¹黑龙江八一农垦大学，黑龙江 大庆

²东北农业大学，黑龙江 哈尔滨

收稿日期：2021年4月24日；录用日期：2021年5月19日；发布日期：2021年5月27日

摘要

大豆分枝数与大豆产量密切相关，因此对大豆分枝数进行QTL精细定位及对其候选基因的挖掘在生产实际中具有重要意义。本研究利用SLAF测序技术，针对一套RIL群体(亲本：Charleston (♀)和东农594 (♂))构建了大豆的高密度遗传图谱，分别采用复合区间作图法(CIM)及完备区间作图法(ICIM)对4个环境的大豆分枝数表现数据进行QTL初步定位。获得10个大豆分枝数相关的QTL位点，并利用生物信息工具对区间内基因进行功能注释，筛选到与大豆分枝数相关的候选基因有20个，分别为Glyma01g37051，Glyma02g05350，Glyma02g06830，Glyma02g10540，Glyma19g07557，Glyma02g09650，Glyma02g03990，Glyma02g07940，Glyma02g14125，Glyma02g14910，Glyma02g13053，Glyma02g08680，Glyma02g14450，Glyma02g11850，Glyma02g15400，Glyma02g12700，Glyma13g14002，Glyma02g10910，Glyma02g15380，Glyma02g15390。结论：为大豆高产育种策略的制定提供有利保证，加快品种定向选育，缩短育种时间，提高育种实效，育成品种可以尽快进入产业化生产。

关键词

大豆，分枝，QTL，候选基因

QTL Analysis and Candidate Gene Mining of Soybean Branch Number

Xue Han^1,2, Chenxi Wan², Zhaoming Qi²

¹Heilongjiang Bayi Agricultural University, Daqing Heilongjiang

²Northeast Agriculture University, Harbin Heilongjiang

Received: Apr. 24^th, 2021; accepted: May 19^th, 2021; published: May 27^th, 2021

ABSTRACT

Soybean branches number is closely related to soybean yield, so it is very important to fine map QTL for the number of branches and explores candidate genes in soybean production. In this study, we used SLAF sequencing technology to target a RIL population (parent: Charleston) (♀) He Dongnong 594 (♂) A high-density genetic map of soybean was constructed, and QTLs of branch number of soybean in four environments were mapped by CIM and ICIM respectively. Ten main effect QTL loci related to the number of branches in soybean were obtained, and 20 candidate genes related to the number of branches were screened by bioinformatics tools which were Glyma01g37051, Glyma02g05350, Glyma02g06830, Glyma02g10540, Glyma19g07557, Glyma02g09650, Glyma02g03990, Glyma02g07940, Glyma02g14125, Glyma02g14910, Glyma02g13053, Glyma02g08680, Glyma02g- 14450, Glyma02g11850, Glyma02g15400, Glyma02g12700, Glyma13g14002, Glyma02g10910, Glyma02g15380, Glyma02g15390. It can provide a favorable guarantee for the formulation of high-yield breeding strategy, speed up the directional breeding of soybean varieties, improve the breeding effect, and the new varieties can enter the industrial production as soon as possible.

Keywords:Soybean, Branches Number, QTL, Candidate Genes

Copyright © 2021 by author(s) and Hans Publishers Inc.

This work is licensed under the Creative Commons Attribution International License (CC BY 4.0).

http://creativecommons.org/licenses/by/4.0/

1. 引言

【研究意义】

大豆是主要的经济和粮食作物，有着含高油、高蛋白等特点，占世界油料种子的56%，更是植物蛋白质的主要来源，目前世界对大豆的需求量日益增加。大豆分枝数是大豆重要的株型性状，与产量密切相关。黄中文等研究了与大豆产量有关的农艺性状QTL检测，其中，大豆分枝数是影响大豆产量的一个重要因素 [1]。但是目前大豆和其他高产作物相比，存在相对产量低、种植积极性低等问题，因此迫切需要用现代化分子育种技术改良现有大豆品种的产量性状。迄今为止，国内外已有大量关于大豆产量性状位点定位的报道，但针对于大豆分枝数QTL的研究还居于少数，且试验多设置在少部分环境下，而且这些定位结果太分散(http://www.soybase.org/)。同时，大豆分枝数也是复杂的数量性状，受多个基因的共同控制。植物分枝相关基因的研究目前多集中在禾本科植物中 [2]，目前虽然有关于大豆分枝数的数量性状位点定位的报道，但将这些QTL直接用于育种实践尚且存在一定难度，主要原因在于：1) 没有高密度的遗传连锁图谱，获得的标记区间较大，无法进行精细定位；2) 目前定位的大豆分枝数相关的QTL数量有限，对发掘主效带来了困难。

