玉米穗軸粗全基因組關(guān)聯(lián)分析

馬 娟 曹言勇 李會(huì)勇

玉米穗軸粗全基因組關(guān)聯(lián)分析

馬 娟 曹言勇 李會(huì)勇*

河南省農(nóng)業(yè)科學(xué)院糧食作物研究所, 河南鄭州 450002

玉米穗軸粗是一個(gè)影響玉米產(chǎn)量和穗軸產(chǎn)量的重要性狀, 其遺傳機(jī)制的解析可以對(duì)高產(chǎn)育種提供指導(dǎo)。本研究以309份玉米自交系為材料, 利用測(cè)序基因型分型技術(shù)對(duì)其進(jìn)行基因型鑒定。采用FarmCPU (fixed and random model circulating probability unification)、MLMM (multiple loci mixed linear model)和CMLM (compressed mixed linear model)方法, 對(duì)2017年和2019年河南原陽(yáng)、河南鄲城、河南虞城、海南三亞以及最佳線性無(wú)偏估計(jì)值環(huán)境的穗軸粗, 進(jìn)行全基因組關(guān)聯(lián)分析, 共鑒定12個(gè)與穗軸粗顯著關(guān)聯(lián)的SNP (single nucleotide polymorphisms) (<8.60E-07)。其中, S4_29277313利用FarmCPU和MLMM方法在2017年原陽(yáng)均檢測(cè)到。S1_29006330、S2_170889116、S2_2046026464和S4_83821463的表型變異解釋率介于10.23%~14.17%, 為主效SNP。而且, S1_29006330位于已定位的穗軸粗QTL (quantitative trait loci)區(qū)間內(nèi)。共挖掘17個(gè)候選基因, 其中(wall-associated receptor kinase-like 14)、轉(zhuǎn)錄因子(zinc-finger protein expressed in inflorescence meristem 35)、(HMG-Y-related protein A)、組蛋白-賴(lài)氨酸N甲基轉(zhuǎn)移酶(trithorax 4)和(xyloglucan endotransglucosylase/hydrolase protein 32), 可能是影響穗軸粗的重要基因。挖掘的4個(gè)穗軸粗主效SNP和5個(gè)候選基因可以為分子標(biāo)記輔助育種、精細(xì)定位和基因克隆提供信息。

玉米; 全基因組關(guān)聯(lián)分析; FarmCPU; 穗軸粗

玉米穗軸粗是一個(gè)重要的穗部性狀, 與玉米產(chǎn)量相關(guān)性狀具有密切關(guān)系。穗軸粗與穗粗具有顯著正相關(guān)關(guān)系, 相關(guān)系數(shù)高達(dá)0.57~0.77[1-4], 與穗行數(shù)表現(xiàn)為中度極顯著正相關(guān)(= 0.41~0.45,<0.01)[1-2,5]。此外, 穗軸粗與單穗粒重(= 0.21~0.39)[2-3,6]、穗長(zhǎng)(= 0.34~0.36)[1,4]、行粒數(shù)(= 0.25)[1]、單穗重(= 0.21~0.22)[1,4]、粒長(zhǎng)(= 0.27)[4]、粒寬(= 0.17~0.23)[4]和粒厚(= 0.20)[2]也表現(xiàn)出顯著正相關(guān)。玉米穗軸同時(shí)作為重要的工業(yè)原材料, 可以用來(lái)制備生物燃料纖維素乙醇[7], 在可持續(xù)能源發(fā)展中具有重要作用。穗軸粗是影響穗軸的一個(gè)重要性狀, 與穗軸重存在較高正相關(guān)關(guān)系(= 0.58~ 0.61,<0.01)[1-2]。因此, 解析玉米穗軸粗的遺傳機(jī)制, 對(duì)玉米產(chǎn)量和穗軸產(chǎn)量的提高均具有重要意義。

數(shù)量性狀定位和全基因組關(guān)聯(lián)分析(genome-wide association study, GWAS)是解析穗軸粗遺傳構(gòu)成的重要方法。Yi等[8]利用RIL (recombinant inbred line)群體和永久F2群體共鑒定13個(gè)控制穗軸粗的數(shù)量性狀位點(diǎn)(quantitative trait loci, QTL), 其解釋表型變異率為4.3%~8.7%。Guo等[2]利用鄭58×昌7-2構(gòu)成的231個(gè)F2:3家系在2個(gè)密度條件下挖掘13個(gè)穗軸粗QTL, 其中3個(gè)QTL的表型變異解釋率為13.65%~24.71%, 為控制穗軸粗的主效QTL。Choe等[1]利用韓國(guó)糯玉米構(gòu)成的F2:3群體鑒定到7個(gè)控制穗軸粗的QTL, 解釋表型變異率為4.4%~12.9%。王幫太等[9]通過(guò)元分析(meta-analysis)整合了產(chǎn)量相關(guān)性狀QTL, 發(fā)現(xiàn)穗軸粗存在5個(gè)一致性QTL, 其中, 2個(gè)Meta-QTL在籽粒產(chǎn)量的2個(gè)區(qū)域中出現(xiàn)。Su等[3]利用復(fù)合區(qū)間作圖和最小絕對(duì)值收斂和選擇算子分別鑒定2個(gè)和3個(gè)穗軸粗QTL。Zhu等[4]利用全基因組關(guān)聯(lián)分析挖掘到5個(gè)穗軸粗顯著關(guān)聯(lián)SNP (single nucleotide polymorphisms)和6個(gè)候選基因。通過(guò)連鎖分析和關(guān)聯(lián)分析, Zhang等[10]共鑒定13個(gè)穗軸粗QTL和25個(gè)穗軸粗顯著關(guān)聯(lián)SNP。

