小麥穗長主效QTL—qSl-2D的遺傳和育種選擇效應解析

董繼梓，陳林渠，郭浩儒，張夢宇，劉志霄，韓磊，田趙颯爽，徐寧浩，郭慶杰，黃振潔，楊傲宇，趙春華，吳永振，孫晗，秦冉，崔法

小麥穗長主效QTL的遺傳和育種選擇效應解析

董繼梓，陳林渠，郭浩儒，張夢宇，劉志霄，韓磊，田趙颯爽，徐寧浩，郭慶杰，黃振潔，楊傲宇，趙春華，吳永振，孫晗，秦冉，崔法

魯東大學農學院/山東省高等學校作物高產抗逆分子模塊重點實驗室，山東煙臺 264025

【目的】通過對小麥穗長穩定主效QTL進行遺傳及育種選擇效應分析，明確其對產量性狀的遺傳效應，評價其未來育種應用潛力，為后續基因挖掘和小麥分子育種提供依據。【方法】利用科農9204×京411構建的重組自交系（recombinant inbred lines derived from the cross of Kenong 9204 and Jing 411，KJ-RIL）群體定位到一個多環境穩定表達的穗長主效QTL，命名為；利用雙親靶區間序列差異InDel位點開發出2個與該QTL緊密連鎖的分子標記；結合分子標記及55K芯片基因型數據，分別進行基于KJ-RIL、MY-F2、NILs及自然作圖群體的產量相關性狀遺傳效應分析；基于自然作圖群體基因分型，分析單倍型在各麥區及不同年代的育種選擇效應。【結果】QTL定位結果表明，可在7/10組環境數據中被檢測到，可解釋4.02%—10.10%的表型變異。其中，5/10組環境數據的LOD峰值均位于608.75 Mb處。遺傳效應分析結果表明，增效等位基因型在4個群體遺傳背景下均能顯著增加穗長。此外，其在大部分群體背景下對穗粒數、株高有正向效應，而對千粒重、穗粒重和單株產量有負向效應。對KJ-RIL群體株高進一步分析發現，增效等位基因型對株高效應未達到顯著水平的原因在于其對除穗下節間長以外的各節間長都有降稈效應；單倍型分析結果表明，長穗單倍型Hap-AA-GG在不同麥區中選擇利用率差異較大，在北部冬麥區中選擇利用率最高，占比24%；而短穗單倍型Hap-CC-CC在大部分麥區中占比30%以上。此外，隨著年代的遞進，長穗單倍型選擇利用率逐漸降低，而短穗單倍型一直保持較高的選擇利用率。【結論】定位到一個穩定主效的穗長QTL——，其增效等位基因型可在不同遺傳背景下顯著增加穗長，同時對其他產量相關性狀有一定的遺傳效應。靶區段開發的緊密連鎖分子標記可用于小麥穗長及相關產量性狀的遺傳改良。

小麥（L.）；穗長；主效QTL；遺傳效應解析；分子標記

0 引言

【研究意義】小麥是一種在世界各地廣泛種植的谷類作物，是世界上重要的糧食作物之一，在所有的人類食物中提供約20%的蛋白質和卡路里[1]。目前，全球極端、惡劣氣候頻發，城市擴大不斷擠壓耕地，人口數量激增，小麥產量每年需要以1.7%的速度增長（https://iwyp.org）才能滿足全球口糧需求。因此，小麥單產的提高成了保障糧食增產、人民基本物質生活的前提。穗粒數、千粒重和畝穗數是小麥產量構成三要素[2]。穗長是小麥穗部的一個重要農藝性狀，影響小穗著生的空間，與小麥穗粒數密切相關[3]。許多育種家將穗長性狀作為育種過程中考查的一個重要指標。對穗長QTL精細定位及遺傳效應分析，可為進一步解析小麥穗長遺傳調控機制奠定基礎，同時也為現代小麥分子育種提供基因標記資源。【前人研究進展】目前，已報道的諸多與小麥穗部性狀相關的QTL分布于小麥21條染色體[4-11]。Ma等[12]基于RIL群體，檢測到一個穗長相關的主效QTL，定位于7D染色體—，解釋了29.7%—36.3%的表型變異。該QTL在F2群體中也表現出較大的效應，解釋了31.4%的表型變異。Wu等[13]研究發現，與穗長相關的主效或穩定QTL，分布在2D、3A、4A、4B、5A、6A、6B、7A、7B和7D染色體上。王佳佳[14]利用MS-BC3F2:3、MT群體在4B染色體—區間檢測到1個QTL簇，涉及穗粒數、不育小穗數、可育小穗數、穗長和株高。Zhang等[15]利用M8008×YN15（MY群體）和M8008×石家莊54（MS群體）2個RIL群體進行QTL分析，在—區間檢測到1個控制穗長、粒寬、籽粒長寬比和千粒重的QTL簇。其中，和優異等位基因來自M8008，和優異等位基因來自YN15。Zhai等[16]利用191個家系組成的F9重組自交系群體經多環境聯合分析，發現穗長QTL——與矮稈基因定位區間一致，可能為相同的基因，在不改變小穗數的情況下，可降低穗長長度。程瑞如[17]發現是1個控制穗長的基因，位于2DS染色體的0.9 cM區間。李聰等[18]利用3年8個環境表型數據共檢測出44個控制穗長和株高的QTL。其中，穩定的穗長QTL有5個，分布于2D、4B和5B染色體上。柴嶺嶺[19]以普通小麥豫麥8679和京411及其衍生的剩余雜合體和近等基因系為材料，精細定位了2D染色體短臂上的一個同時控制株高和穗長的QTL，即，進一步明確了單位點水平上的遺傳效應，并采用圖位克隆策略鑒定出區間內的候選基因，初步確定了功能變異位點。水志杰等[20]以普通小麥品種西農389×人工合成小麥材料KU98衍生的F7:8RIL群體為試驗材料，基于小麥55K SNP芯片對該群體進行基因分型，對小麥穗長進行了QTL定位，在1A、2D、3A、5A和7B染色體上共檢測到10個與穗長性狀相關的QTL。姚儉昕[21]以小偃81和西農1376構建的包含190個株系的F10:11RIL群體為材料，檢測到3個控制穗長的QTL，分別為、和。呂棟云[22]基于50K和90K SNP芯片，以分別含有198和102個株系的西農1376×小偃81和周麥8425B×小偃81 2個RIL群體為材料，共檢測到36個控制穗長的位點。Ji等[23]利用13F10×CM42構建的RIL家系在5A染色體上將穗長QTL定位到518.43—525.12 Mb。Li等[9]利用CM42×CKM1構建的CK1群體檢測到2個與穗長相關的主效穩定QTL，分別解釋12.27%—29.49%和7.13%—9.37%的表型變異，2個位點的優異等位基因由CM42貢獻。陳黃鑫等[24]以硬粒小麥矮蘭麥和野生二粒小麥LM001構建的F8RIL群體為材料檢測到17個與穗長相關的QTL，分布在2A、2B、3A、4A、4B、5A和6B染色體上，可解釋6.52%17.10%的表型變異。胡文靜等[25]以揚麥13和CIMMYT引進種質人工合成小麥衍生系C615為親本構建重組自交系群體，經QTL分析，檢測到1個每穗結實總小穗數、2個穗長、2個結實小穗著生密度和3個株高QTL，并發現多個QTL共定位的現象，如每穗結實總小穗數位點與株高位點、穗長位點、結實小穗著生密度位點與株高位點及穗長位點與結實小穗著生密度位點。【本研究切入點】小麥穗長為復雜的數量性狀，受多基因控制，由于其遺傳力相對較高[26]，可利用數量遺傳學方法對控制穗長的主效基因進行挖掘。但小麥基因組龐大復雜，因此，關于穗長相關基因的定位和克隆報道較少，且其對產量性狀的遺傳效應及育種選擇效應研究還不夠深入。前期利用KJ-RIL群體，結合高密度遺傳連鎖圖譜基因型值及多環境表型數據，挖掘了一批小麥產量性狀QTL位點[8, 27-28]。【擬解決的關鍵問題】基于前期研究，本研究將遺傳圖譜中標記序列比對至科農9204基因組，獲得基于科農9204基因組的物理圖譜。基于物理圖譜和表型數據對小麥穗長重新精準定位，多環境中均能在小麥2D染色體檢測到一個控制穗長的主效QTL——；本研究進一步解析對產量性狀的遺傳效應，分析其育種選擇效應特征，并開發與緊密連鎖的可用于小麥分子育種的分子標記。