本研究欲基于建立的大豆高密度遗传图谱，定位分枝数相关QTL，满足精细定位的需求；同时挖掘分枝数相关的候选基因，可以为大豆分子标记辅助选择提供有利工具，为大豆高产育种策略的制定提供有利保证。

【国内外研究现状】

近年来，国内外学者利用不同的遗传作图群体，不同的定位方法获得了大量的蛋白质含量QTL信息。大豆蛋白质含量虽然是一个受遗传力影响较高的性状，同时也是一个对外界环境变化敏感的性状且受多基因控制，因此，对大豆蛋白质含量的精细定位及基因克隆研究还存在很大困难。目前为止，国内外已经构建的大豆分子遗传图谱有几十张，但是标记密度还需要补充，初步定位的结果尚不够精确。QI等应用SLAF测序技术构建含有5308个SLAF标记构的大豆高密度遗传图谱，是目前国内密度高的大豆遗传图谱之一，图谱的总长度为2294.43 cM，标记间的平均距离为0.47 cM，平均每个连锁群含有265个标记，连锁群平均长度为114.72cM [3]。许多研究学者大豆重要农艺性状进行了QTL分析，都有涉及到大豆分枝数对产量的影响 [4] - [10]。但目前国内外并没有太多的关于大豆分枝数的研究报道，在Soybase (www.soybase.org)的数据库中共收录了13个与分枝数相关的QTL。大豆分枝数与产量密切相关，如何通过改良株型结构进一步提高大豆单产已引起育种家的重视。盖钧镒认为，与栽培大豆相比，野生大豆具有分枝数多的特点，解析其遗传基础，对大豆株型育种具有重要意义 [11]。根据Isebrands和Nelson等人的研究，分枝数对植株生长的影响与不同的基因类型、物种类别、以及植株生长的资源条件(光照、水分和土壤质地)密切相关，Nelson利用栽培大豆的F2群体发现主茎不同位置分枝数受Br1和Br2两对主基因控制 [12] [13] [14]。2007年陈庆山等利用东农594和Charleston为亲本构建的RIL群体定位到了7个分枝相关的QTLs，分别位于B1，C2，和E等3个连锁群 [15]。王贤智利用栽培大豆的RILs，检测到14个分枝数相关的QTL，分布于A2、B2、C1、C2和E等10个连锁群上 [16]。何冉等利用由栽培大豆衍生的剩余杂合系定位了一个位于C1连锁群的分枝数QTL [17]。2010年Sayama等人利用Tokei 758和To-8E为亲本构建的RIL群体定位到了5个分枝相关的QTLs，分别位于C2，L，B1，D2和G连锁群，并且发现qBr1和qBr2分别位于E1和E3的近侧区，其它3个位点都与qBr1存在互作 [18]。2008年Li等人利用PI171451和Hwaeomputkong为亲本构建的RIL群体定位到了1个分枝相关的QTL，位于连锁群O上 [19]；但目前并没有利用高密度遗传连锁图谱定位大豆分枝数的QTL报道出现。由于这2个性状受环境影响大 [20]，国内外对其遗传基础研究较少，且仅局限在栽培大豆中，同时进行QTL定位的群体主要为F₂ [21]、F_2:3 [22] 和RIL [23] [24] 等初级作图群体，该类群体遗传背景复杂，定位结果准确性差，且不利于后续深入研究。2013年谭冰等对大豆全基因组分枝相关基因发掘及与QTL共定位，对大豆基因组中分枝相关同源基因的检索所得到的20个分枝相关的QTL区间内存在大豆分枝相关候选基因57个 [25]。本研究利用一套RIL群体(已构建大豆高密度遗传图谱)，结合4年间RIL群体的大豆分枝数进行QTL的初步定位。整合前人研究结果，发掘重要的通用QTL，并对其间基因进行功能注释，挖掘大豆分枝数相关的候选基因，并将这些基因与相关QTL位点进行共定位分析，从中获得了一些位于大豆分枝相关QTL定位区间的候选基因，为大豆分枝育相关基因的功能研究及功能标记开发提供参考。

