親緣系數(shù)分析法在麥類作物遺傳多樣性分析中的應(yīng)用

李健

摘 要 遺傳多樣性研究是作物育種的基礎(chǔ)性工作，對(duì)優(yōu)異親本選擇、優(yōu)良種質(zhì)挖掘具有重要的參考價(jià)值。而親緣系數(shù)法是評(píng)價(jià)遺傳多樣性的簡(jiǎn)易方法。當(dāng)研究對(duì)象為高度自花授粉作物，其譜系信息也相對(duì)完整時(shí)，利用親緣系數(shù)分析法得到的遺傳多樣性分析結(jié)果與利用分子標(biāo)記法所得到的分析結(jié)果具有較好的一致性，因此親緣系數(shù)法廣泛應(yīng)用于麥類作物遺傳多樣性分析?；诖?，綜述利用親緣系數(shù)法對(duì)麥類作物進(jìn)行遺傳多樣性分析的研究報(bào)道，為相關(guān)研究提供有益參考。

關(guān)鍵詞 親緣系數(shù);麥類作物;遺傳多樣性

中圖分類號(hào)：S512 文獻(xiàn)標(biāo)志碼：B DOI：10.19415/j.cnki.1673-890x.2021.03.104

作物遺傳多樣性研究是作物育種的重要基礎(chǔ)性工作，其研究方法較多，常用的研究方法有表型性狀法、分子標(biāo)記法、芯片法、重測(cè)序法等。表型性狀受環(huán)境因素的影響較大，工作量大，耗時(shí)耗力。分子標(biāo)記法會(huì)受標(biāo)記數(shù)量、密度、分布等因素影響，標(biāo)記數(shù)量少、密度低、分布不均勻會(huì)對(duì)遺傳多樣性分析的結(jié)果產(chǎn)生不利影響。芯片法、重測(cè)序法雖然可以獲得大量遺傳多樣性數(shù)據(jù)，能夠?qū)ρ芯繉?duì)象的遺傳多樣性進(jìn)行詳細(xì)分析，但費(fèi)用高昂，限制了這兩種方法的使用范圍。親緣系數(shù)是衡量個(gè)體之間親緣關(guān)系遠(yuǎn)近或共占特定基因概率的指標(biāo)[1]。如果研究對(duì)象是高度自花授粉作物，且擁有相對(duì)完整的譜系信息，那么利用親緣系數(shù)法和分子標(biāo)記法所得到的遺傳多樣性分析結(jié)果具有較好的一致性[2]。因此，親緣系數(shù)法作為對(duì)作物遺傳多樣性評(píng)價(jià)的簡(jiǎn)便方法，在多種自花授粉作物遺傳多樣性分析中廣泛使用。

1 利用親緣系數(shù)分析法對(duì)小麥群體的遺傳多樣性進(jìn)行分析

陳玉清等利用親緣系數(shù)分析法對(duì)來自于四川省的40個(gè)小麥主推品種進(jìn)行遺傳多樣性分析，40個(gè)參試品種形成780對(duì)成對(duì)組合，其中40.13%的組合親緣系數(shù)不為0，組合親緣系數(shù)的變異范圍是0～0.75，組合平均親緣系數(shù)為0.08[3]。

王江春等利用親緣系數(shù)法對(duì)66個(gè)小麥品種進(jìn)行遺傳多樣性分析，結(jié)果表明，66個(gè)小麥品種形成2 145對(duì)成對(duì)組合，其中32.56%的組合親緣系數(shù)為0，組合親緣系數(shù)的變異范圍是0～0.820 3，組合平均親緣系數(shù)為0.062 49[4]。

徐曉丹等利用親緣系數(shù)法對(duì)河南省57個(gè)小麥品種進(jìn)行了遺傳多樣性分析，57個(gè)品種形成1 596對(duì)成對(duì)組合，47.43%的組合間親緣系數(shù)不為0，組合親緣系數(shù)變異范圍是0～0.75，組合平均親緣系數(shù)為0.041 3[1]。

比較不同研究人員的研究結(jié)果，可以清楚了解不同地區(qū)小麥品種的遺傳多樣性，以橫向評(píng)估本研究所涉對(duì)象的遺傳基礎(chǔ)是否狹窄、脆弱。