目前, 有關(guān)玉米穗軸粗全基因組關(guān)聯(lián)分析和候選基因的研究報(bào)道較少。本研究利用309份材料構(gòu)成的關(guān)聯(lián)群體對(duì)穗軸粗進(jìn)行全基因組關(guān)聯(lián)分析, 挖掘玉米穗軸粗顯著關(guān)聯(lián)位點(diǎn)和候選基因, 為選育穗軸產(chǎn)量高的玉米新品種提供理論基礎(chǔ)。

1 材料與方法

1.1 材料和田間試驗(yàn)設(shè)計(jì)

選用國(guó)內(nèi)玉米核心種質(zhì)和黃淮海骨干自交系等309份材料作為關(guān)聯(lián)群體。在2017年夏, 309份材料分別種植在河南新鄉(xiāng)原陽(yáng)(Yuanyang, YY)、河南商丘虞城(Yucheng, YC)、河南周口鄲城(Dancheng, DC)和海南三亞(Sanya, SY)。2019年夏種植在原陽(yáng)。采用隨機(jī)區(qū)組試驗(yàn)設(shè)計(jì), 2行區(qū), 2粒播, 行距60 cm, 株距25 cm, 每行15株, 共設(shè)3個(gè)重復(fù)。脫粒后, 測(cè)量穗軸粗。

1.2 表型數(shù)據(jù)統(tǒng)計(jì)分析

利用R語(yǔ)言對(duì)不同環(huán)境穗軸粗進(jìn)行相關(guān)性分析。利用QTL IciMapping v4.0[11]對(duì)2017年原陽(yáng)、鄲城、虞城、三亞和2019年原陽(yáng)進(jìn)行聯(lián)合方差分析, 并計(jì)算廣義遺傳力和最佳線性無(wú)偏估計(jì)值(best linear unbiased estimator, BLUE)。

1.3 基因型鑒定和分析

309份自交系采用GBS (genotyping-by-sequencing)簡(jiǎn)化測(cè)序的方法進(jìn)行基因型鑒定。測(cè)序儀為Illumina HiSeq PE150雙端測(cè)序。利用BWA軟件比對(duì)B73參考基因組(ftp://ftp.ensemblgenomes.org/pub/plants/ release-36/fasta/zea_mays/dna/Zea_mays. AGPv4.dna. toplevel.fa.gz)。采用SAMTOOLS軟件檢測(cè)群體SNP。以缺失率小于0.10, 雜合率小于0.10, 最小等位基因頻率(minor allele frequency, MAF)大于0.05為篩選條件, 獲得58,129個(gè)SNP用于后續(xù)分析。

1.4 全基因組關(guān)聯(lián)分析

利用2017年原陽(yáng)、鄲城、虞城、三亞、2019年原陽(yáng)和BLUE環(huán)境的穗軸粗進(jìn)行全基因組關(guān)聯(lián)分析。為了控制假陽(yáng)性和假陰性, 本研究利用FarmCPU (fixed and random model circulating pro-bability unification)[12]、MLMM (multiple loci mixed linear model)[13]和CMLM (compressed mixed linear model)[14]方法的(群體結(jié)構(gòu)) +(親緣關(guān)系)模型進(jìn)行全基因組關(guān)聯(lián)分析。群體結(jié)構(gòu)值由Structure v2.3.4計(jì)算。其中亞群數(shù)為1~8, length of burn-in period為5000, 蒙特卡羅重復(fù)個(gè)數(shù)為50,000, 每個(gè)亞群數(shù)迭代次數(shù)為3。根據(jù)Δ的結(jié)果, 確定亞群數(shù)為2時(shí)的值用于關(guān)聯(lián)分析。親緣關(guān)系值由TASSEL v5.0軟件的Centered_IBS方法計(jì)算。顯著臨界值設(shè)置為=0.05/58129=8.60E-07。FarmCPU和MLMM方法顯著位點(diǎn)的表型變異解釋率(phenotypic variation explained, PVE)采用線性回歸方法計(jì)算[15], CMLM方法的PVE由軟件給出[13]。利用ANNOVAR對(duì)顯著關(guān)聯(lián)位點(diǎn)挖掘穗軸粗的候選基因。通過(guò)檢索maizeGDB, 獲得候選基因在不同組織的轉(zhuǎn)錄表達(dá)數(shù)據(jù)。