1 材料與方法

1.1 試驗材料

供試材料包括以科農9204×京411構建的F8重組自交系群體，命名為KJ-RIL群體。該群體包含188個家系，由于基因型取舍，KJ129家系未用于本研究；以綿37×煙農999構建的F2群體，命名為MY-F2群體，該群體包含196個家系；靶區段剩余雜合體經自交獲得近等基因系（near-isogenic line，NILs）群體。此外，魯東大學小麥分子育種團隊收集并保存了190份小麥育成品種（系）組成的自然作圖群體[29-31]，其中，北部麥區29份材料，黃淮冬麥區93份材料，青藏春冬麥區23份材料，西南冬麥區30份材料，長江中下游冬麥區6份材料，西北春麥區2份材料，海外地區7份材料。

1.2 田間設計及農藝性狀考種

KJ-RIL群體種植環境涉及3個試驗基地：石家莊、北京和新鄉。每個地點設置高氮（high nitrogen，HN）和低氮（low nitrogen，LN）2個氮素水平，在每個高氮地塊中，播種前，施磷酸二銨300 kg·hm-2、尿素150 kg·hm-2，在拔節階段，施用尿素150 kg·hm-2。在LN樣地中，整個生育期均未施用氮肥。各個環境根據種植時間順序命名為E1—E8。其中，E1、E3、E5、E7為低氮環境，分別為2011—2012年石家莊、2012—2013年石家莊、2012—2013年北京、2013—2014年新鄉；E2、E4、E6、E8為高氮環境，分別為2011—2012年石家莊、2012—2013年石家莊、2012—2013年北京、2013—2014年新鄉[32]。190份小麥育成品種（系）組成的自然作圖群體在5個環境下進行性狀表型鑒定，分別為2017—2018年魯東大學棲霞試驗基地、2018—2019年濰坊農科院試驗基地、2018—2019年煙臺瀑拉谷試驗基地環境一和環境二、2019—2020年魯東大學試驗基地。對上述2個群體所鑒定的性狀包括穗長、小穗數、小穗密度、株高、穗粒數、單株穗數、穗粒重、千粒重和單株產量；此外，對KJ-RIL群體，還測定了不同環境下（E9—E12）的節間長度，包括穗下節間長、倒二節間長、倒三節間長、倒四節間長和倒五節間長，其中，E9、E10環境為2013—2014年石家莊，E11、E12環境為2014—2015年石家莊[33]。選用的MY-F2群體于2020—2021年種植在煙臺瀑拉谷試驗基地，所鑒定的性狀包括穗長、株高、穗粒數、每穗小穗數、千粒重和小穗密度。選用的NILs群體于2021—2022年種植在煙臺市農業科學院試驗基地，所鑒定的性狀包括穗長、株高、穗粒數、每穗小穗數、單株穗數、千粒重和小穗密度。

以上試驗材料的種植均遵循隨機完全區組設計，2次重復。行長2 m，行距0.25 m，田間管理均參照當地管理規格進行。相關材料的產量相關性狀調查方法參考Fan等[8]報道。

1.3 基因型的獲取、QTL定位及分子標記開發

利用CTAB法提取小麥葉片DNA。采用660K SNP芯片對科農9204、京411和187個KJ-RIL家系基因分型，采用小麥55K Affymetrix芯片對190份育成品種（系）基因型分型。

基于KJ-RIL群體小麥660K芯片基因型數據，前期獲得小麥高密度遺傳連鎖圖譜[27]。利用本地BLAST（https://ftp.ncbi.nlm.nih.gov/blast/executables/blast+/LATEST/）對SNP側翼序列進行比對分析，獲得基于科農9204基因組每個SNP的物理位置信息[34]。通過去冗余分析，獲得包含7 141個標記的物理圖譜，用于穗長QTL定位。按照IciMapping v4.2中BIP格式將187個KJ-RIL家系的基因型數據及各環境表型數據進行整理。QTL檢測以1.0 Mb為步長，進行1 000次置換檢驗，值包含閾值為0.001，I型誤差為0.05，最終確定LOD閾值。

