摘要：為解析調(diào)控小黑麥（Triticosecale Wittmack）草產(chǎn)量的遺傳機制，本研究以‘甘農(nóng)7號’小黑麥與‘石大1號’小黑麥構(gòu)建的F6代重組自交系（RIL）群體為材料，利用小黑麥RIL群體分子圖譜，結(jié)合株高、分蘗數(shù)、穗下節(jié)間長和單株鮮重的表型值，進行QTL分析。共檢測到5個株高QTL，分布在連鎖群LG1，LG3，LG4，LG6上，遺傳貢獻率為6.56%～12.86%；4個分蘗數(shù)QTL，分布在連鎖群LG2，LG5，LG6，LG7上，遺傳貢獻率為7.11%～12.44%；3個穗下節(jié)間長QTL，分布在連鎖群LG1，LG2，LG5上，遺傳貢獻率為7.69%～9.63%；4個單株鮮重QTL，分布在連鎖群LG2，LG5，LG6，LG7上，遺傳貢獻率為9.65%～13.63%。其中，株高和分蘗數(shù)的主效位點為qPH6-1和qNT5-1，表型變異解釋為12.86%和12.44%；單株鮮重的主效位點為qBS2-1和qBS6-1，表型變異解釋率為12.17%和13.63%，二者累加對單株鮮重具有增加效應。本研究為飼用小黑麥生物產(chǎn)量的精細定位和分子輔助育種提供了重要理論支撐。

關(guān)鍵詞：小黑麥；RIL群體；草產(chǎn)量相關(guān)性狀；QTL定位

中圖分類號：Q37文獻標識碼：A文章編號：1007-0435（2023）03-0710-09

QTL Analyses of Forage Yield-related Traits Using the Recombinant Inbred

Line Populations of Triticale

GUO Rui， JIN Xing-na， CHANG Dan-dan， DU Wen-hua*

（College of Pratacultural Science/ Gansu Agricultural University /Key Laboratory of Grassland Ecosystem of Education Ministry/

Sino-U.S. Centers for Grazingland Ecosystem Sustainability， Lanzhou， Gansu Province 730070， China）

Abstract：To analyze the genetic mechanisms regulating the yield of forage triticale （Triticosecale Wittmack），this study used the F6 generation recombinant inbred lines （RIL） population constructed from ‘Gannon No.7’ and ‘Shida No.1’ triticale as the material and conducted QTL analysis using the molecular map of the RIL population of triticale，combined with the phenotypic values of plant height，the number of tillers，internode length under spike and biomass of the single plant. A total of five QTLs for plant height were detected in this study，which distributed on LG1，LG3，LG4，and LG6，with genetic contributions rate from 6.56% to 12.86%;four QTLs for tiller number，distributed on LG2，LG5，LG6，and LG7，with genetic contributions rate from 7.11% to 12.44%;three QTLs for internode length under spike，distributed on LG1，LG2，and LG5，with genetic contributions rate from 7.69% to 9.63%;four QTLs for biomass of the single plant，distributed on LG2，LG5，LG6，LG7，with genetic contribution rate from 9.65% to 13.63%. Among them，the main effect loci of plant height and number of tillers are qPH6-1 and qNT5-1，holding the explanations rate of phenotypic variation at 12.86% and 12.44%;the main effect loci of fresh weight per plant are qBS2-1 and qBS6-1，the explanation rates of phenotypic variation at 12.17% and 13.63%，and the addition of the main effect loci of plant height and number of tillers to the main effect loci of fresh weight per plant had an increasing effect on the fresh weight of a single plant. This study provides important theoretical fundament for the fine mapping and molecular-assisted breeding of the forage yield of triticale.

