許俊杰,閆文亮,趙團結(jié),姜海燕*

(1.南京農(nóng)業(yè)大學人工智能學院,江蘇 南京 210095;2.南京農(nóng)業(yè)大學國家大豆改良中心,江蘇 南京 210095)

基于過程的作物生長模擬模型(簡稱作物生長模擬模型)是以作物生長發(fā)育的生理規(guī)律為基礎,綜合作物遺傳特性、環(huán)境因素和田間管理措施三者相互作用關系的基礎上,利用數(shù)學方法定量模擬光合生產(chǎn)、階段發(fā)育、器官建成和產(chǎn)量形成等生理過程的機制模型[1]。作物生長模擬模型通過量化作物每一生理過程中對環(huán)境(例如溫度、光照等)變量的非線性響應,將復雜表型性狀分解為受單一或復合環(huán)境變量和基因型互作影響的品種參數(shù)(cultivar parameter,CP),并以此反映環(huán)境對作物品種造成的影響[2]。作物生長模擬模型著重于量化環(huán)境效應對目標表型性狀造成的影響(過程層面),通過品種參數(shù)體現(xiàn)基因型與環(huán)境互作[3]。因此,生長模擬模型的品種參數(shù)應當包含影響對應表型性狀的遺傳學基礎特性。例如,品種參數(shù)可以與數(shù)量性狀基因座[4]或與候選基因的等位基因信息直接相關[5-6]。單個品種參數(shù)應處于簡單且獨立的遺傳控制之下,并且一組不同的品種參數(shù)可以描述某一特定基因型材料的基因特性[7]。但是,目前作物模型品種參數(shù)是根據(jù)觀測到的表型數(shù)據(jù)變異獲得,而不是根據(jù)群體遺傳變異而獲得,造成品種參數(shù)與遺傳學基礎特性之間的聯(lián)系不夠密切[8],限制了作物生長模型對基因型與環(huán)境互作的表達能力。

自1996年,White等[5]將作物模型品種參數(shù)定義為“遺傳系數(shù)”以來,越來越多的研究者開展了模型品種參數(shù)的遺傳學可解釋性研究[9-12]。Guitton等[10]基于CERES模型將高粱開花時間分解為光周期敏感性、臨界光周期等與光反應有關的模型品種參數(shù),發(fā)現(xiàn)在3號染色體的74 cM的位置上,存在著與所有模型品種參數(shù)顯著相關的候選基因區(qū)間,可解釋高達40%的品種參數(shù)變異;Dingkuhn等[11]利用能夠模擬水稻溫光互作效應的RIDEV V2模型模擬花期,通過低生長溫度、光周期敏感性等6個品種參數(shù)進行全基因組關聯(lián)分析后發(fā)現(xiàn),品種參數(shù)低生長溫度定位到的QTL與低溫下誘導成花的基因HD3a同源;Kadam等[12]利用GECROS模型將水稻產(chǎn)量性狀分解為光周期敏感性(δ)和株高峰值(Hmax)等8個作物模型品種參數(shù),結(jié)果表明,顯著關聯(lián)的SNP標記可解釋42.2%～77.0%的品種參數(shù)變異。表明上述模型的品種參數(shù)具有遺傳效應。利用SNP標記或QTL對作物模型品種參數(shù)進行優(yōu)化,通過將作物生長模擬模型與基因組選擇預測模型連接起來,構(gòu)建基因型-環(huán)境互作模型。其前提是:所研究的作物生長模擬模型品種參數(shù)具有遺傳效應,并可以通過篩選的顯著相關SNP標記加以表達[4]。

大豆[Glycinemax(L.)Merr.]為光周期反應的模式作物,外界的光反應顯著影響著大豆花期等重要性狀。CROPGRO大豆花期模型可以模擬溫光條件變化對大豆花期影響。目前國內(nèi)外未見對CROPGRO大豆花期模型品種參數(shù)遺傳特性進行解析的研究報道。本研究以江淮地區(qū)183個優(yōu)質(zhì)高產(chǎn)大豆品種在多生態(tài)點種植的花期數(shù)據(jù)為材料,利用多種全基因組關聯(lián)分析手段對CROPGRO大豆花期模型品種參數(shù)進行遺傳學解析,驗證其是否具有遺傳效應,為構(gòu)建基因型-環(huán)境互作的大豆花期模擬模型奠定理論基礎。

