基于小麦产量三要素的产量条件QTL分析

张 晗，孙加梅，韩瑞玺，陈建省，刘 宾，邓志英，李汝玉，田纪春

(1．山东省农业科学院作物研究所，山东济南 250100； 2.山东农业大学农学院/作物生物学国家重点实验室，山东泰安 271018； 3.农业部科技发展中心，北京 100176)

高产是小麦育种的重要目标，穗数、穗粒数和千粒重是小麦产量构成的三要素。产量及其三要素都是由多基因控制的数量性状，表现为连续变异，且受环境影响较大。因此，从分子水平上解析产量与其三要素之间的遗传关系，对打破小麦产量限制的屏障、大幅度提高小麦单位面积产量具有重要意义。

近年来，国内外学者在不同遗传背景及环境条件下对小麦产量、穗数、穗粒数和千粒重等相关性状进行了大量的非条件QTL分析[1-7]。Marza等[1]利用132个家系的RIL群体通过复合区间作图法对籽粒产量及其相关性状进行了QTL定位，分别检测到10个、1个和8个控制籽粒产量、穗数和穗粒数的QTL，依次可解释7.30%～21.1%、12.0%和8.70%～21.0%的表型变异。Li等[2]分别检测到5个、11个、7个和9个控制产量、单位面积穗数、穗粒数和千粒重的QTL。Liu等[7]分别检测到13个和15个控制穗粒数和千粒重的QTL。上述非条件QTL分析方法，都是对产量、穗数、穗粒数或千粒重测定末期的终值进行QTL分析，不能从单个QTL水平上对两个或多个紧密相关的性状之间的遗传基础和相互关系进行研究。而Zhu[8]和吴为人等[9]提出的条件QTL分析方法，能从单个QTL水平上进行两个相互独立但又密切相关的性状间的遗传分析，并提高QTL定位的灵敏度和准确度。

目前，国内外学者已将条件QTL分析方法应用于多种动植物复杂性状与其构成要素之间单个QTL水平上的遗传关系研究[10-14]。彭 勃等[14]利用非条件和条件QTL分析方法，分析了单株产量与单株粒数和百粒重的关系，结果表明，通过改良单株粒数和百粒重可有效提高产量；条件QTL分析方法在单个QTL水平上证实了单株产量与单株粒数和百粒重有较强的遗传相关性，并且能够检测到更多效应较小的QTL；Liu等[12]利用非条件和条件QTL分析方法，分析了籽粒产量与单株分蘖、穗粒数和千粒重的关系，结果表明，控制产量的QTL至少受一个产量构成因子的影响，同时揭示了控制产量的QTL受3个产量构成因子不同程度的影响，并利用此方法在小麦农艺、品质等性状上进行了关联性状因果关系的条件QTL研究；Wang等[15]对蛋白质含量与产量及其要素间的关系进行了条件QTL分析，检测到3个条件QTL，通过条件QTL分析能检测到微效QTL；Deng等[16]对面粉组分与沉降值间的关系进行了条件QTL分析，检测到10个加性QTL和15个上位性QTL，条件QTL分析能够从分子水平解析相关联的性状间的相互作用；Zhang等[17]利用非条件和条件QTL两种方法，对小麦千粒重与粒宽和粒长之间的遗传关系进行了分析，结果表明粒长和粒宽对千粒重的影响至关重要；Li等[18]利用条件和非条件的方法，分析了千粒重与粒长、粒宽、粒厚和粒长宽比的关系。

然而，目前对单位面积产量的非条件和条件QTL比较分析尚未见报道。本研究利用单位面积产量的非条件QTL和条件QTL比较分析，试图从单个QTL水平上，阐明小麦产量与其构成三要素间相关性的遗传基础，定位产量相关位点，以期为通过分子标记辅助选择改良品种和相关基础研究提供参考。

1 材料与方法

1.1 试验材料

亲本为高产小麦品种花培3号与综合性状优良的豫麦57，双亲在农艺性状方面有较大差异[19-20]，花培3号是大穗大粒品种，分蘖成穗率中等；而豫麦57是中穗多穗型品种，分蘖成穗率高。通过双亲杂交获得F1，然后进行花药培养，经染色体加倍获得168个双单倍体(Doubled haploid,DH)系。

