小麥穗部產量性狀研究進展與展望

張廣旭 王康君 譚一羅 郭明明 孫中偉 陳鳳 樊繼偉

(連云港市農業科學院，江蘇 連云港 222000)

1 提高小麥產量，迎接未來挑戰

小麥是中國第3大糧食作物，其持續發展為保障國內糧食安全作出了重要貢獻[1]。隨著全世界人口數目不斷增加，對小麥生產提出了更高要求，小麥生產面臨巨大挑戰。小麥對保障國民的糧食安全具有舉足輕重的地位，進一步提高小麥單產是中國小麥育種的主要方向[2]。選育高產品種是育種重要目標，單位面積穗數、穗粒數和千粒重是小麥產量構成的3要素[3]，穗數的遺傳力最低，穗粒數的遺傳力比穗數的高，千粒重在三者中受遺傳特性的影響最大，其主要受加性效應基因的控制，其相互之間彼此影響[4]；產量性狀受基因位點和環境影響共同控制。目前小麥育種以常規育種為主，效率低、時間長，進展緩慢，僅依靠該育種技術已經難以滿足我國糧食安全和人民日益增長的美好生活需要，因此，加快對小麥分子育種的研究勢在必行，可為我國解決小麥育種“卡脖子”問題奠定基礎[5]。

2 利用現代生物學技術挖掘產量性狀基因位點

遺傳分離群體的構建和自然群體的選擇及其表型與基因型的獲取是開展QTL定位的前提。關聯作圖群體可以結合關聯分析和連鎖分析2種分析方式，可以解決基于單一群體QTL檢測的數目及真實性和重復性。Buckler[6,7]在2009年利用25個玉米關聯群體進行遺傳信息多樣性分析和玉米開花期相關性狀的QTL分析。小麥基因組中的單核苷酸多態性(Single Nucleotide Polymorphisms, SNPs)具有分布廣、數量多且可高通量檢測等特點。目前小麥已開發出9K、90K、660K芯片和55K等一系列SNP芯片[8-11]，這些芯片具有高通量、低成本、省時、結果穩定等優點，其迅速的發展為高密度的遺傳連鎖圖譜構建、KASP(Kompetitive Allele-Specific PCR)標記的開發與應用提供了重要的技術支撐，也促進了目的基因的克隆和分子標記輔助選擇(MAS)，最終為縮短育種年限，提高小麥產量奠定基礎，提高小麥育種效率。