1 材料與方法

1.1 大豆試驗材料及田間表型評估

以長江江淮地區(qū)183個優(yōu)質(zhì)高產(chǎn)大豆品種為研究對象,這些種質(zhì)資源均來自南京農(nóng)業(yè)大學國家大豆改良中心。試驗于2011—2018年,在江蘇南京、鹽城、溧水及安徽當涂和河南新鄉(xiāng)10個生態(tài)點種植,采取行播種植,行長2 m,行寬0.5 m,共設3個試驗重復。當?shù)貧庀髷?shù)據(jù)來源于中國國家氣象局(http://www.nmic.cn/)。

根據(jù)Fehr的物候期分類法[13],供試材料的花期為從播種至一行中50%的大豆植株開花的時間(d),用SPSS 25.0和Excel 2016軟件對表型數(shù)據(jù)進行基本統(tǒng)計分析,利用R語言的lmr4[14]包對表型進行最佳線性無偏估計(BLUP)值的計算。

表1 供試材料地理位置、播種日期和播種至開花氣象狀況信息表Table 1 Geographic location,sowing date and sowing to flowering meteorological information of tested materials

1.2 基因分型

供試大豆通過簡化基因組測序技術(restriction-site associated DNA sequencing,RAD-seq)共獲得 87 307 個高通量SNP(single nucleotide polymorphism)數(shù)據(jù)。參照測序數(shù)據(jù)的質(zhì)量控制和調(diào)用變異(calling variations)方法[15],本試驗保留最小等位基因頻率(minor allele frequency,MAF)大于0.05的變異位點,最終獲得60 712個高質(zhì)量且位置唯一的SNP標記用于后續(xù)分析。

1.3 基于BLUP的花期表型數(shù)據(jù)集構(gòu)建及花期模擬模型品種參數(shù)校正

本研究基于10個環(huán)境的實測花期數(shù)據(jù),計算花期最佳線性無偏預測值(best linear unbiased prediction,BLUP)。為最大程度減少不同環(huán)境差異對同一品種表型造成的影響,構(gòu)建了實測花期和BLUP花期2類數(shù)據(jù)集,分別命名為E-FT和B-FT,利用它們完成后續(xù)的CROPGRO大豆花期模擬模型品種參數(shù)校正試驗,并將所得品種參數(shù)命名為E-CP和B-CP。

1.4 CROPGRO大豆花期模擬模型算法原理

CROPGRO大豆花期模擬模型(以下簡稱CROPGRO-Soybean-Flower模型),為DSSAT軟件[16]中的 1個豆科模擬模型,由BEANGRO模型[17]發(fā)展而來,以大豆發(fā)育生理生態(tài)為基礎,采用生理發(fā)育時間作為定量發(fā)育進程的尺度,以天為步長模擬大豆生長發(fā)育。大豆生長累計進度可為定義為:

(1)

式中:FT為每日實際生長光熱的累計值;D為實際開花所需要的時間(d);fT(m)為第m天的溫度效應;fDL(m)為第m天的光照效應。

FT包括了播種到出苗時長(PLEM)、出苗到開花時長(EMFL)2個物候階段,其中PLEM對于大多數(shù)品種都相近,模型將其設為3.6 d。當FT滿足公式(2)時,大豆進入花期。

FT>PLEM+EMFL

(2)

每日的溫度效應和光照效應又可被定義為:

(3)

(4)

fDL(m)=1-[DL(m)-CSDL]×PPSEN

(5)

式中:RFTi(m)為第m天第i小時的熱效應;Ti(m)為第m天第i小時溫度;TB為大豆生長率為0時的最低溫度;TM為大豆生長率為0時的最高溫度;TO1、TO2依次為最適溫度下限和上限。在本文中使用模型默認值[18],TB=7 ℃、TO1=28 ℃、TO2=35 ℃、TM=45 ℃。DL(m)為第m天的光照時間;CSDL為臨界光周期;PPSEN為光周期敏感性。

由以上公式可以看出,除了模型設定和田間實測的數(shù)據(jù)外,CSDL、PPSEN和EMFL為模型待調(diào)遺傳參數(shù),取值范圍分別為11.78～14.60 h、0.129～0.385 d和15.5～28.9 d。

