新功能、新界面、新体验,扫描即可下载生物谷APP!
首页 » Nat.Genetcis:GWAS分析地方品种水稻重要农艺性状相关基因 构建高密度的单体型图谱

Nat.Genetcis:GWAS分析地方品种水稻重要农艺性状相关基因 构建高密度的单体型图谱

来源:中国科学院 2010-10-27 13:59

水稻是重要的粮食作物,也是植物基因组学研究的模式作物。水稻的株型(包括分蘖数,株高等),产量(包括小穗数,籽粒大小,千粒重等),籽粒品质(糊化温度,淀粉含量等)和一些生理特征(包括抗逆性,抽穗期,落粒性等)都是水稻生产上重要的农艺性状,克隆并研究调控这些农艺性状的基因对于提高水稻产量,改良水稻品质等具有重要的理论意义和应用价值。

近日,中国科学院北京基因组研究所/中科院上海生科院植生生态所韩斌研究员课题组,通过与中国水稻所、中科院遗传与发育研究所、美国密歇根州立大学、华中农业大学和美国康奈尔大学等单位的研究人员合作,结合第二代测序技术和自主开发的基因型分析方法,对517份中国水稻地方品种材料进行测序,构建了高密度的水稻单体型图谱(HapMap),并对籼稻品种的14个重要农艺性状进行全基因组关联分析,确定了这些农艺性状相关的候选基因位点。相关研究成果于10月24日以全文形式发表在Nature Genetics上。

地方品种是已经适应了特定的农艺-气候条件的作物品种,我国幅员辽阔,水稻地方品种繁多,它们都有适应特定生产条件的独特的农艺性状。阐明地方品种的重要农艺性状的遗传基础对于提高水稻产量,保障我国粮食安全是非常重要的。本研究通过测定517个水稻地方品种的全基因组序列并利用新的数据-归类的方法构建高密度的单体型图谱,鉴定了约360万个SNP位点。利用373个籼稻品种群体对14个农艺性状进行全基因组连锁分析研究,这些性状包括水稻株型,产量,籽粒品质和生理特征等不同的方面。通过连锁分析鉴定的位点可解释约36%的表型变异,其中有6个位点的峰值信号与之前鉴定的农艺性状基因紧密连锁。

本研究为水稻遗传学研究和水稻育种提供了重要的基础数据,并且证实了结合第二代高通量基因组测序和全基因组连锁分析的研究方法是对传统的通过双亲杂交来分析复杂性状的方法的强有力的互为补充的研究策略。(生物谷Bioon.com)

更多阅读

Nature:GWAS应用于拟南芥
高烧的GWAS——生物谷盘点2009

牛人在我身边(1)总结篇

生物谷推荐英文摘要:

Nature Genetics  doi:10.1038/ng.695

Genome-wide association studies of 14 agronomic traits in rice landraces
Xuehui Huang1,2,10, Xinghua Wei3,10, Tao Sang4,10, Qiang Zhao1,2,10, Qi Feng1,10, Yan Zhao1, Canyang Li1, Chuanrang Zhu1, Tingting Lu1, Zhiwu Zhang5, Meng Li5,6, Danlin Fan1, Yunli Guo1, Ahong Wang1, Lu Wang1, Liuwei Deng1, Wenjun Li1, Yiqi Lu1, Qijun Weng1, Kunyan Liu1, Tao Huang1, Taoying Zhou1, Yufeng Jing1, Wei Li1, Zhang Lin1, Edward S Buckler5,7, Qian Qian3, Qi-Fa Zhang8, Jiayang Li9 & Bin Han1,2

Uncovering the genetic basis of agronomic traits in crop landraces that have adapted to various agro-climatic conditions is important to world food security. Here we have identified ~3.6 million SNPs by sequencing 517 rice landraces and constructed a high-density haplotype map of the rice genome using a novel data-imputation method. We performed genome-wide association studies (GWAS) for 14 agronomic traits in the population of Oryza sativa indica subspecies. The loci identified through GWAS explained ~36% of the phenotypic variance, on average. The peak signals at six loci were tied closely to previously identified genes. This study provides a fundamental resource for rice genetics research and breeding, and demonstrates that an approach integrating second-generation genome sequencing and GWAS can be used as a powerful complementary strategy to classical biparental cross-mapping for dissecting complex traits in rice.

温馨提示:87%用户都在生物谷APP上阅读,扫描立刻下载! 天天精彩!


相关标签

最新会议 培训班 期刊库