Key words：Triticale;RIL population;Forage yield-related traits;QTL mapping

小黑麥（Triticosecale Wittmack）是人工創(chuàng)制的新物種，結(jié)合了小麥屬（Triticum）與黑麥屬（Secale）的基因組［1］。由于其生物產(chǎn)量表現(xiàn)出廣泛的遺傳變異，小黑麥被認為是一種有潛力的飼草作物［2］。小黑麥在工業(yè)上可用于生物能源和生物燃料，在國內(nèi)主要作為優(yōu)質(zhì)飼草種植［3-4］。因此，提高生物產(chǎn)量仍是飼用小黑麥育種研究的重點。小黑麥的草產(chǎn)量是一個復雜的性狀，受株高、分蘗數(shù)和穗下節(jié)間長等幾個相互作用的形態(tài)特征影響。在作物育種中，成分性狀的鑒定和選擇被認為是提高復雜性狀遺傳增益的一種手段。這種方法將復雜的性狀分解成獨立的、可能更簡單的遺傳控制的組成部分，為主要性狀的生理控制提供了有用的信息［5］。優(yōu)良品種的選育取決于在田間易表現(xiàn)出多種基因型的能力，而小黑麥的株高和分蘗數(shù)等重要農(nóng)藝性狀均存在廣泛遺傳變異［6-7］，這為優(yōu)良品種的選擇提供了理論基礎。但通過常規(guī)育種手段對其草產(chǎn)量相關(guān)的數(shù)量性狀研究較為困難，數(shù)量性狀位點（Quantitative trait locus，QTL）定位方法可用于分析復雜性狀的遺傳結(jié)構(gòu)［8］，通過對小黑麥草產(chǎn)量相關(guān)性狀進行QTL定位研究與分析，可提高育種中對草產(chǎn)量相關(guān)性狀優(yōu)良基因型的選擇效率，對選育高產(chǎn)飼用小黑麥新品種具有指導意義。

QTL定位分析已廣泛應用于紫花苜蓿（Medicago sativa）［9］、黑麥草（Lolium perenne）［10］、冰草（Agropyron cristatum）［11］、鴨茅（Dactylis glomerata）［12］等牧草上。相比之下，小黑麥分子遺傳連鎖圖譜構(gòu)建和草產(chǎn)量相關(guān)農(nóng)藝性狀的QTL定位研究報道鮮見。國外學者Würschum Tobias等［13］以HT352和cv Borwo單株雜交的182個F6代重組自交系（Recombinant inbred line，RIL）群體為材料，用單核苷酸多態(tài)性（Single nucleotide polymorphism，SNP）標記法構(gòu)建了小黑麥花粉不育性的遺傳圖譜。Alheit等［2］利用多系交叉QTL定位技術(shù)，鑒定出12個與小黑麥株高相關(guān)的QTL，9個與生物產(chǎn)量相關(guān)的QTL，分別解釋了59.6%和38.2%的基因型方差。Trini Johannes等［14］通過全基因組關(guān)聯(lián)圖譜分析了846種不同中歐小黑麥基因型的遺傳結(jié)構(gòu)，結(jié)果顯示，在5A，4B和5R染色體上有3個與株高相關(guān)的中效至主效QTL。國內(nèi)學者李冬梅等［15］以雜交F2代群體為材料，利用簡單重復序列區(qū)間（Inter-simple sequence repeat，ISSR）分子標記技術(shù)構(gòu)建了小黑麥遺傳連鎖圖譜，共檢測到6個與抗條銹病相關(guān)的QTL，解釋表型變異率范圍為5.1%～11.2%。崔紫霞等［16］以冬性小黑麥蘭小黑和春性小黑麥CM-12，CM-13及其三個雜交F1和F2群體為材料，在3A染色體上共檢測到2個與苗相（幼苗習性）相關(guān)的QTL位點。劉晶等［17］以小黑麥F2代分離群體為材料，利用ISSR分子標記技術(shù)構(gòu)建了小黑麥遺傳連鎖圖譜，定位到5個與株高相關(guān)的QTL，7個與分蘗數(shù)相關(guān)的QTL和5個與單株鮮重相關(guān)的QTL，解釋表型變異率的范圍為5.4%～15.4%。本研究以‘甘農(nóng)7號’小黑麥與‘石大1號’小黑麥雜交構(gòu)建的F6代RIL群體為材料，利用ISSR分子標記技術(shù)構(gòu)建的小黑麥RIL群體分子遺傳連鎖圖譜，對株高、分蘗數(shù)、穗下節(jié)間長和單株鮮重4個草產(chǎn)量相關(guān)性狀進行QTL定位分析，旨在確定與這些數(shù)量性狀顯著相關(guān)的QTL數(shù)目及其遺傳效應，為今后小黑麥的高效選擇育種提供理論依據(jù)。

1材料與方法

1.1試驗地概況

試驗地點為甘肅農(nóng)業(yè)大學牧草試驗站（105°41′ E，34°05′ N）。海拔1 525 m，地勢平坦，肥力均勻，土壤類型為黃綿土，具備灌溉條件。

