芝麻產量相關性狀的多位點全基因組關聯分析及候選基因預測

崔承齊，劉艷陽，江曉林，孫知雨，杜振偉，武軻，梅鴻獻，鄭永戰

芝麻產量相關性狀的多位點全基因組關聯分析及候選基因預測

崔承齊1，劉艷陽1，江曉林1，孫知雨2，杜振偉1，武軻1，梅鴻獻1，鄭永戰1

1河南省農業科學院芝麻研究中心，鄭州 450008；2華南師范大學生命科學學院，廣州 510631

【】通過對芝麻產量相關性狀的全基因組關聯分析，挖掘與產量性狀關聯的SNP位點及預測候選基因，為通過分子標記輔助選擇育種等方式提高芝麻產量提供技術基礎。以363份不同遺傳背景和地理來源的芝麻種質資源構成的自然群體為研究對象，調查2年2點4環境下8個產量相關性狀（單株產量、單株蒴數、蒴粒數、千粒重、株高、主莖果軸長、始蒴高度和表觀收獲指數）的表型值，借助覆蓋全基因組的42 781個SNP標記，利用多位點SNP隨機效應混合線性模型（multi-locus random-SNP-effect mixed linear model，mrMLM）對8個產量相關性狀進行全基因組關聯分析，檢測與產量相關性狀顯著關聯的SNP位點，并預測候選基因。在4個不同環境下，8個產量相關性狀表現出廣泛的表型變異，變異系數為6.51%—33.57%；相關性分析表明單株產量與單株蒴數、株高、主莖果軸長、表觀收獲指數呈極顯著正相關；方差分析表明產量相關性狀的基因型效應、環境效應、基因型與環境互作效應均達到了極顯著水平。通過多位點全基因組關聯分析共檢測到210個與產量相關性狀顯著關聯的SNP，在2018年南陽環境下檢測到47個SNP，解釋表型變異的1.63%—17.29%；在2019年南陽環境下檢測到35個SNP，解釋表型變異的1.94%—11.90%；在2018年平輿環境下檢測到35個SNP，解釋表型變異的2.15%—15.90%；在2019年平輿環境下檢測到53個SNP，解釋表型變異的1.25%—11.13%；在4個環境的綜合BLUP條件下檢測到75個SNP，解釋表型變異的1.44%—13.58%。上述210個SNP涉及到175個位點，其中10個位點在3個及以上環境中被重復檢測到。在這10個位點基因組區域內，共鑒定到214個候選基因，其中156個候選基因具有功能注釋，主要涉及植物代謝、生物調控、生長發育等生物學過程。根據功能注釋篩選出4個可能與芝麻產量相關的候選基因，其中SIN_1006338編碼1-氨基環丙烷-1-羧酸合酶3（1-aminocyclopropane-1-carboxylate synthase 3-like），參與乙烯的生物合成；SIN_1024330編碼堿性螺旋-環-螺旋（basic helix-loop-helix）轉錄因子，負向調控植物細胞和器官的伸長；SIN_1014512編碼吲哚-3-乙酸-酰胺合成酶GH3.6（indole-3-acetic acid-amido synthetase GH3.6），參與調控莖和下胚軸細胞的伸長生長；SIN_1011473編碼泛素受體蛋白DA1（protein DA1-like），參與調節植物細胞增殖周期。通過多位點SNP隨機效應混合線性模型的全基因組關聯分析，檢測到175個與產量相關性狀顯著關聯的位點，篩選出4個可能與產量相關的重要候選基因。