2. 材料与方法

2.1. 材料

应用RIL群体(亲本：Charleston (♀)和东农594 (♂))，在东北农业大学向阳农场实验基地(简称哈尔滨，HEB，东经126˚北纬45˚)种植，以随机区组设计，设置3次重复，并设置6行保护行以消除边界效应，按大田模式进行田间管理。在植株收获后，进行考种调查亲本大豆品系东农594和Charleston及其F_2:19~F_2:21的RIL群体的分枝数性状，利用已构建的分子遗传图谱进行QTL定位分析。对有关大豆分枝数量的数量性状位点(QTL)进行定位，挖掘分枝数相关基因 [3]。该高密度图谱为应用SLAF测序技术构建含有5308个SLAF标记构的大豆高密度遗传图谱，是目前国内高密度的大豆遗传图谱之一，图谱的总长度为2294.43 cM，标记间的平均距离为0.47 cM，平均每个连锁群含有265个标记。大豆高密度遗传图谱为进一步的分子标记研究及QTL定位奠定重要基础 [3]。

2.2. 方法

使用Windows QTL Cartographer V.2.5采用复合区间作图法(CIM)、IciMapping V3.3采用完备区间作图法(ICIM)对大豆分枝进行QTL初步定位和分析，针对获得的大豆分枝数重要标记位点，利用实验室近期正在构建的50套基于RIL群体的回交后代群体，进行大豆分枝数QTL的初步筛选。基于本实验室已经构建的包括5308个SNP标记的精细图谱，在经过筛选后的50套基于RIL群体的回交后代群体中对大豆分枝数QTL位点进行精确定位对得到的主效QTL位点进行功能注释。

3. 结果

3.1. RIL群体结果数据分析

通过对四年同种种植环境下的材料进行分枝数的检测和分析，发现该RIL群体的分枝数呈近似正态分布的连续分布(表1和图1)，说明适合对其群体进行QTL定位分析。

表1. 2006、2013、2014、2015年RIL群体分枝数

图1. RIL群体分枝数分布图

3.2. 大豆分枝数的QTL分析

控制大豆分枝数的QTL有10个，分别位于大豆20个连锁群中的6个连锁群上(表2)。利用CIM算法共检测到10个控制大豆分枝数的QTL。2006年哈尔滨种植环境下检测到3个QTL，分别位于D1b、L、L连锁群上，LOD分别为30.47826087、26.34782609、28.97826087，贡献率分别为0.076978%、0.066009%、0.072795%，加性效应分别为−0.382、0.3535、0.3604。2013年哈尔滨种植环境下检测到4个QTL，分别位于F、F、D2、L连锁群上，LOD分别为39.7173913、72.43478261、39.7826087、35.95652174，贡献率分别为0.102527%、0.177448%、0.092185%、0.083658%，加性效应分别为−0.4031、−0.5352、−0.3692、0.344。2014年哈尔滨种植环境下检测到3个QTL，分别位于Dla、C1、F连锁群上，LOD分别为30.30434783、32.91304348、33.91304348，贡献率分别为0.072782%、0.079268%、0.081778%，加性效应分别为−0.3497、0.4844、−0.3718。利用ICIM算法共检测到3个控制大豆分枝数的QTL，2013年哈尔滨种植环境下检测到1个QTL，位于D2连锁群上，LOD值为2.5567，贡献率为7.7054%，加性效应为0.3027。2014年哈尔滨种植环境下检测到2个QTL，分别位于Dla、L连锁群上，LOD值分别为4.3764、5.3995，贡献率分别为为12.3548%、15.7908，加性效应分别为0.4325、−0.5223。2013年哈尔滨地点和2014年哈尔滨地点分别有QTL被CIM和ICIM两种算法检测出来，分别是Q-NB-D2-17、Q-NB-Dla-1。

