小麦新种质普冰3228籽粒矿质元素QTL定位与候选基因分析

摘要：小麦籽粒矿质元素含量对人体健康具有重要影响。为解析小麦新种质普冰3228矿质元素遗传机制并为小麦矿质元素遗传改良提供新材料。以小麦新种质普冰3228与京4839杂交产生的重组自交系群体为材料，利用55K SNP芯片对小麦籽粒Ca、Mg、Fe、Zn这4种元素含量进行了QTL定位及候选基因分析。结果表明，普冰3228×京4839 RIL群体4种矿质元素均存在丰富的遗传差异；共检测到与矿质元素相关的QTL 15个，这些QTL主要分布于1A、1D、3D、5A、5B、6B和7D染色体上，QTL LOD值介于2.58～35.89之间，解释变异率分布于0.16%～12.30%之间，其中包括与Zn元素含量相关的QTL 4个，与Ca元素含量相关的QTL 4个，与Mg元素含量相关的QTL 7个。进一步分析发现，与籽粒矿质元素含量相关的候选基因18个，这些候选基因主要与小麦矿质元素的吸收、转运、累积等功能相关。该结果将为小麦籽粒矿质元素遗传机制深入解析及遗传改良提供有用的信息和丰富的基因资源。

关键词：小麦；普冰3228；矿质元素；QTL定位；候选基因

中图分类号：S512.103.2 文献标志码：A

文章编号：1002-1302（2024）18-0026-09

收稿日期：2023-10-16

基金项目：国家自然科学基金委员会-河南省人民政府联合基金（编号：U1804102）。

作者简介：王健胜（1978—），男，陕西礼泉人，博士，副教授，主要从事小麦遗传育种。E-mail：wjsheng1998@163.com。

矿质元素在人体新陈代谢中发挥着重要作用，其直接影响人体健康。近年来由于矿质元素缺乏引起的相关疾病已在临床医学中被发现并引起了社会的普遍关注^［1-2］。例如，据估计世界范围内有近20亿人患有因铁元素缺乏引起的贫血，这个问题在发展中国家表现尤为突出。小麦是世界主要粮食作物之一，其籽粒矿质元素含量对保障人体矿质元素正常摄入具有重要影响，为此，国际农业研究磋商组织（CCIAR）等国际机构于2003年开始实施国际性重大农业项目Harvest Plus计划，旨在通过培育富含矿物营养成分的小麦等主要粮食作物，解决矿质营养元素缺乏问题。可见，开展小麦矿质元素研究进而提高其矿质元素含量已成为目前小麦生产的紧迫科学问题。

小麦矿质元素遗传机制研究是遗传改良并提升小麦籽粒矿质元素含量的重要基础。众所周知，小麦籽粒矿质元素含量是受多基因控制的数量性状，而数量性状基因座（QTL）分析为矿质元素遗传机制解析提供了一条有效途径。围绕小麦籽粒矿质元素QTL定位，国内外学者开展了较多的相关研究。郝志利用双单倍体群体对小麦籽粒Fe、Zn、Cu、Mn这4种元素含量进行了QTL定位，结果共检测到10个QTL位点，其中Fe元素检测到4个QTL位点，Zn元素检测到3个QTL位点，Cu元素共检测到3个QTL位，Mn元素只检测到1个QTL位点，这些QTL分别位于1B、2A、5D、3D、5A、5B、1D、2B、4D和3A染色体上^［3］。Wang等对小麦苗期和成株期Se元素含量进行了QTL定位分析，结果共检测到与Se元素相关的QTL 16个，其中苗期发现7个QTL，成株期发现9个QTL，这些QTL主要L8Sxyhwa/B3C8XFcn2rdPQ==分布于1B、2B、4B、5A、5B、5D、6A和7D染色体上^［4］。Wang等利用京冬8号与矮抗58产生的254个重组自交系群体，结合55K SNP芯片对小麦籽粒Zn元素和Fe元素含量进行了QTL分析，结果共检测到与Zn元素含量相关的QTL 7个，发现与Fe元素含量相关的QTL 4个^［5］。另外，也有学者利用全基因组关联分析的方法检测到了小麦矿质元素相关的部分QTL^［6-10］。