芝麻；產量性狀；多位點全基因組關聯分析；功能注釋；候選基因

0 引言

【研究意義】芝麻是古老的特色優質油料作物,也是重要的優質食用油和蛋白質來源[1-2]。隨著人民生活水平的不斷提高，現有芝麻產量難以滿足日益增長的市場需求,因此，如何穩定提高芝麻產量成為芝麻育種最重要的目標。單株蒴數、蒴粒數和粒重是芝麻產量的重要構成因子，株高、主莖果軸長、始蒴高度、表觀收獲指數等與芝麻產量密切相關[3-4]。解析產量相關性狀的遺傳基礎，挖掘優異等位基因，對于芝麻產量提升具有重要意義。【前人研究進展】由于芝麻產量性狀是多基因控制的數量性狀，受環境影響非常顯著。Wu等[3]分別利用多重區間作圖法和混合線性模型的復合區間作圖法定位了13和17個芝麻產量性狀相關QTL位點。Wang等[5]利用連鎖作圖定位了41個與株高相關的QTL位點。由于連鎖作圖受雙親遺傳差異或分子標記密度的限制，鑒定的位點相對有限[6]。全基因組關聯分析是以自然群體長期重組交換保留下來的位點間連鎖不平衡（linkage disequilibrium，LD）為基礎，采用關聯模型分析表型和基因型之間的有效關聯進而鑒定變異位點[7-8]。與連鎖作圖相比，全基因組關聯分析作圖精度更高，可同時檢測多個等位基因位點[9-10]。因此，全基因組關聯分析方法被廣泛應用于玉米[11]、水稻[12]、小麥[13]、棉花[14]、大豆[15]、油菜[16]、芝麻[17]等作物復雜農藝性狀的遺傳解析。但是現有的全基因組關聯分析模型多是基于群體結構和多基因背景控制的單標記掃描，需采用較為嚴格的邦費羅尼（Bonferroni）校正等方法控制關聯結果的假陽性率，導致部分真實關聯位點的丟失[18]。為解決上述問題，華中農業大學章元明教授提出了多位點SNP隨機效應混合線性模型（multi-locus random-SNP-effect mixed linear，mrMLM）[19]的全基因組關聯分析方法。與單位點全基因組關聯分析模型相比，多位點SNP隨機效應混合線性模型更加接近真實的動植物遺傳模型[20]，即使應用了較為寬松的關聯閾值，也具有更高的統計功效和更低的假陽性率[21]。【本研究切入點】盡管已有芝麻產量相關性狀的連鎖分析和全基因組關聯分析的報道，但鮮見多位點的全基因組關聯分析的報道。【擬解決的關鍵問題】本研究采用363份不同遺傳背景和地理來源的芝麻種質資源，結合基于SLAF-seq（specific locus amplified fragment sequencing）技術[22]開發的42 781個SNP標記及2年2點共4環境下的表型數據，對芝麻單株產量、單株蒴數、蒴粒數、千粒重、株高、主莖果軸長、始蒴高度和表觀收獲指數進行了多位點全基因組關聯分析，旨在挖掘與產量相關性狀顯著關聯的SNP位點和候選基因，為通過分子標記輔助選擇育種等方式提高芝麻產量提供技術基礎。

1 材料與方法

1.1 試驗材料和田間試驗設計

試驗材料為363份種質資源組成的關聯分析群體，來源于國內18個省份和國外11個國家和地區，由河南省農業科學院芝麻研究中心提供[23-24]。在溫帶地區自然條件下，363份種質資源可正常開花與結實，保證了表型鑒定的準確性。試驗材料于2018年和2019年種植在河南平輿（2018PY、2019PY）和南陽（2018NY、2019NY）試驗基地。田間試驗采用完全隨機區組設計，2次重復，單行區，行長3 m，行距0.4 m，株距0.17 m，采用常規田間管理。

1.2 表型鑒定

在終花期，每小區隨機選取并標記10株單株，分別調查株高、主莖果軸長、始朔高度和單株蒴數；收獲前，在標記的10株單株上隨機收獲30個大小、成熟均勻一致的芝麻蒴，曬干后，調查每蒴粒數和千粒重；收獲時，依照標記按單株貼近地表整株收獲，自然曬干后，稱重獲得單株表觀生物量和籽粒重量，表觀收獲指數=籽粒重/成熟時地上部生物重量。

1.3 數據處理和分析

利用Excel 2017對4個環境下8個產量相關性狀進行雙因素方差分析。利用R語言的corrplot函數對不同環境下產量相關性狀進行相關性分析[25]。利用R語言包lme4[26]的混合線性模型對4個環境下群體的單株產量、單株蒴數、蒴粒數、千粒重、株高、主莖果軸長、始蒴高度和表觀收獲指數等8個性狀進行BLUP（best linear unbiased prediction）分析，BLUP值也用于后續的全基因組關聯分析。采用R語言計算廣義遺傳力，計算公式[27]如下：

1.4 全基因組關聯分析和候選基因功能注釋

利用SLAF-seq技術[22]對363份關聯群體基因組DNA進行簡化測序，利用BWA軟件[28]進行序列比對，利用GATK4.0軟件[29]進行SNP標記開發，獲得89 924個最小等位基因頻率（minor allele frequency，MAF）大于0.01和完整度≥70%的SNP標記，然后估算該關聯群體的LD衰減距離為99 kb[23]。本文在上述基礎上，利用VCFtools軟件[30]篩選出42 781個MAF≥0.05，完整度≥70%的高質量SNP標記。利用GCTA軟件[31]進行主成分分析（principal component analysis，PCA），利用TASSEl 5.0軟件[32]估算群體材料間的親緣關系。利用R語言包mrMLM v4.0[19]的多位點全基因組關聯分析方法mrMLM進行芝麻產量相關性狀的全基因組關聯分析，參數設置為默認，關聯閾值設置為LOD=3。利用R語言包mrMLM v4.0繪制曼哈頓圖和Q-Q圖。基于LD衰減距離為99 kb[23]，定義一個顯著SNP標記上下游99 kb范圍內為一個位點，并在位點內搜尋候選基因，利用eggNOG-Mapper[33]在線注釋基因功能，使用WEGO 2.0在線軟件（https:// wego.genomics.cn/）進行基因功能富集分析。

