基于小麥產量三要素的產量條件QTL分析

張 晗，孫加梅，韓瑞璽，陳建省，劉 賓，鄧志英，李汝玉，田紀春

(1．山東省農業科學院作物研究所，山東濟南 250100； 2.山東農業大學農學院/作物生物學國家重點實驗室，山東泰安 271018； 3.農業部科技發展中心，北京 100176)

高產是小麥育種的重要目標，穗數、穗粒數和千粒重是小麥產量構成的三要素。產量及其三要素都是由多基因控制的數量性狀，表現為連續變異，且受環境影響較大。因此，從分子水平上解析產量與其三要素之間的遺傳關系，對打破小麥產量限制的屏障、大幅度提高小麥單位面積產量具有重要意義。

近年來，國內外學者在不同遺傳背景及環境條件下對小麥產量、穗數、穗粒數和千粒重等相關性狀進行了大量的非條件QTL分析[1-7]。Marza等[1]利用132個家系的RIL群體通過復合區間作圖法對籽粒產量及其相關性狀進行了QTL定位，分別檢測到10個、1個和8個控制籽粒產量、穗數和穗粒數的QTL，依次可解釋7.30%～21.1%、12.0%和8.70%～21.0%的表型變異。Li等[2]分別檢測到5個、11個、7個和9個控制產量、單位面積穗數、穗粒數和千粒重的QTL。Liu等[7]分別檢測到13個和15個控制穗粒數和千粒重的QTL。上述非條件QTL分析方法，都是對產量、穗數、穗粒數或千粒重測定末期的終值進行QTL分析，不能從單個QTL水平上對兩個或多個緊密相關的性狀之間的遺傳基礎和相互關系進行研究。而Zhu[8]和吳為人等[9]提出的條件QTL分析方法，能從單個QTL水平上進行兩個相互獨立但又密切相關的性狀間的遺傳分析，并提高QTL定位的靈敏度和準確度。

目前，國內外學者已將條件QTL分析方法應用于多種動植物復雜性狀與其構成要素之間單個QTL水平上的遺傳關系研究[10-14]。彭 勃等[14]利用非條件和條件QTL分析方法，分析了單株產量與單株粒數和百粒重的關系，結果表明，通過改良單株粒數和百粒重可有效提高產量；條件QTL分析方法在單個QTL水平上證實了單株產量與單株粒數和百粒重有較強的遺傳相關性，并且能夠檢測到更多效應較小的QTL；Liu等[12]利用非條件和條件QTL分析方法，分析了籽粒產量與單株分蘗、穗粒數和千粒重的關系，結果表明，控制產量的QTL至少受一個產量構成因子的影響，同時揭示了控制產量的QTL受3個產量構成因子不同程度的影響，并利用此方法在小麥農藝、品質等性狀上進行了關聯性狀因果關系的條件QTL研究；Wang等[15]對蛋白質含量與產量及其要素間的關系進行了條件QTL分析，檢測到3個條件QTL，通過條件QTL分析能檢測到微效QTL；Deng等[16]對面粉組分與沉降值間的關系進行了條件QTL分析，檢測到10個加性QTL和15個上位性QTL，條件QTL分析能夠從分子水平解析相關聯的性狀間的相互作用；Zhang等[17]利用非條件和條件QTL兩種方法，對小麥千粒重與粒寬和粒長之間的遺傳關系進行了分析，結果表明粒長和粒寬對千粒重的影響至關重要；Li等[18]利用條件和非條件的方法，分析了千粒重與粒長、粒寬、粒厚和粒長寬比的關系。

然而，目前對單位面積產量的非條件和條件QTL比較分析尚未見報道。本研究利用單位面積產量的非條件QTL和條件QTL比較分析，試圖從單個QTL水平上，闡明小麥產量與其構成三要素間相關性的遺傳基礎，定位產量相關位點，以期為通過分子標記輔助選擇改良品種和相關基礎研究提供參考。

1 材料與方法

1.1 試驗材料

親本為高產小麥品種花培3號與綜合性狀優良的豫麥57，雙親在農藝性狀方面有較大差異[19-20]，花培3號是大穗大粒品種，分蘗成穗率中等；而豫麥57是中穗多穗型品種，分蘗成穗率高。通過雙親雜交獲得F1，然后進行花藥培養，經染色體加倍獲得168個雙單倍體(Doubled haploid,DH)系。

