水稻剑叶形态QTL定位及候选基因分析

叶片是水稻的重要器官,是进行光合作用的主要场所,而叶长、叶宽、叶面积等剑叶形态相关性状能够直接影响叶片的光合效率.研究水稻剑叶形态相关性状的QTL(quantitative trait loci)位点,并通过遗传育种的手段对水稻剑叶形态进行改良,可以为培育理想株型的水稻提供理论依据.本研究以籼稻品种华占(HZ)为父本,...     

水稻产量相关QTL研究现状

产量是最为复杂的数量性状,对它的遗传机理了解甚微。近15年来,许多学者利用随机分离群体定位了许多影响水稻产量及其组分的QTL,即以QTL定位的方法对产量潜力进行遗传剖析。试验证明上位性效应对产量及其组分性状遗传变异起着重要作用,但目前大多数QTL研究仍侧重于发掘和克隆单个主效QTL,然而对单一基因／QTL的深入了解还不足以诠释复杂性状遗传基础的全貌,还没有为育种家提供足够的可应用于分子标记辅助育种的遗传信息并用于提高水稻产量。笔者认为今后的数量性状研究尚需加强复杂性状QTL遗传网络的发掘,在改良水稻品种性状的同时发展并完善QTL研究。     

水稻产量库相关穗部性状的遗传分析

收人李源于珍汕97/明恢63的重组系群体中与产量库容有关的10个穗部性状的表现型数据。总体上,每穗颖花数与每穗二次枝梗数、每个二次枝梗上的颖花数、颖花密度有更大的相关性。对所研究的10个性状,两年间共检测到53个QTLs。约43.4%的QTLs能在两年同时检测到。5个染色体区域（第1染色体上G359-RG532和C567-C86-RG236,第2染色体上R712-RM29,第6染色体上P-RG424,第10染色体上C148-RM258）分别对多个穗部性状表现出效应。结果显示相关性状的QTLs大致定位在相似的染色体区域,这表明基因的多效性或紧密连锁是穗部性状间相关的遗传基因。在检测到的大量2位点互作对中,约18.2%在两年都能被检测到。不同性状的共同互作对的比例为8.7%～32.6%。在两年都能检测到2位点组合中,约26.7%的组合同时影响着多个性状,表现出多效效应。结果表明每个性状都由数个QTL、基因型与环境互作、大量的上位性互作所控制。     

利用双单倍体群体剖析水稻产量及其相关性状的遗传基础

主效QTL、上位性效应和它们与环境的互作(QE)都是数量性状的重要遗传因素。利用籼粳交珍汕97／武育粳2号F1植株上的花药进行组织培养得到的190个双单倍体群体和179个微卫星标记,通过两年两重复田间试验,采用混合线性模型方法分析了9个控制水稻产量及其相关性状的遗传效应,得到57个主效QTL,41对上位性互作,8对QTL与环境的互作和7对上位性效应与环境的互作。单个主效QTL解释这些性状1．3％～25．8％的表型方差。各性状QTL的累积表型贡献率达11．5％～66．8％。大多数性状之间具有显著的表型相关性,相关性较高的性状之间常具有较多共同或紧密连锁的QTL。结果表明,基因的多效性或紧密连锁可能是性状相关的重要遗传基础。     

水稻幼苗特性与籽粒大小关系的分子检测

水稻 (OryzasativaL .)幼苗特性如叶的发生、叶绿素含量、植株高度等对早期生长是重要的 ,与籽粒大小相联系。以水稻珍汕 97A和明恢 6 3组合的重组自交系群体为材料 ,对 5个幼苗特性性状和籽粒大小进行了数量性状基因定位 (QTL) ,目的在于从遗传水平探求幼苗特性与籽粒大小的内在关系。对叶绿素a、总叶绿素含量、第二片叶长、第三片叶长、幼苗高度、粒重分别检测到 2、1、5、4、4、9个QTLs。结果揭示 4个幼苗特性性状的QTL和 4个籽粒大小的QTL位点分别定位在 4个相似区域 (G35 9_RG5 32、C5 6 7_RG2 36、RZ4 0 3_R1 9和C371_C4 0 5a) ,表明幼苗特性性状与籽粒大小间的紧密关系 ,也显示控制籽粒大小的几个染色体区域对幼苗特性性状没有影响 ,这意味着通过标记辅助选择改良幼苗活力但并不增加粒重是可能的     