1.2試驗材料

試驗材料為‘甘農(nóng)7號’小黑麥和‘石大1號’小黑麥及273株F6代RIL群體。親本‘甘農(nóng)7號’小黑麥來源于甘肅農(nóng)業(yè)大學，其基因型純合，且具有高產(chǎn)、對條銹病免疫等優(yōu)勢。親本‘石大1號’小黑麥來源于新疆石河子大學，是育種工作者將冬性小黑麥材料中的自然變異株進行連續(xù)單株選擇培育而成的品種，具有抗寒、耐瘠薄和抗倒伏等優(yōu)勢［18］。以‘石大1號’小黑麥為母本，‘甘農(nóng)7號’小黑麥為父本，雜交產(chǎn)生F1代，在臨洮縣育種基地（103°87′ E，35°37′ N）單粒自交種植，通過單粒傳法獲得遺傳相對穩(wěn)定的273個株系RIL群體。

1.3田間性狀調(diào)查

2019年10月將親本與RIL群體同期播種在甘肅農(nóng)業(yè)大學牧草試驗站。點播，株距設置為15 cm，行距設置為20 cm。翌年春季開始返青，成熟期測定雙親（各10株）及273株F6代RIL群體的株高（Plant height，PH）、分蘗數(shù)（The number of tillers，NT）、穗下節(jié)間長（Internode length under spike，NIL）和單株鮮重（Biomass of the single plant，BS）。田間農(nóng)藝性狀調(diào)查嚴格參照《小麥種質(zhì)資源描述規(guī)范和數(shù)據(jù)標準》進行。

1.4數(shù)據(jù)統(tǒng)計與分析

采用SPSS 20.0軟件的描述性統(tǒng)計，統(tǒng)計4個草產(chǎn)量相關(guān)性狀的平均值（Mean）、最大值（Max）和最小值（Min），利用Microsoft Excel 2 016軟件繪制頻率分布直方圖。各小黑麥草產(chǎn)量相關(guān)性狀遺傳參數(shù)分別以變異系數(shù)（CV，%）表示，計算公式為：CV=（S/Fm×100%），式中：S表示標準差；Fm表示F6代某一性狀的平均值。

利用小黑麥RIL群體遺傳連鎖圖譜［19］，運用Map QTL6.0軟件對4個草產(chǎn)量相關(guān)性狀進行QTL分析。具體操作分以下4步。（1）數(shù)據(jù)準備：首先打開軟件，點擊File，選擇New Project以Triticale-RIL命名該項目并保存于桌面；選擇Populations窗口，依次將*.qua性狀信息文件、*.loc標記信息文件、*.map遺傳圖譜文件導入，導入時使用原有命名。（2）區(qū)間作圖（Interval mapping，IM）：首先右鍵選中Populations目錄下需要定位的群體信息和連鎖群map信息（底色標紅即選中），點擊Analysis，選擇Interval mapping算法，點擊Analyses for QTLs進行分析，最后點擊計算標識，等待運行結(jié)束。（3）置換檢驗：選擇Permutation Test檢驗，以軟件默認次數(shù)（1 000 次）進行置換檢驗，進行閾值篩選。檢驗結(jié)果中以試驗確定的誤差5%的LOD（Logarithm of odds）值為基礎檢驗連鎖群上的QTL位置及數(shù)。（4）相關(guān)參數(shù)設置：連鎖系數(shù)LOD閾值設置為2.0，最后點擊Outputting生成Result文件夾，即可查看QTL結(jié)果。依照結(jié)果，尋找不同連鎖群上與小黑麥草產(chǎn)量相關(guān)性狀QTL緊密連鎖的分子標記數(shù)目和位置，并確定其貢獻率及遺傳效應。檢測到的QTL參照屠德鵬等［20］的方法命名，即：q＋性狀名英文縮寫＋連鎖群英文簡稱＋定位連鎖群及個數(shù)（如：qPH1-1）。表型變異解釋率大于10%的QTL為主效QTL。

2結(jié)果與分析

2.1小黑麥RIL群體草產(chǎn)量相關(guān)性狀的正態(tài)性檢驗

由表1可知，株高、分蘗數(shù)、穗下節(jié)間長和單株鮮重的田間表型測定值，4個性狀在小黑麥RIL群體中均存在較大變異，其中單株鮮重的變異系數(shù)最大，株高的變異系數(shù)最小。正態(tài)性檢驗表明（圖1），各性狀測量值均呈“鐘狀”連續(xù)分布，偏度和峰度的絕對值均小于1，符合正態(tài)分布規(guī)律，表明株高、分蘗數(shù)、穗下節(jié)間長和單株鮮重是典型的受多基因控制的數(shù)量性狀，可對其進行QTL定位分析。

