|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于SNP芯片的云南玉米自交系遗传多样性和群体遗传结构分析显示文摘【目的】对107个云南玉米自交系进行遗传多样性和群体遗传结构分析,为云南省玉米种质创新、遗传改良、品种管理等提供理论依据,也为今后深入挖掘优良性状相关基因打下基础。【方法】以云南当地推广的107个优良玉米自交系为供试材料,以45个我国常用玉米骨干自交系作为杂种优势群划分的参照,在Axiom~?Maize56K SNP Array平台上利用玉米SNP芯片(56K)进行玉米全基因组扫描,并使用Treebest的NJ-tree模型构建系统发育进化树,利用GCTA(全基因组复杂性状分析)工具进行主成分分析,揭示其遗传多样性与群体遗传结构。【结果】从107个云南玉米自交系中检出5533个均匀分布的高质量SNP分子标记位点。基于这些SNP分子标记位点分析结果可知,107个云南玉米自交系的Nei’s基因多样性指数(H)为0.2981~0.5000,平均为0.4832;多态信息含量(PIC)为0.2536~0.3750,平均为0.3662;最小等位基因频率为0.5000~0.8178,平均为0.5744。群体遗传结构分析结果显示,K=6时△K最大即供试自交系可划分为六大类群,分别为塘四平头血缘类群、PB血缘类群、335母本血缘类群、自330和旅大红骨血缘类群及2个未知类群,无自交系划分到其他杂交优势群,其中,2个未知类群共37个云南玉米自交系,未能与我国目前已知的10个杂种优势群归在一类。主成分分析结果显示,107个云南玉米自交系与45个我国常用玉米骨干自交系能明显区分,大部分云南玉米自交系集中在我国常用玉米骨干自交系附近,但少数云南玉米自交系与我国常用玉米骨干自交系距离较远。【结论】云南地区玉米种质资源遗传多样性较丰富,含有多个杂种优势群,育种亲本遗传基础丰富,与我国常用玉米骨干自交系能明显区分,且部分与骨干自交系遗传距离较远,可创建新的杂交优势群,具有良好的应用潜力。 | 张鹏 管俊娇 黄清梅 杨晓洪 张建华 康祝科 | 2020 | 南方农业学报2020，51，9： | 10 |
| 2 | 黄淮南片小麦新品种表型特点及育种现状浅析显示文摘本文根据2017-2018年度国家冬小麦黄淮南片比较试验结果,对参试品种的产量、品质性状、抗病性及亲本来源进行系统分析,总结当前黄淮南片小麦新品种的特点,以期为该区域小麦育种提供参考。结果表明:(1)188个参试品种平均产量为7080.0 kg/hm^2,产量结构为:有效穗数580.5万/hm^2,千粒重42.6 g,穗粒数31.6粒。与对照品种周麦18相比,参试品种全生育期延长0.3 d,株高增加0.4 cm,有效穗数增加25.5万/hm^2,千粒重降低0.8 g,穗粒数减少0.8粒。(2)参试品种的品质表现为,蛋白质含量14.3%,湿面筋含量28.6%,吸水率60.0%,稳定时间6.1 min,容重804.7 g/L,形成时间4.6 min,延伸性148.4 mm,弱化度96.6 FU.,出粉率69.8%。单项指标达到中强筋、强筋小麦标准的品种较多,但综合指标仅5个品种达到强筋小麦标准,12个品种达到中强筋小麦标准,其余161个均为中筋品种,没有弱筋品种。(3)在抗病性方面,呈现抗条锈病、叶锈病能力强,抗赤霉病、纹枯病能力差的特点。(4)当前的小麦育种仍以传统杂交为主,单交、复交选育品种占比94.7%。从地域分布看,河南育成品种最多。河南、安徽、陕西、江苏、山东和北京育成品种占比分别为59.0%、17.6%、8.0%、7.5%、4.8%、3.2%。从单位类型看,种子公司(99个,占比52.7%)比其他单位有更多品种参试。育种优势单位较为集中,育成品种数前20名的单位选育了91个新品种,占比48.7%。从亲本利用来看,68个品种利用了周麦(存麦)系列作亲本、21个品种利用了百农系列作亲本、16个品种利用了郑麦系列作亲本、13个品种利用了西农系列作亲本、11个品种利用了淮麦系列作亲本、10个品种利用了新麦系列作亲本、6个品种利用了山农系列作亲本、15个品种利用了其他系列品种作亲本。 | 李爱国 宋晓霞 吴春西 赵月强 张文斐 王改革 | 2020 | 作物研究2020，34，4： | 7 |
| 3 | CIMMYT新引进合成小麦株高性状全基因组关联分析显示文摘株高是影响小麦产量的重要农艺性状。本研究对从国际玉米小麦改良中心(CIMMYT)新引进的152份合成小麦在3个环境下的株高进行了观察和统计,并利用55 K单核苷酸多态性(SNP,single nucleotide polymorphism)芯片进行全基因组关联分析(GWAS,genome-wide association study),以挖掘与株高相关的新的遗传位点。结果表明:合成小麦株高呈正态分布,变异丰富。不同环境下的平均株高为97.9 cm,显著高于栽培小麦(70.5 cm),但低于黄淮麦区农家小麦(114.8 cm)。方差分析显示3个环境下,株高在基因型之间都表现出极显著的差异。3个环境下联合方差分析发现株高表型在基因型、环境以及基因型环境互作方面表现出极显著的差异。对获得的55K SNP标记经最大杂合率、最小等位基因频率及最大等位基因频率过滤,在合成小麦群体中发现37916个有效SNP,其中A、B和D 3个亚基因组上各有14404个、14566个和8946个。群体结构分析结果表明,152份合成小麦可分为3个类群。利用混合线性模型(MLM,mixed liner model)对不同环境下平均株高和最佳线性无偏预测值(BLUP,best linear unbiased prediction)进行GWAS分析,筛选到24个显著标记(P≤0.0001),分别位于1A、3B、4A、4B、4D、5A、5B、6A、6D和7B染色体上,单个标记可解释12.33%-20.10%的表型变异。BLUP值分析共获得10个显著标记,对标记物理位置3 Mb左右距离内的669个基因进行转录组数据筛查,得到131个在茎或叶中高表达(TPM≥5)。通过与水稻同源基因的比较,明确其中5个基因可能与小麦株高发育有关。鉴于这些位点与以往已定位的株高数量性状位点并不重叠,本研究的工作可为小麦株高改良提供新的种质和分子标记。 | 张红杰 邓中印 陶姝 孙国梁 贾美玲 王振玉 廖如意 郑兴卫 李爱丽 毛龙 郑军 耿帅锋 | 2021 | 植物遗传资源学报2021，22，4： | 6 |
| 4 | 利用人工合成小麦RIL群体进行小麦穗长和穗宽性状的QTL分析显示文摘为了挖掘小麦穗长和穗宽性状相关QTL,并为人工合成小麦优异基因资源的开发利用奠定基础,以普通小麦品种西农389×人工合成小麦材料KU98的F7∶8 RIL群体为试验材料,基于小麦55K SNP芯片对F7∶8群体分型结果绘制的遗传连锁图谱及2018和2019年调查统计的F7群体表型数据,对小麦穗长和穗宽性状进行了QTL定位分析。结果表明,在1A、2D、3A、5A和7B染色体上检测到10个与穗长性状相关的QTL,在2D、4D、5A、6A和7D染色体上检测到10个与穗宽性状相关的QTL,其中与穗长相关的qSL-2D.1和与穗宽相关的qSW-4D.1、qSW-5A.1在两年中均被检测到,标记区间分别为AX-111939856~AX-111497351、AX-169335104~AX-110618708、AX-108792246~AX-111048027。qSW-5A.1连续两年均为主效QTL,且与qSL-5A.2在同一标记区间,推测该位点具有一因多效的遗传效应或连锁遗传效应。 | 水志杰 安沛沛 刘天相 吴洪启 刘乐 史雪 王中华 | 2020 | 麦类作物学报2020，40，6： | 4 |
