体结构分析（图 3-4b）、邻接法进化
树分析（图 3-4c）和主成分分析（图 3-4d），确定本群体可以分为 3 个亚群。
针对以上 3 个亚群所包含的种质材料开展分析。结果表明，第一亚群包含 126
个品种，主要来自于 1950 年到 1980 年在黑龙江省种植的品种，如克红、克旱
8、克坚和新曙光 5；第二亚群包含 75 份品种，主要来自于 1990 年到 2010 年
在黑龙江省种植的品种，如克春 2、克春 9、龙麦 2 和龙麦 8；第三亚群包含 50
份品种，主要来自吉林、美国、加拿大和日本。
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
32
结果与分析
相关性状的遗传位点挖掘（图 3-5）。
图 3-4 251 份春麦材料群体结构分析
Fig. 3-4 Population analysis for the 251 spring wheat accessins
a: K 值检验分析；b: 群体结构分析；c: 邻接法进化树；d: 主成分分析
a: Delta K for structure analysis；b: Population structure analysis；c: Neighbor-joining (NJ)
tree；d :Principal components analysis (PCA) plots
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
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: Spike number per unit area；SN: Spikelet number；SL: Spike length；KNS: Kernel number
per spike；TKW: Thousand-kernel weight；GY: Grain yield
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
Fig. 3-7 Comparison of morphological traits among three subpopulations
PM: Plant morphology; UIL: Uppermost internode length; FLL: Flag leaf length;
FLW: Flag leaf width
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
GY-1 GY-1
GY-2 GY-2
GY-3
GY-3
GY-4
GY-4
GY-5 GY-5
图 3-8a 产量 GWAS 结果的曼哈顿图和 QQ 散点图

Fig. 3-8a Manhattan plot and quantile-quantile(Q-Q) plots of GWAS for grain yield(GY)
1、2、3、4、5 分别表示哈尔滨 2018、哈尔滨 2019、克山 2018、克山 2019 和最佳线性无
偏估计(BLUP)。
The 1, 2, 3, 4 and 5 indicated the Haerbin 2018；Haerbin 2019, Keshan 2018, Keshan 2019 and
the best linear unbiased prediction (BLUP).
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
图 3-8b 千粒重 GWAS 结果的曼哈顿图和 QQ 散点图

Fig. 3-8b Manhattan plot and quantile-quantile(Q-Q) plots of GWAS for thousand-kernel
weight(TKW)
37
KNS-1
KNS-1
KNS-2
KNS-2
KNS-3
KNS-3
KNS-4 KNS-4
KNS-5 KNS-5
图 3-8c 每穗粒数 GWAS 结果的曼哈顿图和 QQ 散点图

Fig. 3-8c Manhattan plot and quantile-quantile(Q-Q) plots of GWAS for kernel number per
spike(KNS)
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
图 3-8d 单位面积穗数 GWAS 结果的曼哈顿图和 QQ 散点图

Fig. 3-8d Manhattan plot and quantile-quantile(Q-Q) plots of GWAS for spike number per
unit area(SUN)
39
SN-1
SN-1
SN-2
SN-2
SN-3
SN-3
SN-4 SN-4
SN-5
SN-5
图 3-8e 小穗数 GWAS 结果的曼哈顿图和 QQ 散点图

Fig. 3-8e Manhattan plot and quantile-quantile(Q-Q) plots of GWAS for Spikelet number(SN)
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
图 3-8f 穗长 GWAS 结果的曼哈顿图和 QQ 散点图

Fig. 3-8e Manhattan plot and quantile-quantile(Q-Q) plots of GWAS for spike length(SL)
41
关联分析结果表明，与产量及穗部性状关联的位点有 38 个（163 MTA）

（表
3-5，附表 2，图 3-8）。每个位点解释了表型变异的 7.6%-16.7%（按关联位点
统计，下同）。
（1）单位面积穗数（SNU）：检测到 8 个与单位面积穗数显著关联的位点，
分别位于 1B、1D、3D（2）、5A、6A、6D 和 7B 染色体上。每个位点可解释
遗传变异的 7.8%-11.4%。
（2）小穗数（SN）：检测到 6 个与小穗数显著关联的位点，分别位于 2D、
3A（2）、3B、5A 和 6A 染色体。每个位点可解释遗传变异的 8.8%-11.7%。
（3）穗长（SL）：检测到 19 个与穗长显著关联的位点，分布于 1A（4）、
1D、2D（2）、3A（2）、3B、4A、4B、4D、5A（2）、5B、6A、6B 和 6D
染色体上。每个位点可解释遗传变异的 8.1%-13.5%。
（4）每穗粒数（KNS）：检测到 7 个与每穗粒数显著关联的位点，位于
1A、2B、
5A、6B、6D 和 7D（2）染色体上。每个位点可解释遗传变异的 8.1%-10.4%。
（5）千粒重（TKW）：检测到 4 个与千粒重显著关联的位点，分布于 1A
（2）、4A 和 4B 染色体上。每个位点可解释遗传变异的 7.8%-13.5%。
（6）产量（GY）：检测到 13 个与产量显著关联的位点，分别位于 1B、
1D、2A、2B、3A、3D（2）、4A、5D、6A（2）和 6D（2）染色体，可解释
遗传变异的 7.6%-16.7%。
在 38 个位点当中有 18 个位点与两个及以上表型显著关联，为多效应位点。
其中，5 个位点与表型单位面积穗数和产量关联，分别位于 1B（100.8-103.2 Mb）、
1D（252.4-284.1 Mb）、3D（600.0-600.4 Mb 和 22.8 Mb）和 6D（482.3-486.3 Mb）。
4 个位点同时与穗长和千粒重关联，它们分别位于 1A （ 28.6-30.7 Mb 和
307.1-321.1 Mb）、4A（653.4-687.1 Mb）和 4B（15.8-17.3 Mb）。有 3 个位点
同时关联穗长和小穗数，它们分别位于染色体 2D（23.9-37.9 Mb）、3A（595.6
Mb）、和 5A（20.7 Mb）。2 个位点对穗长和每穗粒数存在影响，分别位于 6B
（132.4-133.0 Mb）和 6D（8.6 Mb）上。2B 上存在 1 个位点（592.8 Mb）同时
关联每穗粒数和产量。3A 上存在 1 个位点（10.9-21.9 Mb）与产量和小穗数关
联。5A 上存在同时关联穗长和单位面积穗数的位点（517.5-529.3 Mb）。此外，
6A 染色体上的 1 个位点（2.5-4.0 Mb）对产量、小穗数和穗长都有影响。
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
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
峰值位点染色体物理位置 P值表型变异率区间表型优异等位基因参考文献
Peak Marker Chromosome Position (bp) P-value R 2 (%) Interval (Mb) Trait Favorable allele Reference
AX-110180733 1A 28676837 4.5E-07 13.5 28.6-30.7 TKW/SL C Li 等，(2020)；Wang 等，(2011)
AX-108817901 1A 309183870 1.4E-05 9.3 307.1-321.1 TKW/SL C
AX-109971512 1A 338900660 5.2E-05 8.5 338.9-346.0 SL C
AX-108850659 1A 370774742 1.4E-05 9.3 370.7-370.8 SL C
AX-110363533 1A 587798859 1.8E-05 9.2 587.8-594.7 KNS G
AX-110953049 1B 103157084 1.7E-05 9.1 100.8-103.2 GY/SNU G
AX-86175573 1D 284057669 6.1E-05 8.2 252.4-284.1 GY/SNU C
AX-94767476 1D 430118481 6.3E-06 10.1 430.1-430.3 SL C
AX-111041231 2A 34739520 2.3E-05 9.0 34.7 GY A Li 等，(2020)
AX-111470278 2B 592759916 3.8E-06 10.4 592.8 KNS/GY C
AX-86163393 2D 37927966 1.9E-05 9.0 23.9-37.9 SL/SN C
AX-110090611 2D 556224959 1.6E-06 11.5 556.2-556.3 SL C
AX-111707600 3A 10841219 3.1E-05 11.7 10.9-21.9 GY/SN G Li 等，(2020)
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)
AX-110922897 3A 596035891 3.4E-06 10.5 596.0 SN/SL G
AX-109490522 3A 696351940 8.0E-06 9.8 696.4-700.9 SL A Li 等，(2020)；Azadi 等，2015
AX-109379472 3B 481361479 3.6E-05 8.8 480.4-481.4 SN G
AX-108791993 3B 589834517 3.0E-05 8.8 589.9 SL A
AX-94879852 3D 22763685 6.4E-05 8.2 22.8 SNU/GY A
AX-109181055 3D 600142463 1.6E-06 11.4 600.0-600.4 SNU/GY A Li 等，(2020)
AX-111662342 4A 640213293 4.6E-05 8.0 640.2 GY A
AX-110577792 4A 674369223 2.3E-05 8.8 653.4-687.1 TKW/SL A
AX-109901470 4B 15795054 2.8E-05 8.7 15.8-17.3 SL/TKW G
AX-109294476 4D 13447428 3.1E-05 8.9 13.5 SL C
AX-110185031 5A 20775669 4.2E-06 10.3 20.7 SL/SN G Li 等，(2020)
AX-108851118 5A 519200575 2.7E-05 8.8 517.5-529.3 SL/SNU G Li 等，(2018)
AX-109600316 5A 705150342 3.4E-06 10.4 705.2 KNS G Li 等，(2020)；Gao 等，2015
45
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)
AX-110606057 5B 697524601 7.2E-06 9.9 677.9-697.5 SL C Li 等，(2020)
AX-110510530 5D 548322186 9.4E-05 7.6 547.6-548.3 GY C
AX-94478216 6A 3983883 1.7E-06 11.2 2.5-4.0 GY/SN/SL T
AX-110172686 6A 538918974 3.9E-05 8.9 538.9-539.3 SNU A
AX-109862690 6A 619409256 2.9E-07 16.7 619.4 GY A
AX-111569068 6B 132435739 3.3E-05 8.5 132.4-133.0 SL/KNS A
AX-94621559 6D 8684658 6.0E-05 8.1 8.6 SL/KNS T
AX-111694627 6D 312832201 1.4E-05 9.3 312.8 GY T
AX-108976043 6D 486310967 7.8E-05 7.8 482.3-486.3 SNU/GY T Li 等，(2020)
AX-109321162 7B 585610186 5.1E-05 8.1 585.4-586.4 SNU G
AX-111622533 7D 21913685 5.8E-05 8.1 21.9 KNS G
AX-109984815 7D 142702326 3.5E-05 8.6 138.9-148.9 KNS G
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
本研究鉴定到 30 个与形态性状显著关联位点（387 MTA）（表 3-6，附表 4，图 3-9）。

每个位点解释了表型变异的 5.9%-17.8%。
（1）旗叶长（FLL）：检测到 9 个与旗叶长显著关联的位点，分别位于 1A、2A（2）、
2B、3B、3D、5D、6A 和 7D 染色体上。每个位点可解释遗传变异的 7.0%-9.5%。
（2）旗叶宽（FLW）：检测到 7 个与旗叶宽显著关联的位点，分别位于 1A（2）、
5A（2）、5B、5D 和 7A 染色体上。每个位点可解释遗传变异的 6.6%-17.8%。
（3）穗下节间长（UIL）：检测到 7 个与穗下节间长显著关联的位点，分别位于 2B、
5A、6A、6D、7A、7B 和 7D 染色体上。每个位点可解释遗传变异的 6.0%-8.8%。
（4）植株形态（PM）：检测到 7 个与植株形态显著关联的位点，分别位于 2B（2）、
3D、4A、5A、5B 和 6A 染色体上。每个位点可解释遗传变异的 6.6%-12.5%。
其中，1A 染色体上的位点（556.0Mb-577.7 Mb）与旗叶长和旗叶宽均有关联，5D 染
色体上的位点（551.2Mb-562.7 Mb）也同时关联到旗叶长和旗叶宽。另外，7D 染色体上的
位点（5.4Mb-8.3 Mb）对旗叶长和穗下节间长均有影响。
综上所述，所检测的位点当中，与旗叶长关联的位点最多（9 个）、与旗叶宽、穗下
节间长和植株形态关联的位点都是 7 个，在 A、B、D 三个染色体组上关联的位点分别有
15 个、8 个和 7 个。QQ 图结果表明，本研究所采用的 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。
47
FLW-1
FLW-2
FLW-3
FLW-4
图 3-9a 旗叶宽 GWAS 结果的曼哈顿图和 QQ 散点图

Fig. 3-9a Manhattan plot and quantile-quantile(Q-Q) plots of GWAS for flag leaf width (FLW)
1、2、3、4、5 分别表示哈尔滨 2018、哈尔滨 2019、克山 2018、克山 2019 和最佳线性无偏估计(BLUP)。
The E1, E2, E3, E4 and E5 indicated the Haerbin 2018；Haerbin 2019, Keshan 2018, Keshan 2019 and the
best linear unbiased prediction (BLUP).
48
结果与分析
FLL-1
FLL-2
FLL-3
FLL-4
FLL-5
图 3-9b 旗叶长 GWAS 结果的曼哈顿图和 QQ 散点图

Fig. 3-9b Manhattan plot and quantile-quantile(Q-Q) plots of GWAS for flag leaf length(FLL)
49
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
图 3-9c 穗下节间长 GWAS 结果的曼哈顿图和 QQ 散点图

Fig. 3-9c Manhattan plot and quantile-quantile(Q-Q) plots of GWAS for uppermost internode length(UIL)
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
图 3-9d 植株形态 GWAS 结果的曼哈顿图和 QQ 散点图

Fig. 3-9d Manhattan plot and quantile-quantile(Q-Q) plots of GWAS for plant morphology(PM)
51
表 3-6 形态性状显著关联位点
Table 3-6 The loci significant associated with morphological related traits
峰值位点染色体物理位置 P-值遗传变异率区间表型优异等位基因参考文献

Peak marker Chromosome Position(bp) P-value R2(%) Interval（Mb） Trait Favorable allele Reference
AX-89724016 1A 577658002 8.6E-04 9.0 572.9-577.7 FLL C Li 等，(2020)
AX-108851673 2A 66828369 8.7E-04 9.5 66.3-68.2 FLL G
AX-109449647 2A 559777553 9.3E-04 7.3 554.6-560.2 FLL C Li 等，(2020)
AX-108951538 2B 655516491 9.2E-04 7.9 652.7-656.0 FLL C Liu 等，(2018)
AX-109840450 3B 129399924 9.8E-04 9.3 121.4-129.6 FLL G Wu 等，(2016)
AX-112288331 3D 86339308 7.7E-04 7.8 82.8-94.5 FLL G
AX-112286569 5D 556229984 9.2E-04 8.3 551.2-556.2 FLL G
AX-110993553 6A 12947932 9.2E-04 8.3 5.1-17.9 FLL T
AX-89611863 7D 8875367 9.8E-04 7.0 5.4-10.5 FLL A Wu 等，(2016)
AX-111187227 1A 297744843 8.4E-04 6.6 296.9-297.7 FLW C
AX-109360506 1A 586279240 7.0E-04 8.1 556.0-587.4 FLW A Li 等，(2020)
AX-109320585 5A 299504843 9.3E-04 7.6 290.1-299.5 FLW A
AX-108762108 5A 595372901 5.3E-04 7.7 595.4-597.7 FLW A Wu 等，(2016)
AX-111092147 5B 617876617 9.4E-04 10.7 615.7-617.9 FLW A Li 等，(2020)
AX-111356182 5D 562278780 9.2E-04 9.3 562.0-562.7 FLW A
AX-110376601 7A 19867000 9.5E-04 17.8 18.8-25.9 FLW G
AX-110481288 2B 439199343 9.1E-04 8.2 409.9-439.5 UIL G
AX-110966276 5A 383879968 9.3E-04 8.3 383.4-385.0 UIL G Li 等，(2020)
AX-108775064 6A 606599692 9.5E-04 5.9 606.6-611.7 UIL G
AX-108983270 6D 399015568 9.0E-04 6.8 388.2-407.5 UIL G Li 等，(2020)
AX-110493346 7A 510324689 8.1E-04 6.8 496.3-512.9 UIL C
AX-111285743 7B 701117191 1.3E-04 8.8 701.1-701.1 UIL A Li 等，(2020)
AX-109848092 7D 8335138 9.6E-04 6.0 8.3-8.3 UIL A
AX-110472120 2B 91040453 8.0E-04 7.7 91.0-92.6 PM A
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)
峰值位点染色体物理位置 P-值遗传变异率区间表型优异等位基因参考文献

Peak marker Chromosome Position(bp) P-value R2(%) Interval（Mb） Trait Favorable allele Reference
AX-110372053 2B 663680643 9.2E-04 6.6 663.1-664.2 PM G
AX-110788038 3D 606717538 8.3E-04 8.4 602.8-606.7 PM G
AX-108772504 4A 41955761 3.7E-04 12.5 41.4-46.2 PM C Liu 等，(2016)
AX-108910180 5A 688938424 4.4E-05 9.9 688.9-688.9 PM C
AX-109936345 5B 696958408 5.1E-04 8.9 696.7-697.0 PM C
AX-109013896 6A 23899064 2.6E-04 10.1 23.8-24.4 PM C Li 等，(2020)
PM: Plant morphology; UIL: Uppermost internode length; FLL: Flag leaf length; FLW: Flag leaf width
53
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
全基因组关联分析共得到 6 个产量及穗部性状相关候选基因（表 3-7），这 6 个候选