2.2草產(chǎn)量相關(guān)性狀的QTL定位

如表2、圖2所示，小黑麥遺傳圖譜包含7個連鎖群（分別命名為LG1～LG7），連鎖群長度在40.05 cM～153.86 cM之間，含有8～17個分子標記，圖譜總長度為687.51 cM，標記間平均長度為7.02 cM，共98個位點。其中LG4連鎖群的標記數(shù)目最少為8個標記，LG2和LG3連鎖群的標記數(shù)目最多均為17個標記。此圖譜共有91個空白間隙數(shù)，其中LG2的空白區(qū)段長度最大，為60.80 cM；LG5和LG7的最大空白區(qū)段長度分別為30.79 cM和34.19 cM；LG1，LG3，LG4和LG6之間間隔小于30 cM，表明該圖譜標記分布較為均勻，遺傳圖譜質(zhì)量較好。

利用Map QTL 6.0定位軟件，在LOD≥2.0條件下，共檢測到16個QTL位點，分布在7個連鎖群上，平均每個連鎖群上有2.3個QTL位點；7個連鎖群上的QTL分布不均勻，連鎖群LG5和LG6上分布最多，均有3個QTL位點；連鎖群LG4上分布最少，只有1個QTL位點（圖2）?？刂浦旮?、分蘗數(shù)、穗下節(jié)間長和單株鮮重的QTL位點分別有5，4，3和4個，單個QTL位點表型變異解釋率介于6.56%～13.63%之間（表3）。

2.2.1控制株高的QTL分析共檢測到5個與株高相關(guān)的QTL位點（qPH1-1，qPH3-1，qPH3-2，qPH4-1和qPH6-1），分布在4個連鎖群上，LG3連鎖群最多（2個）。其中位點qPH1-1位于連鎖群LG1上的77.12 cM處，LOD值為3.36，對應標記區(qū)間為UBC807-01～UBC826-10；位點qPH3-1和qPH3-2分別位于連鎖群LG3上的14.85 cM和88.03 cM處，相距73.18 cM，LOD值分別為2.87和3.86，對應標記區(qū)間為UBC815-06～UBC808-07和UBC807-07～UBC857-05；位點qPH4-1位于連鎖群LG4上的12.76 cM處，LOD值為3.14，對應標記區(qū)間為UBC808-09～UBC826-01；位點qPH6-1位于連鎖群LG6上的66.41 cM處，LOD值為4.54，對應標記區(qū)間為UBC834-02～UBC826-05。單個QTL的遺傳貢獻率分別為9.67%，6.56%，11.25%，8.43%和12.86%（表3），加性效應的變化范圍在－15.42～16.59之間。其中，qPH1-1，qPH3-1和qPH6-1為增效位點，qPH3-2和qPH4-1為減效位點，qPH3-2和qPH6-1為主效QTL。

2.2.2控制分蘗數(shù)的QTL分析共檢測到4個控制分蘗數(shù)的QTL位點（qNT2-1，qNT5-1，qNT6-1和qNT7-1），分布在4個連鎖群上。其中位點qNT2-1，位于連鎖群LG2上的102.94 cM處，LOD值為2.89，對應標記區(qū)間為UBC826-09～UBC849-05；位點qNT5-1位于連鎖群LG5上的48.26 cM處，LOD值為3.72，對應標記區(qū)間為UBC822-03～UBC815-05；位點qNT6-1位于連鎖群LG6上的4.61 cM處，LOD值為3.57，對應標記區(qū)間為UBC808-08～UBC807-10；位點qNT7-1位于連鎖群LG7上的44.05 cM處，LOD值為3.14，對應標記區(qū)間為UBC810-03～UBC808-05。單個QTL的遺傳貢獻率分別為7.11%，12.44%，11.23%和9.46%，加性效應的變化范圍在－6.31～7.45之間。其中，qNT2-1，qNT5-1和qNT7-1為增效位點，qNT6-1為減效位點，qNT6-1和qNT5-1為主效QTL。

2.2.3控制穗下節(jié)間長的QTL分析共檢測到3個控制穗下節(jié)間長的QTL位點（qNIL1-1，qNIL2-1和qNIL5-1）分布在3個連鎖群上。其中位點qNIL1-1，位于連鎖群LG1上的78.66 cM處，LOD值為3.54，對應標記區(qū)間為UBC826-10～UBC807-08；位點qNIL2-1位于連鎖群LG2上的108.72 cM處，LOD值為4.32，對應標記區(qū)間為UBC807-02～UBC847-05；位點qNIL5-1位于連鎖群LG5上的57.01 cM處，LOD值為3.84，對應標記區(qū)間為UBC857-03～UBC834-01。單個QTL的遺傳貢獻率分別為7.69%，8.74%和9.63%，加性效應的變化范圍在－13.57～17.46之間。其中，qNIL1-1和qNIL2-1為增效位點，qNIL5-1為減效位點。