2 結果

2.1 產量相關性狀表型數據的描述統計

在4個不同環境中，分別對單株產量、單株蒴數、蒴粒數、千粒重、株高、主莖果軸長、始蒴高度和表觀收獲指數等8個產量相關性狀進行調查和統計分析（表1），結果表明，8個性狀均表現出廣泛的表型變異，變異系數為6.51%—33.57%。除2019年南陽蒴粒數和BLUP蒴粒數偏度值的絕對值＞1外，其余環境性狀偏度值的絕對值均＜1（表1），并且8個性狀的BLUP值呈連續性分布（圖1）。表明上述8個產量性狀符合正態分布，是典型的數量性狀，受多基因控制。

相關性分析表明（表2），在不同環境中，單株產量與單株蒴數、株高、主莖果軸長、表觀收獲指數均表現出極顯著正相關；單株蒴數與株高、主莖果軸長和表觀收獲指數極顯著正相關；千粒重與株高、主莖果軸長極顯著正相關，與蒴粒數極顯著負相關；株高與主莖果軸長和始蒴高度極顯著正相關，而主莖果軸長和始蒴高度呈現極顯著負相關。說明各產量性狀之間相互影響，相互協同，從而影響芝麻產量。

方差分析表明關聯群體8個產量相關性狀的基因型效應、環境效應、基因型與環境互作效應均達到極顯著水平（表3），說明關聯群體材料間的產量性狀存在顯著的遺傳變異，且受環境影響較大；單株產量、單株蒴數、蒴粒數、千粒重、株高、主莖果軸長、始蒴高度和表觀收獲指數的廣義遺傳率分別為42.30%、61.12%、71.71%、81.67%、79.02%、72.55%、82.96%和52.28%。

表1 芝麻8個產量相關性狀的描述統計分析

SY：單株產量；CN：單株蒴數；SN：蒴粒數；SW：千粒重；PH：株高；CAL：主莖果軸長；FCH：始蒴高度；HI：表觀收獲指數。下同

SY: seed yield per plant; CN: capsule number per plant; SN: seed number per capsule; SW: 1000-seed weight; PH: plant height; CAL: capsule axis length; FCH: first capsule height; HI: apparent harvest index. The same as below

表2 關聯群體產量性狀的相關性分析

**和*：分別指在=0.01和=0.05水平差異顯著。下同

** and * indicate significant at the=0.01 and=0.05 level, respectively. The same as below

表3 4個環境產量相關性狀的方差分析

SY：單株產量；CN：單株蒴數；SN：蒴粒數；SW：千粒重；PH：株高；CAL：主莖果軸長；FCH：始蒴高度；HI：表觀收獲指數。下同

2.2 產量相關性狀的全基因組關聯分析

利用mrMLM方法對363份關聯群體的單株產量、單株蒴數、千粒重、蒴粒數、株高、主莖果軸長、始蒴高度和表觀收獲指數等8個產量相關性狀進行了全基因組關聯分析（圖2），在閾值LOD=3的水平下，5個環境（4個環境和BLUP）共檢測到210個與產量相關性狀顯著關聯SNP，涉及175個位點。在2018年南陽，共檢測到47個SNP，解釋表型變異的1.63%—17.29%；在2019年南陽，共檢測到35個SNP，解釋表型變異的1.94%—11.90%；在2018年平輿，共檢測到35個SNP，解釋表型變異的2.15%—15.90%；在2019年平輿，共檢測到53個SNP，解釋表型變異的1.25%—11.13%；在4個環境的BLUP條件下，共檢測到75個SNP，解釋表型變異的1.44%—13.58%。

灰色水平虛線對應右側縱坐標表示閾值LOD=3，紅色圓點表示在LOD=3條件下，與性狀顯著關聯的SNP

在175個位點中，有10個位點在3個以上環境中被重復檢測到（表4），其中位點1、位點2和位點7分別與單株蒴數、蒴粒數和始蒴高度顯著關聯，共定位于第4連鎖群的12.08—12.27 Mb區間內，分別解釋表型變異的4.52%—7.38%、4.65%—12.85%和2.03%—6.95%；位點3與千粒重顯著關聯，定位于第6連鎖群的20.30—20.50 Mb區間內，解釋2.39%—3.88%的表型變異；位點4和位點5與株高顯著關聯，分別定位于第4連鎖群的2.87—3.06 Mb區間和第6連鎖群的3.85—4.04 Mb區間內，解釋表型變異的2.87%—9.70%和4.21%—10.37%；位點6、位點8和位點9與始蒴高度顯著關聯，分別定位于第1連鎖群的5.56—5.76 Mb區間內，第10連鎖群的3.34—3.53 Mb區間和第12連鎖群的7.40—7.60 Mb區間內，解釋表型變異的5.46%－6.52%、2.17%—17.29%和2.68%—8.91%；位點10與收獲指數顯著關聯，定位于第5連鎖群的18.44—20.42 Mb區間內，解釋2.14%—8.11%的表型變異。

