栽培種花生出仁率QTL定位分析

張勝忠 胡曉輝 楊 珍 徐 勝 郭進濤 侯 剛 張智猛苗華榮*陳 靜*

(1.山東省花生研究所,山東 青島 266100;2.安徽省農業技術推廣總站,安徽 合肥 230001;3.新鄭市和莊鎮農業服務中心,河南 鄭州 451150;4.鐵嶺市農科院,遼寧 鐵嶺 112616)

花生(ArachishypogaeaL.,2n=4X=40)是我國重要的油料作物和經濟作物,常年種植面積約5×106hm2,總產1.6×1010kg左右,花生高產、穩產對保障我國植物油脂和蛋白的安全供給具有重要意義?；ㄉ讶十a量,受莢果產量和出仁率影響。出仁率是花生單株產量的直接決定因素之一[1-2],是影響花生制品脫殼加工的重要經濟指標[3]。開展出仁率相關基因/QTL 定位和分子標記輔助選擇(marker assisted selection,MAS),對揭示花生出仁率遺傳機制和開展花生高產分子育種具有重要意義。

在花生產量相關性狀的研究中,多數集中于莢果或種子大小和種子質量[4-6]。近年來,國內外在花生出仁率相關基因/QTL定位方面也取得一些進展。Faye 等在不同水分脅迫條件下利用TAG 24×ICGV 86031 雜交衍生重組自交系群體定位到2個出仁率相關QTL,表型變異貢獻率(phenotypic variation explained,PVE)為5.74%～6.97%[7]。Huang等利用一個F2:3群體,定位到3 個 出 仁 率 相 關QTL,qKPA5、qKPA7 和qKPA9,PVE范圍為2.00%～11.78%[8]。蔡巖等利用遠雜9102×徐州68-4雜交衍生的RIL 群體構建了包含365 個SSR 標記的連鎖圖,基于2年出仁率表型數據,檢測到22個QTL,其中包括4個主效QTL[3]。Luo等利用830個標記和4年RIL群體出仁率數據,定位到25 個QTL,其中cqSPA9在4個環境下均穩定表達,表型貢獻率為10.47%～17.01%[9],利用QTL-seq明確了qSPA9的基因組區間為66.75～69.50 Mb[10]。陳偉剛等檢測到2 個出仁率主效QTL,qSPA5和qSPA9.1,其中qSPA9.1位點可以同時調控花生出仁率和株高[2]。Jiang等利用花生核心種質,通過關聯分析在3個環境中分別檢測到5個、2個和2個控制出仁率的等位基因,解釋表型變異范圍1.43%～2.98%[11]?？傮w而言,花生出仁率相關QTL 研究依然不足,特別是穩定主效位點較少,仍然需要定位和挖掘新位點。

隨著花生栽培種的基因組序列陸續公布[12-14],以栽培種花生基因組為參考,進行相關基因/QTL定位與相關分子標記開發將更加準確和有效。本研究以花育36號×6-13雜交衍生的181個F2:9代重組自交系為試驗材料,基于2個環境下出仁率表型數據進行QTL定位分析,為后續相關基因精細定位和分子育種改良出仁率性狀提供參考。

1 材料與方法

1.1 試驗材料

以花育36號×6-13構建的重組自交系群體(F2:9)為試驗材料,該群體包含181 個家系。母本花育36號為高產優質抗逆大花生品種,出仁率較高;父本6-13為高油品系,出仁率較低。

1.2 田間種植

2019年將試驗材料分別種植于山東省花生研究所試驗基地(E1:120.53°E,36.86°N)和山東省東營市黃河三角洲現代農業試驗示范基地(E2:118.49°E,37.46°N)。種植方式為起壟雙行單粒覆膜播種,壟距85 cm。每個家系種植1行,每行種植10株,株距15 cm,每隔20行(即10壟)種植1壟親本(父、母本各1行),設3次重復。田間水肥管理等同于常規大田,及時進行病蟲害防治。成熟后及時收獲晾曬,選擇每個家系中間8株用于莢果出仁率檢測。

1.3 出仁率測定和數據處理

分別測定親本和RIL 群體各家系成熟莢果質量和籽仁質量,計算出仁率,每個家系至少測定3次重復,取平均值。莢果出仁率計算公式:KP=KM/PM×100%,其中KP代表出仁率(kernel percentage),KM 代表籽仁質量(kernel mass),PM 代表相應莢果質量(pod mass)。

