小麥籽粒性狀的遺傳效應分析及其育種策略

袁 謙,趙永濤,張中州,甄士聰,望俊森,張立超,張文斐

(1.漯河市農業科學院,河南漯河 462300; 2.中國農業科學院作物科學研究所,北京 100081)

小麥籽粒大小是千粒重的決定因素之一,直接影響小麥產量[1];同時小麥籽粒的形態與品質有較強的相關性[2],是小麥育種的重要目標性狀。在小麥育種過程中,對籽粒形態的評價主要通過目測法和人工測量法,但采用目測法評價誤差較大,不易量化;采用游標卡尺人工測量的方法效率低,不能批量處理,耗時費力。隨著成像技術和圖像分析處理技術的發展,借助圖像分析處理軟件批量且準確地測量籽粒形態成為可能[3-5]。目前,基于OpenCV、Matlab GUI等開發的圖像采集分析系統[6-7]以及Image J軟件[8]等已成功應用于多種作物的表型研究,但操作復雜、對程序算法也要有一定的基礎,難以在育種科研人員中廣泛推廣;谷物籽粒分析儀[9]能夠方便快捷地采集多個表型信息,但價格昂貴,對于基層育種單位負擔較重。Tanabata等[10]開發的SmartGrain軟件具有操作簡單、成本低廉等優點,同時可實現高通量分析處理,是較理想的表型分析工具,目前已在小麥、水稻等作物籽粒研究中得到應用[11-12]。

小麥籽粒形態包括籽粒的長、寬、厚、長寬比、周長、面積以及圓度等因素,是重要的農藝性狀[13],解析其遺傳機制對小麥高產育種具有重要意義。主基因+多基因混合遺傳分析方法可以鑒別主效基因和微效基因,同時明確基因的效應及基因間的效應[14],是一種廣泛應用的數量性狀遺傳分析方法,已經用于小麥抗病性[15-17]、品質[18]、產量性狀[19-21]及其他重要農藝性狀[22-23]的遺傳分析研究中。漯麥76是漯河市農業科學院利用人工合成小麥材料選育的小麥新品種,豐產性突出,具有大粒、大穗、多穗等優異特性,在河南省小麥統一試驗中表現優異,品種比較試驗、區域試驗和生產試驗均為產量第一,三年完成試驗程序,并于2022年通過河南省初審。本研究以漯麥76為研究材料構建6世代聯合群體,通過SmartGrain軟件進行圖像分析獲得籽粒性狀數據,利用主基因+多基因混合遺傳分析方法明確大粒性狀的遺傳效應,以期為進一步利用小麥創新種質提供 指導。

1 材料與方法

1.1 試驗材料

漯麥76和L529是由漯河市農業科學院分別利用人工合成小麥和偃麥草創制的小麥新種質。漯麥76具有千粒重高、籽粒商品性好、成穗率高等優異特性;L529具有赤霉病抗性好、多穗等優異特性,但籽粒性狀一般。2019年以L529(P1)為母本、漯麥76(P2)為父本雜交獲得F1群體;2020年F1自交獲得F2群體,F1分別利用P1和P2回交獲得B1和B2群體。

1.2 試驗方法

2020年秋,在漯河市農業科學院試驗田種植4個世代6個聯合群體(P1、P2、F1、F2、B1和B2)。行長2.5 m,行距0.25 m,每行點播30粒種子,P1、P2和F1各種植3行,F2、B1和B2各種植24行,整個生育期常規田間管理。于小麥蠟熟期收獲主莖穗,人工脫粒,保證凈度,晾干后備用。分別獲得P1、P2和F1群體材料31、32和40份,F2、B1和B2群體材料168、255和174份。

用SmartGrain軟件測量獲得小麥籽粒表型數據[24]。將種子均勻分散平鋪于掃描儀面板,背景設置為黑色,掃描圖片的分辨率設置為200 dpi,保存格式為TIFF,將所有圖片保存于同一文件夾,圖片不需要經過任何處理,直接用SmartGrain軟件處理獲得籽粒面積、粒長、粒寬、長寬比、周長和圓度以及穗粒數等表型數據。每份試驗材料種子用電子天平稱量獲得單穗重,并結合穗粒數計算千粒重(1 000×單穗重/穗粒數)。