1.2 田間試驗

試驗材料于2010-2011年種植在山東農業大學農學試驗站(36°57′N，116°36′E)(E1)，2011-2012年分別種植在山東省農業科學院試驗基地(36°71′N，117°09′E)(E2)、山東農業大學農學試驗站(36°57′N，116°36′E)(E3)和河南省濟源市農業科學研究所(112°36′E，35°05′N)(E4)，2012-2013年種植在山東省農業科學院試驗基地(36°71′N，117°09′E)(E5)。試驗采用隨機區組設計，E1采用4行區種植，行長2 m，行距26 cm；E3采用4行區種植，行長2.7 m，行距20 cm；E4采用3行區種植，行長2.6 m，行距26 cm；E2和 E5采用4行區種植，行長3 m，行距25 cm(實際種植6行4 m，除去2行邊行和每行的前后0.5 m)。不同年份不同環境種植的材料，基本苗數都是每667 m2(即每畝)12萬。田間統一管理。

按小區單收，計算單位面積的產量，同時測量籽粒的千粒重。收獲前，每個DH系隨機選擇10個單株，測量主莖穗的穗粒數。除E4試驗材料測量中間1行穗數外，其他試驗材料均測量中間2行的穗數，再計算單位面積的穗數。

1.3 遺傳連鎖圖譜

本研究采用的遺傳圖譜包含323個位點(284個SSR、37個EST-SSR、1個ISSR和1個HMW標記)，圖譜全長2 485.7 cM，標記間的平均遺傳距離7.67 cM，形成24個連鎖群，被定位在小麥的21條染色體上[21]。

1.4 數據分析、QTL定位和命名

利用SPSS 19.0軟件對產量及其三要素進行相關分析。條件QTL分析參照Zhu[8]提出的基于混合線性模型的數量性狀分析方法進行分析，首先計算小區產量(yield,Y)對給定條件性狀(given conditional traits,GCT)即產量三要素的(yield components,YC)的條件表型值y(Y|YC)，利用QGAStation 1.0(http://ibi.zju.edu.cn/software/qga/index.htm)軟件計算條件表型值y(Y|YC)，Y|YC表示從復雜性狀中排除給定條件性狀變異后的剩余變異。應用QTL IciMapping v3.3軟件，基于完備區間作圖法(ICIM)進行非條件和條件QTL分析。判定QTL是否顯著的LOD臨界值為2.0，貢獻率大于10%的QTL定義為主效QTL。QTL的命名方式為：Q+性狀名英文縮寫+單位名英文縮寫+染色體+QTL在同一染色體上不同區間出現的次序。其中，單位名英文縮寫與染色體間加“-”，染色體和QTL數間加“.”。比如，QYsdau-2D.1表示在2D染色體上有一個控制產量的QTL，sdau為單位名英文的縮寫，圓點后面的1表示在染色體上不同區間出現的次序。

2 結果與分析

2.1 DH群體及親本的表型變異和相關分析結果

單位面積產量及單位面積穗數、穗粒數和千粒重等4個相關性狀在親本及DH群體中的表型數據見表1。所測4個性狀在雙親間差異較大，DH群體中存在明顯的超親現象，其變異系數范圍為10.1%～23.2%。千粒重的遺傳力最大(75.35%)，其次為單位面積產量(25.95%)和穗粒數(22.00%)，單位面積穗數的遺傳力最小(18.56%)。

表1 小麥產量及其三要素在5個環境下的表型數據分析結果Table 1 Phenotypic traits of the DH population and their parents under five environments

SN:Spike number per m2; KNPS:Kernel number per spike; TKW:Thousand-kernel weight；Y:Yield per m2.The same below.

根據各性狀在5個環境中的均值計算其相關系數(表2)，單位面積產量分別與單位面積穗數和千粒重呈顯著正相關，相關系數分別為0.17和0.39(P<0.05)，而與穗粒數的相關性不顯著。說明本研究中單位面積穗數和千粒重對單位面積產量的影響大于穗粒數。

表2 產量與穗粒數、單位面積穗數和千粒重之間的相關性Table 2 Correlations between yield and the three yield components

*和**分別表示在0.05和0.01水平上相關顯著。

* and ** indicate significant correlation at 0.05 and 0.01 levels,respectively.