基因分布在 A 染色体组和 B 染色体组上（2B、3A、3B、6A、7B），没有位于 D 染色体
组的产量性状相关候选基因。
在关联位点 2B（592.8 Mb）和 3B（480.8Mb-481.4 Mb）的 LD 衰减范围内发现了 2
个编码细胞分裂素核苷的基因(TraesCS2B02G397600 和 TraesCS3B02G281000)。在 3A 染色
体位点（ 596.0 Mb ）的 LD 衰减范围内发现了编码 E3 泛素转移酶的基因
(TraesCS3A02G344600)。在位点 3A（696.4Mb-700.9 Mb）和 6A(2.5Mb-4.0 Mb)上分别存在
编码 F-box 家族蛋白和海藻糖 -6- 磷酸酶 (T6P) 的基因 (TraesCS3A02G459800 、
(TraesCS6A02G301800)。此外，编码丝/苏氨酸蛋白激酶的基因(TraesCS7B02G328800)位于
关联位点 7B (585.4-586.4 Mb)的衰减范围内（表 3-7）。
表 3-7 产量相关性状候选基因及其信息
Table 3-7 The details for the candidate genes of grain yield related traits
染色体起始位置终止位置候选基因注释
Chromosome Start (bp) End (bp) Candidate gene Annotation
2B 593017043 593018167 TraesCS2B02G397600 Cytokinin riboside
3A 697452536 697453618 TraesCS3A02G344600 E3 ubiquitin transferase
3A 596321532 596322869 TraesCS3A02G459800 F-box family protein
3B 480156325 480157536 TraesCS3B02G281000 Cytokinin riboside
6A 2502360 2503968 TraesCS6A02G301800 Trehalose 6-phosphatase
7B 58563261 58594356 TraesCS7B02G328800 Serine/threonine-protein kinases
3.4.2 产量及穗部性状候选基因表达量分析
采用 qRT-PCR 对上述 6 个基因进行表达验证（图 3-10）。研究所用 6 个产量性状均

存在极端表型材料，极端材料的表型数据值具有极显著差异（表 3-8）。结果表明，
TraesCS2B02G397600 、 TraesCS3A02G344600 、 TraesCS3A02G459800 和
TraesCS7B02G328800 在极高表型材料中的表达量显著高于极低表型材料，差异倍数介于
54
结果与分析
1.9-4.3 倍之间。TraesCS3B02G281000 和 TraesCS6A02G301800 在极高表型材料中表达量显

著低于极低表型材料，差异倍数介于 1.8-3.6 倍之间。
表 3-8 251 份春麦中用于产量及穗部性状 qRT-PCR 分析的极端材料
Table 3-8 The accessions with extreme grain yield and spike trait used for qRT-PCR in the 251 spring wheat
accessions
单位面积小穗数穗长穗粒数千粒重产量极值

表型品种名
穗数 SN SL KNS TKW GY Extrem
Trait Name
SNU (cm) (g) (kg· hm-1) e
Kenda3 649.7 - - - - - Low
LongFumai18 672.3 - - - - - Low
单位 Nonglin45 687.7 - - - - - Low
面积 Chinese spring 706.4 - - - - - Low
穗数 Hechun5 1045.9 - - - - - High
SNU Jiaxuan2 1066.5 - - - - - High
Kenjiu2 1099.2 - - - - - High
KeFeng4 1187.9 - - - - - High
Xinshuguang5 - 12.9 - - - Low
Songhuajiang3 - 13.1 - - - Low
Shen68-71 - 13.1 - - - Low
小穗
Jianandahong - 13.4 - - - Low
数
Xinshuguang8 - 19.2 - - - High
SN
Kechun120444 - 19.5 - - - High
Kechun3 - 19.6 - - - High
Kechun8 - 20.2 - - - High
KeFeng4 - - 6.9 - - - Low
Kenjiu2 - - 7.3 - - - Low
Liaochun2 - - 7.4 - - - Low
穗长
KeFeng - - 7.5 - - - Low
SL
Kechun10 - - 12.8 - - - High
(cm)
Kehan7 - - 13.1 - - - High
Kechun151065 - - 13.1 - - - High
Beimai12 - - 13.3 - - - High
Ji-0012Jichun1 - - - 23.1 - - Low
Ji-0013Jichun1 - - - 23.4 - - Low
Xinshuguang5 - - - 23.9 - - Low
穗粒
Hezuo7 - - - 24.2 - - Low
数
Longmai12 - - - 45.2 - - High
KNS
Longmai76 - - - 45.8 - - High
Kechun3 - - - 46.1 - - High
Beimai12 - - - 46.5 - - High
55
表 3-8 251 份春麦中用于产量及穗部性状 qRT-PCR 分析的极端材料（续）
Table 3-8 The accessions with extreme grain yield and spike trait used for qRT-PCR in the 251 spring wheat
accessions (Continued)
单位面积小穗数穗长穗粒数千粒重产量极值

表型品种名
穗数 SN SL KNS TKW GY Extrem
Trait Name
SNU (cm) (g) (kg· hm-1) e
Dongnong113 - - - - 20.5 - Low
Nonglin45 - - - - 24.7 - Low
千粒 Nonglin34 - - - - 24.7 - Low
重 Daqingmang - - - - 25.2 - Low
TKW Longmai29 - - - - 38.7 - High
(g) LongFumai195 - - - - 39.3 - High
Hechun1 - - - - 39.3 - High
LongFu17-204 - - - - 39.7 - High
Nonglin45 - - - - - 2233 Low
Mexico-1 - - - - - 2545.2 Low
产量 Daqingmang - - - - - 2586.1 Low
GY Lianfeng - - - - - 2810.5 Low
(kg· Longmai23 - - - - - 6104.3 High
hm-1) LongFu17-098 - - - - - 6212 High
LongFu15-307 - - - - - 6300.9 High
LongFu18-171 - - - - - 6574.8 High
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
注：X 轴代表自然群体中选择材料，Y 轴代表籽粒组织中每个候选基因相对β-Actin 的表达量；* 和**
分别代表 p ≤ 0.05 和 p ≤ 0.01 显著水平。
56
结果与分析
Note: X-axis represents selected accessions from the natural population, whereas Y-axis represents the relative
expression of each gene to β-Actin in grain tissue.* and **

indicate the significance at p ≤ 0.05 and p ≤ 0.01,
respectively.
3.4.3 形态性状候选基因分析
共鉴定出 7 个形态性状相关候选基因（表 3-9）。在 1A（296.9Mb-297.7 Mb）和 2B

（652.7Mb-656.0 Mb）这两个位点的 LD 衰减范围内发现了编码 E3 泛素蛋白连接酶的两个
候选基因（Traescs1a01g164400 和 Traescs2b01g466600）。编码细胞分裂素核糖苷 5’-磷酸
氢化酶的基因（Traescs1a01g362500）位于 1A 染色体（556.0Mb-587.4 Mb）衰减范围内。
5A（383.4Mb-385.0 Mb）和 5A（595.4Mb-597.7 Mb）上存在候选基因 Traescs5A01g182500
和 Traescs5A01g406800，编码 F-box 家族蛋白。此外，编码 C2H2 锌指蛋白和富亮氨酸重
复受体蛋白激酶的基因 Traescs2b01g123800 和 Traescs4a01g055000 分别位于 2B 染色体
（91.0-92.6 Mb）和 4A 染色体（41.4-46.2 Mb）上。
表 3-9 形态相关性状候选基因及其信息
Table. 3-9 The details for the candidate genes of morphologica related traits
染色体起始位置终止位置候选基因注释
Chromosome Start (bp) End (bp) Candidate gene Annotation
1A 296212311 296215426 TraesCS1A01G164400 E3 ubiquitin-protein ligase
1A 543067408 543069241 TraesCS1A01G362500 Cytokinin riboside 5'-monophosphate
phosphoribohydrolase
2B 91304955 91305926 TraesCS2B01G123800 Zinc finger, C2H2
2B 662376739 662379204 TraesCS2B01G466600 E3 ubiquitin-protein ligase
4A 46141864 46145610 TraesCS4A01G055000 Leucine-rich repeat receptor protein
kinase
3.4.4 形态性状候选基因表达量分析
采用 qRT-PCR 对上述 7 个基因进行表达验证（图 3-11）。研究所用 4 个形态性状均

存在极端表型材料，极端材料的表型数据值具有极显著差异（表 3-10）。结果表明，
TraesCS1A01G164400 、 TraesCS1A01G362500 、 TraesCS2B01G123800 、
57
TraesCS2B01G466600、TraesCS4A01G055000 和 TraesCS5A01G406800 在极高表型材料中

的表达量显著高于极低表型材料，差异倍数介于 2.1-4.5 倍之间。TraesCS5A01G182500 在
极高表型材料中表达量显著低于极低表型材料，差异倍数为 1.73。
表 3-10 251 份春麦中用于形态性状 qRT-PCR 分析的极端材料
Table 3-10 The accessions with extreme morphologica trait used for qRT-PCR in the 251 spring wheat
accessions
表型品种名植株形态穗下节间长旗叶长旗叶宽极值

UIL (BLUE) FLL (BLUE) FLW (BLUE)
Trait Name PM (BLUE) Extreme
(cm) (cm) (mm)
Mailiduo 1.0 - - - Low
Gannan96 1.3 - - - Low
Longmai11 1.5 - - - Low
植株
Xihong 1.8 - - - Low
形态
Longmai92 3.0 - - - High
PM
Longmai98 3.0 - - - High
Kechun150397 3.0 - - - High
Kechun151065 3.0 - - - High
Kechun151350 - 12.7 - - Low
Ganmai12 - 13.8 - - Low
穗下
Ji-0014Jichun201 - 14.0 - - Low
节间
Ji-0012Jichun126 - 14.0 - - Low
长
Kehan20 - 37.8 - - High
UIL
Kehan14 - 38.1 - - High
(cm)
Kesui - 41.1 - - High
KeFeng10 - 41.4 - - High
Ji-0012Jichun129 - - 18.5 - Low
Longchun3 - - 18.8 - Low
旗叶 Kechun4 - - 19.0 - Low
长 Kechun10 - - 19.3 - Low
FLL Longmai97 - - 28.1 - High
(cm) Kenmai10 - - 28.2 - High
Kehan14 - - 28.3 - High
Kehan20 - - 28.7 - High
旗叶 Kenhong23 - - - 7.4 Low
宽 Kenhong13 - - - 8.7 Low
FLW Beimai15 - - - 9.1 Low
(mm) Hechun2 - - - 9.5 Low
58
结果与分析
表 3-10 251 份春麦中用于形态性状 qRT-PCR 分析的极端材料（续）
Table 3-10 The accessions with extreme morphologica trait used for qRT-PCR in the 251 spring wheat
accessions (Continued)
表型品种名植株形态穗下节间长旗叶长旗叶宽极值

UIL (BLUE) FLL (BLUE) FLW (BLUE)
Trait Name PM (BLUE) Extreme
(cm) (cm) (mm)
旗叶 Kenmai10 - - - 16.4 High
宽 Kehan4 - - - 16.5 High
FLW LongKen415 - - - 16.7 High
(mm) Kechun10 - - - 18.0 High
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.
注：X 轴代表自然群体中选择材料，Y 轴代表对应组织中每个候选基因相对β-Actin 的表达量；* and **
分别代表 p ≤ 0.05 和 p ≤ 0.01 显著水平。
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
后，得到 6 个表型相关性状中共 69 个单倍型。
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)
注：*、**和***分别代表 0.05、0.01 和 0.001 水平显著。
Note: *, ** and *** indicate significant at 0.05, 0.01 and 0.001 level.
产量在 5 条染色体上存在 14 种单倍型。在 1D、3D、5D、6A 和 6D 染色体上分别存

在 2、3、2、4、3 种单倍型。其中，1D 和 5D 染色体上的单倍型对应材料的产量存在极显
著差异（P<0.01），有利单倍型分别为 AA 和 GC，对应低产量的单倍型分别为 GG 和 AT。
位于染色体 6A 上的单倍型 CC 对应材料拥有最高产量，平均值为 4898.33kg· hm-1，并与其
上另外三种单倍型对应材料的产量都存在极显著差异，另外 3 种单倍型 CT、TC 和 TT 之
间不存在显著差异。3D 染色体上的 2 种产量相关单倍型 AAGG 和 ACAC 之间存在显著差
异（P<0.05），有利单倍型为 ACAC，CAGG 和另外两种单倍型之间均不存在显著差异。
染色体 6D 中的单倍型之间不存在产量上的显著差异。
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)
每穗粒数分别在 1B 和 7D 染色体中存在关联位点组成的单倍型共 6 种。其中，位于

1B 染色体上的单倍型 AA 和 TG 对应材料间的每穗粒数不存在显著差异。位于 7D 染色体
上的 4 种单倍型之间存在极显著差异，单倍型 TCCC 和 TCCG 极显著高于单倍型 CACG
和 CATG。单倍型 TCCC 拥有最高的每穗粒数，均值 38.6。
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)
小穗数共存在 8 种单倍型，在 2D、3A、3B 上分别存在 3、3、2 种单倍型。其中，3A

染色体中的单倍型 TAG 对应材料小穗数仅为 15.1，极显著低于另外两种单倍型 GGC 和
TGG，因此可能参与小穗数的负调控。另外两个染色体 2D 和 3B 上的单倍型之间不存在显
著差异。
61
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)
千粒重共存在 8 种单倍型，在 1A 和 4A 染色体上各存在 4 种单倍型。千粒重在 1A 和

4A 染色体上的单倍型之间都存在极显著差异。1A 染色体上存在的 4 种单倍型为 CCA、
CCG、CGG 和 TGG，其中 TGG 为有利单倍型，对应千粒重均值为 33.2 g，极显著高于单
倍型 CCA 和 CCG。CGG 单倍型的千粒重值也极显著高于单倍型 CCA，显著高于单倍型
CCG。两种千粒重值较高的单倍型 CGG 和 TGG 之间不存在显著差异。4A 上存在的 4 种
单倍型为 AAGGTAGG、AGGGTAGG、CACACGAA 和 CGCACGAA，其中，AGGGTAGG
为有利单倍型，对应千粒重为 33.4 g。其次的有利单倍型为 CGCACGAA，这两种有利单
倍型之间不存在显著差异，但均显著高于另外两种单倍型。
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)
穗长共计在 8 个染色体上存在 26 种单倍型。其中，位于 1A 和 1D 染色体上的单倍型

不存在显著差异。2D 染色体上单倍型 CGCT 对应材料的穗长值显著低于另外两个单倍型
63
CGCC 和 TGCC 对应材料的穗长，可能对小麦穗长存在负调控的影响。在 3A 染色体上的

4 种单倍型中，拥有最低穗长均值的是单倍型 AACGA（9.3 cm），与另外三个单倍型都存
在极显著差异。在 4A 染色体，单倍型 TG 拥有最高的穗长均值（11.1 cm），且极显著高
于其他单倍型。4B 染色体的 GA 单倍型拥有最高的穗长均值（10.7 cm）且显著高于其他
单倍型。5A 染色体的 5 种单倍型中，CTACG 拥有最高的穗长均值（11.3 cm）。此外，在
5B 染色体也存在穗长相关位点组合的单倍型，单倍型 CG 极显著高于单倍型 TG。
综上结果，产量在 1D、3D、5D 和 6A 这 4 个染色体的单倍型存在显著差异，每穗粒
数在 7D 染色体的单倍型存在差异，小穗数在 3A 染色体的单倍型存在差异，单位面积穗数
在 6A 和 7B 染色体的单倍型分别存在差异，千粒重的 1A 和 4A 染色体上的单倍型都存在
差异，穗长共分析了 8 个染色体上的单倍型，其中存在显著差异的单倍型位于 2D、3A、
4A、4B、5A 和 5B 染色体上。
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)
注：*、**和***分别代表 0.05、0.01 和 0.001 水平显著。
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)
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 3-13，表 3-11）。结果表

明，旗叶宽分别在 1A、5A、5B、7A 染色体中存在关联位点组成的 3、3、2、4 种单倍型。
65
其中，位于 1A 和 7A 染色体上的单倍型之间存在极显著差异。1A 染色体上单倍型

CCCTGTGTCTCCGTAACGC 对应材料的旗叶宽值极显著高于另外两种单倍型对应材料的
旗叶宽，其均值为 15.5 mm。7A 染色体上的单倍型 GCGC（15.5 mm）和 GCGT(15.8 mm)
极显著高于另外两种单倍型 TTCC 和 TTCT，但单倍型 GCGC 和 GCGT 之间不存在显著差
异。
旗叶长分别在 1A、2A、2B、3B、3D、5D、6A 和 7D 染色体上存在 7、4、2、3、4、
3、5、3 种单倍型，共计 31 种。其中，1A 和 2B 染色体的旗叶长相关单倍型存在极显著差
异(P<0.01)，有利单倍型分别为 TAGT 和 ACAGCCT。位于染色体 1A 上的单倍型 TAGT
对应材料的旗叶长平均值为 26.1 cm，是所有单倍型组合中最高的。2B 上的单倍型
ACAGCCT 的旗叶长平均值为 25.5 cm。
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)
植株形态分别在 2B、3D、4A、5B、6A 染色体上存在 4、5、2、2、2 种单倍型。3D

染色体上的单倍型之间存在极显著差异，单倍型 TTAAACTC（2.4）极显著低于单倍型
ACCGGGC（2.7）和 ATCCGGGC（2.8），单倍型 TTAAACT（2.4）极显著低于单倍型
ATCCGGGC（2.8）。
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
穗下节间长分别在 2B、5A、6A 和 6D 染色体上存在 2、2、3、3 种单倍型。2B 染色

体上的两种单倍型之间存在显著差异，均值分别为 22.3 cm 和 20.4 cm。6A 染色体上的单
倍型 TA 极显著低于另外两种单倍型，且低于群体均值 19.5 cm，因此可能参与穗下节间长
的负调控。6D 染色体上的 3 种单倍型之间均存在极显著差异。其中，均值最高的为
CCAGGAGTGGCCCGACC（28.8 cm），均值最低的为 GTGTAGCCAATGTAGGT(19.8 cm)。
67
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
表型染色体单倍型单倍型序号