利用科農9204和京411全基因組重測序數據，獲得親本間序列插入缺失（insertion-deletion，InDel）位點信息；選擇目標QTL區段內雙親間序列差異≥5 bp的InDel位點，利用多組學網站WheatOmics1.0（http://202.194.139.32/）中的PrimerServer工具進行多態性引物的設計。利用開發的分子標記對KJ-RIL群體及雙親DNA樣本進行PCR反應，產物用非變性聚丙烯酰胺凝膠電泳檢測。PCR反應程序為95 ℃ 5 min；95 ℃ 30 s，57 ℃ 30 s，72 ℃ 40 s，34個循環；72 ℃ 5 min，12 ℃保存。

1.4 數據處理與分析

利用分子標記對群體基因型進行鑒定，將KJ-RIL群體中與科農9204基因型一致的命名為Hap-9204，與京411基因型一致的命名為Hap-J411；NILs群體中與科農9204基因型一致的命名為NIL-KN9204，與京411基因型一致的命名為NIL-J411；將MY-F2群體中與M37基因型一致的命名為Hap-M37，與YN999基因型一致的命名為Hap-YN999。利用LOD峰值附近的2個SNP標記（A/C）和（C/G）對自然群體進行基因型分類，將與京411基因型相同的Hap-AA-GG定義為長穗單倍型，與科農9204基因型相同的Hap-CC-CC定義為短穗單倍型，Hap-AA-CC或Hap-CC-GG定義為重組單倍型，基因位點存在缺失的定義為缺失單倍型，基因位點存在雜合的定義為雜合單倍型。

將KJ-RIL群體8個環境下的穗長及其他表型數據按照高氮、低氮分類匯總，運用QGA Station[35]分別獲得高氮、低氮水平下的最佳線性無偏估計值（best linear unbiased estimator，BLUE），記為HN-BLUE和LN-BLUE。聯合上述基因型值及各環境的表型數據進行QTL定位分析和基于KJ-RIL群體遺傳效應分析；另對190個育成品種（系）組成的自然群體5個環境下的穗長及其他表型數據進行BLUE分析，分別獲得對應性狀的BLUE值，用于的遺傳效應和育種選擇效應分析研究。利用Excel軟件對數據進行統計分析，采用Student’s檢驗進行顯著性分析。

2 結果

2.1 穗長主效QTL——qSl-2D精準定位及緊密連鎖PCR分子標記開發

為了對穗長QTL進行精準定位，利用基于科農9204基因組的物理圖譜對KJ-RIL群體10組穗長數據進行QTL分析，發現在7組數據中均能檢測到小麥2D染色體上控制穗長的QTL，包括3個低氮環境（E1、E3和E7）、2個高氮環境（E4和E8）及高、低氮BLUE值數據。定位區間為KN2D：576.25—610.25 Mb，其中，6/10組環境數據將QTL定位于—間2 Mb的區間內，對應科農9204基因組KN2D：608.25—610.25 Mb，5/10組數據（E1、E3、E4、E8、HN-BLUE）的LOD峰值均位于608.75 Mb（表1和圖1）。其LOD值為5.63—10.13，可解釋4.02%— 10.10%的表型變異，加性效應為-0.25—-0.19，表明其增效等位基因型來自京411。以上結果表明，QTL是一個多環境下穩定表達的穗長主效QTL。

表1 多環境下穗長QTL——qSl-2D初級定位分析

位置代表LOD峰值在科農9204基因組上的物理位置。LN：低氮環境；HN：高氮環境

Position represents the physical location of the LOD peak on Kenong 9204 genome. LN: low nitrogenenvironment; HN: high nitrogen environment

橫坐標為660K芯片SNP標記對應科農9204基因組物理位置。下面紅色染色體區段表示定位區間

利用科農9204和京411基因組重測序數據篩選出靶區間內的InDel位點591 382 416和608 064 987 bp，基于網站WheatOmics1.0的PrimerServer功能設計出雙親間多態性分子標記（F：5′-GGGGTCGA CGTTCTTGATCT-3′和R：5′-CCGGCACCTTCAACCT TCAA-3′）和（F：5′-TGCCTCGCTGAAACTGAC TT-3′和R：5′-GTCTGACCCCTGTGTTCCTG-3′）。對KJ-RIL親本及群體家系進行PCR擴增。結果表明，2個標記均能擴增出清晰條帶，且分離效果較好（圖2）。其中，在科農9204和京411中分別擴增出240和209 bp的目的片段，在科農9204和京411中分別擴增出323和347 bp的目的片段。將2個分子標記基因型數據和表型數據關聯分析，發現來自京411的增效等位基因型在8/10組數據中均可顯著增加穗長（圖3），包括3個高氮環境（E2、E4和E8）、3個低氮環境（E1、E3和E7）及高、低氮BLUE值數據。以上結果表明，2個緊密連鎖的分子標記可以與穗長顯著關聯，因此，可用于穗長分子標記輔助選擇育種及相關性狀遺傳效應分析。

M：Marker；1—46：KJ-RIL群體部分家系擴增結果；K：科農9204，J：京411

Hap-KN9204：與科農9204相同基因型，Hap-J411：與京411相同的基因型；*、**分別表示在P＜0.05和P＜0.01水平差異顯著。下同

2.2 qSl-2D對小麥產量相關性狀遺傳效應解析

2.2.1 基于KJ-RIL群體對小麥產量相關性狀遺傳效應分析 利用靶區段2個分子標記在KJ-RIL群體的基因型數據與穗長等其他產量性狀BLUE值進行關聯分析，結果發現，高、低氮條件下，來自京411的增效等位基因型均能顯著增加穗長（圖4）。其對穗粒數有正向效應，對穗粒重、千粒重、株高及單株產量有負效應，但僅有高、低氮環境下千粒重及高氮環境下穗粒重達到顯著水平。因為株高由穗長及各節間長度共同決定，所以繼續分析了該位點對各節間長的遺傳效應。結果表明，增效等位基因型與穗下節間長呈正相關，但與倒二節間長、倒三節間長、倒四節間長和倒五節間長呈負相關（表2）。

