中国莲高密度遗传图谱的构建及花瓣数控制基因的定位

中国莲高密度遗传图谱的构建及花瓣数控制基因的定位

论文摘要

莲(Nelumbo nucifera L.),又名荷花、莲花、芙蕖等,在中国栽培超过七千年。莲不仅具有食用、药用和观赏等价值,而且还是佛教的象征物。在莲花的育种研究中,杂交育种依然是培育新品种的主要方法,但是杂交育种无法在短时间内将莲花的各种优良性状集中在一起。培育出具有多种优良性状的新品种是莲花产业化的关键。现代分子育种可以结合分子标记辅助育种来提高育种效率,构建莲花极端表型的高密度遗传图是挖掘高质量分子标记的有效方法。第二代测序技术和生物信息学的发展使准确、高效地挖掘SNPs标记成为可能,同时也提高了构建遗传图谱的效率。本研究主要基于全基因组重测序的方法来构建遗传连锁图。为了定位莲花花瓣数的调控基因,本研究以中国莲多瓣品种“金秋”为父本,中国莲少瓣品种“白花建莲”为母本,构建了121株花瓣数量性状分离良好的F2代群体。利用单核苷酸多态性分子标记构建了莲花的高密度遗传图谱,定位到了一些与花瓣数性状相关的候选基因。主要结果如下:(1)本研究对121个莲花样本进行全基因组重测序,得到了704Gb的原始数据,经过筛选而得到636Gb的过滤数据。经过变异检测和遗传作图。最终构建了一个包含1939个区间标记和79,596个SNPs标记的中国莲高密度遗传图谱。该图谱包含8个连锁群,标记平均图距为0.49cM,遗传图总长度为772.92cM,8个连锁群平均长度为96.61cM。其中,第五号连锁群上有111个区间标记,是8个连锁群中区间标记数最少的,第三号连锁群上有273个区间标记,是连锁群中标记数最多的。(2)根据遗传图结果与花瓣数表型数据,使用MapQTL定位到了一个与花瓣数性状连锁的高质量QTL位点,这个QTL位于第五号连锁群的90.7cM到101.3cM之间。根据莲花基因组注释的结果,确定了该区域内有237个编码基因。通过SNP注释分析,该区域内共有35个基因的编码区或者调控区域存在错义突变。标记000072.173888887与该高质量QTL的LOD峰值连锁最紧密,LOC104593900、LOC104593882和LOC104593872这三个靠近000072.173888887标记的基因可能是主要候选基因。综上所述,本研究首先构建了莲花高密度遗传连锁图,然后定位到了一个高质量的QTLs位点,最终确定了35个候选基因和3个主要候选基因。这对莲花花瓣性状改良的分子标记辅助育种具有重要意义。

论文目录

  • 缩略词表
  • 摘要
  • ABSTRACT
  • 第一章 文献综述
  •   1.1 莲花概述
  •     1.1.1 莲花简介
  •     1.1.2 莲花花瓣发育相关研究
  •   1.2 植物遗传图
  •     1.2.1 遗传图在植物中的研究进展
  •     1.2.2 遗传作图的构建步骤
  •     1.2.3 生物信息学与遗传图的发展
  •     1.2.4 区间标记基因分型技术
  •     1.2.5 遗传图与基因组
  •     1.2.6 莲花遗传图研究进展
  •   1.3 QTL定位
  •   1.4 本课题的研究意义
  • 第二章 中国莲高密度遗传图谱的构建
  •   2.1 材料与实验方法
  •     2.1.1 实验材料
  •     2.1.2 DNA提取方法
  •     2.1.3 DNA文库构建和测序
  •   2.2 SNP的检测
  •     2.2.1 数据格式介绍
  •     2.2.2 数据处理
  •     2.2.3 BWA-mem序列比对
  •     2.2.4 SAM文件的处理
  •     2.2.5 SNP检测
  •     2.2.6 SNP过滤
  •     2.2.7 标记开发和区间标记
  •   2.3 遗传图的绘制
  •   2.4 结果
  •     2.4.1 莲花花瓣数统计结果
  •     2.4.2 数据过滤和比对结果
  •     2.4.3 SNP初步筛选
  •     2.4.4 标记开发和遗传图构建
  •   2.5 分析和讨论
  •     2.5.1 亲本和作图群体
  •     2.5.2 基于全基因组重测序的SNPs标记的筛选
  •     2.5.3 偏分离处理
  •     2.5.4 遗传图谱
  • 第三章 中国莲花瓣数控制基因的定位
  •   3.1 材料与方法
  •     3.1.1 实验材料
  •     3.1.2 实验方法
  •   3.2 结果
  •     3.2.1 QTLs分析结果
  •     3.2.2 候选基因区域SNP的注释结果
  •   3.3 分析与讨论
  •     3.3.1 作图群体花瓣数性的表型检测
  •     3.3.2 花瓣数表型性状控制分析
  •     3.3.3 SNP注释分析
  •     3.3.4 花瓣数性状的QTLs分析
  • 第四章 全文总结与展望
  •   4.1 主要结论
  •   4.2 创新
  •   4.3 不足之处
  •   4.4 未来展望
  •     4.4.1 莲花永久性分离群体和超高密度遗传图
  •     4.4.2 遗传图与莲花的基因组进化分析
  •     4.4.3 莲花花瓣数控制基因的精确定位
  • 参考文献
  • 附录
  •   附录 A F2代群体花瓣数统计结果
  •   附录 B F2群体数据过滤结果
  •   附录 C F2群体比对结果
  •   附录 D 遗传图标记详细信息
  •   附录 E MapQTLs结果中236 个候选基因信息
  •   附录 F SNPs注释后的基因
  • 致谢
  • 文章来源