1.3 數據分析

利用R軟件對6個群體的7個籽粒性狀數據進行描述性統計分析,并采用Shapiro-Wilk檢驗方法計算W值和P值,進行正態性檢驗。

2 結果與分析

2.1 描述性統計分析結果

對P1、P2和F1群體的7個籽粒性狀進行差異分析,由表1可知,親本L529(P1)和漯麥76(P2)間籽粒的千粒重、面積、周長、粒長、粒寬5個性狀差異均達到極顯著水平,但長寬比和圓度差異不顯著,說明兩個親本籽粒形狀相似,但大小差異較大。L529和漯麥76的千粒重分別為37.44和52.44 g,籽粒面積分別為19.69和55.51 mm2,籽粒周長分別為18.31和19.58 mm,粒長分別為6.97和 7.45 mm,粒寬分別為3.75和 4.01 mm,F1的這5個籽粒性狀均介于兩個親本之間,未表現出超親分離現象,但均更接近大粒親本漯麥76。

表1 不分離世代群體籽粒性狀的描述性統計

對分離世代群體(F2、B1和B2)的千粒重、籽粒面積、籽粒周長、粒長、粒寬5個籽粒性狀進行分析,由表2可知,分離世代群體中千粒重最大值與最小值差值介于43.91～54.19 g之間,變異系數介于15.04%～20.45%之間;籽粒面積最大值與最小值差值介于16.16～20.47 mm2之間,變異系數介于16.50%～17.53%之間;籽粒周長最大值與最小值差值介于8.27～9.70 mm之間,變異系數介于8.44%～9.14%之間;粒長最大值與最小值差值介于3.18～3.56 mm之間,變異系數介于8.59%～8.88%之間;粒寬最大值與最小值差值介于1.48～2.20 mm之間,變異系數介于 8.03%～9.90%之間。說明分離世代群體籽粒性狀表型變異豐富,明顯高于P2、P2和F1群體,且有超親現象。分離世代偏度和峰度絕對值均小于1,初步判斷服從正態分布。Shapiro-Wilk檢驗結果表明,P值均小于W值,所以分離世代數據均符合正態分布,適合進行遺傳分析。

表2 分離世代群體籽粒性狀的描述性統計

2.2 最優遺傳模型的確定

對6個群體籽粒的千粒重、面積、周長、粒長和粒寬分別進行主基因+多基因混合遺傳模型分析,得到1對主基因、2對主基因、多基因、1對主基因+多基因、2對主基因+多基因共5類24種遺傳模型。根據最優模型的選取原則,選取AIC值最小或接近最小的3個模型作為備選模型(表3)。其中,千粒重的MX2-ADI-AD、2MG-ADI和MX2-ADI-ADI模型AIC值較小,分別為 4 837.53、4 842.01和4 844.49;籽粒面積的PG-ADI、MX1-AD-ADI和2MG-ADI模型AIC值較小,分別為3 636.19、3 640.19和3 644.31;籽粒周長的2MG-ADI、MX2-ADI-ADI和MX2-ADI-AD模型AIC值較小,分別為2 603.88、2 607.84和2 608.70;粒長的PG-ADI、2MG-ADI和MX2-ADI-ADI模型AIC值較小,分別為1 234.28、 1 234.35和1 235.55;粒寬的2MG-ADI、MX2-ADI-AD和PG-ADI模型AIC值較小,分別為429.47、429.60和432.76。

