玉米萌发期和苗期耐寒性全基因组关联分析和基因组选择研究

发布时间：2020-05-27 14:59

【摘要】：玉米作为集粮经饲、能源应用等多元功能于一体的作物,在全球有着广泛的种植,种植区域已扩展至北纬57°的冷凉地区。玉米起源于热带地区,是典型的喜温C4植物,低温会影响玉米生长的多个进程。低温胁迫已成为东北玉米生长发育的主要非生物逆境胁迫之一,黑龙江省作为中国最大的玉米主产区,春季常遭受到不同程度的低温冷害,严重影响玉米的品质和产量。面对全球气候变化及国家粮食安全需求的加剧,开展玉米耐低温种质评价、发掘玉米耐低温基因、开发玉米耐低温分子标记、创制玉米耐低温种质等工作,进而提高玉米抵御风险的能力从而获得总体产量的提高成为了亟待解决的问题。随着高通量测序技术的发展,尤其是单核苷酸多态性(SNP)基因型和简化基因组测序技术(GBS)的快速应用,可以快速和经济的获得大量个体的基因型。基于连锁不平衡(LD)和足够丰富遗传背景的玉米关联群体信息,使得全基因组关联分析(GWAS)和基因组选择(GS)技术能够在寻找与复杂性状相关的遗传因素和标记辅助育种上得以高效应用。本研究基于美国282份核心自交系组成的关联群体,分别对籽粒性状、低温胁迫下的萌发期性状、幼苗期性状进行耐寒性评价;以GBS和55k芯片组数据及其整合而成的信息为基因型数据,并以百粒重、低温条件下和常温条件下萌发期性状、幼苗期性状的相对值共10个性状作为表型性状,开展GWAS和GS分析,旨在(1)评价和筛选玉米耐冷(冻)种质资源,(2)通过全基因组关联分析(GWAS)方法解析玉米耐低温胁迫遗传机制,挖掘耐冷(冻)分子标记,并对本研究GWAS结果与前人耐低温研究得出的QTL结果交叉比较,(3)鉴定和分析相关基因,确定候选基因以供未来基因克隆验证使用,(4)通过基因组选择技术,评价不同预测方法、不同基因型密度对预测精度的影响,(5)比较不同水平GWAS结果对GS预测精度的差异,明确影响耐低温性状基因组选择的主要因素,为基因组选择技术的应用提供理论支持和技术参考。得出主要结果如下:1.8℃低温胁迫至21天的条件下,鉴定出14份萌发率达到100%的自交系(A632,B37,B57,C49A,CI91B,CM37,Co255,EP1,NC310,Oh43E,R109B,R4,T232和T234),萌发率高于85%自交系48个。2.关联性状的相关性分析表明:不同部分的性状间并非完全独立,仍有部分性状间有较强的关联性。百粒重和总吸水率、幼苗生长率显著相关,相对冷持续苗高和相对冷恢复生长率之间、相对冷恢复苗高和相对冷持续生长率之间呈显著正相关;冻害级别与相对冷持续生长率、总吸水率显著负相关;相对萌发率、相对萌发日数、相对萌发指数之间呈现显著的相关性,表型和遗传相关性的皮尔森相关系数的绝对值分别高于70%和80%;相对萌发指数和相对萌发率之间表型和遗传相关性的皮尔森相关系数的绝对值分别达到90%和97%,并且在这两个性状中发现了更多的多效性SNPs;同一性状的两种处理间均显著相关,相对冷持续生长率和相对冷恢复生长率之间,相对冷持续苗高和相对冷恢复苗高之间达到了极显著正相关,且相关系数达到0.50以上。3.通过比较个体基因型主成分与10个低温胁迫性状间的关系,结果显示:百粒重、相对萌发率、相对萌发系数、冻害级别与种质遗传构成呈极显著负相关,总吸水率与种质遗传构成呈极显著正相关;热带亚热带种质在相对萌发率、相对萌发指数性状中表现为较低值,这可能是由于该部分种质没有经历过低温萌发驯化,导致对低温敏感造成的。4.本研究利用估计育种值作为表型数据,将55k芯片数据和GBS数据整合后作为基因型数据,利用FarmCPU软件进行全基因组关联分析,共定位到与低温性状相关的显著关联SNPs 58个,其中与百粒重显著关联的标记7个,与萌发期性状显著关联的标记25个,与幼苗耐冷性状显著关联的标记20个,与幼苗耐冻性状显著关联的标记6个,标记ss196436428与相对萌发日数和相对萌发指数两个性状高度关联;14个显著SNP与前人在玉米耐冷研究中的标记重合。在距离显著位点-375kb~357.05kb范围内共检测到LD值大于等于0.8的邻近SNP 191个,其中32个邻近标记的信息与其对应的显著关联SNP一致。5.本研究中显著关联SNP及其对应的邻近强LD位点共关联到基因43个,其中14个与前人研究重合的SNP定位到了10个关联基因。综合GO分析、同源基因分析、转拟南芥同源基因验证及前人研究结果信息,发现与百粒重性状关联的基因GRMZM5G898867,与萌发期性状关联的基因GRMZM2G028413、GRMZM2G065829(mybr35)、GRMZM2G389768、GRMZM2G057186、GRMZM2G012148、GRMZM2G178486和GRMZM5G806387、GRMZM2G073535,与幼苗期性状关联的基因GRMZM2G125669(aox2-alternative oxidase2)、GRMZM2G029258、GRMZM2G164308、GRMZM2G060057共计13个基因自身或其同源基因功能参与到与冷刺激响应有关的遗传和生理机制功能,该部分基因可作为未来基因克隆验证的重要候选基因。6.对三种基因型密度,2种表型值,10个性状,利用7种方法进行5倍交叉验证,预测结果表明,rrBLUP和RKHS方法在耐冷性状的预测中普遍具有较高的预测精度;方差分析表明基因型密度对预测精度的影响差异不显著,低密度芯片标记的预测结果好于其它高密度基因型数据。5倍交叉验证和留一交叉验证比较后发现,在真实观测值数据为表型的预测当中,5倍交叉验证好于留一交叉验证,在以加性效应为主的估计育种值为表型的预测中,留一交叉验证好于5倍交叉验证,说明遗传力对留一交叉验证的影响更明显。7.本研究以真实观测值为表型,同时将GWAS关联的位点加到基因组预测模型中,利用GBLUP方法进行5倍交叉验证,结果显示在少量QTN时,预测精度明显提高,但随着QTNS数量的增加,预测精度出现下降趋势,说明过多的假阳性结果影响了基因组选择的精度。
【图文】：