CROPGRO大豆花期模擬模型的驅(qū)動數(shù)據(jù)輸入可分為3種類型:氣象數(shù)據(jù)、田間管理數(shù)據(jù)、作物品種參數(shù)。氣象數(shù)據(jù)包括日最高氣溫(℃)、日最低氣溫(℃)、日照時數(shù)(h)、緯度(°)。田間管理數(shù)據(jù)包括行距(cm)、種植深度(cm)等數(shù)據(jù)。

1.5 基于GLUE校正大豆花期模擬模型品種參數(shù)

本研究選用DSSAT-GLUE程序包[19](https://www.dssat.net/)對10個環(huán)境下CROPGRO大豆花期模擬模型品種參數(shù)進行校準?？偛蓸哟螖?shù)設為20 000,在品種參數(shù)范圍內(nèi)均勻隨機采樣,作為品種參數(shù)校正的初始值。運行使用的計算機環(huán)境是Intel(R)Core(TM)i5-7200U CPU@2.50 GHz,內(nèi)存8 GB,Windows10 64位操作系統(tǒng)。

1.6 評價指標

為了評價品種參數(shù)集的質(zhì)量,本研究用1∶1圖判斷模型模擬值與實測值之間的吻合程度。利用模擬結(jié)果與實測結(jié)果的平均值、標準差(SD)、均方根誤差(RMSE)來度量模型的模擬誤差。

總體模擬效果由全部品種的均方根誤差的均值(ARMSE)來反映,單位為d:

(6)

式中:N為供試大豆品種數(shù);j表示第j個品種。

1.7 遺傳多樣性、群體結(jié)構(gòu)和主成分分析

利用STRUCTURE v2.3.4軟件對關聯(lián)群體的群體結(jié)構(gòu)進行分析,即計算群體內(nèi)所有品種所屬的亞群。將群體內(nèi)存在的亞群數(shù)目K值設定為1～11,迭代次數(shù)設置為10 000,馬爾科夫鏈蒙特卡羅(Markov chain Monte Carlo,MCMC)迭代次數(shù)設置為100 000,針對每個K值,重復運行7次,最終通過Evanno等[20]的計算方法計算最優(yōu)亞群數(shù)(ΔK),并獲得Q矩陣。利用TASSEL v5.0軟件對供試大豆的遺傳多樣性進行分析,繪制鄰接樹,以此作為全基因組關聯(lián)分析的協(xié)變量。用GCTA v1.92軟件進行種群結(jié)構(gòu)的主成分分析。

1.8 全基因組關聯(lián)分析

為了研究CROPGRO大豆花期模擬模型品種參數(shù)的遺傳可解釋性,利用STRUCTURE v2.3.4軟件計算得到的群體結(jié)構(gòu)Q矩陣和TASSLE v5.0軟件計算得到的親緣關系K矩陣,采用TASSLE v5.0軟件的MLM方法[21]以及mrMLM軟件包的mrMLM[22]、FASTmrMLM[23]、FASTmrEMMA[24]、pLARmEB[25]、pKWMEB[26]和ISIS EM-BLASSO[23]模型共7個GWAS分析方法,基于60 712個高質(zhì)量SNP標記(MAF>0.05),分別對花期BLUP值(B-FT)和基于BLUP值分解的3個模型品種參數(shù)性狀(B-CP)進行關聯(lián)分析。利用R語言的QQman包對MLM的輸出結(jié)果進行曼哈頓圖和QQ圖的繪制[27],除MLM方法設置顯著關聯(lián)SNP的建議閾值為-lgp≥3.5,顯著閾值設為-lgp-lg(1/60 712)=4.78外,其余6種方法均選取建議的LOD≥3.0作為SNP顯著關聯(lián)的標準。

1.9 候選基因的功能注釋

本研究將至少被2種GWAS分析方法檢測到的QTN視作穩(wěn)定關聯(lián)標記,用于后續(xù)分析。將顯著關聯(lián)QTN上、下游各500 kb[28]設定為候選基因篩選區(qū)間,利用SoyBase(http://www.soybase.org)和TAIR(https://www.arabidopsis.org/)生物信息學網(wǎng)站和前人研究進展對候選基因的功能進行預測。