表4 在3種以上環境同時檢測到的10個顯著關聯位點

2.3 候選基因預測及功能分析

為了保證關聯位點的可靠性，選取至少在3個環境下重復檢測到的10個位點進行后續分析。依據該群體的LD衰減距離[23]，在10個位點的基因組區段內共檢測到214個基因，其中156個基因是具有功能注釋的基因。功能富集分析可將上述156個基因分為3大功能類別：細胞組分（cell component）、分子功能（molecular function）和生物學過程（biological process）（圖3）。在細胞組分功能類別中，細胞、細胞組分、細胞器3個功能亞類占比最高，分別包含82、82和63個基因。在分子功能類別中，45個基因具有催化活性功能，40個基因具有結合功能，6個基因具有轉運活性功能，其余基因涉及信號轉導、結構分子活性等功能。在生物學過程類別中，71個基因涉及植物體內細胞進程，53個基因參與植物體內的代謝過程，36個基因與植物應激反應的代謝途徑有關，33個基因參與植物體內的生物調節過程，其余基因涉及植物生長發育、信號等過程。根據基因的功能注釋篩選到4個可能與芝麻產量性狀相關的候選基因，其中，候選基因SIN_1006338（）編碼1-氨基環丙烷-1-羧酸合酶3（1-aminocyclopropane-1-carboxylate synthase 3-like），與擬南芥是同源基因；SIN_1024330編碼堿性螺旋-環-螺旋（basic helix-loop-helix，bHLH）轉錄因子INCREASED LEAF INCLINATION1 BINDING bHLH1-LIKE1（IBL1）；候選基因SIN_1014512編碼吲哚-3-乙酸-酰胺合成酶GH3.6（indole-3-acetic acid-amido synthetase GH3.6）；候選基因SIN_1011473編碼一類泛素受體蛋白DA1（protein DA1-like）。

圖3 候選基因的功能富集分析

3 討論

3.1 芝麻產量性狀的相關性分析

芝麻產量是一個復雜的數量性狀，其構成比較復雜，與多個性狀（如：單株蒴數、千粒重、株高、主莖果軸長等）密切相關[3-5]。Biabani等[4]認為株高、株蒴數、果軸長和主莖株蒴數是芝麻產量的重要影響因素。Wang等[5]研究發現株高與始蒴高度、果軸長、千粒重顯著相關，而單株蒴數和千粒重顯著負相關。本研究以363份遺傳性豐富的芝麻核心資源為研究對象，相關性分析發現單株產量與單株蒴數、株高、主莖果軸長、表觀收獲指數呈極顯著正相關；株高與千粒重、主莖果軸長和始蒴高度極顯著正相關；其余部分產量相關性狀之間也存在相關性，說明產量相關性狀之間相互影響，相互協同，從而影響芝麻產量的高低。因此，在芝麻高產育種過程中，不僅要重視單株蒴數、蒴粒數和粒重等單株產量組成因子，也要兼顧株高、主莖果軸長和始蒴高度等性狀。

3.2 芝麻產量相關性狀的全基因組關聯分析

連鎖分析和關聯分析是挖掘數量性狀QTL的有效方法。Wu等[3]調查了芝麻近等基因系群體的7個產量相關性狀，利用不同作圖法分別定位了13和17個與產量性狀相關的QTL位點。Wang等[5]利用連鎖分析定位了41個與株高、主莖果軸長、始蒴高度等性狀相關的QTL位點。Mei等[34]利用BC1群體，通過連鎖分析定位了46個與產量性狀相關的QTL位點。Wei等[17]和Zhou等[35]利用全基因組關聯分析分別鑒定了549個與農藝性狀關聯的SNP和547個與產量相關性狀關聯的QTL位點。本研究利用多位點混合線性模型（mrMLM）對關聯群體的8個產量相關性狀進行了全基因組關聯分析，共檢測到210個與產量相關性狀顯著關聯的SNP，涉及175個位點，其中有10個位點能夠在3個環境下被重復檢測到，表明這些位點受環境影響較小，可在不同環境下穩定遺傳。同時，也有些位點同時與多個性狀顯著關聯，比如位點1、位點2和位點7分別與單株蒴數、蒴粒數和始蒴高度顯著相關，共定位于第4連鎖群的12.08—12.27 Mb區間內。在這10個位點中，位點1、位點2、位點7和位點9與以往定位結果基本一致（電子附表1）[17, 35]。這些結果為進一步利用和克隆目的基因提供了有價值的信息。