圖4 基于KJ-RIL群體qSl-2D對產量相關性狀的遺傳效應分析

表2 基于KJ-RIL群體qSl-2D對各節間長度遺傳效應分析

ILBS：穗下節間長；SECITL：倒二節間長；THIITL：倒三節間長；FOUITL：倒四節間長；FIFITL：倒五節間長

ILBS: Internode length below the spike; SECITL: Second internode length from up; THIITL: Third internode length from up; FOUITL: Fourth internode length from up; FIFITL: Fifth internode length from up

2.2.2 基于NILs群體對小麥產量相關性狀遺傳效應分析 在靶區段剩余雜合體自交構建的NILs分離群體中，利用和分子標記分別鑒定到短穗基因型NIL-KN9204和長穗基因型NIL-J411。比較發現，來自京411的增效等位基因型可以顯著增加穗長（表3）。此外，其對株高、穗粒數、每穗小穗數和單株穗數有增加的效應，對千粒重和小穗密度有降低的效應，但均未達到顯著水平。

表3 基于NILs群體qSl-2D對產量相關性狀的遺傳效應分析

NIL-KN9204：與科農9204相同的基因型；NIL-J411：與京411相同的基因型；SL：穗長；PH：株高；KNPS：穗粒數；SNPS：每穗小穗數；SN：單株穗數；TKW：千粒重；SD：小穗密度。*、**分別表示在＜0.05和＜0.01水平差異顯著。下同

NIL-KN9204: genotype identical to Kenong 9204, NIL-J411: genotype identical to Jing 411; SL: Spike length; PH: Plant height; KNPS: Kernel number per spike; SNPS: Spikelet number per spike; SN: Spikes number; TKW: Thousand kernel weight; SD: Spikelet density. *, **: Significant differences at<0.05 and<0.01 levels, respectively. The same as below

2.2.3 基于MY-F2群體對小麥產量相關性狀遺傳效應分析 為了進一步解析的遺傳效應，利用和對MY-F2群體進行基因型鑒定。通過與表型數據關聯分析發現，來自綿37的增效等位基因型可以顯著增加穗長、株高和小穗密度（表4）。此外，其對穗粒數、每穗小穗數和千粒重有增加的效應，但未達到顯著水平。

表4 基于MY-F2群體qSl-2D對產量相關性狀的遺傳效應分析

Hap-M37：與綿37相同的基因型；Hap-YN999：與煙農999相同的基因型

Hap-M37: genotype identical to Mian 37; Hap-YN999: genotype identical to Yannong 999

2.2.4 基于自然作圖群體對小麥產量相關性狀遺傳效應分析 為進一步驗證的遺傳效應，選擇190份不同年代育成品種（系）組成的自然作圖群體進行分析。在靶區間內選擇LOD峰值附近的2個SNP標記（A/C）和（C/G），根據190份育成品種（系）基因型值進行分類匯總，對進行單倍型分析。結果表明，與短穗單倍型Hap-CC-CC相比，長穗單倍型Hap-AA-GG穗長顯著增加。此外，其對穗粒數、單株穗數和株高有正向效應，而對小穗密度、穗粒重、千粒重和單株產量有負向效應，但僅小穗密度達到顯著水平（圖5）。

2.3 qSl-2D在小麥育種中的選擇效應分析

為了解在小麥育種中的選擇效應，分別從地域分布和時間跨度上對自然作圖群體進行單倍型分析。首先，根據品種來源和地域分布信息將190份自然群體劃分為7個大區，分別是北部冬麥區、黃淮冬麥區、青藏春冬麥區、西南冬麥區、長江中下游冬麥區、西北春麥區和海外地區。由于長江中下游冬麥區、西北春麥區、海外地區的材料較少，不具備代表性，本研究未進行計算。結果表明，北部冬麥區對長穗單倍型的選擇利用率最高，長穗單倍型Hap-AA-GG占比為24%，其次為青藏春冬麥區（22%）、黃淮冬麥區（15%）、西南冬麥區（10%）（圖6）；除北部冬麥區（14%）外，其他3個麥區中靶區段短穗單倍型Hap-CC-CC占比均在30%以上，說明其在大部分地區受到了強烈選擇。

Hap-CC-CC：短穗單倍型；Hap-AA-GG：長穗單倍型；圖中數字表示平均值，圖中橫線表示均值線

其次，根據品種審定時間對190份自然群體材料進行分類，分析單倍型在各年代內的育種選擇效應及育種應用情況。在20世紀90年代，長穗單倍型Hap-AA-GG選擇利用率最高，占比為22%，短穗單倍型Hap-CC-CC占比22%；在21世紀00年代，長穗單倍型占比16%，短穗單倍型占比45%；而在21世紀10年代，長穗單倍型占比降到13%，短穗單倍型占比38%。結果表明，隨著年代的遞進，長穗單倍型Hap-AA-GG選擇利用率逐漸減少（圖7），而短穗單倍型Hap-CC-CC一直保持較高的選擇利用率。

3 討論

3.1 qSl-2D是一個穩定主效QTL

國內外學者在不同環境下鑒定了大量的小麥穗長QTL，并對此進行了解析[12-25]。基于構建的高密度遺傳連鎖圖譜[27]，課題組前期利用去除冗余后包含4 959個標記的遺傳連鎖圖譜，在KJ-RIL群體中檢測到了穗長QTL——[8]，對應中國春染色體2D：592.66—623.65 Mb置信區間；為了獲得精準的QTL位置，本研究基于660K SNP芯片構建的高密度遺傳圖譜轉化而成的基于科農9204基因組的物理圖譜，對進行了重新精準定位。此位點在7/10組環境數據中均能被檢測到，置信區間為KN2D：576.25— 610.25 Mb。在5/7組環境數據（71.4%）中將其定位于KN2D：608.25—610.25 Mb的2 Mb區間內，對應中國春2D：607.55—609.55 Mb，與前期定位結果相比區間進一步縮小。隨后，對小麥2D染色體已發表穗長QTL進行了匯總比對（表5）[10, 13, 15, 17-21, 36-39]，發現其與前人的定位區間存在部分重疊，可能為相同位點。如Zhang等[15]利用煙農15突變體群體在593.74 Mb附近檢測到一個穗長QTL，李聰等[18]在602.14—606.92 Mb檢測到穗長位點。Liu等[39]在將穗長定位于585.69—601.05 Mb，但均未見該位點進一步遺傳解析的相關報道。本研究與前人定位結果存在重疊，說明該位點在不同遺傳背景下均能被檢測到，說明其是一個穩定主效的QTL，也暗示其在調控穗長方面發揮了重要作用。的初級定位結果可為其精細定位及基因候選提供重要參考信息。