Trait Chromosome Haplotype Number
GAAT 1
GAGG 2
GGGG 3
1A TAAT 4
TAGG 5
TAGT 6
TGGG 7
AGACACCAAGA 1
AGACATACGAG 2
2A
GACTGCCAAGA 3
GACTGTACGAG 4
ACAGCCT 1
2B
GTCATTA 2
CGGAGCACGACTAATCCCGGCGGTAAC 1
3B CGGAGCACGACTGCCTTTAATAACGGT 2
旗叶长
TACGCTCTTGTGGCCTTTAATAACGGT 3
FLL
AAATACTC 1
AAATATGC 2
3D
GACCGCTT 3
GGCCGCTT 4
CCGAC 1
5D CCGGA 2
TCGGA 3
AGGTGCGTCTTCGG 1
GAACATACAGTCGG 2
6A GAACGCGTCTCAAA 3
GAACGCGTCTTAAA 4
GAACGCGTCTTCGG 5
GGCACGGTGCTACTCGATT 1
7D TACACGGTGCTACTCGATT 2
TATGTCACAGCCTCGAGGC 3
CCCTGAGTTCTTGTAACGC 1
1A CCCTGTGTCTCCATAACGC 2
CCCTGTGTCTCCGTAACGC 3
ACTCCCACCATTAT 1
5A ACTCCTCTTCCCGC 2
旗叶宽 GTCTACACCATTAT 3
FLW AGAAAAGAGGG 1
5B
GCCCGGACCAA 2
GCGC 1
GCGT 2
7A
TTCC 3
TTCT 4
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)
表型染色体单倍型单倍型序号

Trait Chromosome Haplotype Number
ACCATGAACGCGT 1
ACCATGAATTTAC 2
2B
GGTGCCGGCGCGT 3
GGTGCCGGTTTAC 4
ACCAGGGC 1
ACCGGGC 2
植株 3D ATCCGGGC 3
形态 TTAAACT 4
PM TTAAACTC 5
GCGCGGCTGACAGGGGCA 1
4A
GCGCGGCTGACAGGGGCC 2
CCC 1
5B
CTT 2
ATATA 1
6A
GGGAG 2
CTATTAGTTTTACTATATTCGTAACTTACTACTT
1
ATGGGAACCTCTTCCCAAATAC
2B
TCGGCGTCGCCCTCGCCCCGCCGGGCCGTCGAC
2
GGCCTAGGGTCTCCTTTGGCCAC
CTACGCAG 1
穗下节 5A
TAGTTGGA 2
间长
CA 1
UIL
6A TA 2
TC 3
CCAGGAGTGGCCCGACC 1
6D CCAGGAGTGGCGCGACC 2
GTGTAGCCAATGTAGGT 3
3.6 KASP 标记的开发与验证
3.6.1 AX-109181055 的标记开发及验证
AX-109181055 位点与小穗数显著关联，所解释表型效应较高且稳定。将其转化为 KASP

标记，命名为 K_AX-109181055，引物序列如表 3-12 所示。在 KASP 引物设计软件 Polymarker
返回结果的基础上，分别加上 FAM 和 HEX 荧光的接头序列形成特异引物 A 和特异引物 B。
两条特异引物与通用引物 C 共同构成 K_AX-109181055 标记的引物组。
利用 K_AX-109181055 对 78 份黑龙江省春麦高代品系进行检测，结果如图 3-14 所示，
69
KASP 标记 K_AX-109181055 可明显将 78 份高代品系区分为 AA、GG 和 AG 三种类型（表

3-13）。其中，GG 为优异等位基因，AA 为非优异等位基因，AG 为杂合基因。在 78 份高
代品系中，39 份为 GG 类型，28 份为 AA 类型材料，11 份为 AG 类型材料。在 2021 年表
型统计中（表 3-13，附表 5），GG 类型均值为 16.2（14.5-19.3），AA 类型材料均值为 15.3
（13.5-15.6），两种基因型达到显著差异（P<0.05）；在 2022 年表型统计中，GG 类型小
穗数均值为 15.8（14.5-18.5），AA 类型材料小穗数均值为 14.8（12.3-15.5），两种基因型
达到显著差异（P<0.05）。
表 3-12 KASP 标记 K_AX-109181055 的引物序列
Table 3-12 Primer Sequences of KASP marker K_AX-109181055
标记引物序列
Marker Primer Sequence
特异引物 A 5′-GAAGGGGACCAAGTTAATGCTactgctagagaggattgcA-3′
K_AX-109181055 特异引物 B 5′-GAAGCCCGAAGTCAACGGATTactgatgcagatgattgcG-3′
通用引物 C 5′-GGATTGCAGGTCCCATTATCTC-3′
注：特异引物 A、B 序列中下划线部分分别为 FAM 和 HEX 荧光的接头序列
图 3-14 引物 AX-109181055 对 78 份自然群体的分型结果
Fig. 3-14 PCR products of KASP marker K_AX-109181055 amplified 78 accessions
70
结果与分析
表 3-13 基于 KASP 标记 K_AX-109181055 的 78 个春小麦品系小穗数 T 检验
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
(%)
Environment Genotype Number Mean of SN 95 conf. interval P-value
AA 28 15.3 13.5-15.6 0.006

2021 哈尔滨
GG 39 16.2 14.5-19.3
AA 28 14.8 12.3-15.5 0.039

2022 哈尔滨
GG 39 15.8 14.5-18.5
注：a 利用 K_AX-109181055 标记检测的基因型结果。
3.6.2 AX-110090611 的标记开发及验证
AX-110090611 与穗长显著关联，所解释表型效应较高且稳定。将其转化为 KASP 标记，

命名为 K_AX-110090611，引物序列如表 3-14 所示。在 KASP 引物设计软件 Polymarker 返
回结果的基础上，分别加上 FAM 和 HEX 荧光的接头序列形成特异引物 A 和特异引物 B。
两条特异引物与通用引物 C 共同构成 K_AX-110090611 标记的引物组。
表 3-14 KASP 标记 K_AX-109181055 的引物序列
Table 3-14 Primer Sequences of KASP marker K_AX-109181055
标记引物序列
Marker Primer Sequence
特异引物 A 5′-GAAACTGGAGAGTCATGCTactgctacggagggctgcA-3′
K_AX-110090611 特异引物 B 5′-GAGGATCGAGGTCAACGGATTactgctggagaatgttgcG-3′
通用引物 C 5′-GGATTGCAGGTCCCATTATCTC-3′
注：特异引物 A、B 序列中下划线部分分别为 FAM 和 HEX 荧光的接头序列。
用 K_AX-110090611 检测 78 份黑龙江春麦高代品系，结果如图 3-15 所示，KASP 标记

K_AX-110090611 可明显将 78 份高代品系区分为 AA、GG 和 AG 三种类型（表 3-15）。其
中，AA 为非优异等位基因，GG 为优异等位基因，AG 为杂合基因。在 78 份高代品系中，
32 份为 AA 类型材料，37 份为 GG 类型，9 份为杂合基因型。在 2021 年表型统计中（表
3-15，附表 6），32 个 AA 类型材料均值为 9.0 cm（7.5 cm-10.1 cm），GG 类型均值为 9.7
71
cm（8.7 cm-11.8 cm），两种基因型达到显著差异（P<0.05）；在 2022 年表型统计中，32

个 AA 类型材料均值为 10.2 cm（8.8 cm-11.3 cm），GG 类型均值为 11.2 cm（9.6 cm-13.1 cm），
两种基因型达到显著差异（P<0.05）。
图 3-15 引物 AX-110090611 对 78 份自然群体的分型结果
Fig. 3-15 PCR products of KASP marker K_AX-110090611 amplified 78 accessions
注：AG 型表示杂合型，AA 型和 GG 型分别为两种等位基因。
表 3-15 基于 KASP 标记 K_AX-110090611 的 78 个春小麦品系穗长 T 检验
Table 3-15 The T-test of length of spikes for 78 spring wheat cultivars based on the KASP marker
K_AX-110090611
环境基因型 a 数据数量穗长均值(%) 95% 置信区间 P 值
Environment Genotype Number Mean of SL 95% conf. interval P-value
AA 32 9.0 7.5-10.1 0.026

2021 哈尔滨
GG 37 9.7 8.7-11.8
AA 32 10.2 8.8-11.3 0.009

2022 哈尔滨
GG 37 11.2 9.6-13.1
注：a 利用 K_AX-110090611 标记检测的基因型结果。
72
结果与分析
表 3-16 验证群体 KASP 标记检测基因型结果
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
表 3-16 验证群体 KASP 标记检测基因型结果（续）
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。
4.2 供试 251 份春小麦群体结构分析
本研究利用东北地区具有代表性的春小麦资源群体进行 GWAS 分析。自然群体较为复

杂，包括地方品种和育成品种，涵盖从 20 世纪 50 年代到近年选育的品种，也包括部分国
外育成品种。不同材料间存在一定程度上的亲缘关系，如不进行有效控制，亲缘关系和群
体结构会导致关联结果呈现假阳性。供试材料可分为 3 个亚群，每个亚群的分布与地理起
源和亲缘关系接近一致。群体结构分析表明，黑龙江 1950-1980 年代的大部分种质资源属
于亚群 1；黑龙江 1990-2010 年代的种质资源属于亚群 2；而来自吉林省和国外的材料主要
属于亚群 3。3 个亚群中，第 3 亚群小穗数显著低于第 1 亚群和第 2 亚群，说明黑龙江省
小麦品种具有较多的小穗数。另外，第 1 亚群小穗数少于第 2 亚群。3 个亚群的穗长也存
在极显著差异。其中，第 3 亚群穗长最短，第 2 亚群穗长最长，第 1 亚群穗长其次。黑龙
江省内品种随时间产生的差异源于品种选育形成的选择压力。在四个形态相关性状中，植
株形态和旗叶宽在 3 个亚群间存在极显著差异。第 2 亚群拥有最高的旗叶宽和最低的穗下
节间长，在这两个性状中，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
75
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。
4.3 本研究与已报道 QTL 位点和相关基因的比较
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
wPt-3661 连锁，该 QTL 与本研究中鉴定到的穗长关联位点 5B（677.9-697.5 Mb）临近，并

存在作为同一位点的可能。此外，5B 上的穗长位点（677.9-697.5 Mb）与前人报道的千粒
重位点临近（Chen 等，2016；Mohler 等，2016；Sun 等，2017）。Li 等（2019）鉴定了
一个位于 5B 染色体（696.5-699.7 Mb）与千粒重和小穗数关联位点，并解释了 8.2%-13.0%
的表型变异，其与本研究中在 5B 染色体鉴定到的位点相近。此外，Li 等（2020）通过全
基因组关联分析鉴定到了一个每穗粒数和产量关联位点 6D（482.3-486.3 Mb）。本研究也
在 6D 染色体的相同区域（482.3-486.3 Mb）鉴定到单位面积穗数和产量关联位点。
在 38 个产量相关性状的关联位点中，以上 10 个位点（1A：28.6-30.7 Mb、2A：34.7 Mb、
3A：10.9-21.9 Mb、3A：696.4-700.9 Mb、3D：600.0-600.4 Mb、5A：20.7 Mb、5A：517.5-529.3
Mb、5A：705.2 Mb、5B：677.9-697.5 Mb、6D：482.3-486.3 Mb）与已有研究中报道的 QTL
一致，其余位点可能是新的位点。
本研究对形态相关性状关联分析中检测到 30 个关联位点。已有研究鲜有旗叶遗传解
析相关报道，本研究鉴定到了 8 条不同染色体中的 9 个旗叶长相关位点。Li 等（2020）鉴
定到了 1A、2A（2）、2B、3A、5A、6B 和 6D 染色体上的 8 个旗叶长关联位点，解释了
表型变异的 6.9%-19.6%。在这些位点中，1A 和 2A 染色体上鉴定到的位点与本研究中 1A
（572.9-577.7 Mb）和 2A（554.6-560.2 Mb）染色体上鉴定到的位点重叠。Wu 等（2016）
鉴定到了 3B 和 7D 染色体上的 2 个旗叶长相关 QTL，这两个位点与本研究中的旗叶长关
联位点（3B：121.4-129.6 Mb 和 7D：5.4-10.5 Mb）重叠。Liu 等（2018）利用 SSR 标记
barc318 鉴定到了 2B 染色体上一个旗叶长相关 QTL，该位点与本研究在 2B 染色体上鉴定
位点（2B：652.7-656.0 Mb）一致。本研究在 2A（66.3-68.2 Mb）、3D（82.8-94.5 Mb）、
5D（551.2-556.2 Mb）和 6A（5.1-17.9 Mb）染色体上的关联位点可能是新位点。Li 等（2020）
鉴定到了 1A、3B、5B（2）和 6B 染色体上的 5 个旗叶宽关联位点，解释了表型变异的
6.9%-11.4%。其中 5B 染色体上的一个位点和本研究中鉴定到的位点（5B：615.7-617.9 Mb）
一致。此外，本研究在 1A 染色体上鉴定到的关联位点（296.9-297.7 Mb）也与已报道的位
点重合（Li 等，2018）。Wu 等（2016）研究发现一个同时关联旗叶宽和旗叶角度的关联
位点，该位点位于 5A 染色体上，具有多效性。这和本研究中在 5A 染色体鉴定到位点（5A：
290.1-299.5 Mb）一致。在 1A（556.0-587.4 Mb）、5A（595.4-597.7 Mb）、5D（562.0-562.7
Mb）和 7A（18.8-25.9 Mb）染色体上鉴定到的位点可能是尚未报道的新位点。
穗下节间长对于植物株型有重要影响。然而，迄今仅有少数研究解析穗下节间长遗传
基础。Wu 等（2016）鉴定到了 7 个穗下节间长关联位点。Li 等（2020）鉴定到了 1A（2）、
77
1B（2）、3A、5A、6B（3）、6D（2）和 7B 染色体上的 12 个穗下节间长关联位点，每

个位点解释了 6.7%-16.4% 的表型变异，在这些位点中， 5A （ AX_109449226 ）、 6D
（AX_109331000）和 7B（AX_186165710）位点与本研究中鉴定到的位点 5A（383.4-385.0
Mb）、6D（388.2-407.5 Mb）和 7B（701.1 Mb）一致。除了上述 3 个位点，剩下的 4 个位
点（2B：409.9-439.5 Mb；6A：606.6-611.7 Mb；7A：496.3-512.9 Mb 和 7D：8.3 Mb）都
有可能是新发现的位点。关于普通小麦生长习性的研究较少，因此很难与本研究的结果进
行比较。Li 等在 2002 年以 Gli-A2 醇溶蛋白基因座为中心关联到一个位于 6A 染色体上影
响匍匐生长习性的 QTL，这个 QTL 和本研究中鉴定到的位点 6A（23.8-24.4Mb）相近。Liu
等（2016）鉴定到了 4A 染色体上一个与植物生长习性关联的位点，该位点与本研究鉴定
到的位点（4A：41.4-46.2 Mb）一致。尽管存在一些关于小麦生长习性的研究，但是受限
于标记的差异，部分研究采用 SSR 等标记，无法组成公共图谱，没有能够证明本研究结果
的标记信息。因此，标记 2B（91-92.6 Mb、663.1-664.2 Mb）、3D（602.8-606.7 Mb）、5A
（688.9 Mb）和 5B（696.7-697 Mb）可能是新的关联位点。
在 30 个形态性状关联位点中，13 个（1A：572.9-577.7 Mb、2A：554.6-560.2 Mb、2B：
652.7-656.0 Mb、3B：121.4-129.6 Mb、7D：5.4-10.5 Mb、1A：296.9-297.7 Mb、5A：290.1-299.5
Mb、5B：615.7-617.9 Mb、5A：383.4-385.0 Mb、6D：388.2-407.5 Mb、7B：701.1Mb、4A：
41.4-46.2 Mb 和 6A：23.8-24.4 Mb）位点与前人报道的 QTL 一致，另外 17 个位点可能是
新发现的关联位点。
4.4 候选基因分析
为了鉴定产量及穗部和形态相关性状的候选基因，在 NCBI 和 ENA 数据库的 BLAST

中查询与相关性状显著关联的 SNP 标记（包括 LD 衰减区间的标记）的侧翼序列。共鉴定
出 13 个候选基因（表 3-7 和表 3-9），其中产量及穗部性状相关候选基因 6 个，形态性状
相关候选基因 7 个。针对 13 个候选基因选择极端材料进行 qRT-PCR 分析，结果表明，13
个基因在对应极端材料间表达均呈显著差异，验证了 13 个候选基因的可靠性。
在 6 个与产量及穗部性状相关的候选基因中，有两个细胞分裂素核糖核苷基因
（TraesCS2B02G397600 和 TraesCS3B02G281000）位于 2B（592.8Mb）和 3B（480.4-481.4
Mb）上位点的 LD 衰减范围内。细胞分裂素能够正调控茎生长并负调控根生长（Han 等，
2014），参与众多影响产量的生理过程，尤其是对籽粒质量和大小的调控以及植物对生物
及非生物胁迫的应激反应（ Cortleven 等， 2019 ）。一个编码 E3 泛素转移酶的基因
78
结论
（TraesCS3A02G344600）位于染色体 3A（696.4-700.9 Mb）上位点的 LD 衰减区域。通过