2 結(jié)果與分析

2.1 實測花期數(shù)據(jù)統(tǒng)計分析

在2011—2018年10個種植環(huán)境下,對183種江淮大豆種質(zhì)花期性狀進行統(tǒng)計。表2結(jié)果顯示,10個環(huán)境的大豆花期平均值為38.0～48.3 d,對應的變異系數(shù)為7.38%～16.49%,花期最小值(31 d)和最大值(67 d)分別出現(xiàn)在LS11、YC18和XX18三個環(huán)境中,花期BLUP值的平均值為43.5 d,變異系數(shù)為7.78%。從統(tǒng)計分析來看,大豆花期性狀在不同種植環(huán)境下的表型存在著一定差異,表明開花時間易受環(huán)境影響。

表2 大豆花期性狀的統(tǒng)計分析Table 2 Statistical analysis of the flower date trait in soybean

所有環(huán)境下,花期實測值和BLUP值的偏度變化為0.15～1.00,峰度變化為-0.72～2.57,表明,花期實測性狀和BLUP值均呈現(xiàn)近似的正態(tài)分布,具有一定的數(shù)量性狀特征。

2.2 群體結(jié)構(gòu)、親緣關系與PCA主成分分析

利用60 712個SNP標記分析183個供試大豆品種的群體結(jié)構(gòu)。當K=3時,ΔK最大,表明應將供試大豆群體分為3個亞群(圖1-A);主成分分析(principal components analysis,PCA)結(jié)果也表明供試大豆可分為3類(圖1-B);依照基因型數(shù)據(jù)所計算的遺傳距離,按Neighbor-joining進行聚類分析,所有材料可分為3類(圖1-C)。3個分析結(jié)果可進行相互驗證,均可將183個供試大豆材料分為3個亞群,Sub-pop1、2、3分別包含61、64、58個供試大豆品種,3個亞群花期性狀平均值分別為41、44和47 d,組間差異顯著(P<0.001)(圖1-D、E)。分析結(jié)果表明當亞群數(shù)為3時,能將供試大豆進行較好分類,因此,本研究選取K=3時的Q矩陣作為后續(xù)多種GWAS分析時的協(xié)變量,用于下文的研究。

圖1 183個供試大豆品種的群體結(jié)構(gòu)分析結(jié)果Fig.1 Population structure of 183 soybean cultivars A. 根據(jù)Evanno等[20] 方法計算的供試材料群體結(jié)構(gòu)K值;B. 供試材料的主成分分析圖,以2個維度來展示群體分層情況;C. 供試材料的NJ-Tree聚類分析結(jié)果;D. 183個大豆品種的群體劃分,不同顏色代表不同的亞群;E. 亞群間花期性狀差異的顯著性分析,***P<0.001。A. Calculation of the true K of the 183 soybean population following procedure outlined by Evanno et al[20];B. PCA plot of the 183 accessions,two-dimensional scales were used to reveal population stratification;C. A neighbor-joining tree of the tested accessions;D. Population structure of 183 soybean cultivars based on SNP markers. Three colors represent three subpopulations,respectively;E. Significant analysis of the differences in the flowering time trait among three sub-pops,*** P<0.001.

2.3 CROPGRO大豆花期模擬模型品種參數(shù)校正結(jié)果分析

為了評價模型品種參數(shù)校準的結(jié)果,將2組品種參數(shù)代入CROPGRO大豆花期模擬模型中運行,得到E-CP和B-CP在10個環(huán)境下的大豆花期模擬結(jié)果。

通過分析花期數(shù)據(jù)集與對應模擬花期的1∶1圖(圖2-a),發(fā)現(xiàn)大多環(huán)境下模擬值與實測值較好分布在對角線的兩側(cè)。B-CP和E-CP的大豆花期模擬結(jié)果在10個環(huán)境下的ARMSE分別為1.65和3.47 d。進一步分析B-CP的結(jié)果(圖2-b),可以看出對LS11和XX18的模擬效果較差,實測值分別集中在對角線的兩端,這可能是由于XX18相比其他環(huán)境開花遲,且LS11相比其他環(huán)境開花更早導致的。進一步分析擬合情況較差的品種,發(fā)現(xiàn)這些品種的花期大多與其余品種存在較大差異。比較不同地點平均RMSE,可以看出E-CP的RMSE為2.47～5.14 d,B-CP為0.52～3.74 d,B-CP的模型精度明顯高于E-CP。因此,在后續(xù)的模型品種參數(shù)遺傳解析研究中,僅將花期BLUP值和基于BLUP值分解的模型品種參數(shù)作為全基因組關聯(lián)分析的目標性狀。

圖2 花期數(shù)據(jù)與模擬花期的模型模擬結(jié)果Fig.2 Flowering data and model simulation results of simulated floweringa. E-FT數(shù)據(jù)集的模型運行結(jié)果;b. B-FT數(shù)據(jù)集的模擬模型運行結(jié)果。a. The running result of the model of the E-FT dataset;b. The running result of the simulation model of the B-FT dataset.