圖6 qSl-2D單倍型在不同麥區選擇效應分析

圖7 qSl-2D單倍型在不同年代審定品種中的選擇效應分析

3.2 QTL——qSl-2D的遺傳效應

在KJ-RIL群體中，來自親本京411的增效等位基因型在高、低氮條件下均能顯著增加穗長，雖對株高有降低趨勢但未達到顯著水平。針對這一問題，對KJ-RIL群體株高的各節間長進行分析，發現增效等位基因型在除穗下節間長以外的其他節間都有一定的降桿作用。為進一步驗證遺傳效應選擇NILs群體、綿37×煙農999構建的MY-F2群體和190份育成品種（系）組成的自然作圖群體進行分析。與KJ-RIL群體結果一致，增效等位基因型可顯著增加穗長。不同的是，MY-F2群體中增效等位基因型可使株高顯著增加，而在NILs群體和自然群體中該效應未達到顯著水平；此外，在KJ-RIL群體、NILs群體及自然群體中，即使增效等位基因型可以增加每穗小穗數，但由于對穗長有顯著增效作用，而對小穗密度表現出負效應，且在后者中達到顯著水平。MY-F2群體中則表現出小穗密度顯著增加的趨勢；在千粒重方面，KJ-RIL群體、NILs群體和自然群體中，增效等位基因型對千粒重呈負效應，且前者達到顯著水平，但在MY-F2群體中表現出結果相反的趨勢；在不同背景群體中，增效等位基因型均可增加穗粒數，這也得益于穗長的增加有利于小穗生長空間的擴大及穎花數的增加。但由于增效等位基因型對千粒重的負向效應導致單株產量下降，但未達到顯著水平。綜上，在不同群體背景下遺傳效應基本一致，存在的輕微變化可能是由于受環境和群體背景的影響導致的。因此，推測是一個受環境、基因型和遺傳背景多條件影響的位點，以上結果為其未來分子應用提供參考。

表5 小麥2D染色體上已報道穗長QTL定位信息

物理區間參考中國春基因組（IWGSC RefSeq v1.0）；下劃線表示與前人定位區間存在重疊

The physical interval referring to Chinese spring genome (IWGSC RefSeq v1.0); The intervals underlined indicate thatoverlaps with previous positioning intervals

3.3 QTL——qSl-2D的育種選擇效應

在190份自然群體育種選擇效應分析中，長穗單倍型Hap-AA-GG在北部冬麥區、西南冬麥區、黃淮冬麥區及青藏春冬麥區利用率均較低（10%—24%）（圖6）。短穗單倍型Hap-CC-CC在除北部冬麥區（14%）外的其他3個麥區中占比均在30%以上，說明其受到了強烈選擇；此外，190份自然群體在不同年代中的單倍型分析結果表明，隨著時間的遞進，育成品種數量不斷增加，但長穗單倍型Hap-AA-GG的利用率逐漸下降，而短穗單倍型Hap-CC-CC卻在不同年代中均占有較大比例（22%— 45%），推測可能由于長穗單倍型對單株產量和千粒重有負向效應，導致其在現代育成品種（系）中不被育種家重點選擇。短穗單倍型Hap-CC-CC對株高有負效應，這與育種家選擇半矮稈優良小麥品種的改良目標相契合，因此，在不同地域及年代受到強烈選擇。株高的降低往往可以增強小麥的抗倒伏能力，提高收獲指數，保障小麥的穩產。20世紀中葉以來，（）和（）等矮稈基因的育種利用帶來了小麥的“綠色革命”，為糧食產量的大幅度增加帶來契機，解決了大范圍的全球糧食危機[40-41]。本研究穗長等位基因相關遺傳研究及分子標記的開發可為基于分子育種的小麥遺傳改良提供依據和標記資源。

4 結論

穗長QTL——是一個穩定主效的QTL，其增效等位基因型可在不同遺傳背景下顯著增加穗長，同時對其他產量相關性狀有一定的遺傳效應。通過開發的靶區段緊密連鎖分子標記可用于小麥穗長及相關產量性狀的遺傳改良。

[1] 范濤, 李治, 蔣慶, 陳姝霖, 歐霞, 陳永艷, 任天恒. 小麥單位面積穗數和粒長主效QTL緊密連鎖KASP標記的開發及其效應評價. 中國農業科學, 2021, 54(14): 2941-2951.

FAN T, LI Z, JIANG Q, CHEN S L, OU X, CHEN Y Y, REN T H.Development and effect evaluation of KASP markers closely linked to major QTLs of spike number per unit area and grain length in wheat. Scientia Agricultura Sinica, 2021, 54(14): 2941-2951. (in Chinese)

[2] 劉凱, 鄧志英, 李青芳, 張瑩, 孫彩鈴, 田紀春, 陳建省. 利用高密度SNP遺傳圖譜定位小麥穗部性狀基因. 作物學報, 2016, 42(6): 820-831.

LIU K, DENG Z Y, LI Q F, ZHANG Y, SUN C L, TIAN J C, CHEN J S. Mapping QTLs for wheat panicle traits with high density SNP genetic map. Acta Agronomica Sinica, 2016, 42(6): 820-831. (in Chinese)

[3] 楊光. 四倍體和六倍體小麥穗部形態性狀的比較及其演化規律研究[D]. 楊凌: 西北農林科技大學, 2021.