3.3 芝麻產量相關性狀的候選基因預測

本研究在上述10個關聯位點區域內共檢測到214個候選基因，其中156個基因具有功能注釋，主要涉及植物代謝、生物調控、生長發育等生物學途徑。其中SIN_1006338位于位點1（2或3）內，與單株蒴數、蒴粒數和始蒴高度顯著相關，它編碼1-氨基環丙烷-1-羧酸合酶3-like，是擬南芥的同源基因。受生長素誘導表達，參與乙烯的生物合成[36]；過表達可導致植株矮小和葉片縮小[37]。Wei等[17]和Zhou等[35]發現SIN_1006338與芝麻葉腋蒴數、葉寬、主莖產量、主莖有效蒴數和分枝有效蒴數顯著相關；序列比對分析發現SIN_1006338外顯子上存在非同義突變（T/C），并且T等位變異基因型的主莖株蒴數顯著高于C等位變異基因型主莖株蒴數。因此SIN_1006338可能是控制芝麻單株蒴數、蒴粒數和始蒴高度的重要候選基因。SIN_1024330位于位點5上，與株高顯著關聯，編碼一類bHLH轉錄因子IBL1，負向調控油菜素內酯信號和細胞伸長，過表達可導致植株明顯矮化[38]。SIN_1014512定位于位點9上，與始蒴高度顯著相關，它編碼吲哚-3-乙酸-酰胺合成酶GH3.6，參與調節植物內源生長素的平衡[39]。的功能缺失突變會抑制擬南芥細胞的伸長，導致植物矮小[40]。因此，SIN_1014512可能是通過調節植物體內生長素濃度控制細胞的伸長，從而參與芝麻始蒴高度的調控。SIN_1011473定位于位點10上，與收獲指數顯著相關，它編碼一種泛素受體蛋白DA1，負向調控植物種子和器官的大小；擬南芥突變體的籽粒變大、粒重提高；另外各類器官組織，如花、葉片明顯變大，莖稈變粗[41-43]。在油菜中異源表達突變型能夠抑制內源基因的表達，并提高轉基因油菜種子的大小和重量[44]。在小麥中，過表達會降低小麥種子的大小和重量，而沉默會提高小麥種子的大小和重量[45]。以上研究表明，在植物器官發育中發揮重要作用，由此推測，SIN_1011473可能通過調節芝麻各器官的大小進而調節產量相關性狀。

4 結論

利用多位點全基因組關聯分析方法（mrMLM）對8個產量相關性狀進行了全基因組關聯分析，在4個環境和綜合BLUP值條件下共檢測到210個與性狀顯著關聯的SNP位點，涉及175個位點。其中，10個位點在3個以上環境中被同時檢測到，在這10個位點的基因組區段中，共發現214個候選基因，結合基因功能注釋，篩選出4個重要的產量相關性狀候選基因。

[1] ANILAKUMAR K R, PAL A, KHANUM F, BAWA A S. Nutritional, medicinal and industrial uses of sesame (L.) seeds: An overview. Agriculturae Conspectus Scientificus, 2010, 75(4): 159-168.

[2] DOSSA K, WEI X, NIANG M, LIU P, ZHANG Y, WANG L, LIAO B, CISSE N, ZHANG X, DIOUF D. Near-infrared reflectance spectroscopy reveals wide variation in major components of sesame seeds from Africa and Asia. The Crop Journal, 2018, 6: 202-206.

[3] WU K, LIU H, YANG M, TAO Y, MA H, WU W, ZUO Y, ZHAO Y. High-density genetic map construction and QTLs analysis of grain yield-related traits in sesame (L.) based on RAD-Seq technology. BMC Plant Biology, 2014, 14: 274.

[4] BIABANI A R, PAKNIYAT H. Evaluation of seed yield-related characters in sesame (L.) using factor and path analysis. Pakistan Journal of Biological Sciences, 2008, 11(8): 1157-1160.

[5] WANG L, XIA Q, ZHANG Y, ZHU X, ZHU X, LI D, NI X, GAO Y, XIANG H, WEI X, YU J, QUAN Z, ZHANG X. Updated sesame genome assembly and fine mapping of plant height and seed coat color QTLs using a new high-density genetic map. BMC Genomics, 2016, 17(1): 31.

[6] MORRELL P L, BUCKLER E S, ROSS-IBARRA J. Crop genomics: advances and applications. Nature Reviews Genetics, 2012, 13(2): 85-96.

[7] MACKAY I, POWELL W. Methods for linkage disequilibrium mapping in crops. Trends in Plant Science, 2007, 12(2): 57-63.

[8] MACKAY T F C, STONE E A, AYROLES J F. The genetics of quantitative traits: Challenges and prospects. Nature Reviews Genetics, 2009, 10(8): 565-577.

[9] FLINT-GARCIA S A, THUILET A C, YU J, PRESSOIR G, ROMERO S M, MITCHELL S E, DOEBLEY J, KRESOVICH S, GOODMAN M M, BUCKLER E S. Maize association population: A high-resolution platform for quantitative trait locus dissection. The Plant Journal, 2005, 44(6): 1054-1064.

[10] YU J, BUCKLER E S. Genetic association mapping and genome organization of maize. Current Opinion in Biotechnology, 2006, 17(2): 155-160.