進一步對B-CP品種參數(shù)集進行統(tǒng)計分析。為表述方便,將由B-FT計算所得的CSDL、PPSEN和EMFL 3個品種參數(shù)分別命名為B-CSDL、B-PPSEN和B-EMFL。從表3可見:不同品種的B-CSDL、B-PPSEN、B-EMFL的參數(shù)值分別為11.79～14.38、0.13～0.30、25.49～28.89,變異系數(shù)分別為4.38%、12.59%、2.62%。B-CSDL、B-PPSEN和B-EMFL的極差分別為2.82、0.26和3.40,分別占品種參數(shù)取值范圍的91.84%、64.84%和25.37%,可見B-CSDL和B-PPSEN廣泛分布在事先設置的品種參數(shù)取值范圍內(nèi)。從正態(tài)性分析來看,B-CSDL和B-EMFL更為正態(tài),B-PPSEN的偏度為5.64,峰度為42.14,說明該參數(shù)左偏且有尖峰。以上分析表明:B-CSDL相對于B-PPSEN和B-EMFL有更好的正態(tài)性。

表3 B-CP品種參數(shù)集的統(tǒng)計分析Table 3 Statistical analysis of cultival parameters in B-CP

2.4 CROPGRO大豆花期模擬模型品種參數(shù)的全基因組關聯(lián)分析

基于Q+K混合線性模型,利用7種GWAS分析方法,以大豆花期BLUP值和3個CROPGRO大豆花期模擬模型品種參數(shù)(B-FT和B-CP)性狀與60 172個SNP進行關聯(lián)分析(圖3),以-lgp≥3.5為建議閾值(MLM)和建議的LOD≥3.0作為SNP顯著關聯(lián)的標準(其余6種GWAS方法),共篩選出10、5、1和 6個 QTN與CSDL、PPSEN、EMFL和花期BLUP性狀顯著相關(表4),這些位點分別位于2、4、5、6、7、8、9、11、14、16、18、19和20號染色體上,6和16號染色體上的顯著關聯(lián)QTN數(shù)最多,均各為3個,其中16號染色體上的Gm16_6264904位點,6號染色體的Gm06_50296444位點,5號染色體的Gm05_36831206位點以及11號染色體的Gm11_33036496位點分別對CSDL、PPSEN、EMFL和花期BLUP性狀具有最大的變異解釋率。

圖3 CROPGRO大豆花期模擬模型分解參數(shù)的曼哈頓圖Fig.3 Manhattan plot of decomposition parameters in CROPGRO soybean flowering simulation modelA—D代表不同的關聯(lián)性狀。A-D represent different traits:A. B-FT;B. B-CSDL;C. B-PPSEN;D. B-EMFL.紅線代表了MLM的建議閾值-lg p=3.5。The red line represents the recommended threshold of GWAS -lg p=3.5.

在CSDL參數(shù)性狀的關聯(lián)分析結(jié)果中,顯著關聯(lián)QTN的LOD值為4.264～6.487,解釋了2.984%～19.221%的參數(shù)表型變異,9號染色體上的Gm09_36933334位點被4個GWAS分析方法檢測到,同時擁有最高的LOD值,可解釋9.379%的參數(shù)表型變異,與豆莢成熟期相關的QTL(Podmaturity5-1)[29]在該標記附近(上下500 kb區(qū)間)被篩選到。

與PPSEN參數(shù)顯著關聯(lián)的QTN的LOD值為6.545～11.373,可解釋0.424%～11.024%的PPSEN表型變異,其中6號染色體的Gm06_50296444位點可同時被3個GWAS分析方法檢測到,同時擁有最高的LOD值和表型變異解釋率,并在該標記附近篩選出與生殖生長時期長度相關的QTL(Reproductivestagelength1-g1.2)[30]。僅有1個QTN與EMFL參數(shù)性狀顯著相關,該標記可同時被4種GWAS分析方法檢測到,LOD值為5.964。