基因组,参数方法

10图1-1 基因组预测流程[213]Figure 1-1 The procedure of genomic selection1.3.2.2 育种值的估算方法基因组预测中容易导致多重共线性和过度参数化等问题，基于解决此类问题的目的，提出了参数、半参数和非参数的统计方法，参数方法主要有 GBLUP、rrBLUP、BayesA、BayesB、LASSO 等。半参数方法主要指再生核希尔伯特空间（reproducing kernel Hilbert space，，RKHS），非参数方法代表是支持向量机。参数方法中，目前最常用的方法是 Jarquín[212]提出的基于混合线性模型的 GBLUP（genome best linear unbiased prediction, GBLUP）法。基因组选择一般结合基因型×环境互作分析，这比单环境分析准确率提高 10-40%。在不同环境（yij）下评估表型数据的基本模型公式如下：ij i j ij ijy = μ+ E + L + EL + e（公式 1-1）μ代表总评均值，Ei（i=1

技术路线图,玉米育种,技术路线

13图1-2 GS结合DH玉米育种技术路线[213]Figure 1-2 The technical rout using genomic selection with doubled haploids究的目的和意义米作为集粮经饲、能源应用等多元功能于一体的作物，在全球有着广泛的种植，种扩展至北纬 57°的冷凉地区。但随着世界人口的增加，玉米的需求也呈现急剧的增
【学位授予单位】：东北农业大学
【学位级别】：博士
【学位授予年份】：2018
【分类号】：S513

【参考文献】