对位点 3A（596.0 Mb）及 7B（585.6 Mb）的比对分析，鉴定到了 F-box 家族蛋白候选基
因（TraesCS3A02G459800）和丝/苏氨酸蛋白激酶基因（TraesCS7B02G328800）。F-box
家族蛋白在细胞周期过程、转录调控、花形成、信号转导和许多其他的细胞过程中扮演重
要角色。Rehman 等（2019）研究发现，位于 2B 和 5A 染色体上的两个 SNP 标记对应
（AX-108951749 和 IWA2223）编码了丝/苏氨酸蛋白激酶，其对细胞周期过程、转录调控、
花的形成和信号转导有重要影响。此外，编码海藻糖-6-磷酸酶（Trehalose 6-phosphatase,
T6P）的基因 TraesCS6A02G301800 位于 6A 染色体（2.5-4.0 Mb）上。有研究表明 T6P 作
为必需因子参与了干旱胁迫下的植物发育。
在 7 个与植物形态性状相关的候选基因中，在位点 1A（296.9-297.7 Mb）和 2B
（ 652.7-656.0 Mb ）的 LD 衰减范围内，存在编码 E3 泛素蛋白连接酶的基因
TraesCS1A01G164400 和 TraesCS2B01G466600。E3 泛素蛋白连接酶对植物的生长发育具有
重要作用（Karki 等，2021；Zhang 等，2022）。在 4A 位点（41.4-46.2 Mb）鉴定到了候
选基因 TraesCS4A01G055000，该基因能够编码富亮氨酸重复受体蛋白激酶，该蛋白参与了
多种生理途径。在 5A 染色体上的位点（383.4-385.0 Mb、595.4-597.7 Mb）鉴定到了编码
F-box 家族蛋白的候选基因 TraesCS5A01G182500 和 TraesCS5A01G406800。在位于 1A 染
色体上位点的 LD 衰减范围内鉴定到了一个细胞分裂素核糖苷 5’-磷酸氢化酶。此外，在
2B 上鉴定到的候选基因 TraesCS2B01G123800 能够编码 C2H2 锌指蛋白。
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
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
82
参考文献
参考文献
[1] 陈广凤, 陈建省, 田纪春. 小麦株高相关性状与SNP标记全基因组关联分析[J]. 作物学

报, 2015, 41(10): 1500-1509.
[2] 陈广凤, 田纪春. 基于SNP标记小麦自然群体遗传多样性及复合图谱的构建[J]. 分子植
物育种, 2015, 13(7): 1441-1449.
[3] 陈雪燕, 王灿国, 程敦公, 等. 小麦加工品质相关贮藏蛋白、基因及其遗传改良研究进
展[J]. 植物遗传资源学报, 2018, 19(01): 1-9.
[4] 丁梦云, 刘天相, 孙宇慧, 等. 小麦QTL富集区QC-4BS重要农艺性状基因的精细定位
及Rht1基因的效应分析[J]. 麦类作物学报, 2018, 38(03): 262-267.
[5] 高尚, 莫洪君, 石浩然, 等. 利用SNP基因芯片技术进行小麦遗传图谱构建及重要农艺
性状QTL分析[J]. 应用与环境生物学报, 2016, 22(01): 85-94.
[6] 何中虎, 夏先春, 陈新民, 等. 中国小麦育种进展与展望[J]. 作物学报, 2011, 37(2):
202-215.
[7] 金慧. 小麦加工品质性状全基因纪连锁与关联分析[D]. 北京: 中国农业大学, 2016.
[8] 赖勇, 王鹏喜, 范贵强, 等. 大麦SSR标记遗传多样性及其与农艺性状关联分析[J]. 中
国农业科学, 2012(46): 233-242.
[9] 李法计. 基于全基因组关联分析的小麦产量遗传结构解析[D]. 乌鲁木齐: 新疆农业大
学, 2018.
[10]刘金栋. 普通小麦黑胚病抗性的遗传解析[D]. 北京: 中国农业大学, 2016.
[11] 伶汉文, 万正煌, 刘易科, 等. 湖北省小麦种质资源的分布及农艺性状和抗病性评价[J].
麦类作物学报, 2011(31): 153-158.
[12]麻菲菲. 小麦重要产量性状关键位点的关联分析及验证. 中国作物学会. 第八届全国
小麦基因组学及分子育种大会摘要集[C]. 石家庄: 中国作物学会, 2017.
[13]莫洪君. 利用基因芯片技术进行小麦遗传图谱构建、重要性状QTL发掘及近等基因系创
制[D]. 成都: 四川农业大学, 2014.
[14]任欣欣, 姚占军, 岳艳丽, 等. 黄淮海麦区四省份小麦品种的农艺性状及遗传多样性分
析[J]. 华北农学报, 2010, 25 (1): 94-98.
[15]宿振起. 小麦粒重基因TaGW2的克隆、标记的开发及功能验证[D]. 北京: 中国农业科学
院, 2010.
83
[16]谭贤杰, 吴子恺, 程伟东, 等. 关联分析及其在植物遗传学研究中的应用[J]. 植物学报,

2011(46): 108-118.
[17]王荣焕, 王天宇, 黎裕. 关联分析在作物种质资源分子评价中的应用[J]. 植物遗传资源
学报, 2007(8): 366-372.
[18]王沙沙. 普通小麦籽粒大小相关基因SNP突变对产量相关性状的影响. 中国作物学会.
第六届全国小麦基因组学及分子育种大会论文集[C]. 咸阳: 中国作物学会, 2015.
[19]王小国, 梁红艳, 张薇. 新疆春小麦种质资源农艺性状和品质性状的遗传多样性分析
[J]. 新疆农业科学, 2012(49): 796-801.
[20]吴波, 终汉文, 金卫兵, 等. 湖北小麦选育品种与地方品种遗传多样性分析[J]. 湖北农
业科学, 2011(50): 5035-5039.
[21]吴凯. 农作物SNP芯片技术及其在分子育种中的应用[J]. 山西农业科学, 2018, 46(04):
670-672.
[22]吴澎, 刘娟, 陈广凤, 等. 馒头主要品质性状SNP标记全基因组关联分析[J]. 食品科学,
2019(40): 159-163.
[23]武玉国, 吴承来, 秦保平, 等. 黄淮冬麦区175个小麦品种的遗传多样性及SSR标记与
株高和产量相关性状的关联分析[J]. 作物学报, 2012. 38(6): 1018-1028.
[24]许陶瑜, 唐朝晖, 王长彪, 等. SNP标记在小麦遗传育种中的应用研究进展[J]. 山西农
业科学, 2017, 45(09): 1549-1552.
[25]于海霞, 肖静, 田纪春, 等. 关联分析及其在植物中的应用[J]. 基因组学与应用生物学,
2009(28): 187-194.
[26]喻俊杰, 金艳, 张勇, 等. 江苏主栽小麦品种遗传多样性的SSR分析[J]. 麦类作物学报,
2015, 35(10): 1372-1377.
[27]张法计. 基于全基因组关联分析的小麦产量遗传结构解析[D]. 新疆: 新疆农业大学,
2018.
[28]张坤普 , 徐宪斌 , 田纪春, 等. 小麦籽粒产量相关性状的 QTL 定位[J]. 作物学报 ,
2009(35): 270-278.
[29]赵艳艳. 基于SNP标记的小麦钾效率性状的关联分析[D]. 泰安: 山东农业大学, 2016.
[30]周喜旺, 刘鸿燕, 王娜, 等. DNA分子标记技术在小麦遗传育种中的应用综述[J]. 甘肃
农业科技, 2017(05): 64-68.
[31]朱秀志, 彭正松, 向成华. SNPs分析技术及其在小麦遗传育种中的应用[J]. 天津农业科
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
[42]Cortleven A, Leuendorf J E, Frank M, et al. Cytokinin action in response to abiotic and

biotic stresses in plants[J]. Plant Cell Environment, 2019(42): 998-1018.
[43]Cui F, L J, Ding A, Zhao C, et al. Conditional QTL mapping for plant height with respect to
the length of the spike and internode in two mapping populations of wheat[J]. Theoretical
and Applied Genetics, 2011(122): 1517-1536.
[44]Cui F, Zhao C, Ding A, L J, et al. Construction of an integrative linkage map and QTL
mapping of grain yield-related traits using three related wheat RIL populations[J].
Theoretical and Applied Genetics, 2014(127): 659-675.
[45]Cuthbert J L, Somers D J, Brûlé-Babel A L, et al. Molecular mapping of quantitative trait
loci for yield and yield components in spring wheat (Triticum aestivum L.)[J]. Theoretical
and Applied Genetics, 2008(117): 595-608.
[46]Diab A A, Nada A M, Ashoub A. Molecular cloning, expression, sequence analysis and in
silico comparative mapping of trehalose 6-phosphate gene from Egyptian durum wheat[J].
International Journal of Biotechnology and Molecular Biology Research, 2013(4): 9-23.
[47]Dodig D, Zoric M, Kobiljski B, et al. Genetic and association mapping study of wheat
agronomic traits under contrasting water regimes[J]. International Journal of Molecular
Sciences, 2012(13): 6167-6188.
[48]Deng S M, Wu X R, Wu Y Y, et al. Characterization and precise mapping of a QTL
increasing spike number with pleiotropic effects in wheat[J]. Theoretical and Applied
Genetics, 2011(122): 281-289.
[49]Eckert R V, Berghofer E, Ciclitira P, et al., Towards a new gliadin reference
material-isolation and characterization [J]. Journal of Cereal Science, 2006, 43(3): 331-341.
[50]Efremova T T, Maystrenko O I, Arbuzova V S, et al. Effect of alien SR (5A) chromosome
substitution on ear-emergence time and winter hardiness in wheat-rye substitution lines[J].
Euphytica, 2006, 151(2): 145-153.
[51]Ellis M H, Rebetzke G J, Azanza F, et al. Molecular mapping of gibberellin-responsive
dwarfing genes in bread wheat[J]. Theoretical and Applied Genetics, 2005(111): 423-430.
[52]El-Sharkawy I, Ismail A, Darwish A, et al. Functional characterization of a gibberellin F-box
protein, PslSLY1, during plum fruit development[J]. Journal of Experimental Botany,
2021(72): 371-384.
86
参考文献
[53]Feng B, An X, Xu Z, et al. Molecular cloning of a novel chimeric HMW glutenin subunit

gene 1 Dx5' from a common wheat line W958[J]. Molecular Breeding, 2011, 28(2): 163-170.
[54]Flint-Garcia S A, Thornsberry J M. Structure of linkage disequilibrium in plants[J].Annual
Review of Plant Biology, 2003(54): 357-374.
[55]Gahlaut V, Jaiswal V, Singh S, et al. Multi-locus genome wide association mapping for yield
and its contributing traits in hexaploid wheat under different water regimes[J]. Scientific
Reports, 2019(9): 1-15.
[56]Gao F M, Wen W E, Liu J D, et al. Genome-wide linkage mapping of QTL for yield
components, plant height and yield-related physiological traits in the Chinese wheat cross
Zhou 8425B/Chinese Spring[J]. Frontiers in Plant Science, 2015(6): 1099.
[57]Gao F, Ma D, Yin G, et al. Genetic progress in grain yield and physiological traits in
Chinese wheat cultivars of Southern Yellow and Huai Valley since 1950[J]. Crop Science,
2017(57): 70-73.
[58]Gao L, Ma W, Chen J, et al. Characterization and comparative analysis of wheat high
molecular weight glutenin subunits by SDS-PAGE, RP-HPLC, HPCE, and
MALDI-TOF-MS[J]. Journal of Agricultural and Food Chemistry, 2010, 58(5): 2777-2786.
[59]Gaut B S, Long A D. The lowdown on linkage disequilibrium[J]. Plant Cell, 2003, 15(7):
1502-1506.
[60]Georget D M, Belton P S. Effects of temperature and water content on the secondary
structure of wheat gluten studied by FTIR spectroscopy [J]. Biomacromolecules, 2006, 7(2):
469-475.
[61]Gianibelli M, Larroque O, MacRitchie F, et al. Biochemical, genetic, and molecular
characterization of wheat glutenin and its component subunits [J]. Cereal Chemistry, 2001,
78(6): 635-646.
[62]Gianibelli M, Solomon R. A Novel y-type High Mr Glutenin Subunit (12.4) Present in
Triticum tauschii[J]. Journal of Cereal Science, 2003, 37(2): 253-256.
[63]Goutam U, Tiwari R, Gupta R, et al. Allelic variations of functional markers for high
molecular weight glutenin genes in Indian wheat (Triticum aestivum L.) cultivars and their
correlation with bread loaf volume[J]. Indian Journal of Plant Physiology, 2015, 20(1):
97-102.
87
[64]Graybosch R A, Seabourn B, Chen Y R, et al. Quality and agronomic effects of three

high-molecular-weight glutenin subunit transgenic events in winter wheat[J]. Cereal
Chemistry, 2011, 88(1): 95-102.
[65]Guérin C, Mouzeyar S, Roche J. The landscape of the genomic distribution and the
expression of the F-box genes unveil genome plasticity in hexaploid wheat during grain
development and in response to heat and drought stress[J]. International Journal of
Molecular Sciences, 2017 (22): 3111.
[66]Guo X, Guo J, Li X, et al. Molecular characterization of two novel Glu-DI-encoded subunits
from Chinese wheat (Triticun: aestivum L.) landrace and functional properties of flours
possessing the two novel subunits[J]. Genetic Resources and Crop Evolution, 2010, 57(8):
1217-1225.
[67]Guo X, Wu B, Hu X, et al. Molecular characterization of two y-type high molecular weight
glutenin subunit alleles 1Ay12 and lAy8R from cultivated einkorn wheat (monococcum
ssp.monococcum) [J]. Genetics, 2013, 516(1): 1-7.
[68]Gupta P K, Rustgi S, Kulwal P L. Linkage disequilibrium and association studies in higher
plants: present status and future prospects [J]. Plant Molecular Biology, 2005, 57(4): 461-85.
[69]Han Y, Zhang C, Yang H, et al. Cytokinin pathway mediates APETALA1 function in the
establishment of determinate floral meristems in Arabidopsis [J]. Proceedings of the
National Academy of Sciences of the Snited states of America, 2014(111): 6840-6845.
[70]Hansen M T, Ganestam S, SALL T, et al. Linkage disequilibrium mapping of the bolting
gene in sea beet using AFLP markers[J]. Genetic Research, 2001, 77(01): 61-66.
[71]He Z H, Xia X C, Bonjean A P A. Wheat improvement in China. CIMMYT (International
Maize and Wheat Improvement Center), Mexico, 2010, pp.51-68.
[72]Hong M J, Kim D Y, Kang S Y, et al. Wheat F-box protein recruits proteins and regulates
their abundance during wheat spike development[J]. Molecular Biology Reports, 2012(39):
9681-9696.
[73]Huang X Q, Kempf H, Ganal M W, et al. Advanced backcross QTL analysis in progenies
derived from a cross between a German elite winter wheat variety and a synthetic wheat
(Triticum aestivum L.) [J]. Theoretical and Applied Genetics, 2004(109): 933-943.
[74]Jia H, Li M, Li W, et al. A serine/threonine protein kinase encoding gene KERNEL
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
Applied Genetics, 2018(131): 1903-1924.

[85]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
Applied Genetics, 2018(131): 1903-1924.
[86]Li F, Wen W, Liu J, et al. Genetic architecture of grain yield in bread wheat based on
genome-wide association studies[J]. BMC Plant Biology, 2019(19): 1-19.
[87]Li W L, Nelson J C, Chu C Y, et al. Chromosomal locations and genetic relationships of
tiller and spike characters in wheat[J]. Euphytica, 2002(125): 357-366.
[88]Li W, Gao Z, Xiao W, et al. Molecular diversity of restriction enzyme sites, Indels and
upstream open reading frames (uORFs) of 5' untransalted regions (UTRs) of Waxy genes in
Triticum L.and Aegilops L.species [J]. Genetic Resources and Crop Evolution, 2012, 59(8):
1625-1647.
[89]Li W, Wan Y, Liu Z, et al. Molecular characterization of HMW glutenin subunit allele 1Bx14:
further insights into the evolution of Glu-Bl-I alleles in wheat and related species[J].
Theoretical and Applied Genetics, 2004, 109(5): 1093-1104.
[90]Li X, Zhang Y, Gao L, et al. Molecular cloning, heterologous expression, and phylogenetic
analysis of a novel y-type HMW glutenin subunit gene from the G genome of Triticum
timopheevi [J]. Genome, 2007, 50(12): 1130-1140.
[91]Li Y, Huang C, Sui X, et al. Genetic variation of wheat glutenin subunits between landraces
and varieties and their contributions to wheat quality improvement in China[J]. Euphytica,
2009, 169(2): 159-168.
[92]Li Y, Sun A, Wu Q, et al. Comprehensive genomic survey, structural classification and
expression analysis of C2H2-type zinc finger factor in wheat (Triticum aestivum L.)[J]. BMC
Plant Biology, 2021(21): 1-18.
[93]Li Z, Li H, Chen G, et al. Characterization of a novel y-type HMW-GS with eight cysteine
residues from monococcum ssp.monococcum[J]. Genetica, 2015, 573(1): 110-114.
[94]Liu J, He Z, Wu L, et al. Genome-wide linkage mapping of QTL for black point reaction in
bread wheat (Triticum aestivum L.) [J]. Theoretical and Applied Genetics, 2016(129):
2179-2190.
[95]Liu X, Huang M, Fan B, et al. Iterative usage of fixed and random effect models for
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].
[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
[107] Nadolska-Orczyk A, Rajchel I K, Orczyk W, et al. Major genes determining