综上所述，虽然前人针对小麦籽粒矿质元素开展了较多的QTL定位研究，但有关小麦新种质普冰3228矿质元素的遗传研究仍未见报道。基于此，本研究以小麦新种质普冰3228×京4839自交系群体（RIL）为材料，利用55K SNP芯片对小麦籽粒矿质元素进行了QTL定位及候选基因分析，以期为小麦矿质元素遗传改良提供有益信息和有效材料。

1 材料与方法

1.1 研究材料

本研究材料是小麦新种质普冰3228与京4839杂交产生的重组自交系（RIL）群体，该群体共包括203个株系。普冰3228是普通小麦与冰草通过远缘杂交获得的遗传稳定的新种质，其具有高产、抗病、抗旱等多种优异农艺性状^［11-13］。本研究所用材料均由中国农业科学院作物科学研究所李立会课题组提供。

1.2 小麦田间种植

2018—2019年和2019—2020年将普冰3228×京4839 RIL群体分株系在河南平顶山和陕西咸阳2个环境下种植，株系间采用随机区组设计，每个株系种植4行，设3次重复。种植行长保持2 m，行距20 cm，株距6.7 cm，单籽粒点播。试验地周围均种植保护行，按照普通产田水平进行田间统一管理。待小麦成熟后，在每个株系中随机收获5～6株，分单株收获并脱粒。

1.3 小麦籽粒矿质元素含量测定

收获的小麦籽粒自然充分晾干，取一定量籽粒粉碎并过筛后，称取0.50 g样品放入50 mL微波消解管中，加入适量硝酸和过氧化氢，混匀后放入微波消解仪进行消解，消解液经充分过滤后用1%硝酸溶液定容至50 mL。接着利用日本岛津原子吸收分光光度仪AA-6300，采用火焰-原子吸收法测定小麦种质籽粒的Ca、Mg、Fe、Zn这4种元素含量，每个小麦样品重复测定3次，取平均值作为每个材料籽粒的元素含量。

1.4 基因型检测

本研究采用十二烷基苯磺酸钠（SDS）法提取基因组DNA^［14］，取亲本和RIL群体幼苗叶片提取DNA，将提取后的DNA保存在TE中，并用琼脂糖凝胶电泳法检测其纯度。然后将遗传群体检测质量合格的样品DNA送往北京博奥晶典生物技术有限公司，由该公司基于Illumina SNP Genotyping技术测试平台使用微珠芯片技术进行检测，其多态性使用Genomestudio v 1.0软件进行分析，最终获得研究遗传群体的有效基因型。

1.5 遗传图谱构建及QTL定位

基于上述获得的定位群体的基因型，通过QTL IciMapping 4.0软件构建群体的分子标记遗传连锁图谱，接着结合籽粒矿质元素含量的表型性状，采用完备区间作图法（ICIM-ADD）进行QTL检测，LOD阈值为2.0^［15-16］。QTL按照通用规则命名，具体为：QTL+性状英文缩写+染色体。

1.6 候选基因分析

以与籽粒矿质元素含量紧密连锁SNP标记序列为探针，以QTL定位置信区间作为候选基因的预测区间，在NCBI（https：//www.ncbi.nlm.nih.gov）和ENA（https：//www.ebi.ac.uk/ena）数据库中进行Blast比对，获得籽粒矿质元素含量相关候选基因，并对部分候选基因进行功能注释。