| 5 | Genetic Diversity and Genetic Structure of Maize Inbred Lines from Yunnan Revealed by SNP Chips显示文摘[Objectives]The genetic diversity and population genetic structure of 107 inbred lines of maize in Yunnan were analyzed,in order to provide technical support for maize germplasm innovation,genetic improvement of germplasm resources,variety management,and lay a solid foundation for exploring genes related to fine traits in the future.[Methods]The 107 maize inbred lines generalized in Yunnan were selected,and 45 backbone inbred lines commonly used in China were used as reference for heterotic group classification.On Axiom Maize 56K SNP Array platform,maize SNP chips(56K)were used to scan the whole maize genome,and the NJ-tree model of Treebest was used to construct a phylogenetic tree.Principal component analysis(PCA)was conducted by GCTA(genome-wide complex trait analysis)to reveal the genetic diversity and population genetic structure.[Results]In the 107 Yunnan local inbred lines,5533 uniformly distributed high-quality SNP marker sites were finally detected.Based on the analysis of these SNP marker sites,Nei s gene diversity index(H)of 107 maize germplasm genes was 0.2981-0.5000 with an average value being 0.4832,and polymorphism information content(PIC)values were 0.2536-0.3750 with an average value being 0.3662.The minimum allele frequency value was 0.5000-0.8178 with an average value being 0.5744.The analysis of population genetic structure showed that when K=6,the maximum value of△K was the maximum,which meant that the inbred lines used in this study could be divided into six groups.They were Tangsi Pingtou blood relationship group,PB blood relationship group,335 female blood relationship group,Zi 330 and the Lüda Honggu blood relationship group,unknown group 1 and unknown group 2.No inbred lines were divided into other heterotic groups.Among them,37 inbred lines from the 2 unknown groups could not be classified into the same group as the 10 known heterotic groups in China.The results of principal component analysis showed that the 107 maize inbred lines generalized in Yunnan could be clearly distinguished from the backbone maize inbred lines commonly used in China.Most of the maize inbred lines in Yunnan were concentrated near the reference backbone inbred lines.But some Yunnan inbred lines were far away from the reference inbred lines commonly used in China.[Conclusions]The maize germplasm resources in Yunnan area were rich in genetic diversity,including multiple heterotic groups,and there was a rich genetic basis of breeding parents.They could be clearly distinguished from the backbone inbred lines commonly used in China,and some of them had a long genetic distance from the backbone inbred lines.The resources which have good application potential can be used to create new heterotic groups. | Junjiao GUAN Peng ZHANG Sheping LI Junhao LU Qingmei HUANG Xiaohong YANG Jianhua ZHANG Zhuke KANG | 2021 | Agricultural Biotechnology2021，10，2： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员