    类型: 硕士论文

    作者: 严寒松

    导师: 明瑞光(Ray Ming)

    关键词: 莲花,花瓣数,单核苷酸多态性,遗传图,分析

    来源: 福建农林大学

    年度: 2019

    分类: 基础科学,农业科技

    专业: 生物学,生物学,园艺

    单位: 福建农林大学

    分类号: S682.32;Q943.2

    总页数: 86

    文件大小: 2132K

    下载量: 78

    相关论文文献

    • [1].运用SLAF-seq技术构建水稻高密度遗传图谱[J]. 分子植物育种 2016(08)
    • [2].基于高密度遗传图谱的玉米籽粒性状QTL定位[J]. 作物学报 2015(10)
    • [3].基于高密度遗传图谱的水稻卷叶QTL定位[J]. 分子植物育种 2019(01)
    • [4].北林大突破传统育种瓶颈 牡丹有“谱”了[J]. 园林科技 2015(03)
    • [5].不同环境基于高密度遗传图谱的稻米外观品质QTL定位[J]. 作物学报 2018(08)
    • [6].中国油豆角种质资源遗传多样性的研究进展[J]. 农业与技术 2019(24)
    • [7].黄瓜遗传图谱的研究现状[J]. 上海农业科技 2012(04)
    • [8].家畜数量性状位点(QTL)定位的分析方法[J]. 草食家畜 2013(05)
    • [9].基于高密度遗传图谱的玉米抗倒伏相关性状QTL分析[J]. 分子植物育种 2019(06)
    • [10].新技术有望让水稻实现高锰低镉[J]. 新农村 2018(03)
    • [11].北林大牡丹遗传学研究获新进展[J]. 林业科技通讯 2016(05)
    • [12].采用GBS-seq技术构建甜瓜高密度遗传图谱[J]. 新疆农业科学 2019(10)
    • [13].小麦抗病基因定位研究进展[J]. 西藏农业科技 2008(02)
    • [14].基于GBS、DArT-array和SSR标记构建普通小麦高密度遗传图谱[J]. 华中农业大学学报 2019(06)
    • [15].基于SLAF-seq技术构建亚麻高密度遗传图谱[J]. 中国油料作物学报 2017(03)
    • [16].浙江大学专家揭示榨菜的“中国味”[J]. 宁波农业科技 2016(03)
    • [17].高密度遗传图谱单标记选择的随机森林法[J]. 福建电脑 2019(05)
    • [18].基于GBS构建玉米高密度遗传图谱及营养品质性状QTL定位[J]. 农业生物技术学报 2017(09)
    • [19].基于全基因组重测序构建西瓜高密度遗传图谱和果实相关性状的基因定位[J]. 中国瓜菜 2019(08)
    • [20].基于高密度遗传图谱的水稻糙米率QTL定位分析[J]. 分子植物育种 2016(03)
    • [21].利用基因芯片技术进行小麦遗传图谱构建及粒重QTL分析[J]. 中国农业科学 2014(24)
    • [22].植物SSR分子标记技术的应用[J]. 天津农林科技 2015(05)
    • [23].番茄遗传图谱与基因定位研究进展[J]. 河北科技师范学院学报 2020(03)
    • [24].瓠瓜类型砧木遗传作图群体双亲多态性分析[J]. 江苏农业科学 2016(11)
    • [25].利用渐渗系群体初步定位番茄苗期耐旱QTL[J]. 园艺学报 2011(10)

    标签:;  ;  ;  ;  ;  

    中国莲高密度遗传图谱的构建及花瓣数控制基因的定位
    下载Doc文档

    猜你喜欢