3 小麥穗部產量性狀QTL定位研究進展

3.1 基于雙親群體連鎖分析穗部性狀研究進展

武炳瑾[12]利用周8425B/小偃81構建的重組自交系群體結合90K芯片建立了高密度遺傳圖譜，進行連鎖分析，共計定位到控制小穗數(12個，QSns.nafu-2B在2個環境下可檢測到)、不育小穗數(14個，QSsn.nafu-4A.1、QSsn.nafu-7B.1和QSsn.nafu-2D 3個位點可重復檢測到)、穗長(18個，QSl.nafu-6A.2和QSl.nafu-7A 2個位點可重復檢測到)和穗粒數(11個，QGns.nafu-2B和QGns.nafu-6A 2個位點可重復檢測到)等位點；QSl.nafu-6A.2(穗長)和QGns.nafu-6A(穗粒數)位于同一個基因簇，具有較大的選擇效應。李娜[13]利用W7984/Opata構建的114個RIL群體在柴達木盆地生態環境下6個年份共計檢測到6個穗長QTL、2個小穗數QTL、8個穗粒數QTL、7個穗密度QTL，該研究同時表明即使利用同一套材料，在環境差異較大情況下，與產量性狀相關的位點表達亦有較大差異。梁秀梅[14]以“揚麥17”與“寧麥18”構建的F2∶3群體，進行穗部性狀定位，如穗頂部、基部結實性等，共計定位到22個QTL位點，“寧麥18”提供了對穗頂部和基部結實粒數的增效基因。Jun Zou[15]利用90K芯片對Attila/CDC Go RIL群體，重新構建的高密度標記遺傳圖譜以及之前報道的表型數據，挖掘到較多之前未挖掘到的QTL位點，表明高密度遺傳連鎖圖譜對QTL挖掘的重要性。YF Xu[16]利用一套含有131個株系重組自交系在足水(WW)和干旱(DS)條件下挖掘到穩定表達的總小穗數QTL位(QTss-1A)和小穗密度QTL(QScn-7A.1)。Nabin BhusalN[17]利用HD2808/HUW510構建的重組自交系群體在正常播種和晚播條件下挖掘到與穗粒數相關QTL位點6個，Qgns.iiwbr-2A和Qgns.iiwbr-2A在多個環境中穩定表達。Yulian Li[18]利用中國地方品種Banmangzi與“濟麥22”構建的雙親群體(F6)，利用55K小麥芯片構建遺傳連鎖圖，挖掘到控制穗長、每穗小穗數位點分別有4個、5個。QSL.saas.2D在AX-108988107和AX-111096297之間2DS染色體上的物理間隔19.6～32.9 Mb在3個環境中被檢測到，與AX-108988107遺傳距離為0cM的，解釋了20.1%～27.9%的表型差異；QSNS.saas-2D.1與QSL.saas-在2D染色體上位于同一位置，解釋表型變異10.2%～18.5%，通過小麥基因組信息比對及預測候選基因選擇，發現編碼IAA-氨基酸水解酶ILR1和生長調節因子對穗長有影響。Xiaoli Fan[19]利用Kenong 9204/Jing411構建的重組自交系(188)，進行穗部產量性狀QTL定位，通過復合區間作圖共檢測到157個、54個條件QTL位點，其中3個為在低N條件下誘導小穗數和可育小穗數(qSn-1A.1、qFsn-1B和qFsn-7D)的QTL，R7A同時攜帶3個主要穩定QTL(qSn-7A.2、qSc-7A和qFsn-7A.3)該區域是進一步遺傳改良的重要候選區域之一。Roncallo P F[20]利用UC1113和Kofa構建的RIL群體檢測到Xdupw4-Xbarc170和Xgwm265-Xwmc518區段存在控制穗粒數及產量相關性狀QTL。崔法[21,22]利用3個關聯RIL群體(含有公共親本)進行產量性狀QTL定位，共檢測到28個穗粒數QTL，結合3個關聯RIL群體4個環境穗粒數表型及基因型數據分析，在Xwmc730-wPt-8091(物理位置:4A:664209916-4A:736770981)檢測到控制穗粒數主效QTL-qKnps-4A，進一步表明利用關聯群體對QTL檢測真實性與精細定位具有重要作用。Zhai Huijie[23]利用2個冬性小麥Yumai8679和Jing411.構建的雙親重組自交系群體，在9個環境下，共檢測到控制穗長、可育小穗數、不育小穗數、總小穗數、穗密度QTL位點數目分別為30、31、30、33和33，且一些位點同時控制多個穗部性狀，同時發現黑麥1RS/1BL會對穗長和穗數起正向作用，小穗密實度不變。Li Faji[24]利用3個關聯雙親群體，共計定位到與穗長、總小穗數相關的QTL位點17、16個，部分位點在2個或3個群體中均檢測到，對這些可靠位點進一步精細定位與分子標記開發，可有助于小麥遺傳改良。胡俊美[25]利用4個相關聯的RIL群體，在8個環境下，共檢測到53個穗部產量性狀QTL位點，其中穗粒數4個、穗長21個、每穗總小穗數28個，解釋表型變異在0.48%～9.48%，且優異性狀基因是由野生親本小麥親本提供。Sara Farokhzadeh[26]利用SeriM82/Veery cross構建的重組自交系，在有鋁脅迫和無鋁脅迫環境下分別定位到控制總小穗數QTL 3個、2個，無鋁脅迫下最高解釋表型變異可達20.93%，在鋁脅迫下2B-wPt-9736和wPt-27862個標記與性狀關聯較大；在有鋁脅迫和無鋁脅迫環境下分別定位到穗粒數QTL位點6個和1個，無鋁脅迫下解釋表型變異6.64%～12.08%，在鋁脅迫環境下只檢測到1個微效的位點，脅迫環境下的QTL表達具有限制性。

