水稻耐寒性QTL及显性雄性核不育基因SMS的定位

水稻耐寒性QTL及显性雄性核不育基因SMS的定位

论文摘要

水稻是世界上最重要的粮食作物之一,全球有一半以上的人口以水稻为主食,提高稻谷产量一直是水稻育种的主要目标。提高稻谷产量应从两方面入手,一是提高水稻的增产潜力(如利用杂种优势),二是增强水稻对不良环境的抵御能力。为此,必须加强有关性状的遗传基础研究。基于这个目的,本论文开展了两个部分的研究。第一部分:水稻苗期耐寒性的数量性状基因座(QTL)定位低温每年导致大约10%的水稻产量损失。因此,提高水稻耐寒性十分重要。水稻苗期耐寒性受多基因控制。利用分子标记已经定位了许多水稻苗期耐寒性QTL。但是,传统的QTL定位方法费工费时,且灵敏度不高,单个实验检测到的QTL较少。最近研究表明,将第二代测序技术(NGS)与混合分离分析法(BSA)相结合(简称为NGS-BSA)能够有效定位QTL,且成本低,省时省力,是一种很有发展前景的QTL定位新技术。因此,本论文应用NGS-BSA方法,对水稻苗期耐寒性进行QTL定位研究。主要研究方法及结果如下:1、研究方法用低温(14—7℃)处理粳稻品种日本晴和籼稻品系LPBG杂交的F3幼苗(10800株),从中挑出430株极端感寒和385株极端耐寒的幼苗,分别构建感寒DNA池和耐寒DNA池。用Illumina对两个DNA池进行高通量测序。用改良的Mott trimming algorithm算法对测序读段进行修剪。以已知的日本晴基因组序列为参考,用软件Bowtie0.12.7对读段进行定位。选取单一匹配的读段,用软件SAMTools在混合池中寻找SNP位点,进而采用G’检验和Jensen-Shannon (JS) divergence检验两种统计分析方法定位水稻耐寒性QTL。用两池间的日本晴等位基因频率差(NAFD)确定QTL耐寒等位基因的来源。另外,用软件LIMMA分析前人发表的水稻苗期冷胁迫基因芯片数据,结合本实验深度测序分析结果,预测定位区间内的耐寒性候选基因。2、高通量测序分析结果测序共获得大约800M读段(长度为101bp),其中感寒池和耐寒池读段数分别约为360M和440M。经读段修剪和过滤后,两池中均有约70%的读段单一匹配到基因组,覆盖基因组约92%,覆盖深度分别为70.53×和89.26×,混合池深度为158.26×。共筛选出456,777个SNP用于下一步QTL分析。3、QTL定位结果两种统计分析方法获得了同样的定位结果,共定位了6个水稻苗期耐寒性QTL:qCTSS-1、qCTSS-2a、qCTSS-2b、qCTSS-5、qCTSS-8和qCTSS-10,分别位于第1、2、5、8和10号染色体上。其中qCTSS-1、qCTSS-2b和qCTSS-8已见报道,qCTSS-2a和qCTSS-5曾在水稻孕穗期耐寒性QTL研究中被检测到,而qCTSS-10则为新发现的水稻耐寒性QTL。qCTSS-1、qCTSS-2a、qCTSS-2b和qCTSS-10的耐寒等位基因来自日本晴,而qCTSS-5和qCTSS-8的耐寒等位基因来自LPBG。4、候选基因的预测将QTL区间内既存在亲本间氨基酸变异,又对冷胁迫有表达响应的基因作为耐寒性候选基因。6个QTL区间内包含的候选基因数,最少的20个(qCTSS-2a),最多的53个(qCTSS-10)。第二部分:水稻显性核不育基因SMS的定位雄性不育是杂种优势利用的基础,只有深入了解雄性不育的分子机理,才能更好地进行杂交水稻育种。目前克隆的植物核不育相关基因基本上都是隐性的,显性核不育基因鲜有报道。“三明显性核不育水稻”突变体是由福建省三明市农业科学研究所于2001年在杂交组合"SE21S/Basmati370"的F2代群体中发现的,其不育性受1个显性基因控制(将该基因命名为SMS)。本研究对该基因进行了较精细的定位和候选基因的分析。主要研究方法及结果如下:1、研究方法以导入了SMS的籼稻品种佳辐占的近等基因系(称为佳不育)为母本,与粳稻品种日本晴杂交,并将F1与佳辐占测交,构建了一个含600个植株的作图群体。利用SSR和INDEL标记,通过混合分离分析和连锁分析,对SMS进行了定位。根据定位区间内的基因注释预测候选基因,并用荧光定量PCR分析候选基因在佳不育和佳辐占花序中的差异表达情况。2、基因定位结果将SMS定位于第8号染色体上两个INDEL标记ZM30和ZM9之间,约99kb的区间内,通过生物信息学分析将该区间内的13个基因作为候选基因。3、候选基因的表达分析候选基因表达结果显示,基因LOCOs08g03820和LOCOs08g03790分别在两个生物学重复中和一个生物学重复中表达有明显差异。其它候选基因没有表达差异。