2 結(jié)果與分析

2.1 穗軸粗表型數(shù)據(jù)分析

2017年和2019年不同環(huán)境關(guān)聯(lián)群體的軸粗變異范圍為1~4 cm。從柱狀圖的擬合曲線上看, 除了YY2019, 其余4個(gè)環(huán)境的穗軸粗基本符合正態(tài)分布(圖1)。多環(huán)境穗軸粗的廣義遺傳率為0.77。相關(guān)性分析表明不同環(huán)境間均存在顯著正相關(guān)關(guān)系(= 0.15~0.51,<0.05) (圖1)。而且, 2017年4個(gè)環(huán)境的穗軸粗相關(guān)系數(shù)較高。其中, 2017年鄲城和虞城穗軸粗的相關(guān)系數(shù)最高, 為0.51 (<0.001), SY2017和YY2017間的相關(guān)系數(shù)為0.50 (<0.001)。2019年原陽(yáng)的穗軸粗與2017年4個(gè)環(huán)境的相關(guān)系數(shù)均較低(= 0.15~0.33)。

綜合5個(gè)環(huán)境的聯(lián)合方差分析表明, 關(guān)聯(lián)群體基因型間存在極顯著差異(表1), 說(shuō)明材料間穗軸粗存在顯著的遺傳變異。不同環(huán)境間和基因型與環(huán)境互作也存在極顯著差異(表1)。這說(shuō)明, 盡管穗軸粗的遺傳力較高, 也受到環(huán)境因素的影響。

表1 多環(huán)境聯(lián)合方差分析

圖中對(duì)角線方框?yàn)樾誀畹闹鶢顖D, 上三角為相關(guān)系數(shù)和顯著性程度。0.05、0.01、0.001 顯著水平分別標(biāo)*、**、***。下三角為不同環(huán)境間穗軸粗的散點(diǎn)圖。SY、DC、YC和YY分別表示三亞、鄲城、虞城和原陽(yáng)。2017和2019代表年份。

Histograms are showed in diagonal. Correlation values and significant levels represented by asterisk are showed in upper triangular matrix. Significant levels 0.05, 0.01, and 0.001 are denoted by *, **, and ***, respectively. Scatter plots of ear cob diameter are showed in lower triangular matrix. SY, DC, YC, and YY represent Sanya, Dancheng, Yucheng, and Yuanyang, respectively. 2017 and 2019 denote years.

2.2 穗軸粗全基因組關(guān)聯(lián)分析

利用58,129個(gè)SNP標(biāo)記對(duì)2017年鄲城、虞城、原陽(yáng)、三亞、2019年原陽(yáng)和BLUE環(huán)境的穗軸粗進(jìn)行全基因組關(guān)聯(lián)分析, 共檢測(cè)到12個(gè)穗軸粗顯著關(guān)聯(lián)SNP, 其中5個(gè)位于基因間, 4個(gè)位于內(nèi)含子區(qū)和3個(gè)位于外顯子區(qū)(表2)。CMLM方法沒(méi)有檢測(cè)到穗軸粗顯著關(guān)聯(lián)位點(diǎn)(附圖1)。MLMM方法僅在2017年原陽(yáng)檢測(cè)到1個(gè)顯著SNP, 即S4_29277313 (= 7.96E-07), 位于第4號(hào)染色體上的外顯子區(qū), 解釋表型變異小于1%, 為控制穗軸粗的微效位點(diǎn)(圖2、表2和附圖2)。FarmCPU方法對(duì)不同環(huán)境(除了2019年原陽(yáng))穗軸粗均具有較好的擬合效果(圖2和附圖2)。該模型共檢測(cè)到12個(gè)顯著SNP (= 1.12E-09~6.12E-07) (圖2和表2)。其中, BLUE環(huán)境檢測(cè)到4個(gè)SNP, 2017年鄲城、三亞、虞城和原陽(yáng)分別檢測(cè)到2個(gè)、2個(gè)、1個(gè)和3個(gè)顯著SNP。其中, FarmCPU模型也檢測(cè)到S4_29277313。FarmCPU模型共檢測(cè)到4個(gè)主效SNP。S1_29006330位于第1號(hào)染色體bin1.02, 解釋穗軸粗變異率為13.10%。在第2號(hào)染色體上, 檢測(cè)到2個(gè)主效SNP, 即S2_170889116和S2_204602646, 分別解釋穗軸粗變異率為14.17%和10.23%。S4_83821463位于第4號(hào)染色體bin4.05, 解釋穗軸粗變異率為12.83%。不同環(huán)境間沒(méi)有檢測(cè)到相同的SNP, 這也說(shuō)明穗軸粗受環(huán)境的影響較大。