水稻幼苗特性与籽粒大小关系的分子检测

水稻( Oryza sativa L.)幼苗特性如叶的发生、叶绿素含量、植株高度等对早期生长是重要的,与籽粒大小相联系.以水稻珍汕97A和明恢63组合的重组自交系群体为材料,对5个幼苗特性性状和籽粒大小进行了数量性状基因定位(QTL),目的在于从遗传水平探求幼苗特性与籽粒大小的内在关系.对叶绿素a、总叶绿素含量、第二片叶长、第三片叶长、幼苗高度、粒重分别检测到2、1、5、4、4、9个QTLs.结果揭示4个幼苗特性性状的QTL和4个籽粒大小的QTL位点分别定位在4个相似区域 (G359-RG532、C567-RG236、RZ403-R19和C371-C405a),表明幼苗特性性状与籽粒大小间的紧密关系,也显示控制籽粒大小的几个染色体区域对幼苗特性性状没有影响,这意味着通过标记辅助选择改良幼苗活力但并不增加粒重是可能的.     

绿豆5个产量相关性状的QTL分析

利用绿豆(Vigna radiata)品种苏绿16-10和潍绿11杂交构建的F2和F3群体发掘调控绿豆产量相关性状的遗传位点。同时对绿豆产量相关性状进行表型鉴定和相关性分析,并利用构建的遗传连锁图谱进行QTL定位。结果表明,单株产量与单株荚数、单荚粒数、百粒重和分枝数均呈正相关。单株产量与单株荚数的相关性最高,这2个性状在F2和F3群体中的相关系数分别为0.950和0.914。在F2群体中,共检测到8个与产量性状相关的QTL位点,其中与单株荚数、单荚粒数和单株产量相关的QTL位点各1个,分别解释11.09%(qNPP3)、17.93%(qNSP3)和14.18%(qYP3)的表型变异;2个与分枝数相关的QTL位点qBMS3和qBMS11,分别解释18.51%和7.06%的表型变异;3个与百粒重相关的QTL位点qHSW3、qHSW7和qHSW10,分别解释5.33%、46.07%和4.24%的表型变异。在F3群体中,qNSP3和qHSW7再次被检测到,表明这2个QTLs有较好的遗传稳定性。同时,开发了1个与百粒重主效QTLqHSW7紧密连锁的InDel标记R7-13.4,并利用自然群体对...     

绿豆产量相关农艺性状的QTL定位

绿豆育种的目标性状大多是受多基因控制的数量性状,表现型受环境影响很大。为深入分析绿豆复杂数量性状的遗传特征,本试验以绿豆Berken/ACC41 F10重组近交系群体为作图群体,利用该群体已经构建的包含79个RFLP标记的分子连锁图谱对北京和广西2个种植环境下考察的11个绿豆产量相关农艺性状进行QTL定位。结果表明,2个环境下共检测到产量相关性状QTL 63个（其中北京25个,广西38个）,分布于除第13连锁群以外的12条连锁群。大部分QTL只在单一环境下被检测到,说明产量相关QTLs与环境之间存在明显的互作。2个环境均能检测到的QTL仅有6个,分别为控制荚长、百粒重、生育期的QTLs,这6个在不同生态环境下同时发挥效应的QTLs对于绿豆分子标记辅助育种具有特殊的意义。研究还发现2个QTLs富集区域和若干成束分布的QTLs,它们可能是发掘通用QTL的候选位点。     

水稻生物学产量及其构成性状的QTL定位

QTL的加性效应、加性×加性上位性效应及它们与环境的互作效应是数量性状的重要遗传分量.利用IR64/Azucena的125个DH品系为群体,分析了水稻生物学产量及其两个构成性状干草产量和谷粒产量的遗传组成.用基于混合模型的复合区间作图(MCIM)方法进行QTL定位.检测到12个位点有加性主效应,27个位点涉及双位点互作,18个位点存在环境互作.结果表明水稻生物学产量和它的两个构成性状普遍存在上位性效应和QE互作效应.此外,还探讨了性状间相关的遗传基础.发现4个QTLs和一对上位性QTLs可能与生物学产量与干草产量之间的正相关有关.3个QTL可能与干草产量与谷粒产量之间的负相关有关.这些结果可能部分地解释了这3个性状相关的遗传原因.通过对水稻生物学产量及其两个构成性状所定位QTL的分析,加深了对数量性状QTL的认识.首先,QTL的上位性效应和QE互作效应是普遍存在的;其次,QTL的多效性或紧密连锁可能是遗传相关的原因,当QTL对两个性状作用的方向相同时可导致正向遗传相关,反之则为负向遗传相关,当有些QTL表现为同向作用而另一些QTL表现为反向作用时,则可削弱性状间的遗传相关性;第三,复合性状的QTL效应可分解为其组成性状的QTL效应,如果QTL对各组成性状的效应方向相反而相互抵消,可使复合性状的QTL效应不易被检测;第四,加性效应的QTL常参预构成上位性效应,而具有上位性效应的QTL并非都有加性主效应,表明忽略上位性的QTL定位方法会降低检测QTL的功效;最后,鉴别不同类型的QTL效应有利于指导育种实践,选择主效QTL适用于多环境,QE互作QTL适用于特定环境,对上位性QTL应强调选择基因组合而并非单个基因.     