论文目录

  • 致谢
  • 摘要
  • Abstract
  • 目录
  • 插图目录
  • 表格目录
  • 前言
  • 第一章 文献综述
  • 1.1 定位群体
  • 1.1.1 暂时性分离群体
  • 1.1.2 永久性分离群体
  • 1.2 分子标记
  • 1.3 基因定位方法
  • 1.3.1 分组混合分析法
  • 1.3.2 群体定位法
  • 1.4 新一代测序技术
  • 1.4.1 新一代测序技术平台
  • 1.4.2 新一代测序的应用
  • 1.4.3 新一代测序数据分析及软件
  • 1.5 基因芯片
  • 1.5.1 基因芯片的种类
  • 1.5.2 基因芯片的应用
  • 1.5.2.1 基因表达分析
  • 1.5.2.2 利用基因芯片分析SNP
  • 1.5.3 基因芯片数据分析软件包
  • 1.6 水稻相关数据库
  • 1.6.1 国家水稻数据中心数据库
  • 1.6.2 BGI籼稻生物信息数据库
  • 1.6.3 日本水稻基因组计划数据库
  • 1.6.4 Gramene禾本科数据库
  • 1.6.5 水稻基因组注释项目数据库
  • 1.6.6 RiceGE数据库(Rice Functional Genomic Express Database)
  • 1.7 水稻耐寒性QTL定位研究进展
  • 1.7.1 水稻发芽期耐寒性QTL定位
  • 1.7.2 水稻苗期耐寒性QTL的定位
  • 1.7.3 孕穗期耐寒性QTL的定位
  • 1.8 植物雄性不育研究进展
  • 1.8.1 细胞核雄性不育研究进展
  • 1.8.2 水稻花器官发育过程
  • 1.8.3 水稻雄性不育形态学特征
  • 1.8.4 水稻雄性核不育相关基因的研究进展
  • 第二章 利用NGS-BSA方法定位水稻耐寒性QTL
  • 2.1 材料与方法
  • 2.1.1 植物材料及其处理
  • 2.1.1.1 材料培养
  • 2.1.1.2 材料冷处理
  • 2.1.2 DNA提取及测序
  • 2.1.2.1 DNA提取
  • 2.1.2.2 DNA测序
  • 2.1.3 数据处理
  • 2.1.3.1 读段修剪和过滤
  • 2.1.3.2 读段定位
  • 2.1.3.3 SNP分析
  • 2.1.4 QTL统计分析
  • 2.1.4.1 QTL定位
  • 2.1.4.2 QTL增效基因的来源分析
  • 2.1.4.3 QTL区间耐寒性候选基因的分析
  • 2.2 结果与分析
  • 2.2.1 读段修剪过滤结果
  • 2.2.2 SNP分析结果
  • 2.2.3 QTL定位结果
  • 2.2.4 QTL增效基因的来源
  • 2.2.5 定位区间候选基因分析结果
  • 2.2.6 讨论
  • 2.2.6.1 群体培育与处理
  • 2.2.6.2 利用NGS和BSA方法定位QTL的优势
  • 2.2.6.3 数据分析讨论
  • 2.2.6.4 QTL定位
  • 2.2.6.5 进一步研究的设想
  • 第三章 水稻显性雄性核不育基因SMS的定位
  • 3.1 材料与方法
  • 3.1.1 植物材料
  • 3.1.2 性状观察及遗传分析
  • 3.1.3 材料DNA的提取及多态性检测方法
  • 3.1.3.1 材料DNA的提取
  • 3.1.3.2 多态性检测方法
  • 3.1.4 雄性不育基因的初步定位
  • 3.1.5 雄性不育基因的精细定位
  • 3.1.5.1 新标记的开发
  • 3.1.5.2 基因精细定位和遗传作图
  • 3.1.6 候选基因的预测与表达分析
  • 3.1.6.1 候选基因的预测
  • 3.1.6.2 候选基因表达分析
  • 3.2 结果与分析
  • 3.2.1 性状观察及遗传分析
  • 3.2.2 雄性不育基因的初步定位
  • 3.2.3 雄性不育基因的精细定位
  • 3.2.4 候选基因的预测与表达分析
  • 3.3 讨论
  • 3.3.1 基因SMS的定位
  • 3.3.2 生物信息学预测与表达分析
  • 3.3.3 显性突变体的研究
  • 3.3.4 显性核不育的应用
  • 3.3.5 关于SMS基因下一步研究思考
  • 本文创新点
  • 参考文献
  • 附录1: DNA小量提取
  • 附录2: PAGE电泳检测
  • 附录3: 在耐寒池和感寒池中日本晴等位基因频率差(NAFD)计算脚本
  • 附录4:定位区间内引起氨基酸变化对冷处理有响应的基因提取与注释脚本
  • 附录5: QTL定位最可能区间内具有引起AA变化的SNP又对冷处理有响应的基因注释
  • 博士期间取得科研成果
  • 相关论文文献

    标签:;  ;  ;  ;  

    水稻耐寒性QTL及显性雄性核不育基因SMS的定位
    下载Doc文档

    猜你喜欢