2 结果与分析

2.1 普冰3228×京4839 RIL群体籽粒主要矿质元素含量表型分析

由图1、表1可知，普冰3228×京4839 RIL群体中Ca、Mg、Fe、Zn这4种元素含量在不同环境下表现不尽相同。在籽粒Ca元素含量方面，RIL群体在平顶山地区分布在70.11～744.67 mg/kg之间，平均为167.35 mg/kg，而在咸阳地区，RIL群体分布在61.97～993.77 mg/kg之间，平均为230.80 mg/kg，可以看出，该群体籽粒Ca元素含量在咸阳环境下相对较高，但从RIL群体籽粒Ca元素含量变异程度来看，平顶山环境下变异更丰富，其变异系数为64.74%，稍高于咸阳环境下的58.66%。在籽粒Mg元素含量方面，平顶山环境下分布在279.68～1 082.02 mg/kg之间，平均为512.00 mg/kg，而在咸阳地区分布在328.33～1 096.41 mg/kg之间，平均为588.99 mg/kg，可以看出，不同环境下群体Mg元素含量较为接近。Zn元素含量在2个环境下差异较大，在平顶山地区分布在7.79～68.78 mg/kg之间，而在咸阳地区分布在2.99～130.52 mg/kg之间，但2个环境下Zn元素含量平均值较为接近，分别为23.76、22.46 mg/kg，从Zn元素含量的变异程度来看，咸阳地区较平顶山地区具有更丰富的遗传变异。RIL群体Fe元素含量在平顶山地区最小值为21.42 mg/kg，最大值为757.81 mg/kg，平均值为155.11 mg/kg，而在咸阳地区，其最小值为88.76 mg/kg，最大值达到了997.32 mg/kg，平均值为278.79 mg/kg，Fe元素含量变异程度以平顶山地区较为丰富，其变异系数达到了73.64%。从4种元素的综合表现来看，以Mg元素的含量为最高，其次是Fe元素和Ca元素，Zn元素的含量为最低。

2.2 普冰3228×京4839 RIL群体主要矿质元素QTL定位

利用55K SNP芯片，本研究构建了普冰3228×京4839 RIL群体高密度遗传连锁图谱，利用该图谱结合群体不同环境下元素表型性状对Ca、Mg、Fe、Zn这4种元素进行了QTL分析，共检测到相关QTL 15个（表2），这些QTL主要分布于1A、1D、3D、5A、5B、6B和7D染色体上（图2）。检测到的QTL中包括与Zn元素相关的QTL4个，与Ca元素相关的QTL 4个，与Mg元素相关的QTL 7个，而未检测到与Fe元素相关的QTL。检测到的QTL LOD值介于2.58～35.89之间，解释变异率分布在0.16%～12.30%之间，其中定位于5B染色体上AX-110439607～AX-109516387区间的控制小麦籽粒Zn含量的QZn-5B.2表现最为突出，其LOD值达到了35.89，解释变异率为12.30%。从QTL的加性效应来看，除定位于5B、6B控制Zn含量的2个QTL为负值外，其余QTL的加性效应均为正值，这表明绝大多数QTL都来自普冰3228。同时可以看出，检测到的QTL在小麦不同基因组间分布比较均匀，在A基因组上发现5个QTL，在B基因组上发现4个QTL，而在D基因组上发现的QTL最多，为6个。

2.3 普冰3228×京4839 RIL群体主要矿质元素候选基因分析

基于上述QTL定位结果，本研究对籽粒矿质元素进行了候选基因分析，具体结果见表3。由表3可知，共获得籽粒矿质元素相关的候选基因18个，这些基因主要位于1A、3D和5B染色体上，其中在1A染色体上与AX-110515151关联的候选基因有5个，分别是TraesCS1A01G140300.1、TraesCS1A01G141000.1、TraesCS1A01G161200.1、TraesCS1A01G163700.2和TraesCS1A01G165400.1。与3D染色体上AX-111579109关联的候选基因有7个，包括TraesCS3D01G111300.1、TraesCS3D01G123700.1、TraesCS3D01G123800.2、TraesCS301G138200LC.1、TraesCS3D01G124800.6、TraesCS3D01G127800.1和TraesCS3D01G143300.1。与5B染色体上AX-110439607关联的候选基因有6个，包括TraesCS5B01G073900.1、TraesCS5B01G117200LC.1、TraesCS5B01G117300LC.1、TraesCS5B01G081100.1、TraesCS5B01G121600LC.1和TraesCS5B01G085100.1。从候选基因的注释可以看出，这些候选基因主要与小麦矿质元素的吸收、转运、累积等功能相关。