2.2 產量性狀的非條件QTL分析

非條件QTL分析共檢測到9個控制產量的非條件QTL(表3，圖1)，分別定位于2D、3A、4D、5D和6D染色體上，其加性效應值的絕對值為19.05～45.29，可解釋5.74%～15.77%的表型變異。有5個來自母本花培3號的正向效應QTL，另外4個為來自父本豫麥57的負向效應QTL。其中，QY.sdau-4D.2和QY.sdau-6D.2為主效QTL，可分別解釋15.77%和10.16%的表型變異。

2.3 產量性狀的條件QTL分析

在給定單位面積穗數、穗粒數和千粒重的條件下，對單位面積產量進行條件QTL分析，共檢測到28個產量QTL，分別位于2A、2D、3A、4B、4D、5A、5D、6B、6D和7B染色體上，單個QTL可解釋5.17%～20.29%的表型變異，其中12個QTL的加性效應為正，表明其增效基因來自于花培3號；16個QTL的加性效應為負，表明其增效基因來自于豫麥57(表3)。

在給定單位面積穗數的條件下，共檢測到9個產量QTL，其中5個QTL(QYsdau-2D.1、QYsdau-3A.1、QYsdau-3A.2、QYsdau-4D.2和QYsdau-6D.2)在非條件和條件分析中都能檢測到，且效應值變化稍大，非條件分析中其效應值的絕對值分別為24.09、19.05、20.78、45.29和36.88，排除穗數后的效應值分別為21.36、18.49、19.13、47.34和40.96；另外條件QTLQYsdau-6D.1(Xcfd13～Xbarc054)與非條件QTLQYsdau-6D.2(Xbarc054～Xgwm55)有一個共同的位點Xbarc054。有2個條件QTL(QYsdau-2A和QYsdau-7B.1)在非條件分析中沒有檢測到(表3)。

在給定穗粒數的條件下，共檢測9個產量QTL，其中7個QTL(QYsdau-2D.1、QYsdau-3A.1、QYsdau-3A.2、QYsdau-4D.2、QYsdau-5D.1、QYsdau-6D.1和QYsdau-6D.2)在非條件分析中也能檢測到，有2個QTL(QYsdau-4D.2和QYsdau-6D.2)效應值變化稍大，非條件分析中其效應值的絕對值分別為45.29和36.88，排除穗粒數后的效應值分別為49.97和42.47。另外 2 個QTL(QYsdau-2D.1和QYsdau-3A.1)的效應值變化較小，非條件分析中其效應值的絕對值分別為24.09和19.05，排除穗粒數后的效應值分別為24.34和18.94；另外條件QYsdau-6D.1(Xcfd13～Xbarc054)與非條件QYsdau-6D.2(Xbarc054～Xgwm55)有一個共同的位點Xbarc054。而QYsdau-5D.2和QYsdau-7B.1這2個條件QTL在非條件下沒有檢測到(表3)。

在給定千粒重的條件下，共檢測到10個產量QTL，其中3個QTL(QYsdau-2D.1、QYsdau-4D.2和QYsdau-5D.1)在非條件和條件分析中都能檢測到，且效應值變化稍大，非條件分析中其效應值的絕對值分別為24.09、45.29和21.99，排除千粒重后的效應值分別為20.16、49.61和19.42；另外有7個條件QTL(QYsdau-2D.4、QYsdau-2D.5、QYsdau-4B、QYsdau-5A、QYsdau-5D.2、QYsdau-6B和QYsdau-7B.2)在非條件分析中沒有檢測到。

在分別給定穗粒數、單位面積穗數和千粒重的條件下，有2個非條件QTL(QYsdau-2D.2和QYsdau-2D.3)在條件分析中沒有檢測到(表3)。

2.4 一因多效QTL分析

檢測到QYsdau-2D.1和QYsdau-3A.1控制產量和穗數，QYsdau-3A.1、QYsdau-6D.1和QYsdau-6D.2控制產量、穗數和穗粒數，QYsdau-5D.1控制產量、穗粒數和千粒重，QYsdau-4D.2控制產量及穗數、穗粒數和千粒重。這些均為“一因多效”的QTL。

表3 產量的條件和非條件QTL分析結果Table 3 Unconditional and conditional QTLs with significantly additive effects on yield

Y|SN：產量|單位面積穗數；Y|KNPS：產量|穗粒數；Y|TKW：產量|千粒重。P：5個環境的平均值。效應值為正值表示來自花培3號的等位基因為增效基因，負值說明來自豫麥57的等位基因為減效基因。

Y|SN,Y|KNPS and Y|TKW indicate Y conditioned on spike number per m2,kernel number per spike and thousand-kernel weight,respectively. P means the average values of the five environments. Positive values indicate that Huapei 3 alleles increase the corresponding trait; Negative values indicate that Yumai 57 alleles increase the corresponding trait.