2.2.4控制單株鮮重的QTL分析檢測到4個控制單株鮮重的QTL位點（qBS2-1，qBS5-1，qBS6-1和qBS7-1），分布在4個連鎖群上。其中，位點qBS2-1，位于連鎖群LG2上的86.18 cM處，LOD值為3.78，對應標記區(qū)間為UBC826-09～UBC849-05；位點qBS5-1位于連鎖群LG5上的48.93 cM處，LOD值為3.52，對應標記區(qū)間為UBC822-03～UBC815-05；位點qBS6-1位于連鎖群LG6上的21.89 cM處，LOD值為4.21，對應標記區(qū)間為UBC822-06～847-03UBC；位點qBS7-1位于連鎖群LG7上的72.02 cM處，LOD值為3.06，對應標記區(qū)間為UBC810-02～UBC815-04。單個QTL的遺傳貢獻率分別為12.17%，11.29%，13.63%和9.65%，加性效應的變化范圍在－14.74～20.46之間；其中，qBS2-1和qBS6-1為增效位點，qBS5-1和qBS7-1為減效位點，qBS2-1，qBS5-1和qBS6-1為主效QTL。

3討論

3.1作圖群體選擇與遺傳圖譜構(gòu)建

作物產(chǎn)量性狀由QTL控制，染色體的交換與重組是遺傳圖譜構(gòu)建的理論基礎。因此，親本選配、群體類型和群體大小均會對遺傳圖譜的飽和度及圖譜中基因的順序產(chǎn)生影響，造成研究結(jié)果的差異［21］。在親本選配上，八倍體（AABBDDRR）小黑麥遺傳不穩(wěn)定，在育種進程中，會造成D基因組染色體的丟失。因此，本研究選用遺傳背景存在較大差異但遺傳相對穩(wěn)定的六倍體‘甘農(nóng)7號’小黑麥和‘石大1號’小黑麥作為親本材料，所定位的QTL能用于現(xiàn)有品種的改良［22］，為小黑麥育種服務。在群體類型上，本研究選用高世代RIL群體，其遺傳穩(wěn)定性高、重組程度高且具有較高的作圖分辨率［23］。除此之外，本研究中的群體數(shù)量大小適中，遺傳基本穩(wěn)定，能夠?qū)崿F(xiàn)對目標性狀的定位［24］。

數(shù)量性狀的遺傳較為復雜，構(gòu)建遺傳連鎖圖譜是進行QTL分析的基礎。González等［25］利用73個雙單倍體（Doubled haploid，DH）群體構(gòu)建了包含21個連鎖群的小黑麥遺傳連鎖圖譜，圖譜總長度為2 465.4 cM，標記間平均距離為6.9 cM，共356個標記。Tyrka等［26］利用90個DH群體構(gòu)建了包含21個連鎖群的小黑麥遺傳連鎖圖譜，圖譜總長度為2 397 cM，標記間平均距離為4.1 cM，包含155個緊密連鎖的簡單重復序列（Sample sequence repeat，SSR）標記。趙方媛等［27］以小黑麥雜交F2代為作圖群體，構(gòu)建了包含7個連鎖群的小黑麥遺傳連鎖圖譜，圖譜總長度為542.9 cM，標記間平均距離為5.90 cM，總共有92個位點。本研究利用小黑麥雜交F6代RIL群體構(gòu)建遺傳連鎖圖譜，共7個連鎖群，圖譜總長度為687.51 cM，標記間平均距離為7.02 cM，總共有98個位點。以上研究和本研究均滿足用于QTL定位的遺傳連鎖圖譜平均間隔小于10 cM的要求，同時也表明本研究所構(gòu)建的遺傳連鎖圖譜適合進行QTL定位。而用RIL群體構(gòu)建的遺傳連鎖圖譜的總距離、標記間平均距離、位點數(shù)均與前人有所不同，這可能是由于標記類型、群體類型和親本遺傳背景存在差異所致。小黑麥的標記飽和度取決于親本之間的對比和映射群體的多樣性［28］，因此在今后的研究中還需構(gòu)建一個包含多個群體標記的共識圖譜，使構(gòu)建的遺傳圖譜效果更佳。