2 利用親緣系數(shù)分析法對(duì)大麥群體的遺傳多樣性進(jìn)行分析

Mikel等利用親緣系數(shù)法對(duì)1970—2006年選育而成的363個(gè)北美大麥品種進(jìn)行遺傳多樣性分析。結(jié)果顯示，363個(gè)大麥品種的組合平均親緣系數(shù)為0.023，其中，294個(gè)春性大麥品種的組合平均親緣系數(shù)為0.029，62個(gè)冬性大麥品種的組合平均親緣系數(shù)為0.068[5]。相比而言，飼用大麥的組合平均親緣系數(shù)（0.020）遠(yuǎn)低于啤酒大麥（0.111），其中六棱飼用大麥的組合平均親緣系數(shù)為0.026，顯著低于二棱飼用大麥的組合平均親緣系數(shù)（0.058）。對(duì)于啤酒大麥，六棱型啤酒大麥的遺傳多樣性低于二棱型啤酒大麥的遺傳多樣性。

郭煥強(qiáng)等利用親緣系數(shù)分析法對(duì)155個(gè)中國(guó)大麥主栽品種進(jìn)行遺傳多樣性分析。結(jié)果顯示，155個(gè)大麥品種形成11 935個(gè)成對(duì)品種組合，各組合親緣系數(shù)的變異范圍為0～0.75，組合累計(jì)親緣系數(shù)達(dá)到157.586 7，組合平均親緣系數(shù)達(dá)到0.013 2，其中東北地區(qū)的大麥組合平均親緣系數(shù)最高，達(dá)到0.049 3;華東地區(qū)次之，達(dá)到0.043 6;

其余三個(gè)地區(qū)（西南、西北、華中）的大麥主栽品種組合平均親緣系數(shù)較為接近，大致處于0.034 5水平[6]。

3 基于親緣系數(shù)分析的作物骨干親本挖掘

骨干親本是重要的種質(zhì)資源，在作物育種工作中，占據(jù)及其重要的地位，具有極高的研究?jī)r(jià)值。以親緣系數(shù)為基礎(chǔ)，對(duì)參試品種進(jìn)行聚類分析，可以較為容易地篩選出研究對(duì)象中包含的骨干親本以及由骨干親本構(gòu)成的衍生種群體。

陳玉清等利用類平均法對(duì)由40個(gè)四川小麥種質(zhì)資源所構(gòu)成的親緣系數(shù)矩陣進(jìn)行聚類分析，36個(gè)參試品種被分為3個(gè)類群，其中繁六、綿陽11號(hào)及其15個(gè)衍生品種構(gòu)成A類群，阿勃小麥及其13個(gè)衍生種構(gòu)成B類群，成都光頭小麥及其4個(gè)衍生種構(gòu)成C類群，以4個(gè)骨干親本為中心的3個(gè)類群所包含品種占參試品種總數(shù)的90%[3]。

王江春等采用蘭氏距離類平均法對(duì)由66個(gè)小麥品種所構(gòu)成的親緣系數(shù)矩陣進(jìn)行聚類分析。結(jié)果顯示，66個(gè)小麥品種被分為6個(gè)類群，阿勃小麥及其衍生種構(gòu)成B類群的主體，豐產(chǎn)3號(hào)、矮豐3號(hào)和蚰包的衍生種構(gòu)成C類群的主體，魯麥14號(hào)及其衍生種構(gòu)成了D類群的主體[4]。

徐曉丹等采用歐式距離法對(duì)由57個(gè)小麥品種構(gòu)成的親緣系數(shù)矩陣進(jìn)行聚類分析，57個(gè)小麥品種被分為7個(gè)類群。以豫麥2號(hào)和豫麥2號(hào)的衍生種豫麥25為親本的品種構(gòu)成了A類群的主體，豫麥69及其衍生種構(gòu)成了B類群的主體，豫麥18及其衍生種構(gòu)成了C類群的主體，豫麥21及其衍生種構(gòu)成了E類群的主體[1]。