[11] LI H, PENG Z, YANG X, WANG W, FU J, WWANG J, HAN Y, CHAI Y, GUO T, YANG N, LIU J, WARBURTON ML, CHENG Y, HAO X, ZHANG P, ZHAO J, LIU Y, WANG G, LI J, YAN J. Genome-wide association study dissects the genetic architecture of oil biosynthesis in maize kernels. Nature Genetics, 2013, 45(1): 43-50.

[12] HUANG X, ZHAO Y, WEI X, LI C, WWANG A, ZHAO Q, LI W, GUO Y, DENG L, ZHU C, FAN D, LU Y, WENG Q, LIU K, ZHOU T, JING Y, SI L, DONGG, HUANG T, LU T, FENG Q, QIAN Q, LI J, HAN B. Genome-wide association study of flowering time and grain yield traits in a worldwide collection of rice germplasm. Nature Genetics, 2011, 44(1): 32-39.

[13] LIU Y, LIN Y, GAO S, LI Z, MA J, DENG M, CHEN G, WEI Y, ZHENG Y. A genome-wide association study of 23 agronomic traits in Chinese wheat landraces. The Plant Journal, 2017, 91(5): 861-873.

[14] FANG L, WANG Q, HU Y, JIA Y, CHEN J, LIU B, ZHANG Z, GUAN X, CHEN S, ZHOU B, MEI G, SUN J, PAN Z, HE S, XIAO S, SHI W, GONGW, LIU J, MA J, CAI C, ZHU X, GUO W, DU X, ZHANG T. Genomic analyses in cotton identify signatures of selection and loci associated with fiber quality and yield traits. Nature Genetics, 2017, 49(7): 1089-1098.

[15] Zhou Z, Jiang Y, Wang Z, Gou Z, Lyu J, Li W, Yu Y, Shu L, Zhao Y, Ma Y, Fang C, Shen Y, Liu T, Li C, Li Q, Wu M, Wang M, Wu Y, Dong Y, Wan W, Wang X, Ding Z, Gao Y, Xiang H, Zhu B, Lee S H, Wang W, Tian Z. Resequencing 302 wild and cultivated accessions identifies genes related to domestication and improvement in soybean. Nature Biotechnology, 2015, 33(4): 408-414.

[16] Xu L, Hu K, Zhang Z, Guan C, Chen S, Hua W, Li J, Wen J, Yi B, Shen J, Ma C, Tu J, Fu T. Genome-wide association study reveals the genetic architecture of flowering time in rapeseed (L.). DNA Research, 2016, 23(1): 43-52.

[17] Wei X, Liu K, Zhang Y, Feng Q, Wang L, Zhao Y, Li D, Zhao Q, Zhu X, Zhu X, Li W, Fan D, Gao Y, Lu Y, Zhang X, Tang X, Zhou C, Zhu C, Liu L, Zhong R, Tian Q, Wen Z, Weng Q, Han B, Huang X, Zhang X. Genetic discovery for oil production and quality in sesame. Nature Communications, 2015, 6: 8609.

[18] ZHANG Y M, JIA Z, DUNWELL J M. Editorial: The applications of new multi-locus GWAS methodologies in the genetic dissection of complex traits. Frontiers in Plant Science, 2019, 10: 100.

[19] Wang S B, Feng J Y, Ren W L, Huang B, Zhou L, Wen Y J, Zhang J, Dunwell J M, Xu S, Zhang Y M. Improving power and accuracy of genome-wide association studies via a multi-locus mixed linear model methodology. Scientific Reports, 2016, 6: 19444.

[20] CUI Y, ZHANG F, ZHOU Y. The application of multi-locus GWAS for the detection of salt-tolerance loci in rice. Frontiers in Plant Science, 2018, 9: 1464.

[21] Zhang Y W, Lwaka Tamba C, Wen Y J, Li P, Ren W L, Ni Y L, Gao J, Zhang Y M. mrMLM v4.0: An R platform for multi-locus genome-wide association studies. Genomics Proteomics Bioinformatics, 2020, 18(4): 481-487.

[22] Sun X, Liu D, Zhang X, Li W, Liu H, Hong W, Jiang C, Guan N, Ma C, Zeng H, Xu C, Song J, Huang L, Wang C, Shi J, Wang R, Zheng X, Lu C, Wang X, Zheng H.SLAF-seq: an efficient method of large-scale de novo SNP discovery and genotyping using high-throughput sequencing. PLoS ONE, 2013, 8: e58700.

[23] Cui C, Mei H, Liu Y, Zhang H, Zheng Y. Genetic diversity, population structure, and linkage disequilibrium of an association- mapping panel revealed by genome-wide SNP markers in sesame. Frontiers in Plant Science, 2017, 8: 1189.

[24] 劉艷陽, 梅鴻獻, 杜振偉, 武軻, 鄭永戰, 崔向華, 鄭磊. 基于表型和SSR分子標記構建芝麻核心種質. 中國農業科學, 2017, 50(13): 2433-2441.