YANG G. Comparison of morphological characters of ear between tetraploid and hexaploid wheat and study on their evolution law[D]. Yangling: Northwest A&F University, 2021. (in Chinese)

[4] Huang X Q, Kempf H, Ganal M W, R?DER M S. Advanced backcross qtl analysis in progenies derived from a cross between a German elite winter wheat variety and a synthetic wheat (L.). Theoretical and Applied Genetics, 2004, 109(5): 933-943.

[5] Deng S M, Wu X R, Wu Y Y, Zhou R H, Wang H G, Jia J Z, LIU S B. Characterization and precise mapping of a qtl increasing spike number with pleiotropic effects in wheat. Theoretical and Applied Genetics, 2011, 122(2): 281-289.

[6] CUI F, DING A M, LI J, ZHAO C H, WANG L, WANG X Q, QI X L, LI X F, LI G Y, GAO J R, WANG H G. QTL detection of seven spike-related traits and their genetic correlations in wheat using two related RIL populations. Euphytica, 2012, 186(1): 177-192.

[7] CUI F, ZHAO C H, DING A M, LI J, WANG L, LI X F, BAO Y G, LI J M, WANG H G. Construction of an integrative linkage map and QTL mapping of grain yield-related traits using three related wheat RIL populations. Theoretical and Applied Genetics, 2014, 127(3): 659-675.

[8] FAN X L, CUI F, JI J, ZHANG W, ZHAO X Q, LIU J J, MENG D Y, TONG Y P, WANG T, LI J M. Dissection of pleiotropic QTL regions controlling wheat spike characteristics under different nitrogen treatments using traditional and conditional QTL mapping. Frontiers in Plant Science, 2019, 10: 187.

[9] LI T, DENG G B, SU Y, YANG Z, TANG Y Y, WANG J H, QIU X, PU X, LI J, LIU Z H, ZHANG H L, LIANG J J, YANG W Y, YU M Q, WEI Y M, LONG H. Identification and validation of two major QTLs for spike compactness and length in bread wheat (L) showing pleiotropic effects on yield-related traits. Theoretical and Applied Genetics, 2021, 134(11): 3625-3641.

[10] YANG Y, AMO A, WEI D, CHAI Y M, ZHENG J, QIAO P F, CUI C G, LU S, CHEN L, HU Y G. Large-scale integration of meta-QTL and genome-wide association study discovers the genomic regions and candidate genes for yield and yield-related traits in bread wheat. Theoretical and Applied Genetics, 2021, 134(9): 3083-3109.

[11] XU H W, ZHANG R Q, WANG M M, LI L H, YAN L, WANG Z, ZHU J, CHEN X Y, ZHAO A J, SU Z Q, XING J W, SUN Q X, NI Z F. Identification and characterization of qtl for spike morphological traits, plant height and heading date derived from the D genome of natural and resynthetic allohexaploid wheat. Theoretical and Applied Genetics, 2022, 135(2): 389-403.

[12] Ma Z Q, Zhao D M, Zhang C Q, Zhang Z Z, XUE S L, LIN F, KONG Z X, TIAN D G, Luo Q Y. Molecular genetic analysis of five spike-related traits in wheat using RIL and immortalized F2populations. Molecular Genetics and Genomics, 2007, 277(1): 31-42.

[13] WU X Y, CHENG R R, XUE S L, KONG Z X, WAN H S, LI G Q, HUANG Y L, JIA H Y, JIA J Z, ZHANG L X,MA Z Q. Precise mapping of a quantitative trait locus interval for spike length and grain weight in bread wheat (L). Molecular Breeding, 2014, 33(1): 129-138.

[14] 王佳佳. 小麥基部小穗不育突變體穗部性狀的QTL定位[D]. 泰安: 山東農業大學, 2014.

WANG J J. QTL mapping of panicle traits of spikelet sterile mutant at the base of wheat [D]. Taian: Shandong Agricultural University, 2014. (in Chinese)

[15] Zhang G Z, Wang Y Y, GUO Y, ZHAO Y, KONG F M, LI S S. Characterization and mapping of QTLs on chromosome 2D for grain size and yield traits using a mutant line induced by EMS in wheat. The Crop Journal, 2015, 3(2): 135-144.

[16] ZHAI H J, FENG Z Y, LI J, LIU X Y, XIAO S H, NI Z F, SUN Q X. QTL analysis of spike morphological traits and plant height in winter wheat (L) using a high-density SNP and SSR-based linkage map. Frontiers in Plant Science, 2016, 7: 1617.

[17] 程瑞如. 小麥粒形的分子遺傳分析及穗長基因的精細定位[D]. 南京: 南京農業大學, 2018.

CHENG R R. Molecular genetic analysis of wheat kernel dimensions and fine mapping of spike length QTL[D]. Nanjing: Nanjing Agricultural University, 2018. (in Chinese)

[18] 李聰, 馬建, 劉航, 丁浦洋, 楊聰聰, 張涵, 秦娜娜, 蘭秀錦. 基于小麥55K SNP芯片檢測小麥穗長和株高性狀QTL. 麥類作物學報, 2019, 39(11): 1284-1292.

LI C, MA J, LIU H, DING P Y, YANG C C, ZHANG H, QIN N N, LAN X J. Detection of QTLs for spike length and plant height in wheat based on 55K SNP array. Journal of Triticeae Crops, 2019, 39(11): 1284-1292. (in Chinese)

[19] 柴嶺嶺. 普通小麥2D染色體株高和穗長QTL的精細定位與圖位克隆[D]. 北京: 中國農業大學, 2019.

CHAI L L. Fine mapping and map-based cloning of QTL controlling plant height and spike length on chromosome 2D in common wheat (L) [D]. Beijing: China Agricultural University, 2019. (in Chinese)

[20] 水志杰, 安沛沛, 劉天相, 吳洪啟, 劉樂, 史雪, 王中華. 利用人工合成小麥RIL群體進行小麥穗長和穗寬性狀的QTL分析. 麥類作物學報, 2020, 40(6): 656-664.

SHUI Z J, AN P P, LIU T X, WU H Q, LIU L, SHI X, WANG Z H. QTL analysis of spike length and width using RIL population of synthetic wheat. Journal of Triticeae Crops 2020, 40(6): 656-664. (in Chinese)

[21] 姚儉昕. 基于50K芯片的小麥穗部及籽粒相關性狀的QTL定位[D]. 楊凌: 西北農林科技大學, 2020.