A和B: BLUE環(huán)境FarmCPU方法; C和D: 2017年鄲城FarmCPU方法; E和F: 2017年三亞FarmCPU方法; G和H: 2017年虞城FarmCPU方法; I和J: 2017年原陽(yáng)FarmCPU方法; K和L: 2017年原陽(yáng)MLMM方法。

A and B: FarmCPU in BLUE environment; C and D: FarmCPU in Dancheng in 2017; E and F: FarmCPU in Sanya in 2017; G and H: FarmCPU in Yucheng in 2017; I and J: FarmCPU in Yuanyang in 2017; K and L: MLMM in Yuanyang in 2017.

2.3 穗軸粗候選基因分析

從12個(gè)穗軸粗顯著關(guān)聯(lián)SNP中共挖掘17個(gè)候選基因(表2), 結(jié)合maizeGDB中基因的轉(zhuǎn)錄表達(dá)數(shù)據(jù)(附圖3), 發(fā)現(xiàn)(核仁素蛋白)和(HMGA)在穗發(fā)育相關(guān)的4個(gè)組織(16~19 d的分生組織、2~4 mm穗原基、6~8 mm穗原基和雌小穗)中表達(dá)量較高, 分別為63.9~157.1和61.5~107.5。編碼組蛋白-賴(lài)氨素N-甲基轉(zhuǎn)移酶ATX4 (Arabidopsis trithorax 4), 在16~19 d的分生組織、2~4 mm穗原基和6~8 mm穗原基的表達(dá)量較高, 達(dá)到97.0~119.2。編碼的產(chǎn)物是single myb histone 6 (SMH6), 在4個(gè)組織中的表達(dá)量為15.5~19.3。是ZIM (zinc-finger protein expressed in inflorescence meristem)轉(zhuǎn)錄因子ZIM35, 在16~19 d的分生組織中表達(dá)量較高(17)。編碼染色質(zhì)組裝因子1亞單位FAS1 (chromatin assembly factor 1 subunit FAS1), 在2~4 mm穗原基的表達(dá)量最高(21.2)。Zm0000 1d029814編碼木葡聚糖內(nèi)糖基轉(zhuǎn)移酶/脫水酶蛋白XTH32(xyloglucan endotransglucosylase/hydrolase protein 32), 在雌小穗中表達(dá)量較高(48), 在16~19 d的分生組織表達(dá)量為17.9。候選基因編碼細(xì)胞壁連接的類(lèi)受體激酶WAKL14 (wall-associated receptor kinase-like 14), 在4個(gè)組織中表達(dá)量較低(1.8~4.3)。(S-腺苷-L-甲硫氨酸依賴(lài)的甲基轉(zhuǎn)移酶超家族蛋白)、(有機(jī)陽(yáng)離子/肉堿轉(zhuǎn)運(yùn)體7)、(蘇氨酸合酶1)、和在4個(gè)組織中不表達(dá)或表達(dá)量較低。

3 討論

全基因組關(guān)聯(lián)分析是以連鎖不平衡為基礎(chǔ)來(lái)挖掘覆蓋全基因組遺傳變異的一種方法。目前, GWAS已發(fā)展了大量統(tǒng)計(jì)方法, 例如MLM、FarmCPU、CMLM、MLMM和Fast-LMM (factored spectrally transformed linear mixed models)等[16-17]。本研究利用FarmCPU、CMLM和MLMM方法對(duì)穗軸粗進(jìn)行關(guān)聯(lián)分析, 發(fā)現(xiàn)FarmCPU的擬合效果最好, CMLM和MLMM方法擬合效果不理想(圖2、附圖1和附圖2)。Liu等[18]利用FarmCPU、MLM和CMLM方法對(duì)玉米籽粒性狀進(jìn)行分析時(shí), 也發(fā)現(xiàn)FarmCPU方法的檢測(cè)功效最高。