LIU Y Y, MEI H X, DU Z W, WU K, ZHENG Y Z, CUI X H, ZHENG L. Construction of core collection of sesame based on phenotype and molecular markers. Scientia Agricultura Sinica, 2017, 50(13): 2433-2441. (in Chinese)

[25] MCKENNA S, MEYER M, GREGG C, GERBER S. CorrPlot: An Interactive scatterplot for exploring correlation. Journal of Computational & Graphical Statistics, 2015, 25(2): 445-463.

[26] Bates D, M?chler M, Bolker B, Walker S. Fitting linear mixed-effects models using lme4. Journal of Statistical Software, 2015, 67: 1-48.

[27] Kaler A S, Ray J D, Schapaugh W T, King C A, Purcell L C. Genome-wide association mapping of canopy wilting in diverse soybean genotypes. Theoretical & Applied Genetics, 2017, 130: 2203-2217.

[28] LI H, DURBIN R. Fast and accurate long-read alignment with Burrows-Wheeler transform. Bioinformatics, 2010, 26:589-595.

[29] MCKENNA A, HANNA M, BANKS E, SIVACHENKO A, CIBULSKIS K, KERNYTSKY A, GARIMELLA K, ALTSHULERl D, GABRIEL S, DALY M, DEPRISTO M A. The genome analysis toolkit: a map reduce framework for analyzing next-generation DNA sequencing data. Genome Research, 2010, 20(9): 1297-1303.

[30] Danecek P, Auton A, Abecasis G, Albers C A, Banks E, DePristo M A, Handsaker R E, Lunter G, Marth G T, Sherry S T, McVean G, Durbin R. 1000 Genomes Project Analysis Group. The variant call format and VCFtools. Bioinformatics, 2011, 27(15): 2156-2158.

[31] Yang J, Lee S H, Goddard M E, Visscher P M. GCTA: a tool for genome-wide complex trait analysis. American Journal of Human Genetics, 2011, 88(1): 76-82.

[32] Bradbury P J, Zhang Z, Kroon D E, Casstevens T M, Ramdoss Y, Buckler E S. TASSEL: Software for association mapping of complex traits in diverse samples. Bioinformatics, 2007, 23: 2633-2635.

[33] Huerta-Cepas J, Forslund K, Coelho L P, Szklarczyk D, Jensen L J, von Mering C, Bork P. eggNOG-mapper: Fast genome-wide functional annotation through orthology assignment. Molecular Biology & Evolution, 2017, 34(8): 2115-2122.

[34] MEI H, LIU Y, CUI C, HU C, XIE F, ZHENG L, DU Z, WU K, JIANG X, ZHENG Y, MA Q. QTL mapping of yield?related traits in sesame. Molecular Breeding, 2021, 41: 43.

[35] Zhou R, Dossa K, Li D, Yu J, You J, Wei X, Zhang X r. Genome-wide association studies of 39 seed yield-related traits in sesame (L.). International Journal of Molecular sciences, 2018, 19(9): 1-18.

[36] Tsuchisaka A, Theologis A. Heterodimeric interactions among the 1-amino-cyclopropane-1-carboxylate synthase polypeptides encoded by thegene family. Proceedings of the National Academy of Sciences of the United States of America, 2004, 101: 2275-2280.

[37] Plett J M, Williams M, LeClair G, Regan S, Beardmore T. Heterologous over-expression of() in×clone 717-1B4 results in elevated levels of ethylene and induces stem dwarfism and reduced leaf size through separate genetic pathways. Frontiers in Plant Science, 2014, 5: 514.

[38] ZHIPONOVA M K, MOROHASHI K, VANHOUTTE I, MACHEMER- NOONAN K, REVALSKA M, VAN MONTAGU M, GROTEWOLD E, RUSSINOVA E. Helix-loop-helix/basic helix-loop-helix transcription factor network represses cell elongation inthrough an apparent incoherent feed-forward loop. Proceedings of the National Academy of Sciences of the United States of America, 2014, 18, 111(7): 2824-2829.

[39] Staswick P E, Serban B, Rowe M, Tiryaki I, Maldonado M T, Maldonado M C, Suza W. Characterization of anenzyme family that conjugates amino acids to indole-3- acetic acid. The Plant Cell, 2005, 17(2): 616-627.

[40] Nakazawa M, Yabe N, Ichikawa T, Yamamoto YY, Yoshizumi T, Hasunuma K, Matsui M., an auxin- responsive GH3 gene homologue, negatively regulates shoot cell elongation and lateral root formation, and positively regulates the light response of hypocotyl length. The Plant Journal, 2001, 25(2): 213-221.

[41] Li Y, Zheng L, Corke F, Smith C, Bevan M W. Control of final seed and organ size by thegene family in. Genes & Development, 2008, 22(10): 1331-1336.

[42] Xia T, Li N, Dumenil J, Li J, Kamenski A, Bevan M W, Gao F, Li Y. The ubiquitin receptor DA1 interacts with the E3 ubiquitin ligase DA2 to regulate seed and organ size in. The Plant Cell, 2013, 25(9): 3347-3359.