3.2小黑麥草產(chǎn)量相關(guān)性狀的QTL定位

QTL定位的主要目的是尋找可用于分子輔助育種（Marker-assisted selection，MAS）的標記，以提高目的性狀的遺傳增益［29］。然而QTL定位信息要直接用于遺傳改良，目前還有一段距離［30］。本研究共檢測到16個控制草產(chǎn)量相關(guān)性狀的QTL，單個QTL位點遺傳貢獻率最大為12.86%，遺傳效應偏低，對單個QTL位點進行輔助選擇，難以直接達到改良效果。與劉晶等［17］的研究結(jié)果相比，本研究雖在材料上選擇遺傳相對穩(wěn)定的RIL群體，QTL定位的準確性較高，但本研究檢測到控制株高、分蘗數(shù)、穗下節(jié)間長和單株鮮重的QTL個數(shù)分別是5，4，3和4個，發(fā)掘的位點數(shù)相對較少，能夠通用的位點信息有限，這可能是由于定位親本間的性狀表現(xiàn)差異所致。本研究QTL定位的精度還不夠，部分QTL定位的平均分子標記密度在10 cM以上，并未達到標記輔助選擇的要求。除了傳統(tǒng)的MAS在實際作物改良中的局限性外，目前小黑麥的大多數(shù)研究都集中在QTL結(jié)果的鑒定上［31］，而對驗證已經(jīng)識別的QTL效果的研究較少。因此，后續(xù)應加強這方面的研究。除此之外，本研究共鑒定出8個加性QTL，其中遺傳貢獻率大于10% 的主效QTL有4個（qPH6-1，qNT5-1，qBS2-1和qBS6-1），遺傳貢獻率范圍為11.23%～13.63%。qPH6-1為控制株高性狀的主效QTL，分布在LG6連鎖群上的UBC834-02～UBC826-05標記區(qū)間；qNT5-1為控制分蘗數(shù)性狀的主效QTL，分布在LG5連鎖群上的UBC822-03～UBC815-05標記區(qū)間；qBS2-1和qBS6-1為控制單株鮮重的主效QTL，分別位于LG2連鎖群上的UBC826-09～UBC849-05和LG6連鎖群上的UBC822-06～847-03UBC標記區(qū)間。這些主效QTL均為增效位點且具有較高的表型變異解釋率，對應的物理位置區(qū)段可作為草產(chǎn)量相關(guān)性狀的重要候選基因區(qū)［32］。

3.3小黑麥QTL位點的多效性和QTL定位的影響因素

在作物多個產(chǎn)量相關(guān)性狀的QTL定位中，一些QTL可能具有多效性［33］，鑒定出的QTL可用于群體的快速篩選，通過純標記選擇在群體中積累所需的等位基因，能在一年內(nèi)完成兩個或兩個以上的選擇周期。本研究結(jié)果表明：在連鎖群LG1上，控制株高和穗下節(jié)間長的QTL位點qPH1-1與qNIL1-1共用標記UBC826-10，均為增效位點，位置僅相差1.54 cM，表明遺傳圖譜75.52 cM位置上的QTL可同時影響株高和穗下節(jié)間長；在連鎖群LG2上，控制分蘗數(shù)和穗下節(jié)間長的QTL位點qNT2-1與qNIL2-1共用標記區(qū)間UBC826-09～UBC849-05，均為增效位點，位置相差5.78 cM；在連鎖群LG5上，控制分蘗數(shù)和單株鮮重的QTL位點qNIL5-1與qBS5-1共用標記區(qū)間UBC822-03～UBC815-05，但qNIL5-1為增效位點，而qBS5-1為減效位點，位置僅相差0.67 cM。株高和穗下節(jié)間長、分蘗數(shù)和穗下節(jié)間長有明顯的相互促進作用且基因位點連鎖緊密，這些區(qū)域化的QTL可為草產(chǎn)量相關(guān)性狀的分子標記輔助育種以及更有效地進行優(yōu)異性狀的聚合育種提供可能。

準確定位數(shù)量性狀的QTL是選擇育種方法和進行基因克隆的前提［34］，父母本遺傳差異、環(huán)境效應以及分子標記密度等均會對QTL定位的準確度產(chǎn)生影響［35-36］。在數(shù)量性狀的遺傳中常常發(fā)生互作效應，如兩基因間的互作，基因與環(huán)境的互作［35，37-38］。本研究在材料方面選擇更為穩(wěn)定的小黑麥F6代RIL群體，能夠減少顯性效應的影響，從而獲得較為準確的草產(chǎn)量相關(guān)性狀定位結(jié)果。在定位方法上，本研究采用ISSR分子標記技術(shù)構(gòu)建的遺傳連鎖圖譜，雖然操作簡便，但擴增出的標記數(shù)較少，精度和飽和度較低，無法實現(xiàn)小黑麥草產(chǎn)量相關(guān)性狀的精細定位。因此，在今后的研究中需要應用并開發(fā)多種新型分子標記。另需進行多年多點表型性狀調(diào)查，降低基因與環(huán)境的互作效應，使得調(diào)查數(shù)據(jù)更有說服力。

