張廣旭 王康君 譚一羅 郭明明 孫中偉 陳鳳 樊繼偉

(連云港市農(nóng)業(yè)科學(xué)院，江蘇 連云港 222000)

1 提高小麥產(chǎn)量，迎接未來挑戰(zhàn)

小麥?zhǔn)侵袊?大糧食作物，其持續(xù)發(fā)展為保障國內(nèi)糧食安全作出了重要貢獻(xiàn)[1]。隨著全世界人口數(shù)目不斷增加，對小麥生產(chǎn)提出了更高要求，小麥生產(chǎn)面臨巨大挑戰(zhàn)。小麥對保障國民的糧食安全具有舉足輕重的地位，進(jìn)一步提高小麥單產(chǎn)是中國小麥育種的主要方向[2]。選育高產(chǎn)品種是育種重要目標(biāo)，單位面積穗數(shù)、穗粒數(shù)和千粒重是小麥產(chǎn)量構(gòu)成的3要素[3]，穗數(shù)的遺傳力最低，穗粒數(shù)的遺傳力比穗數(shù)的高，千粒重在三者中受遺傳特性的影響最大，其主要受加性效應(yīng)基因的控制，其相互之間彼此影響[4]；產(chǎn)量性狀受基因位點和環(huán)境影響共同控制。目前小麥育種以常規(guī)育種為主，效率低、時間長，進(jìn)展緩慢，僅依靠該育種技術(shù)已經(jīng)難以滿足我國糧食安全和人民日益增長的美好生活需要，因此，加快對小麥分子育種的研究勢在必行，可為我國解決小麥育種“卡脖子”問題奠定基礎(chǔ)[5]。

2 利用現(xiàn)代生物學(xué)技術(shù)挖掘產(chǎn)量性狀基因位點

遺傳分離群體的構(gòu)建和自然群體的選擇及其表型與基因型的獲取是開展QTL定位的前提。關(guān)聯(lián)作圖群體可以結(jié)合關(guān)聯(lián)分析和連鎖分析2種分析方式，可以解決基于單一群體QTL檢測的數(shù)目及真實性和重復(fù)性。Buckler[6,7]在2009年利用25個玉米關(guān)聯(lián)群體進(jìn)行遺傳信息多樣性分析和玉米開花期相關(guān)性狀的QTL分析。小麥基因組中的單核苷酸多態(tài)性(Single Nucleotide Polymorphisms, SNPs)具有分布廣、數(shù)量多且可高通量檢測等特點。目前小麥已開發(fā)出9K、90K、660K芯片和55K等一系列SNP芯片[8-11]，這些芯片具有高通量、低成本、省時、結(jié)果穩(wěn)定等優(yōu)點，其迅速的發(fā)展為高密度的遺傳連鎖圖譜構(gòu)建、KASP(Kompetitive Allele-Specific PCR)標(biāo)記的開發(fā)與應(yīng)用提供了重要的技術(shù)支撐，也促進(jìn)了目的基因的克隆和分子標(biāo)記輔助選擇(MAS)，最終為縮短育種年限，提高小麥產(chǎn)量奠定基礎(chǔ)，提高小麥育種效率。