利用SPSS軟件(IBM?SPSS?statistics 19)獲得群體出仁率平均值、標準差、最小值、最大值、偏度、峰度,利用QTL IciMapping V4.1[15]進行方差估算,用于廣義遺傳率的計算。廣義遺傳率計算公式:h2=σg2/(σg2+σge2/n+σε2/nr),其中h2代表廣義遺傳率,σg2代表基因型方差,σge2代表基因型與環境互作方差,σε2代表誤差方差,n代表環境數,r代表單一環境下重復數。

1.4 QTL定位

本實驗室前期基于該RIL群體構建了一張高密度SLAF-seq遺傳圖譜,共包含3866個SNP和SSR標記,覆蓋20個連鎖群,總圖距1266.87 cM[16]。利用QTL IciMapping V4.1軟件,采用完備區間作圖法對出仁率相關QTL進行定位分析。采用該軟件BIP功能模塊,定位單環境下相關QTL,以LOD大于3作為存在閾值,加性效應的正和負代表增效等位基因分別來自6-13和花育36號。采用該軟件MET功能模塊,定位多環境下相關加性和上位性QTL,分別以LOD大于3和5作為存在加性QTL和上位性QTL的閾值。主效應QTL的命名規則為:q+性狀(kernel percentage,KP)+染色體數。上位性QTL的命名規則為:eq+性狀(kernel percentage,KP)+染色體數+同一染色體上的次序。

2 結果與分析

2.1 親本和群體出仁率表型分析

在E1、E2兩環境下,母本花育36號的出仁率分別為79.62%和75.04%,父本6-13的出仁率分別為61.84%和55.63%,親本間出仁率相差至少10個百分點,存在顯著差異(表1)。在E1環境下,RIL群體出仁率變異范圍為42.53%～84.88%,在E2環境下變異范圍為41.15%～85.25%,兩個環境下均存在廣泛的遺傳變異,且表現為超親遺傳(圖1,表1)。方差分析表明,基因型、環境、基因型與環境間互作均能顯著影響表型變異,廣義遺傳率為0.79(表2),由此可見,出仁率性狀主要受遺傳因素影響,但環境因素也不可忽略。

2.2 單環境分析定位出仁率QTL

采用復合區間作圖法,結合2個環境表型數據,定位出仁率相關QTL?；赒TL IciMapping V4.1軟件的BIP功能模塊進行單環境QTL定位分析,在2 個環境下共檢測到6 個主效應QTL(main-effect QTL),分布于第7、8、9、13、16、18連鎖群上,表型貢獻率為4.20%～15.14%(圖2,表3)。在E1環境下,檢測到3 個QTL,分別為qKP7、qKP9和qKP13,LOD值范圍3.04～7.68,PVE范圍5.49%～15.14%。在E2環境下,檢測到5個QTL,分 別 為qKP7、qKP8、qKP9、qKP16 和qKP18,LOD值范圍3.50～11.15,PVE范圍4.20%～14.41%。其中qKP7 和qKP9 在兩個環境下穩定表達,且qKP7 為主效QTL(major QTL,PVE＞10%),增效等位基因分別來自親本6-13和花育36號 (表3)。

圖1 RIL群體出仁率性狀表型Fig.1 Phenotypic distribution of the kernel percentage in the RIL population

表1 親本和RIL群體莢果出仁率表型統計Table 1 Statistics of kernel percentage in parents and the RIL population

表2 RIL群體莢果出仁率性狀方差分析Table 2 Analysis of variance (ANOVA) for the trait of kernel percentage in the RIL population

2.3 多環境聯合分析定位出仁率QTL

圖2 不同環境下出仁率相關QTL定位Fig.2 QTL mapping for kernel percentage in different environments

表3 單環境分析定位出仁率QTLTable 3 QTL identification for kernel percentage by individual environment analysis

表4 多環境聯合分析定位出仁率相關QTLTable 4 QTL identification for kernel percentage by multi-environmental joint analysis

為分析QTL 加性效應、加性與環境的互作效應對出仁率影響,采用QTL IciMapping V4.1軟件的MET 功能模塊進行多環境聯合分析。由表4可以看出,共檢測到6個加性QTL,分別為qKP7、qKP8、qKP9、qKP13、qKP16和qKP18,PVE范圍為2.91%～15.82%。加性效應對表型的總貢獻率為38.57%,加性QTL與環境互作對表型總貢獻率為4.13%(表4),可見加性效應對出仁率遺傳起主要作用。其中qKP16與環境互作對表型貢獻率相對較大,為2.13%,表明該位點的表達易受環境影響?；趨^間側翼標記物理位置,發現這些QTL 的區間大小范圍為0.46～6.00 Mb,其中主效位點qKP7物理區間僅0.60 Mb,有助于后續進行對該位點的精細定位和候選基因的鑒定。