郭煥強(qiáng)等采用歐式距離法對(duì)由155個(gè)大麥品種構(gòu)成的親緣系數(shù)矩陣進(jìn)行聚類分析，結(jié)果表明，在歐式距離為20時(shí)，155個(gè)中國(guó)大麥主栽品種被分為6個(gè)類群[6]。Ⅰ類群包含12個(gè)品種，早熟3號(hào)及其衍生種構(gòu)成了該類群的主體;Morex、Manker及其衍生種構(gòu)成了Ⅱ類群的主體;外引種質(zhì)S-4和S500及其衍生種構(gòu)成了Ⅲ類群的主體;蘇引麥2號(hào)及其衍生種構(gòu)成了Ⅳ類群的主體;法瓦維特及其衍生種組成了Ⅴ類群的主體。Ⅵ類群包含100個(gè)參試品種，在歐式距離為17.5處，100個(gè)參試品種被分為7個(gè)亞類群。由早熟3號(hào)為祖先種的品種構(gòu)成了Ⅵ-1類群的主體;紅日麥1號(hào)及其衍生種構(gòu)成了Ⅵ-2類群的主體;Bowman及其衍生的蒙啤麥系列品種構(gòu)成了Ⅵ-3亞類的主體;ARUPO和早熟3號(hào)的后代品種是Ⅵ-4類群的主體品種;Ⅵ-5亞類是由譜系信息部分缺失、與其他參試品種親緣關(guān)系較遠(yuǎn)的品種組成，共29個(gè)品種;川農(nóng)大2號(hào)和85V24的后代品系構(gòu)成了Ⅵ-6亞類的主體;以川裸1號(hào)和美里黃金為親本或祖先種的參試品種構(gòu)成了Ⅵ-7亞類的主體。

4 展望

1949年以來，我國(guó)利用雜交育種技術(shù)選育了大量?jī)?yōu)良的麥類作物品種。這些品種的推廣種植，有效提升了麥類作物的產(chǎn)量。隨著現(xiàn)代分子生物技術(shù)的發(fā)展，挖掘、聚合有利于提高麥類作物產(chǎn)量的有利基因是進(jìn)一步提升麥類作物單產(chǎn)的重要途徑。但是，在當(dāng)前的條件下，與復(fù)雜數(shù)量性狀相關(guān)的基因挖掘工作存在技術(shù)要求高、費(fèi)用高昂等困難，尤其對(duì)于西部偏遠(yuǎn)地區(qū)的育種單位而言，很難開展大規(guī)模、高標(biāo)記密度的關(guān)聯(lián)分析。因此，選擇高代表性、高特意性的研究群體，確定大小適宜的群體規(guī)模十分必要。通過親緣系數(shù)法、表型性狀法對(duì)研究群體進(jìn)行初步分析，以分析結(jié)果為依據(jù)，篩選高代表性、高特意性的骨干親本及其衍生群體作為全基因組關(guān)聯(lián)分析的研究群體，通過橫向、縱向比對(duì)，篩選、追蹤與目標(biāo)性狀相關(guān)聯(lián)的位點(diǎn)，可能是提升基因挖掘及分子標(biāo)記開發(fā)效率的有效途徑，其研究成果可以為相關(guān)育種工作提供技術(shù)支撐。

參考文獻(xiàn)：

[1] 徐曉丹，馮晶，藺瑞明，等.河南小麥主栽品種親緣系數(shù)分析[J].麥類作物學(xué)報(bào)，2011，31（04）：653-659.

[2] Almanza-Pinzón M I， Khairallah M， Fox P N，et al.?Comparison of molecular markers and coefficients of parentage for the analysis of genetic diversity among spring bread wheat accessions[J].Euphytica，2003，130（01）：77-86.

[3] 陳玉清，鄭有良，周永紅.應(yīng)用親緣系數(shù)分析四川小麥種質(zhì)資源的遺傳多樣性[J].南京師大學(xué)報(bào)（自然科學(xué)版），2002（02）：22-27.

[4] 王江春，胡延吉，余松烈，等.建國(guó)以來山東省小麥品種及其親本的親緣系數(shù)分析[J].中國(guó)農(nóng)業(yè)科學(xué)，2006（04）：664-672.

[5] Mikel M A， Kolb F L. Genetic Diversity of Contemporary North American Barley[J]. Crop Science，2008，48（04）：1399-1407.

[6] 郭煥強(qiáng)，王文峰，姚全杰，等.大麥主栽品種親緣系數(shù)和對(duì)葉斑病的抗性分析[J].植物遺傳資源學(xué)報(bào)，2016，17（04）：586-598.

（責(zé)任編輯：趙中正）