表3 籽粒性狀備選模型的極大似然函數值和AIC值及其適合性檢驗

2.3 遺傳參數估計

利用R軟件包SEA v2.0根據最小二乘法原理對千粒重、籽粒面積、籽粒周長、粒長、粒寬5個籽粒性狀的最優模型進行一階遺傳參數和二階遺傳參數估計(表4)。千粒重的最佳遺傳模型為2對加性-顯性-上位性主基因+加性-顯性-上位性多基因混合遺傳模型(MX2-ADI-ADI)。由一階遺傳參數可知,控制千粒重的2對主基因為負向的加性效應,效應值均為-5.19;顯性效應為正向效應,效應值分別為1.28和1.27,2對主基因熱能比值(ha/da、hb/db)絕對值均小于1,說明2對主基因均以加性效應為主。2對主基因的加性×加性上位性效應和顯性×顯性上位性效應均為負值,且絕對值遠大于加性×顯性上位性效應和顯性×加性上位性效應,進一步說明2對主基因的遺傳效應以負向加性效應為主,說明小粒親本對后代千粒重的負向影響較大,配制組合易采用“高粒重×高粒重”組合配制方案。由二階遺傳參數可知,3個分離世代(F2、B1和B2)千粒重的主基因+多基因遺傳率分別為83.80%、59.44%和77.61%,說明千粒重主要受遺傳因素控制;主基因遺傳率分別為 66.88%、39.58%和59.38%,均遠大于多基因遺傳率,說明在千粒重的遺傳貢獻中以主基因為主。

表4 籽粒各性狀最佳遺傳模型的遺傳參數

籽粒面積的最佳遺傳模型為加性-顯性-上位性多基因遺傳模型(PG-ADI)。由二階遺傳參數可知,3個分離世代(F2、B1和B2)籽粒面積的多基因遺傳率分別為44.81%、24.37%和35.95%,說明籽粒面積受環境因素影響較大,遺傳因素起到一定作用,在F2和B2分離世代中遺傳因素影響稍大。因此,宜采用多環境鑒定的方法進行選擇。

籽粒周長的最佳遺傳模型為2對加性-顯性-上位性主基因遺傳模型(2MG-ADI)。由一階遺傳參數可知,控制籽粒周長的2對主基因為負向的加性效應,效應值均為-0.35,顯性效應也均為負向效應,效應值分別為-2.15和-2.68,2對主基因的勢能比值(ha/da、hb/db)絕對值分別為 6.14和7.66,遠大于1,說明2對主基因以負向的顯性效應為主;上位性效應以顯性×顯性上位性效應為主,效應值為4.25,大于其他上位性效應,且大于其他上位性效應絕對值之和,該上位性效應為正向效應,說明2對主基因可能為隱性基因,穩定純合后會獲得較好的正向效應,宜在高代進行選擇。由二階遺傳參數可知,3個分離世代(F2、B1和B2)籽粒周長的主基因遺傳率分別為52.91%、42.91%和53.16%,說明遺傳效應占主要作用,但受環境因素影響較大,在育種時應注重構建F2和B2分離世代進行選擇。

粒長的最佳遺傳模型為加性-顯性-上位性多基因遺傳模型(PG-ADI)。由二階遺傳參數可知,3個分離世代(F2、B1和B2)粒長的多基因遺傳率分別為40.63%、37.08%和33.43%,說明粒長受環境因素影響也較大,但遺傳因素也起到一定作用,在F2和B1分離世代中遺傳因素影響稍大。因此,宜采用多環境鑒定的方法進行選擇。

粒寬的最佳遺傳模型為2對加性-顯性-上位性主基因+加性-顯性多基因混合遺傳模型(MX2-ADI-AD)。由一階遺傳參數可知,控制粒寬的2對主基因為正向加性效應,效應值均為0.09,顯性效應均為負向,效應值分別為 -0.41和-0.33,顯性×顯性上位性效應為正向,為 0.71,大于其他遺傳效應,說明2對主基因的遺傳效應以負向顯性效應為主,在高代基因純合后進行選擇可取得較好的效果。由二階遺傳參數可知,3個分離世代(F2、B1和B2)粒寬的主基因遺傳率分別為60.24%、38.26%和53.14%,均遠大于多基因遺傳率(0.01%、0.01%和 8.10%),說明粒寬受主基因效應控制,同時也受環境因素影響,在F2和B2分離世代中具有較高的主基因遺傳率,育種中應優先選擇F2和B2分離世代。