表2. 大豆分枝数QTL的分析结果

3.3. 大豆分枝数相关候选基因挖掘

基于物理标记的位置主要作用法，1472个候选基因筛选大豆的基因注释数据集，这些基因Glyma01g37051，Glyma02g05350，Glyma02g06830，Glyma02g10540，Glyma19g07557注解为通路Ko00195，许多关键的研究表明基因通路上的光合作用片段与大豆分枝数有关 [26]；基因Glyma02g09650注解为通路Ko00450，经推测证明硒化合物会影响大豆分枝数；Glyma02g03990，Glyma02g07940，Glyma02g14125，Glyma02g14910通路Ko00910，有研究表明此通路上的氮代谢基因与大豆分枝数有关 [27]；Glyma02g13053被注解为通路Ko04146，研究证明了过氧化物酶体会影响大豆分枝数 [28]。许多候选基因已应用于一些昼夜节律植物上，基因Glyma02g08680，Glyma02g14450属于通路Ko04712，经推测与分枝数相关。基因Glyma02g11850，经注解为Glycine max cullin-3A-like mRNA，表明滞蛋白与分枝数相关；Glyma02g11540，Glyma02g15380，Glyma02g15390注解是Glycine max gibberellin 20 oxidase1-like mRNA，研究证明赤霉素氧化酶与其相关 [29]；Glyma02g10910注解是Glycine max BR01 domain-containing protein BROX-like mRNA表明与分枝数相关；Glyma13g14002注解是Pyrus X bretschneideri light-inducible protein CPRF2 mRNA应用于库尔勒香梨的光诱导蛋白基因经推测与大豆分枝数相关 [30]；Glyma02g12700注解是ribosome biogenesis protein BRX1-like，transcript variant mRNA，经推测与大豆分枝数相关。

4. 讨论

大豆是主要的经济和粮食作物，高油且高蛋白，世界需求量日益增加。目前已经有许多与油分含量和蛋白含量相关的QTL被定位出来，但定位的与大豆分枝数相关的QTL数量有限，对发掘主效带来了困难。

本研究利用亲本大豆品系东农594和Charleston及其F_2:19~F_2:21的RIL群体进行大豆分枝数性状QTL位点的分析。在植株收获后，进行考种调查分枝数。使用Windows QTL Cartographer V.2.5采用复合区间作图法(CIM)、IciMapping V3.3采用完备区间作图法(ICIM)对大豆分枝进行QTL初步定位和分析，结合实验室已有的5308个SNP标记的精细图谱确定精确的QTL位点。提取出QTL位点的基因序列，挖掘出与大豆分枝数相关的候选基因20个，分别为Glyma01g37051，Glyma02g05350，Glyma02g06830，Glyma02g10540，Glyma19g07557，Glyma02g09650，Glyma02g03990，Glyma02g07940，Glyma02g14125，Glyma02g14910，Glyma02g13053，Glyma02g08680，Glyma02g14450，Glyma02g11850，Glyma02g15400，Glyma02g12700，Glyma13g14002，Glyma02g10910，Glyma02g15380，Glyma02g15390.并且对挖掘出的各个基因进行了功能和与大豆分枝数有关的性状及特点进行分析。本研究参考之前的学术研究 [31]，构建大豆高密度遗传图谱，将分枝数这种数量性状转变成图谱形式，便于理解。

本研究成果为大豆高产育种策略的制定提供有利保证，通过大豆分子标记辅助选择，筛选出与本实验中挖掘出的大豆分枝数相关的20个基因较多的品种进行培养，从而加快大豆品种的定向选育，缩短育种时间，提高育种实效，使得育成品种可以尽快进入产业化生产，对未来的大豆分子育种会起到重要的推动作用。

文章引用

韩 雪,万晨茜,齐照明. 大豆分枝数QTL定位及候选基因挖掘
QTL Analysis and Candidate Gene Mining of Soybean Branch Number[J]. 农业科学, 2021, 11(05): 449-455. https://doi.org/10.12677/HJAS.2021.115062

参考文献