1.2 田间试验

试验材料于2010-2011年种植在山东农业大学农学试验站(36°57′N，116°36′E)(E1)，2011-2012年分别种植在山东省农业科学院试验基地(36°71′N，117°09′E)(E2)、山东农业大学农学试验站(36°57′N，116°36′E)(E3)和河南省济源市农业科学研究所(112°36′E，35°05′N)(E4)，2012-2013年种植在山东省农业科学院试验基地(36°71′N，117°09′E)(E5)。试验采用随机区组设计，E1采用4行区种植，行长2 m，行距26 cm；E3采用4行区种植，行长2.7 m，行距20 cm；E4采用3行区种植，行长2.6 m，行距26 cm；E2和 E5采用4行区种植，行长3 m，行距25 cm(实际种植6行4 m，除去2行边行和每行的前后0.5 m)。不同年份不同环境种植的材料，基本苗数都是每667 m2(即每亩)12万。田间统一管理。

按小区单收，计算单位面积的产量，同时测量籽粒的千粒重。收获前，每个DH系随机选择10个单株，测量主茎穗的穗粒数。除E4试验材料测量中间1行穗数外，其他试验材料均测量中间2行的穗数，再计算单位面积的穗数。

1.3 遗传连锁图谱

本研究采用的遗传图谱包含323个位点(284个SSR、37个EST-SSR、1个ISSR和1个HMW标记)，图谱全长2 485.7 cM，标记间的平均遗传距离7.67 cM，形成24个连锁群，被定位在小麦的21条染色体上[21]。

1.4 数据分析、QTL定位和命名

利用SPSS 19.0软件对产量及其三要素进行相关分析。条件QTL分析参照Zhu[8]提出的基于混合线性模型的数量性状分析方法进行分析，首先计算小区产量(yield,Y)对给定条件性状(given conditional traits,GCT)即产量三要素的(yield components,YC)的条件表型值y(Y|YC)，利用QGAStation 1.0(http://ibi.zju.edu.cn/software/qga/index.htm)软件计算条件表型值y(Y|YC)，Y|YC表示从复杂性状中排除给定条件性状变异后的剩余变异。应用QTL IciMapping v3.3软件，基于完备区间作图法(ICIM)进行非条件和条件QTL分析。判定QTL是否显著的LOD临界值为2.0，贡献率大于10%的QTL定义为主效QTL。QTL的命名方式为：Q+性状名英文缩写+单位名英文缩写+染色体+QTL在同一染色体上不同区间出现的次序。其中，单位名英文缩写与染色体间加“-”，染色体和QTL数间加“.”。比如，QYsdau-2D.1表示在2D染色体上有一个控制产量的QTL，sdau为单位名英文的缩写，圆点后面的1表示在染色体上不同区间出现的次序。

2 结果与分析

2.1 DH群体及亲本的表型变异和相关分析结果

单位面积产量及单位面积穗数、穗粒数和千粒重等4个相关性状在亲本及DH群体中的表型数据见表1。所测4个性状在双亲间差异较大，DH群体中存在明显的超亲现象，其变异系数范围为10.1%～23.2%。千粒重的遗传力最大(75.35%)，其次为单位面积产量(25.95%)和穗粒数(22.00%)，单位面积穗数的遗传力最小(18.56%)。

表1 小麦产量及其三要素在5个环境下的表型数据分析结果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.

根据各性状在5个环境中的均值计算其相关系数(表2)，单位面积产量分别与单位面积穗数和千粒重呈显著正相关，相关系数分别为0.17和0.39(P<0.05)，而与穗粒数的相关性不显著。说明本研究中单位面积穗数和千粒重对单位面积产量的影响大于穗粒数。

表2 产量与穗粒数、单位面积穗数和千粒重之间的相关性Table 2 Correlations between yield and the three yield components

*和**分别表示在0.05和0.01水平上相关显著。

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

2.2 产量性状的非条件QTL分析

非条件QTL分析共检测到9个控制产量的非条件QTL(表3，图1)，分别定位于2D、3A、4D、5D和6D染色体上，其加性效应值的绝对值为19.05～45.29，可解释5.74%～15.77%的表型变异。有5个来自母本花培3号的正向效应QTL，另外4个为来自父本豫麦57的负向效应QTL。其中，QY.sdau-4D.2和QY.sdau-6D.2为主效QTL，可分别解释15.77%和10.16%的表型变异。