3 討 論

隨著小麥基因組學[26]和快速加代技術[27]的發展,小麥育種效率逐步提高,而傳統常規育種方法所采用的目測法效率低、工作量大、無法對表型進行量化分析[7],這成為小麥育種發展急需解決的問題。基于圖像分析能夠快速、準確、無損地獲取表型信息。肖 杰等[24]采用SmartGrain軟件法與游標卡尺測量法對小麥籽粒形態進行測量比較,結果顯示,SmartGrain軟件測量的粒長和粒寬的相對誤差小于3%,且兩種方法所測數據呈極顯著線性相關。基于此,王 娜等[11]采用SmartGrain軟件法解析了小麥NaN3誘變群體籽粒性狀的遺傳變異規律;張 健等[12]采用SmartGrain軟件法采集了水稻RIL群體的籽粒表型數據,并定位了水稻籽粒大小相關性狀QTL。本研究借鑒了前人的方法,采用SmartGrain軟件對小麥籽粒圖像進行處理分析,獲得籽粒形態信息,同時應用于小麥育種工作,為小麥育種量化分析提供了指導。

小麥籽粒形態和千粒重是復雜的數量性狀[13],籽粒面積、周長、粒長和粒寬是籽粒形態的重要決定因素,而大粒型小麥種質資源是小麥高產育種的重要基礎。研究大粒型小麥新種質籽粒性狀的遺傳規律是提高高產育種效率的重要前提,為合理構建選擇群體和指導后代選擇提供重要依據。本研究對大粒型小麥新種質漯麥76和普通小麥種質L529構建的4個世代6個群體進行遺傳分析,結果表明,千粒重最佳模型為兩對加性-顯性-上位性主基因+加性-顯性-上位性多基因遺傳模型,這與楊興圣等[21]的研究結果一致,但2對主基因的遺傳效應有所不同,本研究中控制千粒重的2對主基因是負向等加性效應。本研究發現,籽粒面積和粒長的最佳模型均為加性-顯性-上位性多基因遺傳模型,籽粒面積和粒長的多基因遺傳率分別為24.37%～44.81%和33.43%～40.63%,受環境影響較大。余曼麗等[28]分別檢測到有5和12個QTL控制籽粒面積和粒長;楊興圣等[21]研究表明,粒長屬于加性-顯性-上位性多基因遺傳模型,這與本研究結果一致;而陳佳慧等[29]檢測到粒長受2個QTL控制。原因有待進一步研究。本研究中籽粒周長的最佳模型為兩對加性-顯性-上位性主基因遺傳模型。余曼麗等[28]檢測到有10個QTL控制籽粒周長,但有2個QTL能夠在兩年環境中檢測到。本研究中粒寬的最佳模型為兩對加性-顯性-上位性主基因+加性顯性多基因遺傳模型,與楊興圣等[21]的研究結果一致。

4 結 論

通過對大粒型小麥新種質漯麥76配制的4個世代6個聯合群體進行遺傳分析,結果表明,千粒重的最佳模型為MX2-ADI-ADI(兩對加性-顯性-上位性主基因+加性-顯性-上位性多基因遺傳模型),2對主基因的遺傳效應以負向等加性效應為主,以負向的顯性×顯性上位性效應為輔,說明千粒重性狀受低粒重親本影響較大,宜采用“高粒重×高粒重”的組合配制方案;籽粒面積和粒長的最佳模型均為PG-ADI(加性-顯性-上位性多基因遺傳模型),受環境因素影響較大,宜采用多年多點的種植方案進行選擇;籽粒周長的最佳模型為2MG-ADI(兩對加性-顯性-上位性主基因遺傳模型),2對主基因以負向的顯性效應為主,正向的顯性×顯性上位性效應為輔,宜在高代基因純合后進行選擇;粒寬的最佳模型為MX2-ADI-AD(兩對加性-顯性-上位性主基因+加性顯性多基因遺傳模型),2對主基因以負向的顯性效應為主,正向的顯性×顯性上位性效應為輔,同時主基因遺傳率遠大于多基因遺傳率,宜在高代基因純合后進行選擇。綜上,對籽粒性狀的選擇,應采用“高粒重×高粒重”的組合配制方案構建F2和B2選擇群體,多環境鑒定,以低代寬高代嚴的選擇標準,在高代對大粒性狀進行選擇。