3 讨论与结论

随着人们生活水平的提升和对自身健康的日益关注，提高籽粒微量矿质元素含量已成为主要粮食作物遗传改良的重要目标之一，在其他作物上如玉米、水稻等已经开展了较多籽粒矿质元素研究^［17-19］，而有关小麦矿质元素的相关研究较少。在小麦籽粒矿质元素遗传改良中，开展小麦新种质矿质元素测定与遗传分析是培育高含量矿质元素小麦新品种的基础性工作。普冰3228作为普通小麦与冰草远缘杂交获得的新种质，此前有关该种质矿质元素的研究尚未见报道。本研究以普冰3228和京4839为亲本构建了重组自交系群体并对其Ca、Mg、Fe、Zn这4种矿质元素含量进行了QTL定位分析，结果检测到与Zn相关的QTL 4个，其分别位于1A、5B和6B染色体上。张鹏霞在6B染色体上也发现了控制籽粒Zn含量的QTL^［20］；郝志在5B染色体上也检测到控制籽粒Zn含量的QTL^［3］；孙宪印将小麦Zn含量QTL定位于3D、4A和6D染色体上^［21］；而Xu等在4B和5A染色体上检测到了Zn含量QTL^［22］。本研究在1A染色体上发现的Zn含量QTL在以往的研究中未见报道，可能为新发现的QTL。本研究将籽粒Ca元素含量QTL定位于1A、1D、5A和7D染色体上。张鹏霞也在7D染色体上发现了控制小麦籽粒Ca含量的QTL^［20］。Shi等将小麦籽粒Ca含量QTL定位于2A、3A、4A、4B和5B等染色体上^［9］。前人开展小麦籽粒Mg元素含量QTL分析研究较少，本研究和张鹏霞的研究^［20］均在1A染色体上发现Mg含量QTL，在5A染色体上，本研究和孙宪印的研究^［21］也均检测到了Mg含量QTL。

性状候选基因分析是解析其分子遗传机制和进行分子遗传改良的重要工作，虽然前人针对小麦矿质元素含量进行了部分QTL分析，但开展候选基因分析的研究报道甚少。本研究在对小麦籽粒矿质元素QTL定位的基础上，对其也开展了候选基因分析，结果共获得与籽粒元素相关的候选基因18个，这些候选基因主要编码与元素吸收、转运、累积等功能相关的蛋白或功能酶等。例如，TraesCS1A01G165400.1可能编码一种水通道蛋白，已有研究证实该蛋白可影响植物体对部分矿质元素的吸收^［23-24］。TraesCS5B01G081100.1可能编码一种植物钙调素结合蛋白，该蛋白可以影响植物对Ca元素的吸收^［25-27］。TraesCS3D01G124800.6可能编码一种转录辅助抑制因子，其可能通过影响与元素吸收转运等代谢过程相关基因的转录间接影响植物对某些元素的吸收^［28］。当然，本研究只是对小麦籽粒矿质元素含量相关候选基因的初步分析，这些基因还有待于下一步进行更为深入的研究。

参考文献：

［1］谭绿贵，傅先兰，张 鑫，等. 微量元素·人体健康·环境变化［J］. 微量元素与健康研究，2005，22（4）：49-51.

［2］Anglani C. Wheat minerals：a review［J］. Plant Foods for Human Nutrition，1998，52：177-186.

［3］郝 志. 小麦籽粒主要有益矿质元素的含量及其QTL定位［D］. 泰安：山东农业大学，2008.

［4］Wang P，Wang H N，Liu Q，et al. QTL mapping of selenium content using a RIL population in wheat［J］. PLoS One，2017，12（9）：e0184351.

［5］Wang Y，Xu X T，Hao Y F，et al. QTL mapping for grain zinc and iron concentrations in bread wheat［J］. Frontiers in Nutrition，2021，8：680391.

［6］AlomariD Z，Eggert K，von Wirén N，et al. Whole-genome association mapping and genomic prediction for iron concentration in wheat grains［J］. International Journal of Molecular Sciences，2018，20（1）：76.

［7］AroraS，Cheema J，Poland J，et al. Genome-wide association mapping of grain micronutrients concentration in Aegilops tauschii［J］. Frontiers in Plant Science，2019，10：54.

［8］GorafiY S A，Ishii T，Kim J S，et al. Genetic variation and association mapping of grain iron and zinc contents in synthetic hexaploid wheat germplasm［J］. Plant Genetic Resources：Characterization and Utilization，2018，16（1）：9-17.