水稻QTL分析的研究进展

水稻许多重要的性状是由多基因控制的数量性状,经典的数量遗传学只能把数量性状作为一个整体进行研究。近年来．高密度分子标记连锁图的构建和有效的生物统计学方法的发展使人们对数量性状遗传基础的研究出现了革命性的变化。通过对不同群体内的个体或品系的分子标记基因型和表型数据的共分离分析,能对QTL进行检测和定位。本文对QTL定位的原理和方法进行了介绍,从QTL的数目和效应、上位性效应、QTL基因型与环境的互作、相关性状的QTL以及个体发育不同阶段的QTL等方面对水稻QTL分析的研究进展进行了综述。水稻基因组测序计划已经完成,本文还对基因组时代水稻QTL精细定位和克隆的方法进行了探讨,对QTL分析在水稻育种中的应用前景进行了展望。     

QTL Analysis for Flag Leaf Characteristics and Their Relationships with Yield and Yield Traits in Rice

Photosynthesis of carbohydrate is the primary source of grain yield in rice (Oryza sativa L.). It is important to genetically analyze the morphological and the physiological characteristics of functional leaves, especially flag leaf, in rice improvement. In this study, a recombinant inbred population derived from a cross between an indica (O. sativa L. ssp. indica) cultivar and a japonica (O. sativa L. ssp. japonica) cultivar was employed to map quantitative traits loci (QTLs) for the morphological (i.e., leaf length, width, and area) and physiological (i.e., leaf color rating and stay-green) characteristics of flag leaf and their relationships with yield and yield traits in 2003 and 2004. A total of 17 QTLs for morphological traits (flag leaf length, width, and area), 6 QTLs for degree of greenness and 14 QTLs for stay-green-related traits (retention-degrees of greenness, relative retention of greenness, and retention of the green area) were resolved, and 10 QTLs were commonly detected in both the years. Correlation analysis revealed that flag leaf area increased grain yield by increasing spikelet number per panicle. However, the physiological traits including degree of greenness and stay-green traits were not or negatively correlated to grain yield and yield traits, which may arise from the negative relation between degree of greenness and flag leaf size and the partial sterility occurred in a fraction of the lines in this population. The region RM255-RM349 on chromosome 4 controlled the three leaf morphological traits simultaneously and explained a large part of variation, which was very useful for genetic improvement of grain yield. The region RM422-RM565 on chromosome 3 was associated with the three stay-green traits simultaneously, and the use of this region in genetic improvement of grain yield needs to be assessed by constructing near-isogenic lines.     

Molecular Genetics of Submergence Tolerance in Rice: QTL Analysis of Key Traits

Flash flooding of young rice plants is a common problem forrice farmers in south and south-east Asia. It severely reducesgrain yield and increases the unpredictability of cropping.The inheritance and expression of traits associated with submergencestress tolerance at the seedling stage are physiologically andgenetically complex. We exploited naturally occurring differencesbetween certain rice lines in their tolerance to submergenceand used quantitative trait loci (QTL) mapping to improve understandingof the genetic and physiological basis of submergence tolerance.Three rice populations, each derived from a single cross betweentwo cultivars differing in their response to submergence, wereused to identify QTL associated with plant survival and variouslinked traits. These included total shoot elongation under water,the extent of stimulation of shoot elongation caused by submergence,a visual submergence tolerance score, and leaf senescence underdifferent field conditions, locations and years. Several majorQTL determining plant survival, plant height, stimulation ofshoot elongation, visual tolerance score and leaf senescenceeach mapped to the same locus on chromosome 9. These QTL weredetected consistently in experiments across all years and inthe genetic backgrounds of all three mapping populations. SecondaryQTL influencing tolerance were also identified and located onchromosomes 1, 2, 5, 7, 10 and 11. These QTL were specific toparticular traits, environments, or genetic backgrounds. Allidentified QTL contributed to increased submergence tolerancethrough their effects on decreased underwater shoot elongationor increased maintenance of chlorophyll levels, or on both.These findings establish the foundations of a marker-assistedscheme for introducing submergence tolerance into agriculturallydesirable cultivars of rice.     