3 小麥穗部產(chǎn)量性狀QTL定位研究進(jìn)展

3.1 基于雙親群體連鎖分析穗部性狀研究進(jìn)展

武炳瑾[12]利用周8425B/小偃81構(gòu)建的重組自交系群體結(jié)合90K芯片建立了高密度遺傳圖譜，進(jìn)行連鎖分析，共計定位到控制小穗數(shù)(12個，QSns.nafu-2B在2個環(huán)境下可檢測到)、不育小穗數(shù)(14個，QSsn.nafu-4A.1、QSsn.nafu-7B.1和QSsn.nafu-2D 3個位點可重復(fù)檢測到)、穗長(18個，QSl.nafu-6A.2和QSl.nafu-7A 2個位點可重復(fù)檢測到)和穗粒數(shù)(11個，QGns.nafu-2B和QGns.nafu-6A 2個位點可重復(fù)檢測到)等位點；QSl.nafu-6A.2(穗長)和QGns.nafu-6A(穗粒數(shù))位于同一個基因簇，具有較大的選擇效應(yīng)。李娜[13]利用W7984/Opata構(gòu)建的114個RIL群體在柴達(dá)木盆地生態(tài)環(huán)境下6個年份共計檢測到6個穗長QTL、2個小穗數(shù)QTL、8個穗粒數(shù)QTL、7個穗密度QTL，該研究同時表明即使利用同一套材料，在環(huán)境差異較大情況下，與產(chǎn)量性狀相關(guān)的位點表達(dá)亦有較大差異。梁秀梅[14]以“揚麥17”與“寧麥18”構(gòu)建的F2∶3群體，進(jìn)行穗部性狀定位，如穗頂部、基部結(jié)實性等，共計定位到22個QTL位點，“寧麥18”提供了對穗頂部和基部結(jié)實粒數(shù)的增效基因。Jun Zou[15]利用90K芯片對Attila/CDC Go RIL群體，重新構(gòu)建的高密度標(biāo)記遺傳圖譜以及之前報道的表型數(shù)據(jù)，挖掘到較多之前未挖掘到的QTL位點，表明高密度遺傳連鎖圖譜對QTL挖掘的重要性。YF Xu[16]利用一套含有131個株系重組自交系在足水(WW)和干旱(DS)條件下挖掘到穩(wěn)定表達(dá)的總小穗數(shù)QTL位(QTss-1A)和小穗密度QTL(QScn-7A.1)。Nabin BhusalN[17]利用HD2808/HUW510構(gòu)建的重組自交系群體在正常播種和晚播條件下挖掘到與穗粒數(shù)相關(guān)QTL位點6個，Qgns.iiwbr-2A和Qgns.iiwbr-2A在多個環(huán)境中穩(wěn)定表達(dá)。Yulian Li[18]利用中國地方品種Banmangzi與“濟麥22”構(gòu)建的雙親群體(F6)，利用55K小麥芯片構(gòu)建遺傳連鎖圖，挖掘到控制穗長、每穗小穗數(shù)位點分別有4個、5個。QSL.saas.2D在AX-108988107和AX-111096297之間2DS染色體上的物理間隔19.6～32.9 Mb在3個環(huán)境中被檢測到，與AX-108988107遺傳距離為0cM的，解釋了20.1%～27.9%的表型差異；QSNS.saas-2D.1與QSL.saas-在2D染色體上位于同一位置，解釋表型變異10.2%～18.5%，通過小麥基因組信息比對及預(yù)測候選基因選擇，發(fā)現(xiàn)編碼IAA-氨基酸水解酶ILR1和生長調(diào)節(jié)因子對穗長有影響。Xiaoli Fan[19]利用Kenong 9204/Jing411構(gòu)建的重組自交系(188)，進(jìn)行穗部產(chǎn)量性狀QTL定位，通過復(fù)合區(qū)間作圖共檢測到157個、54個條件QTL位點，其中3個為在低N條件下誘導(dǎo)小穗數(shù)和可育小穗數(shù)(qSn-1A.1、qFsn-1B和qFsn-7D)的QTL，R7A同時攜帶3個主要穩(wěn)定QTL(qSn-7A.2、qSc-7A和qFsn-7A.3)該區(qū)域是進(jìn)一步遺傳改良的重要候選區(qū)域之一。Roncallo P F[20]利用UC1113和Kofa構(gòu)建的RIL群體檢測到Xdupw4-Xbarc170和Xgwm265-Xwmc518區(qū)段存在控制穗粒數(shù)及產(chǎn)量相關(guān)性狀QTL。崔法[21,22]利用3個關(guān)聯(lián)RIL群體(含有公共親本)進(jìn)行產(chǎn)量性狀QTL定位，共檢測到28個穗粒數(shù)QTL，結(jié)合3個關(guān)聯(lián)RIL群體4個環(huán)境穗粒數(shù)表型及基因型數(shù)據(jù)分析，在Xwmc730-wPt-8091(物理位置:4A:664209916-4A:736770981)檢測到控制穗粒數(shù)主效QTL-qKnps-4A，進(jìn)一步表明利用關(guān)聯(lián)群體對QTL檢測真實性與精細(xì)定位具有重要作用。Zhai Huijie[23]利用2個冬性小麥Yumai8679和Jing411.構(gòu)建的雙親重組自交系群體，在9個環(huán)境下，共檢測到控制穗長、可育小穗數(shù)、不育小穗數(shù)、總小穗數(shù)、穗密度QTL位點數(shù)目分別為30、31、30、33和33，且一些位點同時控制多個穗部性狀，同時發(fā)現(xiàn)黑麥1RS/1BL會對穗長和穗數(shù)起正向作用，小穗密實度不變。Li Faji[24]利用3個關(guān)聯(lián)雙親群體，共計定位到與穗長、總小穗數(shù)相關(guān)的QTL位點17、16個，部分位點在2個或3個群體中均檢測到，對這些可靠位點進(jìn)一步精細(xì)定位與分子標(biāo)記開發(fā)，可有助于小麥遺傳改良。胡俊美[25]利用4個相關(guān)聯(lián)的RIL群體，在8個環(huán)境下，共檢測到53個穗部產(chǎn)量性狀QTL位點，其中穗粒數(shù)4個、穗長21個、每穗總小穗數(shù)28個，解釋表型變異在0.48%～9.48%，且優(yōu)異性狀基因是由野生親本小麥親本提供。Sara Farokhzadeh[26]利用SeriM82/Veery cross構(gòu)建的重組自交系，在有鋁脅迫和無鋁脅迫環(huán)境下分別定位到控制總小穗數(shù)QTL 3個、2個，無鋁脅迫下最高解釋表型變異可達(dá)20.93%，在鋁脅迫下2B-wPt-9736和wPt-27862個標(biāo)記與性狀關(guān)聯(lián)較大；在有鋁脅迫和無鋁脅迫環(huán)境下分別定位到穗粒數(shù)QTL位點6個和1個，無鋁脅迫下解釋表型變異6.64%～12.08%，在鋁脅迫環(huán)境下只檢測到1個微效的位點，脅迫環(huán)境下的QTL表達(dá)具有限制性。