在花期BLUP值的關聯(lián)分析結(jié)果中,6個顯著關聯(lián)的QTN的LOD值為3.359～9.124,可解釋2.753%～12.531%的花期表型變異。11號染色體上的Gm11_33036496位點能同時被3個GWAS分析方法檢測到,與該標記位置接近的Gm11_33034954(相距1.542 kb)位點為前人研究中與不同光溫條件下大豆花期性狀顯著關聯(lián)的SNP位點[31]。此外,與始花期性狀相關的QTL(Firstflower6-3)[32]在19號染色體上的Gm19_44450022位點的QTL區(qū)間被篩選到,該位點可同時被3個GWAS分析方法檢測到,LOD值為3.359,并有2.753%的表型變異解釋率。

在所有22個顯著相關QTN附近,篩選出16個(72.73%)在前人研究報道中與大豆開花時間、光周期敏感性、生殖生長時期、豆莢成熟期等性狀顯著相關的SNP標記、QTL或者基因,說明CROPGRO大豆花期模型品種參數(shù)具有一定的遺傳特征。同時將其余6個QTN(Gm14_49318529、Gm05_5693713、Gm07_1381149、Gm08_39656100、Gm09_7957285和Gm05_36831206)作為候選位點,對其上下500 kb區(qū)間的候選基因功能進行預測。

表4 與模型品種參數(shù)和花期數(shù)據(jù)相關的位點Table 4 Loci associated with cultivar parameters and flowering time trait

2.5 候選基因功能預測

根據(jù)顯著關聯(lián)QTN和連鎖不平衡區(qū)間確定與大豆開花、光周期響應等相關的候選位點,并對位點內(nèi)的候選基因功能進行預測。其中,Glyma05g06220(與Gm05_5693713相距264.014 kb)與LEUNIG_HOMOLOG(LUH)基因同源,該基因為擬南芥花同源異型基因AGAMOUS(AG)的轉(zhuǎn)錄抑制因子,LUH基因會與擬南芥SEUSS(SEU)基因相互作用,共同調(diào)控擬南芥花的發(fā)育[35-36];Glyma05g31710(與Gm05_36831206相距24.422 kb)與擬南芥花器官建成基因SEPALLATA(SEP)[37]同源,該基因的表達水平與外界的光照強度呈顯著正相關[38];在距Gm07_1381149位點347.120 kb的位置上篩選出的Glyma07g01601是擬南芥早花基因EARLYFLOWERING3(ELF3)的同源基因,該基因是擬南芥生物鐘調(diào)控的重要組件,對光反應敏感,具有在夜間抑制擬南芥生長的功能[39-40];位于Gm08_39656100位點374.554 kb位置的Glyma08g40330基因是擬南芥細胞分裂素信號通路反應調(diào)節(jié)因子ARABIDOPSISTYPEARESPONSEREGULATOR-3(ARR3)的同源基因,ARR3基因除了響應細胞分裂素以外,還參與調(diào)節(jié)生物鐘,對擬南芥晝夜節(jié)律具有調(diào)控作用[41];另一個基因Glyma14g40030位于顯著關聯(lián)QTN Gm14_49318529的253.231 kb的距離上,該基因與擬南芥S期激酶相關蛋白基因S-PHASEKINASEASSOCIATEDPROTEIN1(SKP1)同源,SKP1蛋白通常與CDC53P/Cull F-box形成SCF復合體參與泛素蛋白降解途徑調(diào)控細胞循環(huán)、生物節(jié)律以及雄性不育等許多重要反應[42],該基因在莖尖、花序和花原基等分裂旺盛的組織中高水平表達[43]。

3 討論

3.1 BLUP數(shù)據(jù)集選擇依據(jù)

BLUP方法是由Henderson[44]針對不平衡資料提出的育種值預測方法,通過該方法可以有效消除各種非遺傳因素的影響,實現(xiàn)對育種值的最佳線性無偏估計,從而提高選擇的準確性。目前已在大豆、高粱、水稻等多種作物的農(nóng)藝性狀GWAS分析中得到廣泛應用。