YAO J X. QTL mapping of wheat ear and kernel related traits based on 50K Chips[D]. Yangling: Northwest A&F University, 2020. (in Chinese)

[22] 呂棟云. 基于兩個RIL群體的小麥產量相關性狀的QTL定位[D]. 楊凌: 西北農林科技大學, 2021.

Lü D Y. QTL mapping for yield-related traits in wheat based on two RIL populations[D]. Yangling: Northwest A&F University, 2021. (in Chinese)

[23] JI G S, XU Z B, FAN X L, ZHOU Q, YU Q, LIU X F, LIAO S M, FENG B, WANG T. Identification of a major and stable QTL on chromosome 5A confers spike length in wheat (L). Molecular Breeding, 2021, 41(9): 56-68.

[24] 陳黃鑫, 李聰, 吳坤燕, 王岳, 牟楊, 唐華蘋, 唐力為, 蘭秀錦, 馬建. 四倍體小麥株高和穗長性狀的QTL定位及其遺傳效應分析. 麥類作物學報, 2022, 42(7): 799-807.

CHEN H X, LI C, WU K Y, WANG Y, MU Y, TANG H P, TANG L W, LAN X J, MA J. Detection of QTLs for plant height and spike length in tetraploid wheat and analysis of their genetic effect. Journal of Triticeae Crops, 2022, 42(7): 799-807. (in Chinese)

[25] 胡文靜, 李東升, 裔新, 張春梅, 張勇. 小麥穗部性狀和株高的QTL定位及育種標記開發和驗證. 作物學報, 2022, 48(6): 1346-1356.

HU W J, LI D S, YI X, ZHANG C M, ZHANG Y. Molecular mapping and validation of quantitative trait loci for spike-related traits and plant height in wheat. Acta Agronomica Sinica, 2022, 48(6): 1346-1356. (in Chinese)

[26] 楊在君, 彭麗娟. 小麥三雌蕊突變體主要農藝性狀的遺傳力分析. 西華師范大學學報(自然科學版), 2013, 34(1): 1-4.

YANG Z J, PENG L J. Heritability analysis of main agronomic traits in common wheat line three pistils. Journal of China West Normal University (Natural Science), 2013, 34(1): 1-4. (in Chinese)

[27] Cui F, Zhang N, Fan X L, Zhang W, Zhao C H, Yang L J, Pan R Q, Chen M, Han J, Zhao X Q, Ji J, Tong Y P, Zhang H X, Jia J Z, Zhao G Y, Li J M. Utilization of a Wheat660K SNP array-derived high-density genetic map for high-resolution mapping of a major QTL for kernel number. Scientific Reports, 2017, 7: 3788.

[28] Cui F, Fan X L, Chen M, Zhang N, Zhao C H, Zhang W, Han J, Ji J, Zhao X Q, Yang L J, Zhao Z W, Tong Y P, Wang T, Li J M. QTL detection for wheat kernel size and quality and the responses of these traits to low nitrogen stress. Theoretical and Applied Genetics, 2016, 129(3): 469-484.

[29] 劉朦朦, 張萌娜, 張倩倩, 劉錫建, 郭宇航, 孫靳惠, 武亞瑞, 王素容, 吳永振, 孫晗, 崔法, 趙春華. 小麥旗葉寬主效QTL-遺傳效應解析. 麥類作物學報, 2019, 39(12): 1399-1405.

Liu M M, Zhang M N, Zhang Q Q, Liu X J, Guo Y H, Sun J H, Wu Y R, Wang S R, Wu Y Z, Sun H, Cui F, Zhao C H. Genetic analysis of a major stable QTL-for wheat flag leaf width. Journal of Triticeae Crops, 2019, 39(12): 1399-1405. (in Chinese)

[30] 崔俊鵬, 趙慧, 張倩倩, 宮娜, 劉朦朦, 張萌娜, 侯玉竹, 劉成, 李林志, 周芳婷, 吳永振, 孫晗, 趙春華, 崔法. 小麥穗粒數主效QTL-遺傳效應解析. 分子植物育種, 2019, 17(11): 3632-3640.

Cui J P, Zhao H, Zhang Q Q, Gong N, Liu M M, Zhang M N, Hou Y Z, Liu C, Li L Z, Zhou F T, Wu Y Z, Sun H, Zhao C H, Cui F. Genetic effects analysis of major QTL-for kernel per spike in common wheat. Molecular Plant Breeding, 2019, 17(11): 3632-3640. (in Chinese)

[31] 張倩倩, 閆學梅, 劉錫建, 張萌娜, 劉朦朦, 周芳婷, 吳永振, 孫晗, 趙春華, 崔法. 小麥穗粒數主效 QTL-遺傳效應解析. 分子植物育種, 2020, 18(15): 5003-5009.

Zhang Q Q, Yan X M, Liu X J, Zhang M N, Liu M M, Zhou F T, Wu Y Z, Sun H, Zhao C H, Cui F. Genetic analysis of: a major stable QTL for kernel number per spike in common wheat. Molecular Plant Breeding, 2020, 18(15): 5003-5009. (in Chinese)

[32] Cui F, Fan X L, Zhao C H, ZHANG W, Chen M, Ji J, Zhang W, Li J M. A novel genetic map of wheat: utility for mapping QTL for yield under different nitrogen treatments. BMC Genetics, 2014, 15: 57.

[33] Zhang N, Fan X L, Cui F, Zhao C H, Zhang W, Zhao X Q, Yang L J, Pan R Q, Chen M, Han J, Ji J, Liu D C, Zhao Z W, Tong Y P, Zhang A M, Wang T, Li J M. Characterization of the temporal and spatial expression of wheat (L.) plant height at the QTL level and their influence on yield-related traits. Theoretical and Applied Genetics, 2017, 130(6): 1235-1252.