本研究共發(fā)現(xiàn)12個(gè)穗軸粗顯著關(guān)聯(lián)SNP (<8.6E-07)。其中, 9個(gè)SNP位于控制產(chǎn)量、穗部相關(guān)性狀(穗粒數(shù)、穗行數(shù)、行粒數(shù)、穗長(zhǎng)、穗粗、軸重和軸粗)和籽粒相關(guān)性狀(粒長(zhǎng)、粒寬、粒厚和百粒重)的QTL區(qū)間內(nèi)。S1_29006330在Zhang等[10]鑒定的1個(gè)穗軸粗QTL (qCD1-1)區(qū)間內(nèi)。S1_29006330解釋穗軸粗的變異率為13.10%, 為主效SNP。因此, S1_29006330可能是影響穗軸粗的重要位點(diǎn), 可用于分子標(biāo)記輔助育種。S4_83821463是控制穗軸粗的主效SNP (PVE=12.83%), 位于bin4.05, 該區(qū)域內(nèi)檢測(cè)到1個(gè)控制穗長(zhǎng)的QTL[1], 1個(gè)控制行粒數(shù)的QTL[1], 1個(gè)控制穗行數(shù)的QTL[10]和1個(gè)控制產(chǎn)量、穗部性狀和籽粒大小性狀的元QTL (MetaQTL-27)[15]。S2_170889116也是控制穗軸粗的主效SNP, 其PVE最高, 為14.17%, 位于bin2.06。該區(qū)域Choe等[1]檢測(cè)到1個(gè)同時(shí)控制單穗重和百粒重的QTL。主效SNP S2_204602646 (PVE=10.23%)在單穗粒重QTL qKWPE2-5區(qū)間內(nèi)(201,971,890~209,300,839)[8]和控制穗部性狀和籽粒大小性狀的MetaQTL-13內(nèi)[18]。主效SNP S4_83821463、S2_170889116和S2_204602646均在整合穗軸粗的元QTL內(nèi), 說(shuō)明這3個(gè)主效SNP也可能是影響穗軸粗的重要位點(diǎn)。S3_170875493的表型變異解釋率較高, 為8.55%, 位于bin3.06區(qū)域內(nèi)。Upadyayula等[5]在該區(qū)域內(nèi)鑒定到1個(gè)控制行粒數(shù)QTL。此外, 微效位點(diǎn)S5_17720377位于bin5.03, 該區(qū)域內(nèi)Choe等[1]檢測(cè)到1個(gè)同時(shí)控制穗軸重和百粒重的QTL。Yi等[8]在bin5.03區(qū)域內(nèi)檢測(cè)1個(gè)穗行數(shù)QTL qRN5。S5_17720377還位于控制穗部相關(guān)性狀和籽粒性狀的MetaQTL-32[19]內(nèi)。S2_170090146位于Chen等[19]通過(guò)元分析整合的MetaQTL-11區(qū)間內(nèi), 該區(qū)間影響產(chǎn)量、穗部和籽粒大小相關(guān)性狀。在S1_143964620和S4_29277313相關(guān)的bin區(qū)段內(nèi), Choe等[1]分別檢測(cè)到1個(gè)粒長(zhǎng)QTL和1個(gè)穗粒數(shù)QTL。不管是主效位點(diǎn)還是微效位點(diǎn), 穗軸粗顯著關(guān)聯(lián)位點(diǎn)主要與已定位的穗部性狀QTL區(qū)間存在重疊, 這說(shuō)明穗軸粗可能是穗部多個(gè)性狀共同調(diào)控的產(chǎn)物。

12個(gè)穗軸粗顯著關(guān)聯(lián)位點(diǎn)共檢測(cè)到17個(gè)候選基因。編碼細(xì)胞壁連接類(lèi)受體, 為主效SNP S1_29006330的候選基因。WAK是植物類(lèi)受體激酶, 由胞外域、跨膜域和胞內(nèi)域組成, 能夠跨越質(zhì)膜, 使細(xì)胞識(shí)別并對(duì)外部環(huán)境進(jìn)行響應(yīng)[20]。轉(zhuǎn)錄本沉默會(huì)導(dǎo)致植株矮化、根發(fā)育受損和花粉敗育[21]。WAKL具有典型的WAK結(jié)構(gòu), 可能參與花粉發(fā)育等穗發(fā)育相關(guān)的過(guò)程。根據(jù)maizeGDB的轉(zhuǎn)錄表達(dá)數(shù)據(jù), 盡管在16~19 d的分生組織和雌小穗表達(dá)量較低(3.8~4.3), 但高于其余20個(gè)組織(附圖3)。而且, 該基因?qū)?yīng)的SNP S1_29006330在已定位的穗軸粗QTL區(qū)間內(nèi)[10]。這表明,()可能是穗軸粗的候選基因。