yield-related traits in wheat and barley[J]. Theoretical and Applied Genetics, 2017(130):
1081-1098.
[108] Nakamura T, Vrinten P, Saito M, et al. Rapid classification of partial waxy wheats using
PCR-based markers[J]. Genome, 2002(45): 1150-1156.
[109] Pandey R, Mishra A, Garg G. Plant promoter driven heterologous expression of HMW
glutenin gene (s) subunit in E.coli[J]. Molecular Biology Reports, 2008, 35(2): 153-162.
[110] Pang B S, Zhang X Y. Isolation and molecular characterization of high molecular weight
glutenin subunit genes 1Bx13 and 1By16 from hexaploid wheat[J]. Journal of Integrative
Plant Biology, 2008, 50(3): 329-337.
[111] Pang Y, Liu C, Wang D, et al. High-resolution genome-wide association study identifies
genomic regions and candidate genes for important agronomic traits in wheat[J]. Molecular
Plant, 2020(13): 1311-1327.
[112] Pirozi M, Margiotta B, Lafiandra D, et al. Composition of polymeric proteins and
bread-making quality of wheat lines with allelic HMW-GS differing in nuMber of
cysteines[J]. Journal of Cereal Science, 2008, 48(1): 117-122.
[113] Pritchard J K, Stephens M, Rosenberg N A, et al. Association mapping in structured
populations[J]. American Journal of Human Genetics, 2000(67): 170-181.
[114] Qin X, Zhang F, Liu C, et al. Wheat yield improvements in China: Past trends and
future directions[J]. Field Crops Research, 2015(177): 117-124.
[115] Quan X, Dong L J, Zhang N, et al. Genome-wide association study uncover the genetic
architecture of salt tolerance-related traits in common wheat (Triticum aestivum L.)[J].
Frontiers in Genetics, 2021(12): 563.
[116] Rahimi Y, Bihamta M R, Taleei A, et al. Genome-wide association study of agronomic
traits in bread wheat reveals novel putative alleles for future breeding programs[J]. BMC
Plant Biology, 2019, 19(1): 1-19.
[117] Rasheed A, Wen W, Gao F, et al. Development and validation of KASP assays for genes
underpinning key economic traits in bread wheat[J]. Theoretical and Applied Genetics,
2016(129): 1843-1860.
[118] Ravel C, Praud S, Murigneux A, et al. Identification of Glu-Bl-1 as a candidate gene for
92
参考文献
the quantity of high-molecular-weight glutenin in bread wheat (Triticum aestivum L.) by

means of an association study[J]. Theoretical and Applied Genetics, 2006, 112(4): 738-743.
[119] Rehman S U, Wang J, Chang X, et al. A wheat protein kinase gene TaSnRK2.9-5A
associated with yield contributing traits[J]. Theoretical and Applied Genetics, 2019(132):
907-919.
[120] Reif J C, Gowda M, Maurer H P, et al. Association mapping for quality traits in soft
winter wheat[J]. Theoretical and Applied Genetics, 2011, 122(5): 961-970.
[121] Reif J C, Maurer H P, Korzun V, et al. Mapping QTLs with main and epistatic effects
underlying grain yield and heading time in soft winter wheat[J]. Theoretical and Applied
Genetics, 2011(123): 283-292.
[122] Roder M, Wendehake K, Korzun V, et al. Construction and analysis of a
microsatellite-based database of European wheat varieties[J]. Theoretical and Applied
Genetics, 2002, 106(1): 67-73.
[123] Roussel V, Koenig J, Beckert M, et al. Molecular diversity in French bread wheat
accessions related to temporal trends and breeding programmes[J]. Theoretical and Applied
Genetics, 2004, 108(5): 920-930.
[124] Salazar J A, Ruiz D, Egea J, et al. Transmission of fruit quality traits in apricot (Prunus
armeniaca L.) and analysis of linked quantitative trait loci (QTLs) using simple sequence
repeat (SSR) markers[J]. Plant Molecular Biology Reporter, 2013, 31(6): 1506-1517.
[125] Schwarz G, Felsenstein F G, et al. Development and validation of a PCR-based marker
assay for negative selection of the HMW glutenin allele Glu-B1-1d (Bx-6) in wheat[J].
[126] Sela H, Ezrati S, Ben-Yehuda P, et al. Linkage disequilibrium and association analysis
of stripe rust resistance in wild emmer wheat (Triticum turgidum ssp. dicoccoides)
population in Israel[J]. Theoretical and Applied Genetics, 2014(127): 2453-2463.
[127] Shi W, Hao C, Zhang Y, et al. A combined association mapping and linkage analysis of
kernel number per spike in common wheat (Triticum aestivum L.)[J]. Frontiers in Plant
Science, 2017(8): 1412.
[128] Shimbata T, Nakamura T, Vrinten P, et al. Mutations in wheat starch synthase II genes
and PCR-based selection of a SGP-1 null line[J]. Theoretical and Applied Genetics,
93
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
Botany, 2020(71): 5377-5388.

[140] Wang L H, Li G Y, Peña R J, et al. Development of STS markers and establishment of
multiplex PCR for Glu-A3 alleles in common wheat (Triticum aestivum L.)[J]. Journal of
Cereal Science, 2010(51): 305-312.
[141] Wang L, Cui F, Wang J, et al. Conditional QTL mapping of protein content in wheat
with respect to grain yield and its components[J]. Journal of Genetics and Genomics , 2012,
91(3): 303-312.
[142] Wang S C, Wong D, Forrest K, et al. Characterization of polyploid wheat genomic
diversity using a high-density 90000 single nucleotide polymorphism array[J]. Plant
Biotechnology Journal, 2014(12): 787-796.
[143] Wang W Y, Barratt B J, Clayton D G, et al. Genome-wide association studies:
theoretical and practical concerns[J]. Nature Reviews Genetics, 2005, 6(2): 109-118.
[144] Wang Y, Hou J, Liu H, et al. TaBT1, affecting starch synthesis and thousand kernel
weight, underwent strong selection during wheat improvement[J]. Journal of Experimental
Botany, 2019(70): 1497-1511.
[145] Würschum T, Langer S M, Longin C F H, et al. A modern Green Revolution gene for
reduced height in wheat[J]. Plant Journal , 2017(92): 892-903.
[146] Xu X P, Ping H, Chuan L M, et al. Regional distribution of wheat yield and chemical
fertilizer requirements in China[J]. Journal of Integrative Medicine, 2021(20): 2772-2780.
[147] YaMburenko M V, Kieber J J, Schaller G E. Dynamic patterns of expression for genes
regulating cytokinin metabolism and signaling during rice inflorescence development[J].
PLoS One, 2017(12): e0176060.
[148] Yang J A, Lee S H, Goddard M E, et al. GCTA: a tool for genome-wide complex trait
analysis[J]. American Journal of Human Genetics, 2011(88): 76-82.
[149] Yao J, Wang L, Liu L, et al. Association mapping of agronomic traits on chromosome
2A of wheat[J]. Genetica, 2009, 137(1): 67-75.
[150] Yu J, Buckler E S. Genetic association mapping and genome organization of maize[J].
Current Opinion in Biotechnology, 2006, 17(2): 155-160.
[151] Zhang D, Bai q, Zhu C, et al. Genetic diversity, population structure, and linkage
disequilibrium in US elite winter wheat[J]. The Plant Genome, 2010, 3(2): 117-127.
95
[152] Zhang D, Zhang X, Xu W, et al. TaGW2L, a GW2-like RING finger E3 ligase,

positively regulates heading date in common wheat (Triticum aestivum L.). The Crop
Journal. 2022, doi.org/10.1016/j.cj.2021.12.002.
[153] Zhao X, Ma W, Gale K, et al. Identification of SNPs and development of functional
markers for LMW-GS genes at Glu-D3 and Glu-B3 loci in bread wheat (Triticum aestivum L.)
[J]. Molecular Breeding, 2007, 20(3): 223-231.
[154] Zhou K Q, Wang G D, Li Y H, et al. Assessing variety mixture of continuous spring
wheat (Triticum aestivum L.) on grain yield and flour quality in Northeast China[J]. Journal
of Cleaner Production, 2014(8): 91-105.
[155] Zhou Y, He Z H, Sui X X, et al. Genetic improvement of grain yield and associated
traits in the northern China winter wheat region from 1960 to 2000[J]. Crop Science,
2007(47): 245-253.
[156] Zhu C, Gore M, Buckler E S, et al. Status and prospects of association mapping in
plants[J]. The Plant Genome, 2008(1): 5-20.
96
附录
附录
附表 1 供试品种产量及穗部性状表型数据
Table S1The phenotypic data of yield and spike traits
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
附表 1 供试品种产量及穗部性状表型数据（续）
Table S1 The phenotypic data of yield and spike traits（Continued）
单位面每穗粒
积穗数数
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
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
单位面每穗粒
积穗数数
Kehan1 1967 Heilongjiang 771.1 17.4 11.0 36.4 33.9 4311.3 22 1
XinKehan9 1987 Heilongjiang 1005.2 17.6 10.2 27.2 34.8 4367.0 22 1
KeFeng2 1979 Heilongjiang 943.8 16.9 10.9 34.6 35.3 5191.2 20 1
101
单位面每穗粒
积穗数数
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
102
附录
单位面每穗粒
积穗数数
Kenjiu1 1984 Heilongjiang 779.7 17.5 12.3 38.6 32.0 4362.5 18 3
Kenda1 1981 Heilongjiang 940.5 14.2 9.8 29.5 33.5 4174.5 16 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
103
单位面每穗粒
积穗数数
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
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
104
附录
单位面每穗粒
积穗数数
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
Hechun1 1970 Heilongjiang 847.1 17.5 8.9 36.1 39.3 5534.4 22 1
Longchun1 2014 Heilongjiang 873.1 15.7 11.9 26.4 31.4 3546.4 14 2
Longmai2 1960 Heilongjiang 987.8 16.6 10.9 36.7 32.7 5313.7 21 2
105
单位面每穗粒
积穗数数
106
附录
Table S1The phenotypic data of yield and spike traits（Continued）
单位面每穗粒
积穗数数
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
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
单位面每穗粒
积穗数数
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
108
附录
单位面每穗粒
积穗数数
Kenmai10 2003 Heilongjiang 797.1 18.1 12.2 44.1 32.9 5217.0 21 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
109
单位面每穗粒
积穗数数
LongKen415 2014 Heilongjiang 886.4 18.0 11.4 42.8 30.0 5111.3 18 2
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
表型环境标记染色体物理位置 P值表型变异率(%)

Position
Trait Environment Marker Chromosome (Mb) P-value R2
TKW E2 AX-110180733 1A 26.5 3.8E-06 11.4
TKW E3 AX-110180733 1A 26.5 5.6E-07 13.5
TKW E4 AX-110180733 1A 26.5 1.3E-05 10.1
TKW E5 AX-110180733 1A 26.5 4.5E-07 13.5
SL E1 AX-111234438 1A 28.0 2.1E-05 9.3
SL E2 AX-111234438 1A 28.0 3.3E-05 8.8
SL E4 AX-111234438 1A 28.0 1.2E-05 9.9
SL E5 AX-111234438 1A 28.0 6.7E-06 10.4
SL E4 AX-109372364 1A 28.6 2.4E-05 9.0
SL E5 AX-109372364 1A 28.6 2.8E-05 8.9
SL E4 AX-108814201 1A 305.4 6.3E-05 8.1
SL E2 AX-110542887 1A 307.4 8.1E-05 7.8
SL E1 AX-108817901 1A 307.5 3.8E-05 8.4
SL E4 AX-108817901 1A 307.5 2.1E-05 9.1
SL E5 AX-108817901 1A 307.5 1.4E-05 9.3
SL E3 AX-108943547 1A 307.7 1.9E-05 9.0
TKW E4 AX-108792730 1A 319.4 5.9E-05 8.1
TKW E5 AX-108792730 1A 319.4 2.6E-05 9.0
TKW E2 AX-109971512 1A 337.4 5.7E-05 8.3
TKW E5 AX-109971512 1A 337.4 5.2E-05 8.5
SL E4 AX-108730092 1A 344.5 8.6E-05 8.1
SL E3 AX-109312262 1A 369.3 7.9E-05 7.7
SL E4 AX-109312262 1A 369.3 2.7E-05 8.8
SL E5 AX-109312262 1A 369.3 1.7E-05 9.1
SL E1 AX-108850659 1A 369.4 4.0E-05 8.3
SL E4 AX-108850659 1A 369.4 2.8E-05 8.7
SL E5 AX-108850659 1A 369.4 1.4E-05 9.3
SL E1 AX-110363533 1A 583.5 4.2E-05 8.4
SL E4 AX-110363533 1A 583.5 1.8E-05 9.2
SL E5 AX-110363533 1A 583.5 2.7E-05 8.9
SL E1 AX-110167459 1A 590.4 5.3E-05 8.2
SL E4 AX-110167459 1A 590.4 5.6E-05 8.3
SL E5 AX-110167459 1A 590.4 2.6E-05 8.9
KNS E3 AX-94634747 1B 94.5 5.0E-05 8.1
KNS E3 AX-110953049 1B 96.9 1.7E-05 9.1
KNS E5 AX-110953049 1B 96.9 5.7E-05 8.0
111
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）

Position
GY E4 AX-111157081 1D 249.7 8.4E-05 7.8
GY E4 AX-110449657 1D 250.3 8.7E-05 8.0
SNU E2 AX-86175573 1D 353.3 6.1E-05 8.2
SL E1 AX-94767476 1D 0.0 2.0E-05 9.0
SL E2 AX-94767476 1D 0.0 6.8E-05 8.0
SL E4 AX-94767476 1D 0.0 2.6E-05 8.9
SL E5 AX-94767476 1D 0.0 6.3E-06 10.1
SL E1 AX-95173668 1D 427.9 9.5E-05 7.7
SL E5 AX-95173668 1D 427.9 2.3E-05 8.9
GY E4 AX-111041231 2A 30.2 2.3E-05 9.0
KNS E1 AX-111470278 2B 584.9 9.6E-05 7.6
KNS E3 AX-111470278 2B 584.9 1.8E-05 9.1
KNS E5 AX-111470278 2B 584.9 3.8E-06 10.4
GY E1 AX-111470278 2B 584.9 5.7E-05 8.0
SL E5 AX-109817136 2D 21.0 5.0E-05 8.2
SN E4 AX-111956072 2D 34.4 6.7E-05 8.1
SL E1 AX-111956072 2D 34.4 2.3E-05 9.6
SL E4 AX-111956072 2D 34.4 9.2E-05 8.4
SL E5 AX-111956072 2D 34.4 7.1E-05 8.6
SN E4 AX-86163393 2D 35.7 8.3E-05 7.8
SL E1 AX-86163393 2D 35.7 2.7E-05 8.7
SL E4 AX-86163393 2D 35.7 3.7E-05 8.5
SL E5 AX-86163393 2D 35.7 1.9E-05 9.0
SL E1 AX-110090611 2D 659.1 4.4E-06 10.5
SL E2 AX-110090611 2D 659.1 1.6E-05 9.3
SL E4 AX-110090611 2D 659.1 2.8E-06 11.1
SL E5 AX-110090611 2D 659.1 1.6E-06 11.5
GY E1 AX-111707600 3A 10.7 3.1E-05 11.7
SN E1 AX-111636646 3A 21.4 9.2E-05 7.7
SN E1 AX-108850430 3A 21.7 9.9E-05 8.4
SN E2 AX-110922897 3A 595.6 6.5E-05 7.9
SL E1 AX-110922897 3A 595.6 3.4E-06 10.5
SL E2 AX-110922897 3A 595.6 3.4E-05 8.5
SL E4 AX-110922897 3A 595.6 1.6E-05 9.3
112
附录

Position
SL E5 AX-110922897 3A 595.6 4.8E-06 10.2
SL E3 AX-109490522 3A 696.3 8.0E-06 9.8
SL E5 AX-109490522 3A 696.3 3.2E-05 8.6
SL E3 AX-108863620 3A 696.3 4.1E-05 8.9
SL E3 AX-110496623 3A 697.0 1.9E-05 9.0
SL E5 AX-110496623 3A 697.0 9.4E-05 7.7
SL E4 AX-94479553 3A 700.8 7.5E-05 8.0
SN E3 AX-110057888 3B 467.7 7.5E-05 7.7
SN E4 AX-109379472 3B 468.3 3.6E-05 8.8
SN E5 AX-109379472 3B 468.3 4.7E-05 8.5
SL E1 AX-108791993 3B 574.7 3.0E-05 8.8
SL E4 AX-108791993 3B 574.7 3.7E-05 8.8
SL E5 AX-108791993 3B 574.7 5.8E-05 8.2
SNU E3 AX-94879852 3D 22.8 6.4E-05 8.2
GY E3 AX-94879852 3D 22.8 9.4E-05 7.6
SL E5 AX-111653592 3D 94.8 9.4E-05 7.7
GY E1 AX-111088384 3D 596.7 6.3E-06 9.9
GY E1 AX-110496510 3D 596.8 6.0E-05 8.0
GY E1 AX-109181055 3D 596.9 1.6E-06 11.4
SNU E5 AX-94456075 3D 597.1 1.6E-05 9.3
GY E2 AX-111662342 4A 640.8 4.6E-05 8.0
TKW E4 AX-108845936 4A 652.0 4.9E-05 8.4
TKW E2 AX-109867083 4A 662.4 7.9E-05 7.8
TKW E2 AX-111460300 4A 662.4 6.6E-05 7.9
TKW E4 AX-108883779 4A 0.0 8.7E-05 8.1
TKW E4 AX-110938251 4A 662.6 2.6E-05 8.9
TKW E2 AX-108735236 4A 0.0 5.6E-05 8.2
TKW E2 AX-110977346 4A 663.1 4.3E-05 8.6
TKW E4 AX-110977346 4A 663.1 9.0E-05 7.9
TKW E5 AX-110977346 4A 663.1 4.1E-05 8.5
TKW E4 AX-110976063 4A 663.1 4.0E-05 8.5
SL E1 AX-110577792 4A 672.9 2.3E-05 8.8
SL E2 AX-110577792 4A 672.9 5.1E-05 8.2
SL E5 AX-110577792 4A 672.9 3.7E-05 8.4
113