小麦旗叶早衰性状的QTL定位

为小麦旗叶早衰性状的精细定位和基因克隆奠定基础,该试验以普通小麦(Triticum aestivum L.)‘宁春4号’和‘宁春27号’杂交得到的128个F10代RIL群体为研究材料,利用307对多态性SSR标记对小麦旗叶早衰性状进行了QTL定位,并通过构建整合图谱的方法进行了标记加密。结果表明,共检测到1个控制旗叶早衰性状的加性QTL,位于2A染色体长臂的gwm526和gwm382标记区间内,可解释49.88%的表型变异。经遗传图谱整合后发现,gwm526和gwm382标记之间存在124个SNP标记。     

水稻加工品质数量性状基因座 (QTLs)分子定位研究

检测了Lemont/特青RI群体212个株系的糙米率（BR）,精米率（MR）和整精米率（HR）等3项加工品质性状,利用RFLP连锁图和线性模型的复合区间作图方法（QTLMapperV1.0)进行QTL定位研究。群体呈边境分布,双向超亲现象明显,HR较BR,MR变异范围更大并偏向低值方向;分别检测到1个MR,4个HR主效QTL,其中QHr6和QHr7等2个基因座具有较大遗传效应;分别检测到12对影响BR、5对影响MR,16对影响HR的上位性基因座,上位性效应的影响大于主效QTLs,不同性状或同一性状上位性效应通过共同的区间形成复杂的互相联系。     

水稻籼粳亚种间杂种低温花粉不育的QTL分析

为探明籼粳杂种低温花粉不育的遗传基础,以籼稻品种3037和粳型广亲和品种02428的F2分离群体进行了低温花粉不育的遗传分析。推迟播种后,F2群体各单株孕穗期的日平均温度为21～23℃,调查了F2群体各单株的花粉育性。利用108对SSR引物构建了包含157个F2单株,覆盖12条染色体的分子标记连锁图谱。该连锁图的总长度为1857．8cM,标记间平均距离为16．26cM,标记较均匀地分布在12条染色体上。采用区间作图法对F2群体花粉不育进行QTL分析,共检测到2个低温花粉不育QTLS,即qLTSPS2和qLTSPS5,分别位于第2、5染色体,其加性效应分别为0．021、0．045,显性效应分别为-0．246、-0．251,显性度分别为11．7和4．8,具有超显性效应．超显性是QTL作用的主要方式,这2个位点杂合基因型在低温环境下具有降低花粉育性的作用,分别解释表型变异的15．6％、11．9％。另外,两因素的方差分析表明这两个QTL之间不存在互作。     

栽培稻旱胁迫叶片相关性状的遗传解析

利用籼稻窄叶青8号(ZYQ8)和粳稻京系17(JX17)衍生的加倍单倍体(DH)群体127个株系,2002年在杭州采用田间断水法栽培,在水分胁迫下,对叶片的卷叶、相对含水量和电导率3个性状进行了评价和QTL分析。结果表明,3个性状在DH群体中均存在双向超亲分离,接近正态分布,受数量性状基因的控制;检测到影响这些性状的6个QTL,其中卷叶3个(qLR—1,qLR—5和qLR—11)、相对含水量2个(qRWC—1和qRWC—6和电导率1个(qERC—6）。旱胁迫时,目测卷叶方便易行,适于对大批品种或资源筛选,对抗旱栽培稻品种的筛选和利用具有一定的指导意义。     

Mapping QTL for Biomass Yield and Its Components in Rice (Oryza sativa L.)

Addicive effects, additive by additive epistatic effects, and their environmental interactions of QTLs are important genetic components of quantitative traits. Genetic architecture underlying rice biomass yield and its two component traits (straw yield and grain yield) were analyzed for a population of 125 DH lines from an inter-subspecific cross of IR64/Azucena. The mixed-model based composite interval mapping approach (MCIM) was used to detect QTLs, There were 12 QTLs detected with additive main effects, 27 QTLs involved in digenic interaction with aa and/or aae effects, and 18 QTLs affected by environments with ae and/or aae effects. It was revealed that epistatic effects and QE interaction effects existed on biomass yield and its component traits in rice. In addition, the genetic basis of relationships among these traits were investigated. Four QTLs and one pair of epistatic QTLs were detected to be responsible for the positive correlation between biomass yield and straw yield. Three QTLs might be responsible for the negative correlation between straw yield and grain yield. This result could partially explain the genetic basis of correlation among the three traits, and provide useful information for genetic improvement of these traits by marker-assisted selection.