編碼轉(zhuǎn)錄因子, 為主效SNP S4_83821463挖掘的候選基因。ZIM具有GATA類(lèi)鋅指結(jié)構(gòu)域即C-X2-C-X20-C-X2-C, 是一類(lèi)植物特異的GATA轉(zhuǎn)錄因子[22]。Zhang等[10]利用連鎖分析和全基因組關(guān)聯(lián)分析挖掘的1個(gè)穗粗候選基因是轉(zhuǎn)錄因子。在16~19 d的分生組織和花絲中表達(dá)量較高(17.0~17.1) (附圖3)。因此,()可能是影響穗軸粗的重要基因。S4_83821463挖掘的另一個(gè)基因, 編碼高速泳動(dòng)族蛋白-Y。其在16~19 d的分生組織、2~4 mm穗原基、6~8 mm穗原基和雌小穗中表達(dá)量較高(61.5~107.5) (附圖3)。與SQUAMOSA啟動(dòng)子綁定蛋白類(lèi)家族(SQUAMOSA promoter-binding protein-LIKE, SPL)結(jié)合形成異二聚體, 參與調(diào)節(jié)楸樹(shù)的花器官發(fā)育, 但并不參與調(diào)節(jié)花期[23]。玉米SBP轉(zhuǎn)錄因子unbranched 2 ()和是SQUAMOSA啟動(dòng)子綁定蛋白家族成員, 通過(guò)調(diào)節(jié)側(cè)原基和花序發(fā)育, 影響穗行數(shù)和雄穗分支數(shù)[24-25]。因此,()也可能是影響穗軸粗的重要基因。

S2_170889116是解釋穗軸粗變異最高的1個(gè)主效SNP, 其挖掘的候選基因?yàn)?核孔復(fù)合蛋白)。該基因在16~19 d的分生組織、2~4 mm穗原基和6~8 mm穗原基的表達(dá)量較高(38.0~61.7)。核孔復(fù)合蛋白是核膜上的運(yùn)輸通道, 在染色質(zhì)組裝和基因表達(dá)中發(fā)揮重要作用[26]。但目前, 尚沒(méi)有該類(lèi)蛋白參與穗發(fā)育相關(guān)過(guò)程的研究報(bào)道。主效SNP S2_204602646挖掘的候選基因(組蛋白-賴(lài)氨素N-甲基轉(zhuǎn)移酶)在16~19 d的分生組織、2~4 mm穗原基和6~8 mm穗原基的表達(dá)量均較高(97.0~119.2) (表2和附圖3)。突變體表現(xiàn)出矮化和結(jié)實(shí)率低[27]。而且, 從花發(fā)育的十二時(shí)期開(kāi)始, 相比正常植株, 該突變體的雄蕊發(fā)育遲緩[27]。因此,()可能是影響穗軸粗的重要候選基因。

此外, Wang等[28]通過(guò)整合產(chǎn)量相關(guān)性狀全基因組關(guān)聯(lián)分析和元分析結(jié)果, 發(fā)現(xiàn)1個(gè)候選基因編碼木葡聚糖內(nèi)糖基轉(zhuǎn)移酶。木葡聚糖內(nèi)糖基轉(zhuǎn)移酶/水解酶是一類(lèi)細(xì)胞壁松弛因子, 通過(guò)調(diào)節(jié)細(xì)胞壁彈性和延伸性來(lái)影響植物的生長(zhǎng)發(fā)育和響應(yīng)逆境脅迫等[29]。木葡聚糖內(nèi)糖基轉(zhuǎn)移酶/水解酶蛋白在過(guò)表達(dá)植株中表達(dá)上調(diào), 從而導(dǎo)致了下胚軸和葉柄的延伸[30]。因此,()與一樣可能是控制穗軸粗的重要基因。穗軸粗候選基因的挖掘?yàn)橄乱徊骄?xì)定位和克隆提供信息, 為解析玉米穗軸粗遺傳機(jī)理提供研究基礎(chǔ)。

4 結(jié)論

發(fā)現(xiàn)12個(gè)與穗軸粗顯著關(guān)聯(lián)的SNP (<8.60E-07)。其中, 主效SNP 4個(gè), 解釋穗軸粗的變異率為10.23%~14.17%。挖掘候選基因17個(gè), 其中、轉(zhuǎn)錄因子、、組蛋白-賴(lài)氨素N-甲基轉(zhuǎn)移酶和可能是影響穗軸粗的重要基因。

[1] Choe E, Torbert R R. Genetic and QTL analysis of pericarp thickness and ear architecture traits of Korean waxy corn germplasm., 2012, 183: 243–260.

[2] Guo J, Chen Z, Liu Z, Wang B, Song W, Li W, Chen J, Dai J, Lai J. Identification of genetic factors affecting plant density response through QTL mapping of yield component traits in maize (L.)., 2011, 182: 409–422.

[3] Su C, Wang W, Gong S, Zuo J, Li S, Xu S. High density linkage map construction and mapping of yield trait QTLs in maize () using the genotyping-by-sequencing (GBS) technology., 2017, 8: 706–719.

[4] Zhu X M, Shao X Y, Pei Y H, Guo X M, Li J, Song X Y, Zhao M A. Genetic diversity and genome-wide association study of major ear quantitative traits using high-density SNPs in maize., 2018, 9: 966–981.

[5] Upadyayula N, da Silva H S, Bohn M O, Rocheford T R. Genetic and QTL analysis of maize tassel and ear inflorescence architecture., 2006, 112: 592–606.

[6] Zhao Y, Su C. Mapping quantitative trait loci for yield-related traits and predicting candidate genes for grain weight in maize., 2019, 9: 16112–16121.