CROPGRO大豆花期模擬模型引入了品種參數(shù)來反映品種間的遺傳差異,但是事實上,大多數(shù)作物生長模型建立之初并沒有考慮品種參數(shù)的潛在遺傳基礎[8]。前人研究[8]證明:將已校正好的作物模型應用到新環(huán)境時,往往需要重新校正模型品種參數(shù)。這說明品種參數(shù)并非如同建模者所設想的那樣,完全由品種自身的基因型特異性決定,更有可能是一個綜合基因與環(huán)境互作的參數(shù)。本研究希望獲取能夠反映品種自身遺傳學特性的模型品種參數(shù),盡可能減少品種參數(shù)的環(huán)境效應,因此選用BLUP花期值過濾掉實測花期的環(huán)境效應。綜上所述,利用排除一定環(huán)境效應的BLUP值進行模型品種參數(shù)分解是更為合理的參數(shù)校正方式。

3.2 CROPGRO大豆花期模擬模型品種參數(shù)的基因定位分析

本研究基于183個江淮大豆品種,利用60 712個SNP標記對大豆BLUP花期和3個品種參數(shù)進行全基因組關聯(lián)分析。共采用了7種全基因組關聯(lián)分析方法,不同GWAS方法分析原理不同,各種方法之間互相彌補,有效降低了只有1種分析方法造成的定位結(jié)果假陽性率。在檢測結(jié)果中,以-lgp≥3.5和的LOD≥3.0作為建議閾值,篩選出在7種方法間至少被2次重復檢測到的QTN位點。最終得到與CSDL、PPSEN、EMFL和花期BLUP性狀相關的可信QTN分別為10、5、1和6個。

在本研究中,模型品種參數(shù)定位到的顯著位點與BLUP花期定位到的位點位置差異很大,兩者僅有 1個共同定位的顯著位點(Gm16_33562974)。類似的結(jié)果同樣出現(xiàn)在Gu等[45]、Guitton等[10]、Dingkuhn等[11]的研究中,他們均發(fā)現(xiàn)模型品種參數(shù)能夠定位到更多且顯著性更高的位點,并且與表型定位結(jié)果的重復度很低,但都未對這一現(xiàn)象作出解釋。針對本研究的結(jié)果,我們認為模型品種參數(shù)作為實測性狀分解的組分,在數(shù)量上往往多于原始的實測性狀,所以可以定位到更多位點;品種參數(shù)反映了不同環(huán)境效應對大豆品種花期的影響,這可能是實測性狀和品種參數(shù)定位結(jié)果差異大、共同定位少的原因。

本研究參考Dingkuhn等[11]的研究,使用生長模型模擬花期的精度以及品種參數(shù)的定位結(jié)果來作為CROPGROW大豆花期模擬模型的品種參數(shù)是否具有遺傳可解釋性的兩個評價指標。前者用于評價模型對當?shù)厣鷳B(tài)環(huán)境的適用性,后者則要求品種參數(shù)定位的顯著位點能與已知的位點或基因位置重復,只有這樣才能表明本研究的品種參數(shù)具有生物學意義。在B-CSDL的定位結(jié)果中,共找到10個候選基因,其中 9個已在大豆中被證明與花期相關,其余1個候選基因在比對擬南芥數(shù)據(jù)庫中發(fā)現(xiàn)與SKP1同源,該基因在莖尖、花序和花原基等分裂旺盛的組織中高水平表達。在B-PPSEN參數(shù)的定位結(jié)果中,共篩選出5個候選基因,其中1個已驗證與大豆花期相關,其余4個候選基因中的3個與擬南芥光反應、晝夜節(jié)律或花的發(fā)育有關,分別為ELF3、ARR3和LUH基因。在B-EMFL參數(shù)的定位結(jié)果中,只找到1個候選基因,該基因在比對擬南芥數(shù)據(jù)庫后發(fā)現(xiàn)與SEP基因同源,該基因的表達水平與外界的光照強度呈現(xiàn)顯著的正相關。

綜上所述,CROPGRO大豆花期模擬模型品種參數(shù)CSDL、PPSEN具有遺傳學上的解釋,品種參數(shù)EMFL在遺傳學上的解釋較弱。所以,即使物候?qū)W模型簡化了生物學過程,并將先驗理論強加于數(shù)據(jù)之上,但是模型品種參數(shù)還是能體現(xiàn)出它的遺傳特性。利用模型品種參數(shù)定位到的顯著SNP標記,可提高原CROPGROW大豆花期模擬模型品種參數(shù)的遺傳可解釋性,促進生理學與基因組學聯(lián)系起來。