運(yùn)用生物信息學(xué)方法挖掘玉米產(chǎn)量性狀的候選基因.pdf

1、我國(guó)是僅次于美國(guó)的世界第二大玉米生產(chǎn)國(guó)，特別是近30年來，玉米在生產(chǎn)發(fā)展、種植面積和生產(chǎn)總量三個(gè)方面均超過水稻、小麥等其它作物，但是生產(chǎn)技術(shù)水平與美國(guó)相比還存在較大差距。隨著全球國(guó)際化的加速，我國(guó)農(nóng)業(yè)經(jīng)濟(jì)也受到了一定程度上的沖擊，加快實(shí)現(xiàn)玉米生產(chǎn)的優(yōu)質(zhì)、高產(chǎn)、多抗、廣適是當(dāng)前育種工作的主要目標(biāo)。玉米的產(chǎn)量性狀是多個(gè)農(nóng)藝性狀綜合的結(jié)果，具有比較復(fù)雜的遺傳基礎(chǔ)。目前，玉米科研工作者已經(jīng)通過不用的作圖手段定位出大量玉米產(chǎn)量相關(guān)性狀QTL，由于

2、不同科研工作者在定位QTL時(shí)的試驗(yàn)背景不盡相同，所以定位出的控制同一性狀的QTL結(jié)果存在很大差異。另外，QTL定位時(shí)群體的選擇也很重要，采用高級(jí)作圖群體可以進(jìn)行重復(fù)性鑒定以確保定位結(jié)果的精準(zhǔn)度，這樣才能使定位出來的QTL更好的和分子標(biāo)記輔助選擇相結(jié)合，應(yīng)用于玉米育種中。因此，把目前不同研究中得到的玉米產(chǎn)量相關(guān)性狀QTL進(jìn)行整合，通過生物信息學(xué)工具把整合后的QTL位點(diǎn)進(jìn)行分析，得到產(chǎn)量相關(guān)性狀的候選基因區(qū)域，這樣對(duì)分子標(biāo)記輔助選擇育種具有

3、一定的指導(dǎo)作用。
　　本研究對(duì)玉米相關(guān)產(chǎn)量性狀QTL進(jìn)行整合分析挖掘一致性QTL，在整合過程中對(duì)映射質(zhì)量進(jìn)行嚴(yán)格的質(zhì)量控制，后期通過overview分析和heatmap作圖對(duì)一致性QTL進(jìn)行再次分析來確定熱點(diǎn)一致性QTL(HotMQTL)，與此同時(shí)結(jié)合玉米產(chǎn)量相關(guān)GEO，挖掘玉米產(chǎn)量相關(guān)性狀候選基因，并針對(duì)重要候選基因進(jìn)行蛋白結(jié)構(gòu)和功能分析預(yù)測(cè)，以下是本試驗(yàn)主要的研究結(jié)果:
　　1.本研究在QTL元分析過程中對(duì)映射質(zhì)量進(jìn)行嚴(yán)

4、格的控制，以確定實(shí)驗(yàn)結(jié)果的準(zhǔn)確性。將收集到的QTL分為5大類43小類，涉及產(chǎn)量、開花期、株高、籽粒品質(zhì)、抗性等玉米產(chǎn)量相關(guān)性狀，最終將2812個(gè)高質(zhì)量產(chǎn)量相關(guān)性狀QTL成功映射到一致性圖譜上。實(shí)驗(yàn)結(jié)果顯示每條染色體上包含的QTL數(shù)量不等，不同性狀的QTL在每條染色體上呈成簇分布。
　　2.對(duì)整合好的QTL分別進(jìn)行單個(gè)性狀overview分析和多個(gè)性狀聯(lián)合overview分析，兩種分析結(jié)果都顯示每條染色體上RPL(Relative

5、Probability Level，RPL)曲線存在多個(gè)峰值。同時(shí)，運(yùn)用Heatmap作圖進(jìn)行分析，結(jié)果顯示不同性狀QTL在不同染色體上存在明顯的熱點(diǎn)區(qū)域。
　　3.在對(duì)現(xiàn)有QTL進(jìn)行元分析時(shí)采用兩種策略。第一，對(duì)同一性狀的QTL進(jìn)行元分析，共得到264個(gè)MQTL，進(jìn)一步篩選得到99個(gè)HotMQTL。
　　4.將在HotMQTL內(nèi)獲得的玉米候選基因與水稻和高粱進(jìn)行同源比對(duì)，內(nèi)共獲得18個(gè)已克隆的水稻產(chǎn)量相關(guān)同源基因和4個(gè)高粱