Дослідження асоціацій, що мають широкий асортимент геномів, за ознаками розміру зерна у багаторічному розширеному рисі Indica

Селекція рослин

Редаговано

Шон Мейес

Університет Ноттінгема, Великобританія

Переглянуто

Сівакумар Сукумаран

Міжнародний центр удосконалення кукурудзи та пшениці (Мексика), Мексика

Ейдзі Ямамото

Інститут ДНК Казуса, Японія

Приналежності редактора та рецензентів є останніми, наданими в їхніх дослідницьких профілях Loop, і вони не можуть відображати їх ситуацію на момент огляду.

Завантажити статтю
- Завантажте PDF
- ReadCube
- EPUB
- XML (NLM)
- Додаткові
  Матеріал
Експортне посилання
- EndNote
- Довідковий менеджер
- Простий текстовий файл
- BibTex

ПОДІЛИТИСЯ НА

СТАТТЯ Оригінального дослідження

1 Спільна лабораторія CAAS-IRRI для вдосконалення зародкової плазми за допомогою геноміки, Інститут сільськогосподарської геноміки в Шеньчжені, Китайська академія сільськогосподарських наук, Шеньчжень, Китай
2 Державна ключова лабораторія з біології рису, Китайський національний науково-дослідний інститут рису, Ханчжоу, Китай
3 Стратегічна інноваційна платформа, Міжнародний інститут досліджень рису, Метро Маніла, Філіппіни

Розмір зерна рису відіграє вирішальну роль у визначенні якості та врожайності зерна. У цьому дослідженні дві багатовимірні популяції перехресного покоління (MAGIC), DC1 та BIM, оцінювались за розміром зерен у трьох середовищах та генотипувались за допомогою виявлення SNP на основі 55K та генотипу шляхом послідовного визначення (GBS) відповідно для ідентифікації QTL та SNP, пов'язані з довжиною зерна, шириною зерна, співвідношенням довжини до ширини зерна, товщиною зерна та масою тисячі зерен. Всього було визначено 18 QTL для п’яти ознак, пов’язаних із розміром зерна, і пояснили 6,43–63,35% загальної фенотипової дисперсії. Дванадцять з цих QTL колокалізувались з клонованими генами, GS3, GW5/qSW5, GW7/GL7/SLG7, і GW8/OsSPL16, з яких перші два гени показали найсильніший ефект відповідно на довжину та ширину зерна. Чотири потенційні нові гени також були ідентифіковані з QTL, які демонстрували як незалежність від генетичного фону, так і стабільність навколишнього середовища і можуть бути перевірені в майбутніх дослідженнях. Більше того, визначені значущі маркери SNP є цінними для безпосереднього використання в селекції за допомогою маркерів для покращення розміру зерна рису.

Вступ

Розмір зерен - одна з ключових агрономічних ознак, яка виходила з несвідомого селективного тиску протягом одомашнення рису. Поліпшення розміру зерна як рання адаптивна реакція на вирощування рису є результатом ненавмисного відбору насіння, яке могло б вижити навіть при глибшому обробітку ґрунту (Purugganan and Fuller, 2009). Цікаво, що далі він підлягав цілеспрямованому відбору та розведенню, оскільки це впливає на якість і врожайність зерна рису як такі (Tan et al., 2000; Lu et al., 2013). Таким чином, у сучасних сортах рису існує широкий діапазон характеристик розміру зерна, який головним чином визначає переваги споживачів та ринкову вартість (Fitzgerald et al., 2009).

