Unlocking Rice Germplasm Genetic Potential Using Genotypic Value to Develop Quality Core Collections

论文摘要

水稻作为世界主要粮食作物之一,是稻米主食消费者饮食营养的主要来源。在稻米品质改良中,需要利用众多的水稻种质资源。本研究应用近红外反射光谱技术(NIRS)分析了990个水稻品种(系)的26个稻米品质性状,包括直链淀粉含量、胶稠度、碱消值(糊化温度)、蛋白质含量、氨基酸总量以及天冬氨酸、苏氨酸、丝氨酸、谷氨酸、甘氨酸、丙氨酸、半胱氨酸、缬氨酸、蛋氨酸、异亮氨酸、亮氨酸、酪氨酸、苯丙氨酸、赖氨酸、组氨酸、精氨酸、脯氨酸等各种氨基酸含量,粘滞性值包括最高粘度、热浆粘度、崩解值、消减值等性状。采用混合线性模型无偏预测这些品质性状的基因型值,进而计算马氏距离分析品种的遗传相似性。川最短距离法、最长距离法、中间距离法、重心法、不加权类平均法、离差平方和法、可变法和加权配对算术平均法等8种系统聚类方法,结合随机取样法、优先取样法和变异度取样法等3种取样方法,发展了24个水稻核心种质库。用于比较和评价核心种质的4个统计参数分别为:(1)均值差异百分率(MD%,α=0.05),(2)方差差异百分率(VD%,α=0.05),(3)极差符合率(CR%),(4)变异系数变化率(VR%)。主要结果如下: 1.水稻种质资源的遗传变异 990份水稻种质资源在稻米品质性状上存在明显的遗传差异,育种中可以有目的地加以利用,将种质资源中的目标基因导入改良群体中,促进稻米品质的遗传改良。 2.抽样比例对核心库构建的影响 核心库的构建需要在保持原有群体遗传变异的前提下尽可能减少种质资源的保存量。适宜的抽样比例可以更有效地发展种质资源核心库,为种质资源保存和育种家利用优异性状提供合适的样品容量。合适的核心库要求MD%小于20%、CR%大于80%,且具有较高的VD%和VR%值。结果表明15%的抽样比例所形成的核心种质库要优于10%和20%的抽样比例,它既能满足核心库的构建要求又能保持较小的资源保存量。 3.不同聚类方法和取样策略的评价 聚类方法与核心库的构建有着密切关系,不同的聚类方法对稻米品质性状核心种质的构建可以产生不同影响。在15%的抽样比例下,利用随机取样法进行抽样时,以离差平方和法聚类为最佳(CoreC6S1);在采用优先取样法取样时,适宜的聚类方法是最短距离法(CoreC1S2);而变异度取样法结合各种聚类方法构建的核心库都具有很高的VR%和VD%值,能满足核心库MD%不大于20%的要求,其中以最短距离法进行聚类为最优(CoreC1S3),得到的核心种质对原资源群体具有最大的代表性,各参数表现最好。 4.稻米品质性状核心库 品质性状核心库比较的结果表明,在15%的抽样比例时,最短距离聚类法结合变异度取样法(CoreC1S3)构建而成的核心种质库最能代表原始种质资源中所有性状,其稻米直链淀粉含量、碱消值(糊化温度)、胶稠度、蛋白质含量、氨基酸总量、17种氨基酸以及4种粘滞度特性等性状的核心库均值与原始种质库的均值相近。这表明CoreC1S3核心库构建方法可为稻米品质改良提供一种快速、简便的途径来鉴定和选择育种材料。

论文目录

• Acknowledgements
• TABLE OF CONTENTS
• ABSTRACT
• 摘要
• 1 Introduction
• 2 Literature review
• 2.1 Germplasm resources
• 2.2 What is a core collection?
• 2.2.1 Methods for creating core collections
• 2.2.1.1 Definition of the material domain
• 2.2.1.2 Division of the domain into groups
• 2.2.1.3 Allocation of entries to the core set
• 2.2.1.4 Choice of accessions in the core
• 2.2.2 Challenges facing core collections
• 2.2.3 Promise
• 2.2.4 Core collection sample size
• 2.2.5 Core development strategies
• 2.3 Recent advances and plant breeding applications of core collections
• 2.3.1 The link between Core collections and genebank research
• 2.3.2 Study of plant diversity
• 2.3.3 Core concept with user's interest
• 2.3.3.1 The 'core selector' approach
• 2.3.3.2 The'bulk core collection'approach
• 2.3.4 Synteny among plant genomes
• 3 Materials and methods
• 3.1 Rice sample preparation
• 3.2 Spectroscopic analysis
• 3.2.1 NIR Spectroscopy
• 3.2.2 Development of sample calibration
• 3.2.3 Data preprocessing
• 3.2.4 Derivation of calibration equations
• 3.2.5 NIRS rice sample trait analysis
• 3.3 Statistical models
• 3.3.1 Mahalanobis distance
• 3.3.2 Cluster analysis
• 3.3.2.1 Single linkage
• 3.3.2.2 Complete linkage clustering
• 3.3.2.3 Median linkage method
• 3.3.2.4 Centroid Method
• 3.3.2.5 Average Linkage （UPGMA）
• 3.3.2.6 Ward's Minimum-Variance Method
• 3.3.2.7 WPGMA-Weighted arithmetic average clustering
• 3.3.2.8 Flexible-Beta Method
• 3.4 Sampling strategies
• 3.5 Evaluation of core collection
• 4 Results
• 4.1 Phenotypic values for 26 rice quality traits
• 4.2 Predicted genotypic values for 26 rice quality traits
• 4.3 Trend of core collection at increasing sample proportion
• 4.4 Development of 24 core collections
• 4.4.1 Core development procedure
• 4.4.2 Dendrograms for 24-core collections based on hierarchical cluster methods and sampling strategies
• 4.5 Comparison of core collections at different sampling proportion
• 4.5.1 Comparison of core collection at 10%, 15% and 20%
• 4.5.2 Analysis of the different cluster methods
• 4.5.3 Comparison of core collection with initial collection for traits
• 5 Discussion
• 5.1 Gemplasm genetic resource
• 5.2 Core collections approaches and sampling strategies
• 5.3 Sample size and cluster methods
• 5.4 NIRS quality trait analysis
• 6 References
• 7 Appendix