2.4 出仁率相關上位性互作分析

為分析上位性互作對出仁率的影響,利用QTL IciMapping V4.1軟件的MET 功能模塊進行上位性QTL檢測。由圖3和表5可以看出,共檢測到6對上位性QTL,共涉及10個位點,分別位于第3、7、11、12、15、16、17、18染色體,LOD 值的范圍為5.18～6.30,上位性互作對表型變異貢獻率為2.90%～4.58%。其中,eqKP11.1 與eqKP13之間的互作效應對表型變異貢獻率最大,為4.58%;eqKP11.2與eqKP18之間的互作效應對表型變異貢獻率最小,為2.90%。位點eqKP7和eqKP11.2均分別與2 個不同基因組位點存在上位性互作。上位性位點eqKP7(Marker4243-Marker4263) 與加性位點qKP7(Marker4240-Marker4243)區間存在重疊,可能是同一位點。另外,發現部分上位性QTL 與環境間存在互作,總貢獻率為0.49%(表5),表明基因間互作對出仁率調控受環境影響較小。

圖3 出仁率性狀相關上位性QTL分析Fig.3 Analysis of epistatic QTL associated with kernel percentage

表5 出仁率相關上位性QTL定位Table 5 Epistatic QTL identification for kernel percentage

3 討論與結論

本研究中花育36號和6-13的出仁率性狀存在顯著差異,表明兩親本調控出仁率的遺傳基礎存在差異。RIL群體在2個環境下均存在廣泛的遺傳變異,表現為超親遺傳,表明來自雙親的等位基因在RIL群體中發生了充分的基因重組,這不僅有助于后續QTL 定位分析,同時有助于培育出仁率性狀優良的品系/品種。前人研究表明出仁率屬于數量性狀,遺傳機制復雜,易受環境影響[2-3]。本研究中出仁率的廣義遺傳率為0.79,表明出仁率性狀主要受遺傳因素影響,但環境因素也不可忽略。

本研究共檢測到6 個主效應QTL,其中qKP7和qKP9在2個環境下穩定表達,物理位置分別為0.21～0.81Mb和101.75～107.75Mb(表4)。qKP7 為主效位點,對表型變異貢獻率較大(PVE＞10%),qKP7與環境互作效應較小(PVE=0.13%),因此該位點可作為后續基因精細定位和分子聚合育種的‘靶標’位點。Luo等在第9染色體上定位到一個穩定主效位點cqSPA9,物理區間為66.75～69.50 Mb[9-10],與本研究中qKP9物理位置相距較遠,推測兩者不是同一位點。Huang等在第7和第9連鎖群上檢測出仁率相關QTL,qSPA7(PVE=11.78%)和qSPA9(PVE=2.00%)[8]。陳偉剛等在第9連鎖區也定位到一個控制出仁率的穩定主效位點qSPA9.1,PVE范圍為11.72%～14.79%[2]。由于無法明確這些位點在花生栽培種基因組的位置及缺乏共有標記,因此難以與本研究的定位結果相比較。除穩定表達的qKP7和qKP9位點外,本研究還檢測到一些環境特異表達的位點,如qKP16,其與環境互作效應對表型貢獻率達2.13%,這解釋了出仁率易受環境影響的現象。

復雜性狀的基因表達往往存在上位性作用,單純主效應QTL 定位不能真實反映QTL 對性狀的調控效應[2,17-18]。本研究共定位到6對上位性互作QTL,共涉及10個位點,其中eqKP7和eqKP11.2均分別參與2對上位性互作,表明花生出仁率遺傳存在復雜的分子調控網絡。另外,比較上位性QTL 和加性QTL 定位結果,發現eqKP7與qKP7區間存在重疊,表明該位點不僅可以直接調控花生出仁率,也可與其他位點互作影響該性狀。傳統的MAS往往針對效應較大位點進行選擇,本研究中上位性互作以及微效QTL對表型貢獻率較小,不滿足實現MAS的要求,對此可采用基因組選擇策略(genomic selection,GS)[19],即考慮全基因組標記對性狀的遺傳效應,從而實現對微效位點的利用。

本研究基于RIL群體2個環境下表型數據,鑒定了6個出仁率相關主效應QTL 和6對上位性位點,明確了不同遺傳效應對花生出仁率性狀的影響,為后續花生高產分子育種研究提供了重要基礎。