2.3 产量性状的条件QTL分析

在给定单位面积穗数、穗粒数和千粒重的条件下，对单位面积产量进行条件QTL分析，共检测到28个产量QTL，分别位于2A、2D、3A、4B、4D、5A、5D、6B、6D和7B染色体上，单个QTL可解释5.17%～20.29%的表型变异，其中12个QTL的加性效应为正，表明其增效基因来自于花培3号；16个QTL的加性效应为负，表明其增效基因来自于豫麦57(表3)。

在给定单位面积穗数的条件下，共检测到9个产量QTL，其中5个QTL(QYsdau-2D.1、QYsdau-3A.1、QYsdau-3A.2、QYsdau-4D.2和QYsdau-6D.2)在非条件和条件分析中都能检测到，且效应值变化稍大，非条件分析中其效应值的绝对值分别为24.09、19.05、20.78、45.29和36.88，排除穗数后的效应值分别为21.36、18.49、19.13、47.34和40.96；另外条件QTLQYsdau-6D.1(Xcfd13～Xbarc054)与非条件QTLQYsdau-6D.2(Xbarc054～Xgwm55)有一个共同的位点Xbarc054。有2个条件QTL(QYsdau-2A和QYsdau-7B.1)在非条件分析中没有检测到(表3)。

在给定穗粒数的条件下，共检测9个产量QTL，其中7个QTL(QYsdau-2D.1、QYsdau-3A.1、QYsdau-3A.2、QYsdau-4D.2、QYsdau-5D.1、QYsdau-6D.1和QYsdau-6D.2)在非条件分析中也能检测到，有2个QTL(QYsdau-4D.2和QYsdau-6D.2)效应值变化稍大，非条件分析中其效应值的绝对值分别为45.29和36.88，排除穗粒数后的效应值分别为49.97和42.47。另外 2 个QTL(QYsdau-2D.1和QYsdau-3A.1)的效应值变化较小，非条件分析中其效应值的绝对值分别为24.09和19.05，排除穗粒数后的效应值分别为24.34和18.94；另外条件QYsdau-6D.1(Xcfd13～Xbarc054)与非条件QYsdau-6D.2(Xbarc054～Xgwm55)有一个共同的位点Xbarc054。而QYsdau-5D.2和QYsdau-7B.1这2个条件QTL在非条件下没有检测到(表3)。

在给定千粒重的条件下，共检测到10个产量QTL，其中3个QTL(QYsdau-2D.1、QYsdau-4D.2和QYsdau-5D.1)在非条件和条件分析中都能检测到，且效应值变化稍大，非条件分析中其效应值的绝对值分别为24.09、45.29和21.99，排除千粒重后的效应值分别为20.16、49.61和19.42；另外有7个条件QTL(QYsdau-2D.4、QYsdau-2D.5、QYsdau-4B、QYsdau-5A、QYsdau-5D.2、QYsdau-6B和QYsdau-7B.2)在非条件分析中没有检测到。

在分别给定穗粒数、单位面积穗数和千粒重的条件下，有2个非条件QTL(QYsdau-2D.2和QYsdau-2D.3)在条件分析中没有检测到(表3)。

2.4 一因多效QTL分析

检测到QYsdau-2D.1和QYsdau-3A.1控制产量和穗数，QYsdau-3A.1、QYsdau-6D.1和QYsdau-6D.2控制产量、穗数和穗粒数，QYsdau-5D.1控制产量、穗粒数和千粒重，QYsdau-4D.2控制产量及穗数、穗粒数和千粒重。这些均为“一因多效”的QTL。

表3 产量的条件和非条件QTL分析结果Table 3 Unconditional and conditional QTLs with significantly additive effects on yield

Y|SN：产量|单位面积穗数；Y|KNPS：产量|穗粒数；Y|TKW：产量|千粒重。P：5个环境的平均值。效应值为正值表示来自花培3号的等位基因为增效基因，负值说明来自豫麦57的等位基因为减效基因。

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.