[7] Jansen C, Lübberstedt T. Turning maize cobs into a valuable feedstock., 2012, 5: 20–31.

[8] Yi Q, Liu Y, Hou X, Zhang X, Li H, Zhang J, Liu H, Hu Y, Yu G, Li Y, Wang Y, Huang Y. Genetic dissection of yield-related traits and mid-parent heterosis for those traits in maize (L.)., 2019 19: 392–411.

[9] 王幫太, 吳建宇, 丁俊強(qiáng), 席章?tīng)I(yíng). 玉米產(chǎn)量及產(chǎn)量相關(guān)性狀QTL的圖譜整合. 作物學(xué)報(bào), 2009, 35: 1836?1843. Wang B T, Wu J Y, Ding J Q, Xi Z Y. Map integration of QTLs for grain yield and its related traits in maize., 2009, 35: 1836?1843.

[10] Zhang X, Guan Z, Li Z, Liu P, Ma L, Zhang Y, Pan L, He S, Zhang Y, Li P, Ge F, Zou C, He Y, Gao S, Pan G, Shen Y. A combination of linkage mapping and GWAS brings new elements on the genetic basis of yield-related traits in maize across multiple environments., 2020, 33: 2881?2895.

[11] Meng L, Li H H, Zhang L Y, Wang J K. QTL IciMapping: integrated software for genetic linkage map construction and quantitative trait locus mapping in biparental populations., 2015, 3: 269–283.

[12] Liu X, Huang M, Fan B, Buckler E S, Zhang Z. Iterative usage of fixed and random effect models for powerful and efficient genome-wide association studies., 2016, 12: e1005767.

[13] Segura V, Vilhjálmsson B J, Platt A, Korte A, Seren ü, Long Q, Nordborg M. An efficient multi-locus mixed-model approach for genome-wide association studies in structured populations., 2012, 44: 825?830.

[14] Zhang Z, Ersoz E, Lai C Q, Todhunter R J, Tiwari H K, Gore M A, Bradbury P J, Yu J, Arnett D K, Ordovas J M, Buckler E S. Mixed linear model approach adapted for genome-wide association studies., 2010, 42: 355?360.

[15] Pandis N. Linear regression., 2016, 149: 431?434.

[16] Lipka A E, Tian F, Wang Q, Peiffer J, Li M, Bradbury P J, Gore M A, Buckler E S, Zhang Z. GAPIT: genome association and prediction integrated tool., 2012, 28: 2397–2399.

[17] Lippert C, Listgarten J, Liu Y, Kadie C M, Davidson R I, Heckerman D. FaST linear mixed models for genome-wide association studies., 2011, 8: 833–835.

[18] Liu M, Tan X, Yang Y, Liu P, Zhang X, Zhang Y, Wang L, Hu Y, Ma L, Li Z, Zhang Y, Zou C, Lin H, Gao S, Lee M, Lubberstedt T, Pan G, Shen Y. Analysis of the genetic architecture of maize kernel size traits by combined linkage and association mapping., 2020, 18: 207–221.

[19] Chen L, An Y, Li Y X, Li C, Shi Y, Song Y, Zhang D, Wang T, Li Y. Candidate loci for yield-related traits in maize revealed by a combination of metaQTL analysis and regional association mapping., 2017, 22: 2190–2202.

[20] Kanneganti V, Gupta A K. Wall associated kinase from plants—an overview., 2008, 14: 109–118.

[21] Kanneganti V, Gupta A K. RNAi mediated silencing of a wall associated kinase, OsiWAK1 inresults in impaired root development and sterility due to anther indehiscence: wall associated kinases from., 2011, 17: 65–77.

[22] Shikata M, Takemura M, Yokota A, Kohchi T.ZIM, a plant-specific GATA factor, can function as a transcriptional activator., 2003, 67: 2495–2497.

[23] Wang Z, Zhu T, Ma W, Fan E, Lu N, Ou-Yang F, Wang N, Yang G, Kong L, Qu G, Zhang S, Wang J. Potential function of CbuSPL and gene encoding its interacting protein during flowering in., 2020, 20: 105.

[24] Chuck G S, Brown P J, Meeley R, Hake S. Maize SBP-box transcription factors unbranched2 and unbranched3 affect yield traits by regulating the rate of lateral primordia initiation., 2014, 111: 18775–18780.

[25] Du Y, Liu L, Peng Y, Li M, Li Y, Liu D, Li X, Zhang Z.expression and inflorescence development is mediated byand the distal enhancer, KRN4, in maize., 2020, 16: e1008764.

[26] Doucet C M, Hetzer M W. Nuclear pore biogenesis into an intact nuclear envelope., 2010, 119: 469?477.