Position
SL E3 AX-111025153 4A 685.7 2.4E-05 8.7
SL E3 AX-109901470 4B 14.1 9.0E-05 8.0
TKW E5 AX-109901470 4B 14.1 2.8E-05 8.7
SL E4 AX-109898875 4B 15.6 4.1E-05 8.5
SL E1 AX-109294476 4D 13.1 5.6E-05 8.3
SL E4 AX-109294476 4D 13.1 7.3E-05 8.2
SL E5 AX-109294476 4D 13.1 3.1E-05 8.9
SL E1 AX-109861283 5A 18.8 4.6E-05 8.5
SL E3 AX-109861283 5A 18.8 8.1E-05 7.9
SL E4 AX-109861283 5A 18.8 5.0E-05 8.6
SL E5 AX-109861283 5A 18.8 1.5E-05 9.5
SN E3 AX-110185031 5A 18.8 7.6E-05 7.6
SL E1 AX-110185031 5A 18.8 8.3E-06 9.7
SL E3 AX-110185031 5A 18.8 8.9E-06 9.6
SL E4 AX-110185031 5A 18.8 7.6E-05 8.0
SL E5 AX-110185031 5A 18.8 4.2E-06 10.3
SL E3 AX-108916290 5A 516.7 4.9E-05 8.7
SL E3 AX-108789596 5A 518.3 6.0E-05 8.0
SL E3 AX-108851118 5A 518.4 2.7E-05 8.8
SNU E2 AX-110590130 5A 528.5 5.7E-05 8.3
KNS E1 AX-109600316 5A 702.6 3.4E-06 10.4
KNS E4 AX-109600316 5A 702.6 2.0E-05 9.1
KNS E5 AX-109600316 5A 702.6 3.4E-06 10.4
SL E1 AX-109940171 5B 683.9 7.6E-05 10.1
SL E4 AX-109940171 5B 683.9 7.3E-05 9.8
SL E5 AX-109940171 5B 683.9 4.3E-05 10.7
SL E1 AX-110606057 5B 703.5 1.3E-05 9.3
SL E4 AX-110606057 5B 703.5 8.0E-06 9.8
SL E5 AX-110606057 5B 703.5 7.2E-06 9.9
GY E1 AX-108808516 5D 544.2 9.5E-05 8.0
GY E1 AX-110510530 5D 544.9 9.4E-05 7.6
GY E1 AX-111578018 6A 1.7 7.9E-05 8.2
SN E1 AX-94478216 6A 3.2 2.2E-05 8.8
SN E5 AX-94478216 6A 3.2 1.2E-05 9.3
114
附录

Position
SL E1 AX-94478216 6A 3.2 4.8E-06 10.1
SL E3 AX-94478216 6A 3.2 1.6E-05 9.1
SL E4 AX-94478216 6A 3.2 1.7E-06 11.2
SL E5 AX-94478216 6A 3.2 2.1E-06 10.9
SNU E5 AX-110172686 6A 536.4 3.9E-05 8.9
SNU E5 AX-109490063 6A 536.8 6.8E-05 8.2
GY E1 AX-109862690 6A 615.2 2.9E-07 16.7
SL E1 AX-111569068 6B 126.6 6.3E-05 7.9
SL E4 AX-111569068 6B 126.6 7.6E-05 7.9
SL E5 AX-111569068 6B 126.6 3.3E-05 8.5
KNS E3 AX-110602749 6B 127.2 4.2E-05 8.3
SL E1 AX-94621559 6D 7.7 8.0E-05 7.7
SL E2 AX-94621559 6D 7.7 7.3E-05 7.8
SL E4 AX-94621559 6D 7.7 6.0E-05 8.1
SL E5 AX-94621559 6D 7.7 6.7E-05 7.9
GY E1 AX-111694627 6D 291.1 1.4E-05 9.3
SNU E4 AX-111503210 6D 460.8 9.9E-05 7.7
GY E1 AX-108976043 6D 464.8 7.8E-05 7.8
SNU E1 AX-108766586 7B 580.8 7.8E-05 7.8
SNU E1 AX-109321162 7B 581.0 5.1E-05 8.1
KNS E1 AX-111622533 7D 21.0 8.3E-05 7.7
KNS E5 AX-111622533 7D 21.0 5.8E-05 8.1
KNS E5 AX-111101483 7D 136.9 6.5E-05 6.5
KNS E5 AX-109984815 7D 140.7 3.5E-05 8.6
KNS E5 AX-110026669 7D 146.9 7.9E-05 7.7
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
115
附表 3 供试材料形态性状表型数据
Table S3 The phenotypic data of morphological related traits
品种名育成年份来源植株形态穗下节间长旗叶长旗叶宽优异等位基因数亚群

Released UIL FLL FLW Number of favorable
Name Origin PM Subgroup
year (cm) (cm) (mm) alleles
Bailuotuo 1950 - 2 33.6 23.9 14.0 11 3
Jiaxuan2 1960 Heilongjiang 2 36.1 23.2 14.4 20 3
Lianfeng 1972 - 1 23.0 25.2 17.3 16 3
Dingxinxiaomai - 3 34.5 27.4 17.2 12 3
Hemai1 1970 - 2 33.0 23.0 16.5 16 3
Hemai3 - 3 28.8 22.6 18.1 11 3
Mailiduo 1956 - 3 35.0 24.0 16.3 18 3
Gannan96 - 2 32.7 23.0 14.6 9 3
Xihong 1970 - 3 26.5 19.3 14.1 10 3
Yongjie 1950 Heilongjiang 2 36.8 25.3 13.8 14 1
Gansu96 1954 USA 2 31.7 23.9 15.0 13 1
Huomaizi 1950 Heilongjiang 2 29.4 27.3 17.2 12 1
Daqingmang 1950 Heilongjiang 2 24.0 25.6 14.7 9 1
Tubuqi 1950 Heilongjiang 2 32.2 27.1 16.5 8 1
Lnshou 1950 Heilongjiang 1 21.5 22.6 16.5 12 1
Binnan 1950 Heilongjiang 2 27.8 23.4 14.2 16 1
Huoqiu 1950 Heilongjiang 2 26.5 21.1 14.3 9 1
Nonglin34hao 1950 Heilongjiang 2 38.8 26.6 14.5 9 1
Zaohong 1965 Heilongjiang 3 26.8 22.3 15.5 20 1
Zhaoan - 3 30.6 24.6 14.8 19 1
Kefan 1965 Heilongjiang 3 29.4 26.7 16.5 17 1
Ke72 1972 Heilongjiang 2 16.9 16.1 15.2 14 1
Kehua 1950 Heilongjiang 3 36.8 22.3 12.3 9 1
116
附录
附表 3 供试材料形态性状表型数据（续）
Table S3 The phenotypic data of morphological related traits（Continued）

Kehui 1950 Heilongjiang 3 24.1 26.7 17.8 12 1
Keguang 1963 Heilongjiang 3 28.7 27.5 15.3 22 1
KeFeng 1950 Heilongjiang 3 16.4 20.1 13.7 12 1
Kefenglongmai19 1994 Heilongjiang 2 28.4 24.2 16.2 19 1
Kesui Heilongjiang 3 21.5 20.2 20.3 19 1
Kejian 1967 Heilongjiang 3 23.8 24.3 17.8 19 1
Kejin 1968 Heilongjiang 3 24.1 23.5 16.7 23 3
Kezhuang 1959 Heilongjiang 3 30.9 26.0 17.2 20 1
Kemao 1965 Heilongjiang 3 27.6 24.6 15.3 11 1
Kehong 1967 Heilongjiang 3 22.5 25.2 19.5 22 1
Kequan 1968 Heilongjiang 3 28.0 25.9 19.0 19 1
Ke69-701 1970 Heilongjiang 3 31.4 25.0 15.0 11 1
Kejin2 1959 Heilongjiang 3 33.2 25.7 15.0 12 1
KeZao1 1970 Heilongjiang 3 28.3 22.2 16.2 13 2
KeZao2 1975 Heilongjiang 3 24.4 22.9 9.0 22 1
Kehan1 1967 Heilongjiang 3 27.6 24.8 17.3 22 1
117
Table S3 The phenotypic data of morphological related trait（Continued）

XinKehan9 1987 Heilongjiang 2 22.4 24.4 14.5 22 1
KeFeng2 1979 Heilongjiang 2 18.0 23.4 16.3 20 1
118
附录

Kelao1 1969 Heilongjiang 3 24.5 20.5 16.3 14 2
Kelao5 1991 Heilongjiang 3 22.5 28.5 15.5 19 2
Kechun1 2010 Heilongjiang 3 16.1 24.0 15.7 27 2
Kenjiu1 1984 Heilongjiang 3 23.6 25.0 16.7 18 3
119

Kenda1 1981 Heilongjiang 3 14.7 20.5 14.5 16 1
Gang107 1970 Heilongjiang 3 27.5 19.3 16.2 20 1
Kenhong5 1987 Heilongjiang 3 19.4 20.3 21.0 18 1
KenBei1 1982 Heilongjiang 3 25.5 23.7 17.0 23 2
Beimai1 2005 Heilongjiang 1 21.3 27.3 15.7 22 2
120
附录

Dongnong113 1986 Heilongjiang 3 24.1 26.0 15.8 8 1
LongFumai4 1990 Heilongjiang 3 21.3 21.7 15.7 27 1
Liaochun10 1998 Liaoning 3 27.8 20.3 10.5 15 2
Hezuo4 1954 Heilongjiang 3 27.1 25.2 14.8 13 2
Hezuo7 1956 Heilongjiang 3 30.8 25.2 13.5 15 2
Songhuajiang2 1956 USA 3 30.0 24.2 13.3 15 3
Songhuajiang3 1958 USA 3 28.8 22.5 13.8 15 3
Xinshuguang1 1950 Heilongjiang 2 29.1 22.3 15.7 9 3
121

Hechun1 1970 Heilongjiang 3 27.5 22.5 18.2 22 1
Longchun1 2014 Heilongjiang 3 28.9 28.5 16.7 14 2
Longmai2 1960 Heilongjiang 3 23.5 24.0 14.5 21 2
122
附录

xiaobingmai33 1990 Jilin 3 23.9 24.3 13.5 19 1
Chinese spring 1932 Sichuan 1 18.9 24.8 14.3 15 2
Liaomai1 Liaoning 1 23.0 23.0 14.0 9 1
Liaochun4hao 1960 Liaoning 2 22.5 21.3 7.8 13 1
Liaochun2hao 1960 Liaoning 3 29.7 21.7 14.7 13 2
Neimai19 1991 Ningxia 3 20.5 18.8 12.7 10 2
Ji-4673Jichun190 1968 Jilin 3 29.2 24.0 16.0 10 1
123

Ji-0011Jichun1hao 1968 Jilin 3 33.4 22.3 14.0 12 3
Ji-0011Jichun101 1968 Jilin 3 33.9 26.3 13.7 16 3
Ji-0011Jichun106 1968 Jilin 2 28.8 26.8 15.8 20 3
Ji-0012Jichun123 1968 Jilin 2 32.0 25.5 16.0 11 3
Ji-0012Jichun126 1968 Jilin 2 26.9 26.7 14.2 8 3
Ji-0012Jichun129 1968 Jilin 3 23.5 25.8 13.7 18 3
Ji-0012Jichun132 1968 Jilin 3 24.3 25.0 17.0 15 3
Ji-0013Jichun147 1968 Jilin 3 33.1 26.5 14.3 15 3
Ji-0013Jichun157 1968 Jilin 3 32.8 27.1 15.0 14 3
Ji-0013Jichun158 1968 Jilin 3 34.7 29.7 12.7 24 3
Ji-0014Jichun201 1968 Jilin 3 27.1 27.3 19.0 15 3
Ji-0018Jichun517 1968 Jilin 3 26.4 24.3 16.7 12 3
Ji-0020Jichun1004 1968 Jilin 3 22.4 26.9 16.3 19 3
Ji-0024Jilinnongda901 1968 Jilin 3 26.8 26.2 18.3 14 3
BLxiaomaixiaobing4 Poland 2 38.3 25.7 15.8 23 3
BLxiaomaixiaobing7 Poland 3 37.0 26.3 14.7 23 3
Ganmai12 Gansu 3 24.0 28.9 17.7 10 1
Shen68-71 1970 Liaoning 3 29.3 21.8 13.0 18 1
Yinmai3hao Ningxia 3 25.3 31.1 16.2 13 2
Yinmai2hao Ningxia 3 23.5 27.6 17.0 10 3
Jianandahong Canada 2 27.1 23.5 15.3 17 3
Jianada13 Canada 2 17.6 25.4 14.8 13 3
Australia Austrial 1 21.7 26.3 15.2 18 3
124
附录

Nonglin34hao Japan 2 18.3 24.4 14.2 12 3
Nonglin45 Japan 3 17.5 24.8 14.7 11 3
Mexico-1 Mexico 3 27.7 22.8 13.8 7 3
Mexico-2 Mexico 3 23.5 23.1 14.0 15 3
LongFu16-73 Ⅱ-2-14 2016 Heilongjiang 1 13.5 23.5 16.7 28 3
LongFu14-1138Ⅱ-5-18 2014 Heilongjiang 2 15.4 28.2 15.2 23 2
LongFu18-101 2018 Heilongjiang 3 17.8 25.3 15.7 19 2
125

Kenmai10 2003 Heilongjiang 3 25.3 21.7 15.5 21 1
Gang09-558 2009 Heilongjiang 3 15.3 25.6 20.3 18 2
Dongnong156597 2015 Heilongjiang 2 12.1 24.5 19.2 24 2
Long14-4861 2014 Heilongjiang 3 17.5 27.8 15.7 28 2
126
附录

LongKen415 2014 Heilongjiang 3 22.6 25.4 16.0 18 2
FLL: 旗叶长；FLW: 旗叶宽；UIL: 穗下节间长；PM:植株形态
FLL: Flag leaf length; FLW: Flag leaf width;UIL: Uppermost internode length; PM: Plant morphology
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).
127
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

Trait Environment Marker Chromosome Position (Mb) P-value R2
FLL E5 AX-108884610 1A 572.9 2.0E-04 7.2
FLL E5 AX-111681900 1A 577.3 8.6E-04 5.9
FLL E5 AX-110021994 1A 577.5 1.7E-04 7.5
FLL E4 AX-110021994 1A 577.5 6.5E-04 6.2
FLL E4 AX-89724016 1A 577.7 2.6E-05 9.0
FLL E5 AX-89724016 1A 577.7 1.9E-04 7.2
FLL E1 AX-89724016 1A 577.7 6.3E-04 6.3
FLL E4 AX-108877841 2A 66.3 5.5E-05 8.3
FLL E5 AX-108877841 2A 66.3 7.5E-04 6.2
FLL E4 AX-109988477 2A 66.7 6.2E-04 6.3
FLL E4 AX-108851673 2A 66.8 1.7E-05 9.5
FLL E5 AX-108851673 2A 66.8 8.7E-04 6.0
FLL E4 AX-110067600 2A 66.8 3.3E-04 6.7
FLL E4 AX-108898880 2A 68.2 3.1E-04 6.7
FLL E4 AX-109456438 2A 554.6 7.7E-04 6.3
FLL E5 AX-109456438 2A 554.6 8.3E-04 6.0
FLL E4 AX-110370613 2A 558.5 5.7E-04 6.3
FLL E4 AX-109307983 2A 559.6 4.1E-04 6.6
FLL E4 AX-109449647 2A 559.8 2.2E-04 7.3
FLL E4 AX-108965435 2A 559.8 1.6E-04 7.3
FLL E5 AX-108965435 2A 559.8 9.3E-04 5.8
FLL E5 AX-109103964 2A 560.2 5.4E-04 6.6
FLL E3 AX-109817589 2B 652.7 1.1E-04 7.7
FLL E4 AX-111114954 2B 652.8 7.9E-04 6.0
FLL E2 AX-111469476 2B 655.0 3.5E-04 6.7
FLL E5 AX-111469476 2B 655.0 9.2E-04 6.0
FLL E5 AX-108951538 2B 655.5 1.4E-04 7.9
FLL E2 AX-108951538 2B 655.5 1.9E-04 7.4
FLL E5 AX-109348194 2B 655.6 4.3E-04 6.5
FLL E2 AX-109348194 2B 655.6 4.7E-04 6.4
FLL E2 AX-111688729 2B 655.8 2.0E-04 7.2
FLL E3 AX-109458886 2B 656.0 6.2E-04 6.8
FLL E3 AX-111100108 3B 121.4 6.4E-04 6.1
FLL E2 AX-111100108 3B 121.4 6.6E-04 6.1
FLL E5 AX-109988625 3B 121.4 2.8E-04 7.0
FLL E5 AX-110016120 3B 121.6 3.6E-04 6.7
FLL E5 AX-111011153 3B 122.1 3.5E-05 8.8
FLL E4 AX-111011153 3B 122.1 3.2E-04 6.7
FLL E5 AX-110014525 3B 122.2 4.9E-04 6.4
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）