[43] Vanhaeren H, Nam Y J, De Milde L, Chae E, Storme V, Weigel D, Gonzalez N, Inzé D. Forever Young: the role of ubiquitin receptor DA1 and E3 ligase BIG BROTHER in controlling leaf growth and development. Plant Physiology, 2017, 173(2): 1269-1282.

[44] Wang J L, Tang M Q, Chen S, Zheng X F, Mo H X, Li S J, Wang Z, Zhu K M, Ding L N, Liu S Y, Li Y H, Tan X L. Down-regulation of, whose gene locus is associated with the seeds weight, improves the seeds weight and organ size in. Plant Biotechnology Journal, 2017, 15(8): 1024-1033.

[45] Liu H, Li H, Hao C, Wang K, Wang Y, Qin L, An D, Li T, Zhang X., a conserved negative regulator of kernel size, has an additive effect withL.). Plant Biotechnology Journal, 2020, 18(5): 1330-1342.

附表1 關聯分析位點與已報道關聯位點比對

Supplementary Table 1 The results of GWAS were compared with reported loci

位點1、2 和7 共定位于第4 連鎖群的12.08—12.27 Mb 區間內

The loci 1, 2, and 7 were co-located in the 12.08-12.27 Mb of linkage group 4

Multi-Locus Genome-Wide Association Analysis of Yield-Related Traits and Candidate Gene Prediction in Sesame (L.)

CUI ChengQi1, LIU YanYang1, JIANG XiaoLin1, SUN ZhiYu2, DU ZhenWei1, WU Ke1, MEI HongXian1, ZHENG YongZhan1

1Henan Sesame Research Center, Henan Academy of Agricultural Sciences, Zhengzhou 450008;2College of Life Sciences, South China Normal University, Guangzhou 510631

【】Genome-wide association studies (GWAS) were performed using multi-locus random-SNP-effect mixed linear (mrMLM) model to identify the significantly associated SNPs and candidate genes with yield traits, and lay a foundation for molecular marker-assisted selection breeding for sesame high yield.【】In this study, 363 diverse sesame lines were assembled into an association-mapping panel. Eight yield-related traits, including seed yield per plant, capsule number per plant, seed number per capsule, 1000-seed weight, plant height, capsule axis length, first capsule height and apparent harvest index, were investigated. Genome-wide association studies were performed using mrMLM to detect significantly associated SNPs and predict important candidate genes related to yield traits.【】Eight yield-related traits measured in four environments exhibited extensive phenotypic variation with 1.63%-17.29% of phenotypic variation coefficients. The seed yield per plant was positively correlated with capsule number per plant, plant height, capsule axis length, and apparent harvest index respectively. Analysis of variance indicated that significant variations were observed across environment, genotype, and the genotype × environment interaction. GWAS were performed and a total of 210 SNPs were detected for yield traits. Among these SNPs, 47, 35, 35, 53, and 75 SNPs were detected in 2018NY, 2019NY, 2018PY, 2019PY and BLUP, explaining 1.63%-17.29%, 1.94%-11.90%, 2.15%-15.90%, 1.25%-11.13% and 1.44%-13.58% of phenotypic variation, respectively. These 210 SNPs corresponded to 175 loci, and 10 loci were detected in more than 3 environments. A total of 214 candidate genes were identified, including 156 genes involved in metabolism, biological regulation, and developmental and growth process. Among these genes, 4 genes were selected as important candidate genes. SIN_1006338, encoding 1-aminocyclopropane-1-carboxylate synthase 3-like protein, was involved in ethylene biosynthesis. SIN_1024330, encoding transcription factor IBH1-like 1, was involved in regulating cell and organ elongation. SIN_1014512, encoding indole-3-acetic acid-amido synthetase GH3.6, was involved in shoot and hypocotyl cell elongation. SIN_1011473, encoding protein DA1-like, was involved in restricting the period of cell proliferation.【】One hundred and seventy-five loci were identified by mrMLM, and 4 important genes related to yield traits were selected.

L.; yield-related traits; genome-wide association studies; function annotation; candidate gene

10.3864/j.issn.0578-1752.2022.01.018

2021-06-23；

2021-09-18

財政部和農業農村部：國家現代農業產業技術體系（CARS-14-1-01）、河南省重大科技專項（201300110600）、河南省重點研發與推廣專項（202102110026）、河南省農業科學院優秀青年科技基金（2020YQ26）、河南省農業科學院科技創新創意項目（2020CX25）、河南省農業科學院基礎性科研項目（2020JC008，2021JC013）、河南省農業科學院基本科研業務費（2021ZC69）

崔承齊，E-mail：chengqicui_1986@126.com。劉艷陽，E-mail：liuyanyang001@163.com。崔承齊和劉艷陽為同等貢獻作者。通信作者梅鴻獻，E-mail：meihx2003@126.com。通信作者鄭永戰，E-mail：sesame168@163.com

（責任編輯 李莉）