[27] Chen L Q, Luo J H, Cui Z H, Xue M, Wang L, Zhang X Y, Pawlowski W P, He Y. ATX3, ATX4, and ATX5 encode putative H3K4 methyltransferases and are critical for plant development., 2017, 174: 1795–1806.

[28] Wang Y, Wang Y, Wang X, Deng D. Integrated meta-QTL and genome-wide association study analyses reveal candidate genes for maize yield., 2020, 39: 229–238.

[29] Miedes E, Suslov D, Vandenbussche F, Kenobi K, Ivakov A, Van Der Straeten D, Lorences E P, Mellerowicz E J, Verbelen J P, Vissenberg K. Xyloglucan endotransglucosylase/hydrolase (XTH) overexpression affects growth and cell wall mechanics in etiolatedhypocotyls., 2013, 64: 2481–2497.

[30] Shikata M, Matsuda Y, Ando K, Nishii A, Takemura M, Yokota A, Kohchi T. Characterization ofZIM, a member of a novel plant-specific GATA factor gene family., 2004, 55: 631–639.

附圖1 CMLM方法不同環(huán)境穗軸粗(CD)全基因組關(guān)聯(lián)分析的曼哈頓圖和QQ圖

Fig. S1 Manhattan plots and quantile-quantile plots for genome-wide association analysis for ear cob diameter using CMLM method in different environments

DC、YC、SY、YY分別表示鄲城、虞城、三亞和原陽(yáng)。2017和2019代表年份。

DC, YC, SY, and YY represent Dancheng, Yucheng, Sanya, and Yuanyang, respectively. 2017 and 2019 denote in 2017 and in 2019.

附圖2 MLMM和FarmCPU方法沒(méi)有檢測(cè)到顯著穗軸粗SNP的曼哈頓圖和QQ圖

Fig. S2 Manhattan plots and quantile-quantile plots for no significant SNP for ear cob diameter using MLMM and FarmCPU

DC、YC、SY、YY分別表示鄲城、虞城、三亞和原陽(yáng)。2017和2019代表年份。

DC, YC, SY, and YY represent Dancheng, Yucheng, Sanya, and Yuanyang, respectively. 2017 and 2019 denote in 2017 and in 2019.

附圖3 maizeGDB中17個(gè)候選基因在不同組織的表達(dá)情況

Fig. S3 Expression profiles of 17 candidate genes in different tissues retrieved from maize GDB

Genome-wide association study of ear cob diameter in maize

MA Juan, CAO Yan-Yong, and LI Hui-Yong*

Institute of Cereal Crops, Henan Academy of Agricultural Sciences, Zhengzhou 450002, Henan, China

Maize ear cob diameter is an important trait impacting the yield of grain and cob, and the analysis of its genetic mechanism will provide a guidance for high-yield breeding. In this study, the genotypes of 309 inbred lines were identified by genotyping-by-sequencing technology. FarmCPU (fixed and random model circulating probability unification), MLMM (multiple loci mixed linear model), and CMLM (compressed mixed linear model) were used to identify significant single nucleotide polymorphisms (SNP) for ear cob diameter of Yuanyang of Henan province, Dancheng of Henan province, Yucheng of Henan province, Sanya of Hainan province in 2017 and 2019, and best linear unbiased estimate environment. A total of 12 significant SNP for ear cob diameter were detected at< 8.60E-07. S4_29277313 was detected from Yuanyang in 2017 using FarmCPU and MLMM. The phenotypic variance explained of S1_29006330, S2_170889116, S2_2046026464, and S4_83821463 ranged from 10.23% to 14.17%, and were considered major-effect SNP. In addition, S1_29006330 was mapped in the interval of known QTL for ear cob diameter. A total of 17 candidate genes were identified. Among them,(wall-associated receptor kinase-like 14), transcription factor(zinc-finger protein expressed in inflorescence meristem 35),(HMG-Y-related protein A), histone-lysine N-methyltransferase(trithorax 4), and(xyloglucan endotransglucosylase/hydrolase protein 32) might be important genes for ear cob diameter. The identification of four major-effect SNP and five candidate genes can provide an information for molecular marker-assisted breeding, fine mapping, and gene cloning.

maize; genome-wide association study (GWAS); FarmCPU; ear cob diameter

10.3724/SP.J.1006.2021.03048

本研究由河南省科技攻關(guān)項(xiàng)目(182102110368)和河南省農(nóng)業(yè)科學(xué)院優(yōu)秀青年基金(2020YQ04)資助。

This study was supported by the Science and Technology Project of Henan Province (182102110368) and the Science-Technology Foundation for Outstanding Young Scientists of Henan Academy of Agricultural Sciences (2020YQ04).

李會(huì)勇, E-mail: lihuiyong1977@126.com

E-mail: majuanjuan85@126.com

2020-08-14;

2020-12-01;

2021-01-04.

URL: https://kns.cnki.net/kcms/detail/11.1809.S.20210104.1147.004.html