FLL E4 AX-109521332 3B 123.4 8.0E-04 6.1
FLL E5 AX-109323893 3B 124.4 3.4E-04 6.9
FLL E5 AX-108959853 3B 125.6 7.3E-04 6.2
FLL E5 AX-110985823 3B 125.6 2.7E-04 7.0
FLL E5 AX-108803764 3B 125.7 9.8E-04 5.8
FLL E5 AX-110730762 3B 125.9 9.2E-05 8.0
FLL E4 AX-110730762 3B 125.9 2.3E-04 7.1
FLL E5 AX-111458053 3B 126.7 3.3E-04 6.9
FLL E5 AX-111497180 3B 126.7 1.3E-04 7.6
FLL E3 AX-111497180 3B 126.7 3.8E-04 6.6
FLL E5 AX-109338627 3B 126.8 3.3E-05 8.7
FLL E3 AX-109338627 3B 126.8 4.9E-05 8.3
FLL E4 AX-109338627 3B 126.8 3.1E-04 6.8
FLL E5 AX-108855009 3B 127.6 1.7E-04 7.5
FLL E3 AX-108855009 3B 127.6 6.3E-04 6.3
FLL E4 AX-108855009 3B 127.6 7.5E-04 6.0
FLL E5 AX-110490509 3B 127.7 2.8E-05 9.0
FLL E3 AX-110490509 3B 127.7 1.4E-04 7.6
FLL E4 AX-110490509 3B 127.7 2.5E-04 7.0
FLL E2 AX-110490509 3B 127.7 7.1E-04 6.2
FLL E3 AX-109416500 3B 127.8 8.6E-04 6.0
FLL E3 AX-109506024 3B 127.8 7.7E-04 6.3
FLL E5 AX-110401384 3B 127.9 3.6E-04 6.8
FLL E3 AX-110401384 3B 127.9 4.9E-04 6.3
FLL E3 AX-109395116 3B 128.7 4.6E-04 6.6
FLL E5 AX-110006460 3B 128.7 1.9E-04 7.4
FLL E3 AX-110006460 3B 128.7 5.1E-04 6.4
FLL E5 AX-111230957 3B 129.2 8.5E-05 8.0
FLL E3 AX-111230957 3B 129.2 2.7E-04 6.9
FLL E5 AX-108965410 3B 129.4 1.2E-04 7.6
FLL E3 AX-108965410 3B 129.4 2.5E-04 7.0
FLL E4 AX-108965410 3B 129.4 7.7E-04 6.0
FLL E5 AX-109840450 3B 129.4 1.8E-05 9.3
FLL E3 AX-109840450 3B 129.4 1.2E-04 7.6
FLL E5 AX-110007345 3B 129.4 2.5E-05 9.1
FLL E3 AX-110007345 3B 129.4 1.6E-04 7.3
FLL E4 AX-110007345 3B 129.4 8.8E-04 6.1
129

FLL E5 AX-110563639 3B 129.5 3.3E-04 6.8
FLL E5 AX-109499161 3B 129.6 3.9E-04 6.7
FLL E4 AX-109499161 3B 129.6 7.2E-04 6.1
FLL E3 AX-109499161 3B 129.6 8.1E-04 6.1
FLL E3 AX-94972165 3D 82.8 3.3E-04 6.7
FLL E3 AX-94382197 3D 82.8 7.7E-04 5.9
FLL E5 AX-110387620 3D 82.8 7.8E-04 6.1
FLL E5 AX-95659378 3D 82.8 8.7E-04 6.0
FLL E3 AX-109570371 3D 84.9 3.9E-04 6.6
FLL E4 AX-112288331 3D 86.3 1.2E-04 7.8
FLL E5 AX-112288331 3D 86.3 4.6E-04 6.9
FLL E3 AX-111107168 3D 86.9 5.0E-04 6.3
FLL E5 AX-94955141 3D 94.5 1.5E-04 7.4
FLL E2 AX-94955141 3D 94.5 2.4E-04 6.9
FLL E3 AX-108922893 5D 551.2 1.4E-04 7.4
FLL E5 AX-111327755 5D 552.4 8.7E-04 5.9
FLL E5 AX-109998328 5D 552.4 2.1E-04 7.3
FLL E5 AX-112286569 5D 556.2 9.3E-05 7.8
FLL E4 AX-112286569 5D 556.2 9.7E-04 5.7
FLL E5 AX-94523305 5D 556.2 1.4E-04 7.6
FLL E3 AX-94523305 5D 556.2 9.9E-04 5.9
FLL E2 AX-110936298 6A 5.1 8.0E-04 7.6
FLL E4 AX-110513221 6A 7.4 1.3E-04 7.5
FLL E5 AX-110513221 6A 7.4 2.8E-04 6.8
FLL E4 AX-109299422 6A 7.4 1.6E-04 7.3
FLL E5 AX-109299422 6A 7.4 2.1E-04 7.1
FLL E4 AX-110917317 6A 7.6 1.3E-04 7.5
FLL E5 AX-110917317 6A 7.6 2.8E-04 6.8
FLL E5 AX-110961419 6A 10.6 4.7E-04 6.5
FLL E3 AX-110961419 6A 10.6 4.8E-04 6.5
FLL E5 AX-109303960 6A 11.6 3.3E-04 6.8
FLL E3 AX-109303960 6A 11.6 4.9E-04 6.4
FLL E3 AX-110394252 6A 12.4 9.2E-04 5.8
FLL E3 AX-110667915 6A 12.5 8.4E-04 5.9
FLL E3 AX-110993553 6A 12.9 5.4E-05 8.3
FLL E5 AX-110993553 6A 12.9 9.0E-04 5.9
FLL E3 AX-108981466 6A 13.0 1.3E-04 7.6
130
附录

FLL E5 AX-108981466 6A 13.0 4.4E-04 6.5
FLL E5 AX-111745203 6A 13.1 1.4E-04 7.5
FLL E3 AX-111745203 6A 13.1 2.9E-04 6.9
FLL E5 AX-109887310 6A 17.5 8.3E-04 5.9
FLL E5 AX-111000953 6A 17.5 3.6E-04 6.7
FLL E3 AX-111000953 6A 17.5 6.3E-04 6.2
FLL E3 AX-109942479 6A 17.9 4.6E-04 6.4
FLL E5 AX-109942479 6A 17.9 4.8E-04 6.4
FLL E2 AX-109021664 7D 5.4 8.1E-04 5.9
FLL E5 AX-111447481 7D 5.9 4.2E-04 6.5
FLL E5 AX-110970115 7D 7.5 3.8E-04 6.6
FLL E5 AX-109420634 7D 7.5 7.1E-04 6.2
FLL E5 AX-108908338 7D 8.3 8.4E-04 5.9
FLL E4 AX-109835872 7D 8.8 9.8E-04 5.7
FLL E4 AX-110748563 7D 8.8 5.2E-04 6.4
FLL E5 AX-110748563 7D 8.8 6.5E-04 6.2
FLL E4 AX-111414066 7D 8.9 6.2E-04 6.2
FLL E4 AX-89611863 7D 8.9 2.3E-04 7.0
FLL E5 AX-89611863 7D 8.9 4.2E-04 6.5
FLL E4 AX-109870077 7D 8.9 3.1E-04 6.8
FLL E4 AX-111981305 7D 8.9 3.6E-04 6.6
FLL E4 AX-110965928 7D 8.9 7.9E-04 6.0
FLL E4 AX-108732213 7D 9.4 5.5E-04 6.2
FLL E5 AX-108732213 7D 9.4 8.3E-04 5.9
FLL E5 AX-108730550 7D 9.4 8.0E-04 6.0
FLL E4 AX-108730550 7D 9.4 8.0E-04 5.9
FLL E4 AX-110390054 7D 10.1 9.2E-04 5.9
FLL E4 AX-108746549 7D 10.1 7.0E-04 6.0
FLL E4 AX-111011867 7D 10.1 5.6E-04 6.2
FLL E4 AX-111050143 7D 10.1 5.0E-04 6.3
FLL E4 AX-108885158 7D 10.5 8.4E-04 5.9
FLW E1 AX-110446721 1A 296.9 7.6E-04 5.9
FLW E5 AX-110024979 1A 297.1 8.4E-04 5.8
FLW E5 AX-109302583 1A 297.7 7.4E-04 6.0
FLW E1 AX-111187227 1A 297.7 3.3E-04 6.6
FLW E5 AX-111187227 1A 297.7 7.8E-04 5.9
FLW E3 AX-110471753 1A 556.0 1.2E-04 7.5
131

FLW E3 AX-111674466 1A 557.5 5.6E-04 6.1
FLW E3 AX-108791814 1A 558.3 2.6E-04 6.8
FLW E3 AX-111575702 1A 558.5 2.7E-04 6.8
FLW E3 AX-109840927 1A 564.4 6.7E-04 6.0
FLW E3 AX-89727488 1A 564.6 9.2E-04 5.8
FLW E3 AX-110372856 1A 565.4 9.3E-04 6.1
FLW E3 AX-108814458 1A 567.4 1.6E-04 7.4
FLW E5 AX-108814458 1A 567.4 9.0E-04 5.8
FLW E3 AX-111743332 1A 580.5 7.4E-04 6.0
FLW E2 AX-110521757 1A 586.3 1.0E-04 7.0
FLW E2 AX-108795974 1A 586.3 2.2E-05 7.9
FLW E5 AX-108795974 1A 586.3 3.8E-04 6.5
FLW E2 AX-109360506 1A 586.3 1.8E-05 8.1
FLW E5 AX-109360506 1A 586.3 3.9E-04 6.6
FLW E2 AX-111458485 1A 586.3 3.8E-04 5.9
FLW E2 AX-111536580 1A 586.7 7.0E-04 5.3
FLW E2 AX-109984811 1A 587.4 7.6E-05 7.0
FLW E5 AX-109984811 1A 587.4 9.9E-04 5.8
FLW E4 AX-110950823 5A 290.1 8.4E-04 6.1
FLW E4 AX-110200309 5A 292.1 9.0E-04 6.1
FLW E4 AX-110906920 5A 293.5 5.3E-04 6.3
FLW E4 AX-108926681 5A 294.3 9.3E-04 5.9
FLW E4 AX-109320585 5A 299.5 1.7E-04 7.6
FLW E1 AX-109320585 5A 299.5 5.4E-04 6.3
FLW E5 AX-109320585 5A 299.5 7.9E-04 6.1
FLW E3 AX-108762108 5A 595.4 1.1E-04 7.7
FLW E3 AX-108985538 5A 595.6 2.3E-04 7.1
FLW E3 AX-109892546 5A 595.8 1.4E-04 7.4
FLW E3 AX-109651525 5A 595.8 4.2E-04 6.4
FLW E3 AX-111025842 5A 596.0 4.3E-04 6.8
FLW E3 AX-109315829 5A 596.4 2.5E-04 6.8
FLW E3 AX-110603936 5A 596.6 5.0E-04 6.3
FLW E3 AX-110432795 5A 596.7 2.6E-04 6.8
FLW E3 AX-111470543 5A 597.7 5.3E-04 6.2
FLW E2 AX-109975962 5B 615.7 3.3E-04 5.9
FLW E2 AX-110730178 5B 615.7 6.4E-04 5.3
FLW E2 AX-110469703 5B 615.9 7.9E-04 5.2
132
附录

FLW E2 AX-111562401 5B 615.9 4.4E-04 5.7
FLW E2 AX-110556679 5B 615.9 7.9E-04 5.2
FLW E2 AX-111130924 5B 616.0 1.5E-04 6.5
FLW E2 AX-110396713 5B 616.2 5.3E-04 5.5
FLW E2 AX-108911433 5B 616.4 9.4E-04 5.1
FLW E2 AX-109967541 5B 616.5 3.8E-04 5.7
FLW E2 AX-110090125 5B 616.6 5.2E-05 7.3
FLW E1 AX-111092147 5B 617.9 9.0E-05 10.7
FLW E2 AX-111092147 5B 617.9 1.2E-04 9.2
FLW E5 AX-111092147 5B 617.9 7.0E-04 8.8
FLW E1 AX-110036274 5D 562.0 8.4E-04 5.9
FLW E1 AX-110833965 5D 562.0 9.2E-04 5.7
FLW E1 AX-110493787 5D 562.1 3.3E-04 6.7
FLW E1 AX-111356182 5D 562.3 1.8E-05 9.3
FLW E1 AX-111119791 5D 562.6 3.1E-04 6.7
FLW E1 AX-109539075 5D 562.7 1.9E-04 7.1
FLW E3 AX-110530276 7A 18.8 2.8E-05 8.6
FLW E3 AX-110376601 7A 19.9 1.4E-09 17.8
FLW E3 AX-109347413 7A 20.2 1.4E-07 13.9
FLW E1 AX-109920906 7A 25.9 9.5E-04 5.8
UIL E3 AX-110443918 2B 409.9 7.4E-04 5.8
UIL E3 AX-111682299 2B 419.7 9.1E-04 5.6
UIL E3 AX-111591681 2B 420.4 5.1E-04 6.1
UIL E3 AX-109445394 2B 420.5 3.6E-04 6.5
UIL E3 AX-111562468 2B 420.9 8.4E-04 5.7
UIL E3 AX-110594487 2B 421.1 9.9E-04 5.5
UIL E3 AX-110438573 2B 421.1 1.5E-04 7.1
UIL E3 AX-109921058 2B 421.3 3.2E-04 6.5
UIL E3 AX-109403291 2B 421.4 4.7E-04 6.2
UIL E3 AX-111056394 2B 421.4 7.8E-04 5.8
UIL E3 AX-110478128 2B 421.9 5.4E-04 6.1
UIL E3 AX-110002376 2B 421.9 7.5E-04 5.9
UIL E3 AX-111518284 2B 422.5 8.3E-04 5.7
UIL E3 AX-110525277 2B 422.5 4.6E-05 8.1
UIL E3 AX-108834670 2B 422.5 5.5E-04 6.0
UIL E3 AX-111653991 2B 423.0 8.6E-04 5.6
UIL E3 AX-111094608 2B 423.1 6.4E-04 5.9
133

UIL E3 AX-111140614 2B 423.2 8.9E-04 5.6
UIL E3 AX-110023509 2B 423.7 9.7E-04 5.6
UIL E3 AX-110390653 2B 424.3 7.4E-04 6.1
UIL E3 AX-108783200 2B 424.8 7.9E-04 5.8
UIL E3 AX-109048108 2B 424.9 3.0E-04 6.7
UIL E3 AX-109451617 2B 425.7 3.4E-04 6.7
UIL E3 AX-111026848 2B 426.3 6.1E-04 6.0
UIL E3 AX-109514162 2B 426.3 1.0E-04 7.5
UIL E3 AX-110557100 2B 426.3 7.0E-04 6.0
UIL E3 AX-111503986 2B 426.6 8.7E-04 5.7
UIL E3 AX-108859935 2B 427.0 2.6E-04 6.7
UIL E3 AX-111650053 2B 427.1 3.7E-04 6.5
UIL E3 AX-109653980 2B 427.8 5.0E-04 6.1
UIL E3 AX-109888683 2B 427.9 3.2E-04 6.5
UIL E3 AX-109928587 2B 428.3 3.9E-04 6.4
UIL E3 AX-109344537 2B 428.6 6.7E-04 5.9
UIL E3 AX-110411480 2B 428.8 7.2E-04 5.8
UIL E3 AX-109495813 2B 429.9 1.4E-04 7.2
UIL E3 AX-111735530 2B 430.2 4.6E-04 6.4
UIL E3 AX-110400548 2B 430.7 1.5E-04 7.1
UIL E3 AX-111666936 2B 431.3 8.7E-05 7.6
UIL E3 AX-109992485 2B 431.9 2.4E-04 6.8
UIL E3 AX-111604961 2B 432.0 4.8E-04 6.2
UIL E3 AX-111177658 2B 432.1 4.6E-04 6.3
UIL E3 AX-110389432 2B 432.6 2.0E-04 6.9
UIL E3 AX-109897074 2B 432.9 1.4E-04 7.2
UIL E3 AX-111089695 2B 433.1 7.0E-04 5.9
UIL E3 AX-111760323 2B 433.8 9.7E-04 5.5
UIL E3 AX-111043882 2B 433.9 9.9E-04 5.5
UIL E3 AX-109904652 2B 434.8 4.6E-04 6.2
UIL E3 AX-108947082 2B 434.9 1.8E-04 7.1
UIL E3 AX-108860388 2B 435.5 2.5E-04 6.7
UIL E3 AX-109485345 2B 435.7 7.8E-04 5.7
UIL E3 AX-109476790 2B 435.7 4.7E-04 6.1
UIL E3 AX-111604507 2B 436.1 3.8E-04 6.5
UIL E3 AX-110016162 2B 436.6 9.1E-04 5.7
UIL E3 AX-109473987 2B 436.9 9.0E-04 5.9
134
附录

UIL E2 AX-110481288 2B 439.2 1.8E-05 8.2
UIL E5 AX-110481288 2B 439.2 3.1E-05 8.0
UIL E3 AX-110481288 2B 439.2 3.4E-04 6.5
UIL E4 AX-110481288 2B 439.2 3.8E-04 5.6
UIL E1 AX-110481288 2B 439.2 9.1E-04 5.1
UIL E2 AX-108913586 2B 439.5 5.4E-05 7.3
UIL E5 AX-108913586 2B 439.5 2.4E-04 6.2
UIL E3 AX-108840175 5A 383.4 5.2E-04 6.1
UIL E3 AX-110966276 5A 383.9 4.6E-05 8.3
UIL E3 AX-111110100 5A 384.0 8.3E-04 6.1
UIL E3 AX-109004929 5A 384.2 3.4E-04 6.4
UIL E3 AX-111034691 5A 384.3 5.5E-04 6.1
UIL E3 AX-110362687 5A 384.3 2.0E-04 6.9
UIL E3 AX-109604153 5A 384.5 5.9E-04 6.0
UIL E3 AX-110149479 5A 385.0 9.3E-04 5.6
UIL E3 AX-108775064 6A 606.6 9.5E-04 5.9
UIL E1 AX-109478902 6A 611.7 5.1E-04 5.3
UIL E2 AX-109478902 6A 611.7 7.6E-04 5.3
UIL E5 AX-109478902 6A 611.7 9.5E-04 5.1
UIL E4 AX-111295528 6D 388.2 8.5E-04 4.9
UIL E4 AX-111347442 6D 389.5 7.5E-04 5.0
UIL E3 AX-111347442 6D 389.5 7.8E-04 5.7
UIL E3 AX-111915048 6D 389.6 5.6E-04 6.0
UIL E3 AX-109202589 6D 392.0 8.4E-04 5.7
UIL E3 AX-110565245 6D 395.7 5.1E-04 6.1
UIL E3 AX-108983270 6D 399.0 2.5E-04 6.8
UIL E4 AX-109509128 6D 402.6 2.6E-04 5.7
UIL E5 AX-109509128 6D 402.6 5.1E-04 5.6
UIL E3 AX-110612307 6D 402.9 9.2E-04 5.6
UIL E3 AX-108849732 6D 403.7 6.4E-04 5.9
UIL E4 AX-108849732 6D 403.7 9.0E-04 4.8
UIL E3 AX-111605175 6D 403.9 7.8E-04 5.7
UIL E3 AX-110594437 6D 404.0 3.1E-04 6.5
UIL E4 AX-110594437 6D 404.0 5.0E-04 5.3
UIL E5 AX-110594437 6D 404.0 7.1E-04 5.5
UIL E3 AX-110918280 6D 404.6 3.5E-04 6.4
UIL E4 AX-111086760 6D 404.6 7.5E-04 5.0
UIL E4 AX-110831860 6D 405.5 7.0E-04 5.0
135