[34] Shi X L, Cui F, Han X Y, He Y L, Zhao L, Zhang N, Zhang H, Zhu H D, Liu Z X, Ma B, Zheng S S, Zhang W, Liu J J, Fan X L, Si Y Q, Tian S Q, Niu J Q, Wu H L, Liu X Y, Chen Z, Meng D Y, ZHANG H, Wang X Y, Song L Q, Sun L J, Han J, Zhao H, Ji J, Wang Z G, He X Y, Li R L, Chi X B, Liang C Z, Niu B, Xiao J, Li J M, Ling H. Comparative genomic and transcriptomic analyses uncover the molecular basis of high nitrogen-use efficiency in the wheat cultivar Kenong 9204. Molecular Plant, 2022, 15(9): 1440-1456.

[35] 朱志翔. 遺傳分析軟件QGAStation2.0和GMDR-GPU的開發[D]. 杭州: 浙江大學, 2012.

ZHU Z X. Development of the genetic analysis software QGAStation 2.0 and GMDR-GPU[D]. Hangzhou: Zhejiang University, 2012. (in Chinese)

[36] 崔勇. 不同施氮期對小麥主要農藝性狀影響的QTL分析[D]. 泰安: 山東農業大學, 2013.

CUI Y. QTL mapping for main agronomic traits in Wheat under various nitrogen supplying dates[D]. Taian: Shandong Agricultural University, 2013. (in Chinese)

[37] 劉書含, 侯立江, 華冠勛, 宋瑜龍, 牛娜, 馬守才, 宋亞珍, 王軍衛, 張改生. 大穗材料高麥1號/密小穗F2群體穗長性狀的QTL初步定位. 麥類作物學報, 2016, 36(4): 409-414.

LIU S H, HOU L J, HUA G X, SONG Y L, NIU N, MA S C, SONG Y Z, WANG J W, ZHANG G S. Quantitative trait loci mapping of spike length using F2,population of Gaomai 1/Mixiaosui in Wheat (L.). Journal of Triticeae Crops, 2016, 36 (4): 409-414. (in Chinese)

[38] Xu X, Li X J, Zhang D H, Zhao J S, Jiang X L, Sun H L, Ru Z G. Identification and validation of QTLs for kernel number per spike and spike length in two founder genotypes of wheat. BMC Plant Biology, 2022, 22(1): 146.

[39] Liu H, Shi Z P, Ma F F, Xu Y F, Han G H, Zhang J P, Liu D C, An D G. Identification and validation of plant height, spike length and spike compactness loci in common wheat (L.). BMC Plant Biology, 2022, 22(1): 568.

[40] HEDDEN P. The genes of the Green Revolution. Trends in Genetics, 2003, 19(1): 5-9.

[41] PENG J, RICHARDS D E, HARTLEY N M, MURPHY G P, DEVOS K M, FLINTHAM J E, BEALES J, FISH, L J, WORLAND A J, PELICA F, SUDHAKAR D, CHRISTOU P, SNAPE J W, Gale M D, HARBERD N P. “Green revolution” genes encode mutant gibberellin response modulators. Nature, 1999, 400: 256-261.

Analysis of genetic andbreedingselection effects of amajor QTL-forwheat spike length

DONG JiZi, CHEN LinQu, GUO HaoRu, ZHANG MengYu, LIU ZhiXiao, Han Lei, TIAN ZhaoSaShuang, XU NingHao, GUO QingJie, HUANG ZhenJie, YANG AoYu, ZHAO ChunHua, WU YongZhen, SUN Han, QIN Ran, CUI Fa

School of Agriculture, Ludong University/Key Laboratory of Molecular Module-Based Breeding of High Yield and Abiotic Resistant Plants in Universities of Shandong, Yantai 264025, Shandong

【Objective】By analyzing the genetic and breeding selection effects of the stable major QTL for spike length in wheat, its genetic effects on yield-related traits were clarified, and thefuture breeding application potential was evaluated. The results could provide a basis for subsequent gene mining and molecular breeding of wheat. 【Method】A major QTL for spike length, named, was detected in multiple environments using a recombinant inbred lines population derived from the cross of Kenong9204 and Jing411, denoted as KJ-RIL; Two molecular markers closely linked towere developed by using the InDel sites in target interval. The genetic effects of yield-related traits based on KJ-RIL, MY-F2, NILs and natural mapping populations, were analyzed by combining genotype data of molecular markers or wheat 55K array, respectively. By genotyping the natural mapping population, the breeding selection effect ofhaplotype was parsed across different wheat regions and different ages. 【Result】QTL mapping results showed thatcould be detected in 7/10 sets of environmental data, and could explain 4.02%-10.10% of the phenotypic variation. The peak LOD of 5/10 sets of environmental data was positioned at 608.75 Mb. The results of genetic effect analysis showed that the enhancing allele ofcould significantly increase spike length in the four populations with different genetic backgrounds. In addition, it has positive effects on kernel number per spike and plant height, but has negative effects on thousand kernel weight, kernel weight per spike and yield per plant in most population backgrounds. Further analysis of plant height in KJ-RIL population showed thattheenhancing allele had rod lowering effect on all internode lengths except the internode length below spike, which resulted inthe insignificant increase in plant height. The results ofhaplotype analysis showed that the utilization rates of the long-spike haplotype Hap-AA-GG varied greatly in different wheat regions, with the highest utilization rate in the northern winter wheat region, accounting for 24%; while the short-spike haplotype Hap-CC-CC accounted for more than 30% in most wheat regions. Moreover, the utilization rate oflong-spike haplotype showed a gradual decrease over time, while that of short-spike haplotype consistently maintained a higher selection trend. 【Conclusion】A stable major QTL-for spike length was identified, the enhancing allele ofcould significantly increase spike length under different genetic backgrounds, and had certain genetic effects on yield-related traits. The closely linked molecular markers developed in the target region can be used for the genetic improvement of wheat spike length and yield-related traits in wheat.

wheat (L.); spike length; major QTL; genetic effects analysis; molecular marker

10.3864/j.issn.0578-1752.2023.20.001

2023-04-10；

2023-05-23

國家自然科學基金（32101726，32072051，32272119）、山東省重點研發計劃（重大創新工程）（2022LZG002-2）

董繼梓，E-mail：1324758770@qq.com。陳林渠，E-mail：1531484513@qq.com。董繼梓和陳林渠為同等貢獻作者。通信作者秦冉，E-mail：ranqin89@163.com。通信作者崔法，E-mail：sdaucf@126.com

（責任編輯 李莉）