3.2 基于自然群體關聯分析穗部性狀研究進展

劉凱[27]通過全基因組關聯圖譜和連鎖分析兩者結合揭示了多個與穗相關性狀的顯著等位基因變異，通過雙親群體連鎖分析發現了35個加性效應QTL，包括在1A、2D、4B、5B、6B和6D染色體上的11個穩定QTL，染色體4B上EX_C101685和RAC875_C27536之間的標記間隔表現出多效性對于SL、GNS、FSN、SSN和TSS，表型變異解釋(PVE)的范圍為5.40%～37.70%；同時通過205個優質小麥自然群體進行GWAS分析，共檢測到73個標記與穗部性狀顯著關聯，其分布在除4D、5D和6D外的所有小麥染色體上；通過連鎖分析和全基因組關聯分析，檢測了多個環境中在3A上QSD3A.2-164和RAC875_c17479_359之間同時控制穗長與穗粒數。此外，在整合圖譜上鑒定出6個穩定的QTL簇，分別位于染色體2D、3A、4B、5A和6A上，具有較高的PVE%。Weiping S[28]使用90K小麥SNP陣列對264個品種和揚麥13/C615的RIL群體進行基因分型，通過從多種環境獲得的數據的全基因組關聯分析，在47個單核苷酸多態性(SNP)基因座上檢測到62個與穗粒數顯著相關位點，關聯分析與連鎖分析的有效整合，為目標位點進一步精細定位奠定基礎。Congwei Sun[29]使用小麥90K芯片對黃淮麥區163個小麥品種組成的自然群體進行基因分型，對13個產量性狀進行全基因組關聯分析研究，與穗長顯著關聯共檢測到129個SNP，位于1BL BobWhite_rep_c66146_237 SNP在9個環境中對穗長有加性效應；共檢測到161個與穗粒數顯著相關SNP，6BS上的Kukri_c4586_381被檢測到在8個環境中與穗粒數顯著負相關；共檢測到116個SNP與總小穗數顯著關聯，位于6AS、6AS和1AL的SNP Kukri_c264_539、Tdurum_contig42729_380 和tplb0059e14_515在4個環境下均可以穩定表達；與可育小穗數、不育小穗數顯著相關SNP分別有159個、81個。Sheng-Xing Wang[30]使用小麥90K SNP芯片對105個優良小麥品種(品系)的產量相關性狀進行全基因組關聯研究，檢測到24個標記和9個產量相關性狀極顯著相關，在7A染色體(130.27cM)上僅檢測到1個MTA(Kukri_c14516_224、Tdurum_contig10002_533和BS00108184_51)與穗粒數顯著相關，解釋了11.78%±12.45%的表型；Junli Zhang[31]利用262個光周期不敏感春小麥進行小穗數、穗粒數等產量性狀的關聯分析，同時又利用8個NAM群體驗證，檢測到穩定表達的15個小穗數QTL，1個穗粒數QTL；Melissa Garcia[32]利用由地方品種、人工合成小麥和引進資源組成的568份自然群體進行產量性狀全基因組關聯分析，挖掘到穗長與穗數4D(QSl.aww-4D)和4B(QSn.aww-4B)，其QTL位點在物理圖譜的位置在QSl.aww-4D(4D染色體上455Mbp)和QSn.aww-4B(4B號染色體上447Mbp)，這些可能是同源染色體區域控制的；龐昀龍[33]收集利用了國內小麥主產區合計768份優良小麥，進行簡化基因組測序分析，通過關聯分析，分別獲得了控制穗長、每穗小穗數和穗粒數QTL位點26、17和49個，其中分別有8個、9個和24個在多個環境可以重復檢測到，其中還包含3個控制穗粒數QTL位點在所有環境下均可檢測到。對控制穗長及穗粒數的穩定表達位點，進一步利用雙親群體進行驗證，進一步采用多組學研究分析，鑒定到8個候選基因。左煜昕[34]通過生物信息學手段，采用元分析將不同科研工作者研究的控制小麥穗粒數的QTL位點進行圖譜整合、映射和元分析，發現控制穗粒數的QTL位點在小麥21條染色體上分布不均勻，2B最多，7D最少；同時找到了35個一致性QTL區間段，這些穩定區間段可以進一步利用小麥基因組信息開發育種可利用的分子標記，進行育種改良。

3.3 穗部產量性狀QTL總結

綜上，目前己經有大量科學家針對小麥穗部性狀等產量性狀進行連鎖分析或關聯分析研究，更有兩者結合分析[21,22,27,28,31,33]與元分析，這些研究表明小麥穗部性狀是典型數量性狀，這些優異位點的發現有助于進一步改良小麥穗部形態結構。控制小麥穗部性狀的QTL位點在小麥所有21條染色體上均有分布，但不均勻；這些位點受環境和遺傳背景共同影響，絕大部分QTL穩健性較差，且對表型的貢獻率有大有小，進而對這些QTL位點挖掘相對來說較為困難，目前只有少數的QTL功能基因位點被克隆，Q、C、S和GNI1 4個基因分別位于5A、2D、3D和2A上；Q基因控制穗長、株高等性狀;C基因控制穗部形態，籽粒性狀、數量等；S基因控制籽粒形態；GNI1基因控制穗粒數，其為編碼亮氨酸拉鏈I類(HD-zipI)的轉錄因子，其影響小花育性進而影響穗粒數，其表達量的降低有利于穗粒數的增加[35-39]。

4 結語與展望

近年來,隨著小麥基因組學的發展及高通量測序技術的發展，小麥產量結構QTL定位數量愈來愈多，但受遺傳背景、環境和其貢獻率的影響，在育種上應用的QTL較少，并且對這些QTL進行系統整理較少。隨著小麥參考基因組的日趨完善，對這些已挖掘到的QTL進行整合，比對到準確的物理位置以及目標區間的注釋信息等，開發可利用的高通量標記，可進一步快速有效地挖掘穗部形態的基因并有助于掌握小麥產量形成的遺傳信息，促進小麥高產育種篩選優異等位變異，通過優異等位變異輔助選擇，將多個優異效應較大QTL轉移到綜合豐產性好的背景中去，有望突破傳統育種局限，解決小麥育種“卡脖子”瓶頸，實現大面積豐產品種選育。