［9］Shi X，Zhou Z F，Li W X，et al. Genome-wide association study reveals the genetic architecture for calcium accumulation in grains of hexaploid wheat （Triticum aestivum L.）［J］. BMC Plant Biology，2022，22（1）：229.

［10］Wang J S，Shi X，Zhou Z F，et al. Genetic dissection of grain iron concentration in hexaploid wheat （Triticum aestivum L.） using a genome-wide association analysis method［J］. PeerJ，2022，10：e13625.

［11］王健胜，王 辉，刘伟华，等. 小麦-冰草多粒新种质及其多粒性遗传分析［J］. 中国农业科学，2009，42（6）：1889-1895.

［12］王健胜，刘伟华，王 辉，等. 小麦-冰草衍生系3228主要产量性状的遗传分析［J］. 植物遗传资源学报，2010，11（2）：147-151，156.

［13］Wang J S，Liu W H，Wang H，et al. QTL mapping of yield-related traits in the wheat germplasm 3228［J］. Euphytica，2011，177（2）：277-292.

［14］Dellaporta S L，Wood J，Hicks J B. A plant DNA minipreparation：version Ⅱ［J］. Plant Molecular Biology Reporter，1983，1（4）：19-21.

［15］Wang J K. Inclusive composite interval mapping of quantitative trait genes［J］. Acta Agronomica Sinica，2009，35（2）：239-245.

［16］Meng L，Li H H，Zhang L Y，et al. QTL IciMapping：integrated software for genetic linkage map construction and quantitative trait locus mapping in biparental populations［J］. The Crop Journal，2015，3（3）：269-283.

［17］Hindu V，Palacios-Rojas N，Babu R，et al. Identification and validation of genomic regions influencing kernel zinc and iron in maize［J］. Theoretical and Applied Genetics，2018，131（7）：1443-1457.

［18］Zhang J，Chen K，Pang YKOZyJch5WTAt+Ajtb8dxvw== L，et al. QTL mapping and candidate gene analysis of ferrous iron and zinc toxicity tolerance at seedling stage in rice by genome-wide association study［J］. BMC Genomics，2017，18（1）：828.

［19］杨洪强，顾晶晶，田文仲，等. 不同灌水处理对小麦产量和籽粒品质的影响［J］. 江苏农业科学，2022，50（19）：74-78.

［20］张鹏霞. 不同氮钾处理下小麦籽粒矿质元素相关性状的QTL分析［D］. 泰安：山东农业大学，2021.

［21］孙宪印. 不同环境下小麦籽粒形态性状及微营养物质含量的QTL分析［D］. 泰安：山东农业大学，2009.

［22］Xu Y F，An D G，Liu D C，et al. Molecular mapping of QTLs for grain zinc，iron and protein concentration of wheat across two environments［J］. Field Crops Research，2012，138：57-62.

［23］Li L Y，Pan S R，Melzer R，et al. Apoplastic barriers，aquaporin gene expression and root and cell hydraulic conductivity in phosphate-limited sheepgrass plants［J］. Physiologia Plantarum，2020，168（1）：118-132.

［24］Maurel C，Verdoucq L，Luu D T，et al. Plant aquaporins：membrane channels with multiple integrated functions［J］. Annual Review of Plant Biology，2008，59：595-624.

［25］Wang W，Takezawa D，Narasimhulu S B，et al. A novel kinesin-like protein with a calmodulin-binding domain［J］. Plant Molecular Biology，1996，31（1）：87-100.

［26］Xing J Y，Gruda N，Xiong J，et al. Influence of organic substrates on nutrient accumulation and proteome changes in tomato-roots［J］. Scientia Horticulturae，2019，252：192-200.

［27］PreussM L，Delmer D P，Liu B. The cotton kinesin-like calmodulin-binding protein associates with cortical microtubules in cotton fibers［J］. Plant Physiology，2003，132（1）：154-160.

［28］Martin-Arevalillo R，Nanao M H，Larrieu A，et al. Structure of the Arabidopsis TOPLESS corepressor provides insight into the evolution of transcriptional repression［J］. Proceedings of the National Academy of Sciences of the United States of America，2017，114（30）：8107-8112.