大豆單株莢數QTL定位及整合

楊玉花，白志元，張瑞軍，衛一超，衛保國

(1.山西省農業科學院 農作物品種資源研究所，農業部黃土高原作物基因資源與種質創制重點實驗室，雜糧種質資源發掘與遺傳改良山西省重點實驗室，山西 太原 030031；2.山西省農業科學院 農業資源與經濟研究所，山西 太原 030006)

大豆單株莢數是影響大豆產量的一個重要農藝性狀，同時也是育種中的一個重要指標。在大豆產量構成因素(百粒質量、單株莢數、單株粒數等)中，單株莢數與產量相關性較高[1]。同時研究還發現，單株莢數與百粒質量、每莢粒數、主莖節數等重要性狀關聯度和相關系數較高[2]，單株莢粒數的提高對百粒質量等農藝性狀不會有較大的負面影響[3]，說明通過選育較高單株莢數的材料來提高大豆產量是可行的。因此，可以通過選擇較多單株莢數的材料進行聚合育種，從而更有效地提高大豆產量。

單株莢數是一個非常復雜的性狀，它是由多因素調控的，其中最關鍵的3個過程分別為花芽分化數、胚珠成功受精比率和成功受精后的胚胎正常發育為莢果的比率[4]。花芽的分化和發育決定子房胚珠數和可育胚珠比率。成功受精胚珠比率是由受精過程所決定的，其中包括花粉育性、花粉與柱頭的接觸量、花粉粒的萌發、受精條件以及花粉管的導入等過程。受精后的胚珠最終是否能發育為種子由結合子發育過程決定。然而其中任何一個生物學過程都是相當復雜的，因此,將通過研究每一個過程的分子機理和功能，才能最終將單株莢數這個復雜的性狀解析開來。

單株莢數是一個典型的數量性狀，受多基因控制，同時也易受環境的影響。目前，就國內外已有的關于大豆莢數QTL定位研究的報道可知[5-16]，定位了約50多個QTLs位點，這些位點幾乎分布于大豆20條染色體上(除B2和H)；解釋表型變異平均值為13.4%，約有69%的QTLs解釋表型變異在20%之下，主效莢數QTL也較少。

本研究利用多莢材料C025和少莢材料JD18為親本，然后利用雙親構建的F2群體定位大豆單株莢數QTL，通過定位的大豆莢數QTL，闡明大豆單株莢數的分子機制；同時整合前人對大豆莢數定位的QTL，解析大豆單株莢數QTL在全基因組的分布以及聯系，旨在為選育大豆較高單株莢數提供材料基礎并為后續研究大豆單株莢數分子機制奠定基礎。

1 材料和方法

1.1 試驗材料

本研究使用的親本材料C025(多莢)和JD18(少莢)來源于山西省農業科學院農作物品種資源研究所，雙親雜交得到182個單株F2群體。2016年5-10月在太原山西省農業科學院東陽基地完成雜交試驗得到F1雜交種，2017年5-10月和2018年5-10月(太原2017年、太原2018年)連續2 a在太原山西省農業科學院東陽基地完成親本和F2群體田間種植和表型鑒定。

1.2 試驗方法

田間試驗按照完全隨機區組設計，3次重復，每個小區2行，行距(株距為50.0 cm×13.5 cm。大豆成熟時，每個小區選擇10個代表單株人工統計莢數。具體調查標準參照《中國大豆品種志》[17]進行。

1.3 QTL定位分析

利用在公共數據庫中已發表的大豆遺傳連鎖圖譜(https://soybase.org/)，結合莢數表型鑒定進行QTL定位。QTL掃描采用WinQTL Cartographer 2.5軟件(http://statgen.ncsu.edu/qtlcart/WQTLCart.htm)中的復合區間作圖法[18]。LOD閾值顯著性采用1 000次排布測驗分析[19]，基本參數步長、窗口大小、掃描間距和運行速度分別設置為1，10，5，1 cM，P=0.05顯著水平檢測并確認QTL。采用QTL-元分析方法整合前人研究的不同環境不同群體檢測的大豆莢數QTL[20]。

1.4 數據分析

利用SAS V8軟件中的PROC ANOVA程序對不同環境單株莢數表型進行方差分析，從而估算遺傳力。群體單株莢數頻率分布和親本間單株莢數的顯著性分析采用Excel中的函數進行。

2 結果與分析

2.1 父母本及F2群體單株莢數表型變異和遺傳力分析

親本C025和JD18在2個不同環境中的單株莢數均表現出極顯著差異(P<0.01)，C025單株總莢數明顯高于JD18，是JD18的近2倍，并且在2 a表型考察中較穩定(表1)。F2分離群體單株莢數在不同環境中都表現出廣泛的變異(2～150)，并且有些株系有明顯的超親分離，表明控制大豆莢數的基因在2個親本中都存在。F2分離群體單株莢數在2個環境中都呈現近似正態分布，可以說明單株莢數符合數量性狀特征，適合利用QTL定位分析(圖1)。通過方差分析評估大豆莢數的遺傳力為65%，說明大豆莢數遺傳力較大，有利于進行后期的遺傳改良。

表1 雙親和F2群體在2個不同環境下單株莢數表型分析Tab.1 Phenotypic variation of pod number per plant for parents and F2 population in two investigated environments

實心箭頭是JD18；虛線箭頭是C025。 Solid arrows JD18; Dashed arrows C025.