Загальногеномне дослідження асоціацій (GWAS) долає обмеження картографування двоповерхових зв'язків, використовуючи багаторічну історичну та еволюційну рекомбінації для локалізації QTL у генетично різноманітних популяціях. У рисі GWAS було продемонстровано як потужна доповнююча стратегія до картування двоповерхових зв’язків щодо розміру зерна (Si et al., 2016; Duan et al., 2017; Yu et al., 2017; Ma et al., 2019 ). Однак GWAS, що використовує природні популяції, часто асоціюється зі складною структурою популяції та загадковим спорідненістю, що призводить до помилкових асоціацій маркерних ознак (MTA). Використання багатопрофільних популяцій перехресного покоління (MAGIC) пропонує альтернативний підхід до GWAS, що використовує природні популяції, та до картографування зв’язків із використанням популяцій, отриманих від двоповерхових схрещувань. MAGIC має більше алельного та фенотипового різноманіття, що забезпечує розподіл більшої кількості QTL у популяції (Cavanagh et al., 2008; Huang et al., 2015). Крім того, він має кращий контроль за структурою популяції та спорідненістю та довів свою ефективність у виявленні основних генів за допомогою картографування асоціацій (Bandillo et al., 2013; Meng et al., 2016, 2017; Descalsota et al., 2018; Ogawa та ін., 2018; Понс та ін., 2018).

У цьому дослідженні картографування асоціацій проводилось у двох популяціях MAGIC, випробуваних у трьох середовищах протягом 2 років, щоб визначити QTL, пов’язані з ознаками розміру зерна - GL, GW, відношення довжини зерна до ширини (GLWR) та TGW. Результати цього дослідження можуть надати цінну інформацію для подальшого з'ясування генетичної основи розміру зерен рису та розведення за допомогою маркерів.

Матеріали і методи

Панель картографування асоціацій

Були використані дві популяції MAGIC, розроблені в Міжнародному інституті досліджень рису (IRRI): (1) популяція MAGIC з чотирма батьками, DC1, яку раніше характеризували Meng et al. (2016) та (2) популяція MAGIC з восьми батьків, про яку повідомляють Bandillo et al. (2013), яку ми називали Банділло indica МАГІЧНЕ (BIM) населення в цьому дослідженні. Батьки, які використовувались для розвитку обох популяцій, були представлені в Додатковій таблиці 1. Загалом 221 та 378 ліній у популяціях DC1 та BIM, відповідно, оцінювали за п’ятьма ознаками, пов’язаними з розміром зерна.

Фенотипування та фенотипічний аналіз

Польові випробування проводились у трьох тестових середовищах, одна на Філіппінах в штаб-квартирі IRRI, Лос-Баньос, Лагуна в 2017 році і дві в Китаї в Хенані в 2018 році і в Хайнані в 2017 і в 2018 роках. викладений у неповному проекті блоку. Свіжозібраний неочищений рис висушували до вологості 12–14% і врівноважували у паперових мішках при кімнатній температурі протягом 3 місяців перед вимірюванням ознак розміру зерна. GL (мм) і GW (мм) оцінювали за допомогою зернового сканера (Seiko Epson, місто Сува, Японія). Зернисті зображення (0,042433 мм/піксель) аналізували за допомогою програмного забезпечення SmartGrain (Tanabata et al., 2012). GLWR розраховували як співвідношення GL і GW. GT (мм) і TGW (г) вимірювали відповідно до Національного стандарту оцінки якості зерна рису, Китай (GB/T17891-1999). Близько 100 зерен для кожного входу оцінювали на вміст GL та GW, а загалом 6 зерен вимірювали на GT.

Розміри популяції DC1 та BIM сильно варіювали в усіх трьох середовищах тестування (Додаткова таблиця 2). Фенотиповий аналіз проводився з використанням лінійної змішаної моделі для належної обробки незбалансованих даних. Найкращі лінійні неупереджені оцінки (BLUE) кожного рядка були отримані за допомогою PBTools (bbi.irri.org). Кореляції ознак були розраховані та побудовані за допомогою пакету corrplot у R.

SNP Генотипування

Популяцію DC1 секвенували за допомогою SNP-платформи на основі масиву високої щільності, використовуючи 55K Affymetrix Axiom Rice Genotyping Array у CapitalBio Technology Beijing, China (Meng et al., 2017), тоді як популяцію BIM секвенировали за допомогою підходу GBS з використанням Illumina HiSeq в Університеті Корнелла (Bandillo et al., 2013). Була проведена сувора стратегія фільтрації для вибору високоякісних SNP для асоціації. Для всіх гетерозиготних маркерів було встановлено відсутність. Маркери з незначною частотою алелів (MAF) 2> 0,95) також були виключені з набору даних SNP (Додаткова таблиця даних 1).