3.2 基于自然群體關(guān)聯(lián)分析穗部性狀研究進(jìn)展

劉凱[27]通過全基因組關(guān)聯(lián)圖譜和連鎖分析兩者結(jié)合揭示了多個與穗相關(guān)性狀的顯著等位基因變異，通過雙親群體連鎖分析發(fā)現(xiàn)了35個加性效應(yīng)QTL，包括在1A、2D、4B、5B、6B和6D染色體上的11個穩(wěn)定QTL，染色體4B上EX_C101685和RAC875_C27536之間的標(biāo)記間隔表現(xiàn)出多效性對于SL、GNS、FSN、SSN和TSS，表型變異解釋(PVE)的范圍為5.40%～37.70%；同時通過205個優(yōu)質(zhì)小麥自然群體進(jìn)行GWAS分析，共檢測到73個標(biāo)記與穗部性狀顯著關(guān)聯(lián)，其分布在除4D、5D和6D外的所有小麥染色體上；通過連鎖分析和全基因組關(guān)聯(lián)分析，檢測了多個環(huán)境中在3A上QSD3A.2-164和RAC875_c17479_359之間同時控制穗長與穗粒數(shù)。此外，在整合圖譜上鑒定出6個穩(wěn)定的QTL簇，分別位于染色體2D、3A、4B、5A和6A上，具有較高的PVE%。Weiping S[28]使用90K小麥SNP陣列對264個品種和揚麥13/C615的RIL群體進(jìn)行基因分型，通過從多種環(huán)境獲得的數(shù)據(jù)的全基因組關(guān)聯(lián)分析，在47個單核苷酸多態(tài)性(SNP)基因座上檢測到62個與穗粒數(shù)顯著相關(guān)位點，關(guān)聯(lián)分析與連鎖分析的有效整合，為目標(biāo)位點進(jìn)一步精細(xì)定位奠定基礎(chǔ)。Congwei Sun[29]使用小麥90K芯片對黃淮麥區(qū)163個小麥品種組成的自然群體進(jìn)行基因分型，對13個產(chǎn)量性狀進(jìn)行全基因組關(guān)聯(lián)分析研究，與穗長顯著關(guān)聯(lián)共檢測到129個SNP，位于1BL BobWhite_rep_c66146_237 SNP在9個環(huán)境中對穗長有加性效應(yīng)；共檢測到161個與穗粒數(shù)顯著相關(guān)SNP，6BS上的Kukri_c4586_381被檢測到在8個環(huán)境中與穗粒數(shù)顯著負(fù)相關(guān)；共檢測到116個SNP與總小穗數(shù)顯著關(guān)聯(lián)，位于6AS、6AS和1AL的SNP Kukri_c264_539、Tdurum_contig42729_380 和tplb0059e14_515在4個環(huán)境下均可以穩(wěn)定表達(dá)；與可育小穗數(shù)、不育小穗數(shù)顯著相關(guān)SNP分別有159個、81個。Sheng-Xing Wang[30]使用小麥90K SNP芯片對105個優(yōu)良小麥品種(品系)的產(chǎn)量相關(guān)性狀進(jìn)行全基因組關(guān)聯(lián)研究，檢測到24個標(biāo)記和9個產(chǎn)量相關(guān)性狀極顯著相關(guān)，在7A染色體(130.27cM)上僅檢測到1個MTA(Kukri_c14516_224、Tdurum_contig10002_533和BS00108184_51)與穗粒數(shù)顯著相關(guān)，解釋了11.78%±12.45%的表型；Junli Zhang[31]利用262個光周期不敏感春小麥進(jìn)行小穗數(shù)、穗粒數(shù)等產(chǎn)量性狀的關(guān)聯(lián)分析，同時又利用8個NAM群體驗證，檢測到穩(wěn)定表達(dá)的15個小穗數(shù)QTL，1個穗粒數(shù)QTL；Melissa Garcia[32]利用由地方品種、人工合成小麥和引進(jìn)資源組成的568份自然群體進(jìn)行產(chǎn)量性狀全基因組關(guān)聯(lián)分析，挖掘到穗長與穗數(shù)4D(QSl.aww-4D)和4B(QSn.aww-4B)，其QTL位點在物理圖譜的位置在QSl.aww-4D(4D染色體上455Mbp)和QSn.aww-4B(4B號染色體上447Mbp)，這些可能是同源染色體區(qū)域控制的；龐昀龍[33]收集利用了國內(nèi)小麥主產(chǎn)區(qū)合計768份優(yōu)良小麥，進(jìn)行簡化基因組測序分析，通過關(guān)聯(lián)分析，分別獲得了控制穗長、每穗小穗數(shù)和穗粒數(shù)QTL位點26、17和49個，其中分別有8個、9個和24個在多個環(huán)境可以重復(fù)檢測到，其中還包含3個控制穗粒數(shù)QTL位點在所有環(huán)境下均可檢測到。對控制穗長及穗粒數(shù)的穩(wěn)定表達(dá)位點，進(jìn)一步利用雙親群體進(jìn)行驗證，進(jìn)一步采用多組學(xué)研究分析，鑒定到8個候選基因。左煜昕[34]通過生物信息學(xué)手段，采用元分析將不同科研工作者研究的控制小麥穗粒數(shù)的QTL位點進(jìn)行圖譜整合、映射和元分析，發(fā)現(xiàn)控制穗粒數(shù)的QTL位點在小麥21條染色體上分布不均勻，2B最多，7D最少；同時找到了35個一致性QTL區(qū)間段，這些穩(wěn)定區(qū)間段可以進(jìn)一步利用小麥基因組信息開發(fā)育種可利用的分子標(biāo)記，進(jìn)行育種改良。