UIL E3 AX-110831860 6D 405.5 8.9E-04 5.6
UIL E4 AX-109333758 6D 407.2 3.9E-04 5.5
UIL E3 AX-109333758 6D 407.2 6.4E-04 6.0
UIL E4 AX-109911446 6D 407.3 6.3E-05 6.8
UIL E5 AX-109911446 6D 407.3 5.5E-04 5.6
UIL E3 AX-109911446 6D 407.3 5.9E-04 6.0
UIL E4 AX-89314506 6D 407.5 4.5E-04 5.4
UIL E3 AX-89314506 6D 407.5 5.9E-04 6.0
UIL E3 AX-111667972 7A 496.3 5.2E-04 6.4
UIL E3 AX-108885458 7A 496.4 8.3E-04 5.9
UIL E3 AX-110493346 7A 510.3 2.8E-04 6.8
UIL E1 AX-110452539 7A 512.9 1.0E-04 6.6
UIL E5 AX-110452539 7A 512.9 1.2E-04 6.8
UIL E2 AX-110452539 7A 512.9 4.4E-04 5.7
UIL E4 AX-110452539 7A 512.9 8.1E-04 5.0
UIL E1 AX-111285743 7B 701.1 6.5E-06 8.8
UIL E5 AX-111285743 7B 701.1 5.6E-05 7.4
UIL E4 AX-111285743 7B 701.1 6.2E-05 7.0
UIL E2 AX-111285743 7B 701.1 1.3E-04 6.6
UIL E2 AX-109848092 7D 8.3 3.1E-04 6.0
UIL E4 AX-109848092 7D 8.3 5.2E-04 5.3
UIL E5 AX-109848092 7D 8.3 6.3E-04 5.5
UIL E1 AX-109848092 7D 8.3 9.6E-04 4.9
PM E3 AX-110938146 2B 91.0 7.1E-04 6.6
PM E3 AX-110472120 2B 91.0 1.0E-04 7.7
PM E3 AX-94441179 2B 91.1 2.0E-04 7.2
PM E3 AX-110061589 2B 91.2 1.9E-04 7.3
PM E3 AX-109891278 2B 92.4 8.0E-04 6.0
PM E3 AX-109321256 2B 92.6 3.9E-04 6.7
PM E3 AX-111014027 2B 92.6 7.0E-04 6.1
PM E3 AX-110053306 2B 92.6 3.9E-04 6.6
PM E4 AX-111761871 2B 663.1 4.7E-04 6.4
PM E3 AX-108822197 2B 663.6 9.2E-04 5.9
PM E4 AX-108822197 2B 663.6 6.4E-04 6.2
PM E4 AX-110372053 2B 663.7 3.9E-04 6.6
PM E4 AX-109329349 2B 663.9 6.2E-04 6.2
PM E4 AX-109015706 2B 664.2 8.2E-04 6.1
PM E1 AX-108838201 3D 602.8 4.0E-04 6.7
136
附录

PM E1 AX-110458739 3D 604.4 3.6E-04 6.7
PM E1 AX-109306356 3D 604.4 4.1E-04 6.5
PM E4 AX-109306356 3D 604.4 8.3E-04 5.9
PM E1 AX-110923271 3D 604.4 3.1E-04 6.9
PM E1 AX-109883264 3D 604.4 2.6E-04 6.9
PM E1 AX-111068370 3D 606.1 7.2E-04 6.1
PM E1 AX-110788038 3D 606.7 5.1E-05 8.4
PM E3 AX-109626990 4A 41.4 2.1E-06 11.2
PM E3 AX-111223320 4A 41.5 4.4E-06 10.8
PM E4 AX-111223320 4A 41.5 9.1E-04 6.0
PM E3 AX-110132746 4A 41.7 2.1E-06 11.2
PM E3 AX-108889870 4A 41.9 1.8E-06 11.3
PM E5 AX-108889870 4A 41.9 9.4E-04 5.8
PM E3 AX-111114543 4A 41.9 3.6E-06 10.9
PM E3 AX-108772504 4A 42.0 2.7E-06 12.5
PM E3 AX-111500116 4A 42.0 3.9E-05 8.6
PM E1 AX-108765799 4A 42.0 6.4E-04 6.1
PM E3 AX-108765799 4A 42.0 8.7E-05 7.9
PM E4 AX-108765799 4A 42.0 9.3E-04 5.8
PM E5 AX-108765799 4A 42.0 9.3E-04 5.8
PM E1 AX-111050348 4A 43.2 3.6E-04 5.3
PM E3 AX-111050348 4A 43.2 4.0E-06 9.0
PM E5 AX-111050348 4A 43.2 3.7E-04 5.3
PM E3 AX-111478527 4A 43.7 1.1E-05 9.7
PM E3 AX-111241476 4A 45.5 5.7E-05 8.3
PM E3 AX-109286564 4A 45.6 2.5E-05 9.1
PM E3 AX-110498728 4A 45.6 2.8E-04 6.9
PM E3 AX-109442556 4A 45.7 6.7E-04 6.2
PM E3 AX-109404656 4A 46.0 7.8E-05 8.1
PM E3 AX-110055842 4A 46.1 2.5E-04 7.0
PM E3 AX-110006427 4A 46.1 1.8E-05 9.3
PM E3 AX-108746349 4A 46.2 3.6E-04 6.7
PM E2 AX-108910180 5A 688.9 1.5E-06 9.9
PM E4 AX-108910180 5A 688.9 3.6E-05 7.2
PM E5 AX-108910180 5A 688.9 4.4E-05 7.0
PM E1 AX-109887203 5B 696.7 2.9E-05 8.9
PM E3 AX-109936345 5B 697.0 5.1E-04 6.5
PM E5 AX-109936345 5B 697.0 5.5E-05 8.5
137

PM E3 AX-108772938 5B 697.0 2.9E-04 6.9
PM E5 AX-108772938 5B 697.0 2.3E-04 7.1
PM E3 AX-111577272 6A 23.8 1.8E-05 9.3
PM E5 AX-111577272 6A 23.8 9.8E-05 7.8
PM E3 AX-110716675 6A 23.9 2.1E-05 9.1
PM E5 AX-110716675 6A 23.9 8.3E-05 8.0
PM E3 AX-109013896 6A 23.9 7.5E-06 10.2
PM E5 AX-109013896 6A 23.9 2.6E-04 6.9
PM E3 AX-110973864 6A 24.2 3.0E-05 8.9
PM E5 AX-110973864 6A 24.2 9.5E-05 7.9
PM E3 AX-109955515 6A 24.4 3.8E-05 8.7
PM E5 AX-109955515 6A 24.4 1.8E-04 7.3
FLL: 旗叶长；FLW: 旗叶宽；UIL: 穗下节间长；PM:植株形态
FLL: Flag leaf length; FLW: Flag leaf width;UIL: Uppermost internode length; PM: Plant morphology
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
138
附录
附表 5 验证群体表型数据
Table S5 The phenotype data for the validation population
品系名称穗长(cm)-2021 小穗数-2021 穗长(cm)-2022 小穗数-2022

Name SL -2021 SN-2021 SL-2022 SN-2022
18-922 7.50 14.75 8.74 12.75
20-809 7.88 15.75 9.15 12.75
Kehan19 7.94 14.50 9.40 14.50
16-261 8.00 14.63 9.58 13.25
18-718 8.13 13.50 9.58 14.50
18-139 8.13 16.13 9.64 15.00
20-459 8.25 15.25 9.66 13.75
20-892 8.25 15.38 9.84 16.50
09-358 8.38 15.25 9.86 15.50
18-725 8.38 15.75 9.88 14.50
20-813 8.50 15.13 9.89 15.00
20-165 8.50 15.50 9.90 14.75
20-509 8.63 15.75 9.94 15.50
18-413 8.63 15.75 9.96 15.00
18-1559 8.63 16.63 9.98 15.25
20-745 8.63 19.38 10.00 13.25
19-489 8.69 14.75 10.01 15.00
17-017 8.75 15.13 10.03 12.25
18FR2261 8.75 15.25 10.09 15.75
20-624 8.75 15.75 10.10 14.25
20-633 8.75 16.00 10.10 15.50
17-216 8.75 16.25 10.11 15.25
19-244 8.88 14.38 10.11 15.50
15-676 8.88 14.75 10.19 15.75
15-427 8.88 15.00 10.24 16.25
20-161 8.88 15.63 10.28 14.50
14-1138 8.88 15.63 10.29 14.50
18-199 9.00 15.25 10.34 15.50
20-639 9.00 16.38 10.35 15.25
20-017 9.13 15.13 10.36 13.75
20-163 9.13 15.25 10.39 16.00
20-512 9.13 15.25 10.41 14.50
17-5309 9.13 15.25 10.54 14.25
19-339 9.13 15.38 10.54 14.50
17-166 9.13 15.50 10.56 14.00
18-699 9.13 15.63 10.58 15.00
18-191 9.13 15.75 10.60 14.75
139
附表 5 验证群体表型数据（续）
Table S5 The phenotype data for the validation population（Continued）

Name SL-2021 SNs-2021 SL-2022 SN-2022
19-504 9.25 13.38 10.63 16.50
19-521 9.25 15.38 10.70 15.50
20-476 9.25 17.75 10.71 14.75
20-435 9.38 15.13 10.73 14.50
14-313 9.38 16.00 10.76 14.75
20-443 9.38 17.13 10.76 18.50
19-551 9.44 15.50 10.81 14.50
19-333 9.50 15.25 10.81 15.25
20-207 9.50 15.38 10.84 14.75
19-519 9.50 15.63 10.88 15.50
20-657 9.50 15.75 10.89 14.25
20-602 9.50 18.00 10.90 15.75
14-1087 9.63 15.50 10.94 14.25
20-155 9.63 15.75 10.95 14.50
20-027 9.63 16.63 10.95 14.75
20-694 9.63 17.50 10.95 16.50
20-155 9.63 18.13 10.96 12.25
19-187 9.75 14.88 10.99 14.25
Longmai35 9.75 15.25 10.99 15.50
20-162 9.75 15.50 10.99 15.50
17-159 9.75 16.25 11.01 16.00
20-241 9.88 14.25 11.04 15.25
19-338 9.88 14.63 11.05 14.00
20-091 10.00 14.25 11.08 17.00
19-479 10.00 15.63 11.21 14.25
18-1541 10.00 16.25 11.41 14.75
20-008 10.06 15.13 11.48 15.75
20-245 10.13 14.25 11.53 15.25
19-314 10.13 15.38 11.58 17.25
19-92 10.25 14.75 11.81 16.50
19-282 10.25 15.63 11.81 18.00
20-727 10.25 16.50 11.85 17.50
20-005 10.31 15.25 11.88 15.25
19-287 10.31 15.38 12.08 16.00
19-274 10.31 16.38 12.09 17.25
18-1516 10.63 15.50 12.18 16.00
19-289 10.63 17.13 12.20 15.00
19-273 10.88 16.75 12.28 15.75
140
附录
附表 5 验证群体表型数据统计表（续）
Table S5 The phenotype data for the validation population（Continued）

Name SL-2021 SN-2021 SL-2022 SN-2022
20-262 11.00 14.25 12.38 15.25
18-171 11.00 16.88 12.90 17.75
19-89 11.25 15.88 13.08 16.00
141

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

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

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

Uploaded by

Copyright:

Available Formats

学校代码： 10223 分类号: S512.

Heilongjiang Bayi Agricultural University

Genome-wide Association Study and Candidate

变异的 5.9%-17.8%。在这 30 个位点中，13 个位点与前人研究已报道位点重合，其他 17

In summary, GWAS of spring wheat in Northeast China identified a number of loci

Abbreviations Full name in English Full name in Chinese

FLL Flag leaf length 旗叶长

FLW Flag leaf width 旗叶宽

GWAS Genome-wide association study 全基因组关联分析

KASP Kompetitive allele-specific PCR 竞争性等位基因特异性

KNS Kernel number per spike 每穗粒数

MAS Marker-assisted selection 分子标记辅助选择

PCR Polymerase Chain Reaction 聚合酶链式反应

PM Plant morphology 植株形态

SN Spikelet number 小穗数

SNP Single nucleotide polymorphisms 单核苷酸多态性

SNU Spike number per unit area 单位面积穗数

TKW Thousand-kernel weight 千粒重

UIL Uppermost internode length 穗下节间长

产量（Grain yield，GY）一个复杂性状，由单位面积穗数（Spike number per

测定了与 10 个农艺性状相关的 SNP 标记，并用混合线性模型分析，结果发现了

分子标记是对 DNA 碱基序列变异进行标记而进行遗传分析的技术手段。分

普等，2009；Lan 等，2010；Ramya 等，2010；Tsilo 等，2011；Ren 等，2012；

QTL 并鉴定到 6 个候选基因。目前，多家公司针对小麦开发出了多款不同标记

度 量 LD 一 般 用 D′ （ standardized disequilibium coefficients ） 和 r ２

最大值与最小值的中点)或者 r2 的值为 0.1 时在染色体上的遗传距离来表示（Gaut

的 SSR 位点，且与前人研究结果一致。近年来，小麦 55K、90K 和 660K SNP 芯

1.2.5 KASP 标记原理及应用

近年来，用于基因组批量 SNP 分型的多样化芯片得到了很大发展，9K、90K、

图 1-1 KASP 标记工作原理

Fig. 1-1 The method of KASP

KASP 原理是等位基因的差异位点（SNP 和 InDel）竞争性特异扩增，可以

2.3 DNA 提取与浓度检测

出苗后 15d，取植株幼嫩叶片 3-5g，放至离心管中，超低温（-80 ℃）冰箱

采用康为世纪的新型植物基因组 DNA 提取试剂盒进行 DNA 提取。

Table 2-1 The components of the DNA extraction

Buffer LP2 10ml

RNase A（10mg/ml） 300 μl

Spin Columns DM witj Collection Tubes 50

7．向吸附柱中加入 500 μl Buffer GW2，12, 000 rpm 离心 1 min，倒掉收集

采用 Thermo scientific 公司的 NanoDrop 2000 超微量分光光度计进行质量检

2.4.1 SNP 基因芯片分析

实验仪器：Beckman 实验室自动化工作站、Affymetirx GeneTitan 系统、

即加入反应终止试剂，以终止 DNA 片段化反应；

利用小麦 55k SNP 芯片对 251 份材料进行基因分型。剔除缺失数据>20%和

用 Tassel v5.0 中 的 full matrix 和 sliding window 选 项 计 算 整 个 基 因 组 的 LD

qRT-PCR 引物信息见表 2-2。

Table 2-2 The primer used for qRT-PCR

候选基因 起始位置 终止位置 序列

参考 ChamQ Universal SYBR qPCR Master Mix 试剂盒说明书配制 qPCR 反应体

2.4.8 KASP 标记开发

KASP 引物设计采用在线工具 PolyMarker（http://polymarker.tgac.ac.uk/），

Table 2-3 Thermal cycle conditions for KASP genotyping reactions

Step Reaction Temperature Time Cycle

number per spike；TKW: Thousand-kernel weight；GY: Grain yield

单位面积穗数在 591.6-1199.9 之间，平均值为 874.4，在区间 847-900 上存

间 16-17 上的材料数量最多。穗长范围为 6.8 cm-13.8 cm，平均值为 10.6 cm，

变异来源 自由度 F-value

Source of variation df 单位面积穗数 小穗数 每穗粒数 穗长 千粒重 产量

SNU SN KNS SL TKW GY

注：*和**分别代表 0.05 和 0.01 水平显著。

Note: * and ** indicate significant at 0.05 and 0.01 level.

FLW: Flag leaf width

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

度量 LD 一般用 D′ （ standardized disequilibium coefficients ）和 r ２

用 Tassel v5.0 中的 full matrix 和 sliding window 选项计算整个基因组的 LD

候选基因起始位置终止位置序列

变异来源自由度 F-value

Source of variation df 单位面积穗数小穗数每穗粒数穗长千粒重产量

旗叶长旗叶宽穗下节间长植株形态

性状植株形态穗下节间长旗叶长旗叶宽

峰值位点染色体物理位置 P值表型变异率区间表型优异等位基因参考文献

峰值位点染色体物理位置 P值表型变异率区间表型优异等位基因参考文献

峰值位点染色体物理位置 P值表型变异率区间表型优异等位基因参考文献