2.2 大豆單株莢數QTL定位分析

利用1張包括1 015個SSR標記的大豆遺傳圖譜(https://soybase.org/)，其覆蓋大豆基因組2 282.92 cM，長度為 71.31～165.73 cM，相鄰標記間的平均距離為2.44 cM，這些SSR標記在 20 條染色體上分布較均勻。利用軟件WinQTL Cartographer 2.5對2個環境的單株莢數分別進行全基因組QTL掃描，結果顯示，單環境下共檢測出33個QTLs，分別位于D1a、N、C1、C2、M、A2、K、O、B1、F、B2、E、J、D2、G、L和I 共17個染色體上，LOD值在2.8～15.1，貢獻率在0.2%～56.4%，平均值為14.9%。經過元分析整合后，共定位23個QTLs，分別位于D1a、N、C1、C2、M、A2、K、O、B1、F、B2、E、J、D2、G、L和I 共17個染色體(表2)。其中，有10個QTLs在2個環境中被重復檢測到，分別定位于A2、D2、C2、I、B1、C1和J染色體上，LOD值在2.8～15.1，平均值為9.4，解釋的平均表型變異0.2%～56.4%，平均值為25.2%，其中有6個QTLs的貢獻率高于20%。qPN.C2-4、qPN.C1、qPN.J、qPN.D2-1和qPN.A2-1的貢獻率分別為29.5%，35.4%，38.9%，53.9%和56.4%，均高于前人定位的大豆莢數QTLs。通過比較發現，qPN.C2-4和qPN.C1的置信區間與前人的研究重疊，并且本研究的效應值高于前人，同時QTL-qPN.A2-1的貢獻率為56.4%，是目前檢測到的效應值最大的控制大豆單株莢數的QTL。因此，這3個QTLs可看作控制大豆單株莢數的主效QTL，并對其進一步深入解析。

表2 多環境檢測到的大豆單株莢數QTLsTab.2 Detected QTLs for pod number per plant of soybean from different environment

2.3 大豆莢數QTL整合分析

通過查閱已報道的與大豆莢數定位相關的文獻，結果顯示，共定位了51個QTLs，在大豆18個染色體上均有分布(在B2和H中沒有檢測到莢數QTL)，其中，在C2染色體上并且在一個區段內分布較為集中。經過元分析整合前人定位的大豆莢數QTLs，最終確定39個QTLs，LOD值為2.80～6.83，貢獻率為6.54%～27.01%，平均值為13.4%(表3)，約有69%的QTLs的貢獻率在20%之下，約有5個QTLs可看作主效QTLs。整合的39個QTLs，其中有6個重復檢測到的QTLs被整合，分別分布在B1、C1、C2、D1a和L染色體上。

與前人研究的結果相比，本研究新定位了18個大豆單株莢數QTLs，并且首次在B2染色體上定位了1個控制大豆單株莢數的QTL(qPN.B2)，充分補充了大豆單株莢數分子機制研究。同時還發現，本研究定位的23個QTLs中有5個QTLs與前人的研究重疊，分別為qPN.C2-3、qPN.I、qPN.C2-4、qPN.C1和qPN.L，其中，qPN.C2-4和qPN.C1是本研究發現的主效QTL，說明qPN.C2-4和qPN.C1是可多環境多材料重復檢測的大豆單株莢數主效QTLs，這可為后續大豆單株莢數分子研究奠定基礎。

表3 整合不同研究中檢測到的大豆莢數QTLsTab.3 Pod number QTLs of soybean in different studies

表3(續)

3 結論與討論

由于前人對大豆莢數QTL定位研究所用的遺傳圖譜和標記不一致，以至于目前還未得到一個完整的大豆莢數分子遺傳圖譜。本研究基于已有研究的大豆遺傳圖譜，將大豆莢數QTL整合在同一張遺傳圖譜上。這些QTLs幾乎分布于大豆20條染色體上(除H)，其絕大部分的貢獻率在20%以下，只有幾個達到20%以上[7]，這幾個QTLs可為后續大豆單株莢數QTL精細定位和基因克隆奠定基礎。

本研究共定位了23個大豆單株莢數QTLs，其中有5個與已報道的QTL重疊，另外18個代表新的大豆單株莢數QTL定位，填補了在B2染色體上沒有檢測到大豆單株莢數QTL的空白(本研究定位了qPN.B2)。qPN.C2-4和qPN.C1雖然與前人研究重疊[5, 7]，但是本研究的主效QTL貢獻率高于前人報道，說明QTL-qPN.C2-4和QTL-qPN.C1是控制大豆單株莢數的主效QTLs位點，可被不同材料和不同環境重復檢測，可作為后續精細定位和基因克隆的首選QTLs。同時本研究多環境檢測到qPN.A2-1的貢獻率為56.4%，是目前檢測到的效應值最大的QTL，并且與前人研究沒有重疊。因此可以看作是一個新的控制大豆單株莢數的QTL。

整合前人對大豆單株莢數的研究發現，目前僅處于一個初步研究階段，還未闡明大豆單株莢數分子機理。Wang等[21]在大豆中克隆GmCYP78A10基因，通過分析發現，GmCYP78A10基因的表達影響大豆單株莢數。目前，還未有其他有關基因在大豆中報道，這可能與大豆單株莢數性狀復雜并且受環境條件影響較大難以精準鑒定有關。

總之，本研究定位的3個主效QTLs貢獻率均較大，完全具備進一步精細定位和基因克隆的基礎，從而可為大豆單株莢數遺傳改良打下堅實的理論基礎和技術服務。