圖1 產量性狀條件和非條件QTL在染色體上的位置

3 討 論

控制小麥單位面積產量及其三要素的基因通常不會孤立存在，存在著“一因多效”或“多因一效”的互作關系。前人利用多種遺傳群體對小麥單位面積產量及其三要素分別進行QTL分析(即非條件QTL定位)，獲得了許多控制單位面積產量及其三要素的QTL[1,4-5,22-25]，但非條件QTL分析方法大多采用累加效應分析方法(Accumulated effect analysis)，獲得的是某個QTL表達的累積遺傳效應(Accumulated effect of a QTL)，因此不能從單個QTL水平上進行兩個或多個緊密相關性狀之間的遺傳基礎和相互關系研究。條件QTL效應分析方法是基于凈增長效應分析法(net-effect)，彌補了非條件QTL的這種缺陷。本研究綜合利用條件和非條件QTL分析，發現6個“一因多效”的QTL，其中QYsdau-2D.2和QYsdau-2D.3通過影響穗數、穗粒數和千粒重而影響產量，QYsdau-2D.1和QYsdau-3A.1影響產量，但不是通過穗粒數的變化影響產量，即單位面積產量和穗粒數在該位點上幾乎沒有關聯。

比較單位面積產量在非條件和分別給定單位面積穗數、穗粒數和千粒重條件下的QTL的定位結果，可以將定位到的控制單位面積產量的QTL分解為以下幾種類型：(1)若某QTL只出現在產量的非條件分析中，而排除某性狀遺傳效應后則檢測不到該QTL，說明這個QTL是通過影響這個性狀變化而影響產量的QTL，如QYsdau-2D.2和QYsdau-2D.3。(2)如果某QTL在非條件(產量)和條件QTL(產量分別給定三個性狀的條件下)分析時都能檢測到，且效應值相近，說明該位點獨立作用于產量。如QYsdau-2D.1和QYsdau-3A.1，產量和穗粒數在該位點上幾乎無關聯。(3)若某QTL在非條件(產量)和條件QTL分析時都能檢測到，但是效應值變化較大，說明該QTL為部分通過某性狀變化而影響產量的QTL，該位點同時作用于產量和這個條件性狀，即存在“一因多效”效應，如QYsdau-3A.1和QYsdau-6D.1控制產量、穗數和穗粒數。這一遺傳特點在一定程度上解釋了單位面積產量和單位面積穗數、穗粒數和千粒重之間的正向相關現象，其QTL區間可能同時存在控制單位面積產量、單位面積穗數、穗粒數和千粒重的基因。(4)如果某QTL只出現在條件分析中，說明該QTL效應值小，在非條件分析中檢測不到(受某個性狀的影響)，排除某個性狀的影響后，能夠檢測到更多的效應較小的QTL[12]，如QYsdau-2A和QYsdau-7B.1，說明這兩個位點的表達被穗數所掩蓋，在排除穗數后，才可檢測到；QYsdau-5D.2和QYsdau-7B.1這2個條件QTL在去除穗粒數和千粒重的影響后才得以表達；有7個條件QTL(QYsdau-2D.4、QYsdau-2D.5、QYsdau-4B、QYsdau-5A、QYsdau-5D.2、QYsdau-6B和QYsdau-7B.2)在非條件分析中沒有檢測到，而在排除千粒重的影響后才可檢測到。這些QTL的效應雖然相對較小，對性狀影響不大，但是更能從QTL水平上反應出產量與三要素的遺傳關系。

國內外學者對小麥產量等相關性狀進行了大量研究，Bennett等[23]在3B染色體上檢測到2個控制產量的主效QTL；Mason等[6]利用小麥RIL群體的118個家系對產量及其構成要素進行QTL分析，發現4個控制產量的QTL，分別位于2D、3B、5D和7D染色上。本研究中檢測到的控制產量的QTL分別位于2D、3A、4D、5D和6D染色體上，與之前的研究相比較，雖然位于相同的染色體上，但是因為沒有共同的標記，無法確定是否為相同或相關聯的QTL，所以QYsdau-2D.1、QYsdau-2D.2、QYsdau-2D.3、QYsdau-3A.1、QYsdau-3A.2、QYsdau-5D.1、QYsdau-6D.1和QYsdau-6D.2可能為新發現的QTL；位于4D染色體區段Xwmc331～Xgwm194上的QYsdau-4D.2對單位面積產量的遺傳貢獻率最大，可解釋15.77% 的表型變異，其增效基因來源于母本花培3號，該QTL與Zhang等[26]發現的控制產量及其構成性狀的QTL簇(fbb322～Xgwm194)有一個相同的標記，說明該區段可能存在控制產量的基因；QYsdau-2D.1、QYsdau-2D.2和QYsdau-5D.1分別在不同的年份(2005-2007和2010-2011)在泰安試驗基地都能檢測到[27]，說明位于該染色體區段的控制產量的QTL受環境影響較小，是可以遺傳的QTL。這些QTL較穩定，可用于分子標記輔助育種，便于提高小麥的產量。