4結(jié)論

本研究通過對小黑麥RIL群體的株高、分蘗數(shù)、穗下節(jié)間長和單株鮮重進行正態(tài)分布檢驗，結(jié)果表明4個性狀均連續(xù)變異，偏度和峰度的絕對值均小于1，呈正態(tài)分布，符合QTL定位分析的要求。利用Map QTL6.0定位軟件，共檢測到16個QTL，分布在7個連鎖群上。其中與株高、分蘗數(shù)、穗下節(jié)間長和單株鮮重相關(guān)的QTL位點分別有5，4，3和4個。7個連鎖群上的QTL分布不均勻，以連鎖群LG5和LG6上分布最多，均有3個QTL；連鎖群LG4上分布最少，只有1個QTL。

參考文獻

［1］ZILLINSKY F J. The Development of Triticale［J］. Advances in Agronomy，1974（26）：315-348

［2］JIAN H J，WANG J，WANG WANG T Y，et al. Identification of rapeseed （Brassica napus L.） microRNAs involved in early-stage seed germination under salt and drought stresses［J］. Frontiers in Plant Science，2016，7（7）：653-658

［3］ALHEIT K V，BUSEMEYER L，LIU W X，et al. Multiple-line cross QTL mapping for biomass yield and plant height in triticale （×Triticosecale Wittmack）［J］. Theoretical and Applied Genetics，2014，127（1）：251-260

［4］MCGOVERIN C M，SNYDERS F，MULLER N，et al. A review of triticale uses and the effect of growth environment on grain quality［J］. Journal of the Science of Food and Agriculture，2011，91（7）：1155-1165

［5］LIU W X，LEISER W L，REIF J C，et al. Multiple-line cross QTL mapping for grain yield and thousand kernel weight in triticale［J］. Plant Breeding，2016，135（5）：567-573

［6］SARTIE A M，MATTHEW C，EASTON H S，et al. Phenotypic and QTL analyses of herbage production-related traits in perennial ryegrass （Lolium perenne L.）［J］. Euphytica，2011，182（3）：295-315

［7］王瑞清，曹連莆，李誠，等. 小黑麥F1、F2產(chǎn)量性狀的遺傳率和群體雜種優(yōu)勢分析［J］. 麥類作物學報，2008，28（6）：956-959

［8］KULEUNG C，BAENZIGER P S，DWEIKAT I. Transferability of SSR markers among wheat，rye，and triticale［J］. Theoretical and Applied Genetics，2004，108（6）：1147-1150

［9］劉鳳歧. 紫花苜蓿遺傳圖譜構(gòu)建及重要農(nóng)藝性狀QTL定位［D］. 哈爾濱：哈爾濱師范大學，2017：53-77

［10］米福貴，瞿禮嘉. 多年生黑麥草葉片長度數(shù)量性狀位點（QTLs）研究［J］. 草地學報，2004，12（4）：303-307

［11］楊東升. 四倍體冰草超高密度分子遺傳連鎖圖譜構(gòu)建及產(chǎn)量與蛋白質(zhì)含量等品質(zhì)性狀的QTL定位［D］.呼和浩特：內(nèi)蒙古農(nóng)業(yè)大學，2020：49-70

［12］唐露，黃琳凱，趙欣欣，等. 四倍體鴨茅產(chǎn)量及其構(gòu)成因素的QTL定位［J］. 草業(yè)學報，2018，27（11）：67-76

［13］WüRSCHUM T，LIU W X，BUSEMEYER L，et al. Mapping dynamic QTL for plant height in triticale［J］. BMC Genetics，2014（15）：59

［14］TRINI J，MAURER H P，NEUWEILER J E，et al. Identification and fine-mapping of quantitative trait loci controlling plant height in central European winter triticale （×Triticosecale Wittmack）［J］. Plants，2021，10（8）：1592

［15］李冬梅. 飼草型小黑麥的遺傳圖譜構(gòu)建及草產(chǎn)量和抗銹病相關(guān)基因的QTL定位［D］. 蘭州：甘肅農(nóng)業(yè)大學，2016：33-40