图1 产量性状条件和非条件QTL在染色体上的位置

3 讨 论

控制小麦单位面积产量及其三要素的基因通常不会孤立存在，存在着“一因多效”或“多因一效”的互作关系。前人利用多种遗传群体对小麦单位面积产量及其三要素分别进行QTL分析(即非条件QTL定位)，获得了许多控制单位面积产量及其三要素的QTL[1,4-5,22-25]，但非条件QTL分析方法大多采用累加效应分析方法(Accumulated effect analysis)，获得的是某个QTL表达的累积遗传效应(Accumulated effect of a QTL)，因此不能从单个QTL水平上进行两个或多个紧密相关性状之间的遗传基础和相互关系研究。条件QTL效应分析方法是基于净增长效应分析法(net-effect)，弥补了非条件QTL的这种缺陷。本研究综合利用条件和非条件QTL分析，发现6个“一因多效”的QTL，其中QYsdau-2D.2和QYsdau-2D.3通过影响穗数、穗粒数和千粒重而影响产量，QYsdau-2D.1和QYsdau-3A.1影响产量，但不是通过穗粒数的变化影响产量，即单位面积产量和穗粒数在该位点上几乎没有关联。

比较单位面积产量在非条件和分别给定单位面积穗数、穗粒数和千粒重条件下的QTL的定位结果，可以将定位到的控制单位面积产量的QTL分解为以下几种类型：(1)若某QTL只出现在产量的非条件分析中，而排除某性状遗传效应后则检测不到该QTL，说明这个QTL是通过影响这个性状变化而影响产量的QTL，如QYsdau-2D.2和QYsdau-2D.3。(2)如果某QTL在非条件(产量)和条件QTL(产量分别给定三个性状的条件下)分析时都能检测到，且效应值相近，说明该位点独立作用于产量。如QYsdau-2D.1和QYsdau-3A.1，产量和穗粒数在该位点上几乎无关联。(3)若某QTL在非条件(产量)和条件QTL分析时都能检测到，但是效应值变化较大，说明该QTL为部分通过某性状变化而影响产量的QTL，该位点同时作用于产量和这个条件性状，即存在“一因多效”效应，如QYsdau-3A.1和QYsdau-6D.1控制产量、穗数和穗粒数。这一遗传特点在一定程度上解释了单位面积产量和单位面积穗数、穗粒数和千粒重之间的正向相关现象，其QTL区间可能同时存在控制单位面积产量、单位面积穗数、穗粒数和千粒重的基因。(4)如果某QTL只出现在条件分析中，说明该QTL效应值小，在非条件分析中检测不到(受某个性状的影响)，排除某个性状的影响后，能够检测到更多的效应较小的QTL[12]，如QYsdau-2A和QYsdau-7B.1，说明这两个位点的表达被穗数所掩盖，在排除穗数后，才可检测到；QYsdau-5D.2和QYsdau-7B.1这2个条件QTL在去除穗粒数和千粒重的影响后才得以表达；有7个条件QTL(QYsdau-2D.4、QYsdau-2D.5、QYsdau-4B、QYsdau-5A、QYsdau-5D.2、QYsdau-6B和QYsdau-7B.2)在非条件分析中没有检测到，而在排除千粒重的影响后才可检测到。这些QTL的效应虽然相对较小，对性状影响不大，但是更能从QTL水平上反应出产量与三要素的遗传关系。

国内外学者对小麦产量等相关性状进行了大量研究，Bennett等[23]在3B染色体上检测到2个控制产量的主效QTL；Mason等[6]利用小麦RIL群体的118个家系对产量及其构成要素进行QTL分析，发现4个控制产量的QTL，分别位于2D、3B、5D和7D染色上。本研究中检测到的控制产量的QTL分别位于2D、3A、4D、5D和6D染色体上，与之前的研究相比较，虽然位于相同的染色体上，但是因为没有共同的标记，无法确定是否为相同或相关联的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可能为新发现的QTL；位于4D染色体区段Xwmc331～Xgwm194上的QYsdau-4D.2对单位面积产量的遗传贡献率最大，可解释15.77% 的表型变异，其增效基因来源于母本花培3号，该QTL与Zhang等[26]发现的控制产量及其构成性状的QTL簇(fbb322～Xgwm194)有一个相同的标记，说明该区段可能存在控制产量的基因；QYsdau-2D.1、QYsdau-2D.2和QYsdau-5D.1分别在不同的年份(2005-2007和2010-2011)在泰安试验基地都能检测到[27]，说明位于该染色体区段的控制产量的QTL受环境影响较小，是可以遗传的QTL。这些QTL较稳定，可用于分子标记辅助育种，便于提高小麦的产量。