3.3 穗部產(chǎn)量性狀QTL總結(jié)

綜上，目前己經(jīng)有大量科學(xué)家針對小麥穗部性狀等產(chǎn)量性狀進(jìn)行連鎖分析或關(guān)聯(lián)分析研究，更有兩者結(jié)合分析[21,22,27,28,31,33]與元分析，這些研究表明小麥穗部性狀是典型數(shù)量性狀，這些優(yōu)異位點的發(fā)現(xiàn)有助于進(jìn)一步改良小麥穗部形態(tài)結(jié)構(gòu)。控制小麥穗部性狀的QTL位點在小麥所有21條染色體上均有分布，但不均勻；這些位點受環(huán)境和遺傳背景共同影響，絕大部分QTL穩(wěn)健性較差，且對表型的貢獻(xiàn)率有大有小，進(jìn)而對這些QTL位點挖掘相對來說較為困難，目前只有少數(shù)的QTL功能基因位點被克隆，Q、C、S和GNI1 4個基因分別位于5A、2D、3D和2A上；Q基因控制穗長、株高等性狀;C基因控制穗部形態(tài)，籽粒性狀、數(shù)量等；S基因控制籽粒形態(tài)；GNI1基因控制穗粒數(shù)，其為編碼亮氨酸拉鏈I類(HD-zipI)的轉(zhuǎn)錄因子，其影響小花育性進(jìn)而影響穗粒數(shù)，其表達(dá)量的降低有利于穗粒數(shù)的增加[35-39]。

4 結(jié)語與展望

近年來,隨著小麥基因組學(xué)的發(fā)展及高通量測序技術(shù)的發(fā)展，小麥產(chǎn)量結(jié)構(gòu)QTL定位數(shù)量愈來愈多，但受遺傳背景、環(huán)境和其貢獻(xiàn)率的影響，在育種上應(yīng)用的QTL較少，并且對這些QTL進(jìn)行系統(tǒng)整理較少。隨著小麥參考基因組的日趨完善，對這些已挖掘到的QTL進(jìn)行整合，比對到準(zhǔn)確的物理位置以及目標(biāo)區(qū)間的注釋信息等，開發(fā)可利用的高通量標(biāo)記，可進(jìn)一步快速有效地挖掘穗部形態(tài)的基因并有助于掌握小麥產(chǎn)量形成的遺傳信息，促進(jìn)小麥高產(chǎn)育種篩選優(yōu)異等位變異，通過優(yōu)異等位變異輔助選擇，將多個優(yōu)異效應(yīng)較大QTL轉(zhuǎn)移到綜合豐產(chǎn)性好的背景中去，有望突破傳統(tǒng)育種局限，解決小麥育種“卡脖子”瓶頸，實現(xiàn)大面積豐產(chǎn)品種選育。