［16］崔紫霞. 六倍體小黑麥材料創(chuàng)制與重要性狀遺傳研究［D］. 西安：西北農(nóng)林科技大學，2018：21-28

［17］劉晶，趙方媛，李冬梅，等. 飼用型小黑麥遺傳圖譜構(gòu)建及草產(chǎn)量相關(guān)性狀QTLs初步定位［J］. 草地學報，2019，27（1）：219-226

［18］李誠，孔廣超，艾尼瓦爾，等. 冬性飼草型小黑麥新品種——石大1號小黑麥［J］. 麥類作物學報，2010，30（2）：400

［19］常丹丹. 基于RIL群體的小黑麥穗部性狀遺傳分析及QTL定位［D］. 蘭州：甘肅農(nóng)業(yè)大學，2021：30-40

［20］屠德鵬. 蒺藜苜蓿SSR標記遺傳圖譜的構(gòu)建及部分農(nóng)藝性狀的QTL定位［D］. 揚州：揚州大學，2011：34

［21］逯曉萍. 高丹草遺傳圖譜構(gòu)建及重要農(nóng)藝性狀的基因定位研究［D］. 呼和浩特：內(nèi)蒙古農(nóng)業(yè)大學，2005：73

［22］吳群. 小麥Unigene遺傳圖譜構(gòu)建和產(chǎn)量性狀QTL分析［D］. 泰安：山東農(nóng)業(yè)大學，2021：45

［23］歐云燦. 陸地棉產(chǎn)量和纖維品質(zhì)性狀QTL分析［D］. 重慶：西南大學，2021：8

［24］何小紅，徐辰武，蒯建敏，等. 數(shù)量性狀基因作圖精度的主要影響因子［J］. 作物學報，2001，27（4）：469-475

［25］GONZáLEZ J M，MUIZ L M，JOUVE N. Mapping of QTLs for androgenetic response based on a molecular genetic map of ×Triticosecale Wittmack［J］. Genome，2005，48（6）：999-1009

［26］TYRKA M，BEDNAREK P T，KILIAN A，et al. Genetic map of triticale compiling DArT，SSR，and AFLP markers［J］. Genome，2011，54（5）：391-401

［27］趙方媛，李冬梅，田新會，等. 飼草型小黑麥遺傳圖譜的構(gòu)建及抗條銹QTL定位［J］. 農(nóng)業(yè)生物技術(shù)學報，2018，26（4）：576-584

［28］AYALEW H，KUMSSA T T，BUTLER T J，et al. Triticale improvement for forage and cover crop uses in the southern great plains of the United States［J］. Frontiers in Plant Science，2018（9）：1130

［29］SERBA D D，DAVERDIN G，BOUTON J H，et al. Quantitative trait loci （QTL） underlying biomass yield and plant height in switchgrass［J］. BioEnergy Research，2015，8（1）：307-324

［30］湯華，嚴建兵，黃益勤，等. 玉米5個農(nóng)藝性狀的QTL定位［J］. 遺傳學報，2005（2）：203-209

［31］SCCHN C C，UTZ H F，GROH S，et al. Quantitative trait locus mapping based on resampling in a vast maize testcross experiment and its relevance to quantitative genetics for complex traits［J］. Genetics，2004，167（1）：485-498

［32］楊飛，張征鋒，南波，等. 水稻產(chǎn)量相關(guān)性狀的全基因組關(guān)聯(lián)分析及候選基因篩選［J］. 作物學報，2022，48（7）：1813-1821

［33］李佳奇，于卓，于肖夏，等. 冰草可溶性碳水化合物含量等重要品質(zhì)性狀的QTL定位［J］. 麥類作物學報，2020，40（5）：568-576

［34］覃嘉明，王兵偉，鄭加興，等. 玉米高密度SNP遺傳圖譜構(gòu)建及其禿尖QTL定位［J］. 南方農(nóng)業(yè)學報，2020，51（6）：1316-1324

［35］毛傳澡，程式華. 水稻農(nóng)藝性狀QTL定位精確性及其影響因素的分析［J］. 農(nóng)業(yè)生物技術(shù)學報，1999，7（4）：386-394

［36］王亮. 大豆葉型相關(guān)性狀QTL的精細定位［D］.廣州：華南農(nóng)業(yè)大學，2018：68

［37］王偉，葉志云，鄭景生，等. 稻米粒形的QTL定位及上位性和QE互作分析［J］. 西北植物學報，2010，30（7）：1344-1350

［38］侯萌，齊照明，韓雪，等. 大豆蛋白質(zhì)和油分含量QTL定位及互作分析［J］. 中國農(nóng)業(yè)科學，2014，47（13）：2680-2689

（責任編輯劉婷婷）