学术中心

全部分类
您现在的位置:
首页
/
/
/
利用多亲代杂交系的遥感单倍型分析揭示了水稻冠层高度的QTLs

利用多亲代杂交系的遥感单倍型分析揭示了水稻冠层高度的QTLs

  • 分类:植物表型资讯
  • 作者:PhenoTrait
  • 来源:本站
  • 发布时间:2021-12-22 06:10
  • 访问量:

【概要描述】单倍型模式分析使用最近发展起来的大量数据分析方法,如机器学习,将进一步揭示对理想品种有用的性状之间的关系。这种单体型方法利用遗传特征群体可以应用于其他高通量表型数据和其他作物,将促进数字数据驱动的育种。

利用多亲代杂交系的遥感单倍型分析揭示了水稻冠层高度的QTLs

【概要描述】单倍型模式分析使用最近发展起来的大量数据分析方法,如机器学习,将进一步揭示对理想品种有用的性状之间的关系。这种单体型方法利用遗传特征群体可以应用于其他高通量表型数据和其他作物,将促进数字数据驱动的育种。

  • 分类:植物表型资讯
  • 作者:PhenoTrait
  • 来源:本站
  • 发布时间:2021-12-22 06:10
  • 访问量:
详情

  利用无人机(uav)的高通量表型系统,可以在田间观察作物株系。在本研究中,我们展示了冠层高度(canopy height,CH)时间过程监测的能力,以识别数量性状位点(quantitative trait loci,qtl),并表征其对不同性状的多效性效应。

 

  利用低空无人机采集的彩色数字图像生成数字地表模型,并对水稻多亲本先进代杂交(多亲本先进代杂交,MAGIC)系从分蘖、抽穗期到成熟期的CH数据进行了研究。Japan-MAGIC(JAM)有8个创始:“Akidawara”(AK)、“Bekogonomi”(BE)、Akidawara” (AK), “Bekogonomi” (BE), “Tachiaoba”(TC), “Mizuhochikara” (MI), “Suwon 258” (SU),“Takanari” (TK), “Hokuriku 193” (HO), and “Ruriaoba” (RU)。

 

  为了确定哪些遗传因素参与了CH的控制,利用165个JAM品系的CH数据和13603个SNPs的单倍型信息进行了基于单倍型的GWAS。结果发现11个qtl(图1),分别命名为qCH1-1、qCH1-2、qCH1-3、qCH1-4、qCH2、qCH3、qCH5-1、qCH5-2、qCH7、qCH101、qCH10-2。

 

  图1 Japan-MAGIC(JAM)株系冠层高度QTL出现的时间-过程格局。(A) JAM株系冠高物候变化方案。绘制了165条JAM线冠层高度(CH)的平均值。在发育过程中有分蘖期、抽穗期和成熟期。(B)利用165个JAM品系对CH的单倍型全基因组关联研究综述。将2019年和2018年的数据结果按照移栽到地里后的几天(Days after transplanting to the field,DAT)从左到右的升序排列在一起。在p值低于10−2的位置添加灰色、蓝色和粉红色的条形图。本研究重点研究了用灰盒表示的DAT的6个时间点。已定义的QTL区域用星号标记。

 

  单倍型分析在QTL水平上揭示了CH(图2和图3)、植被分数和叶片颜色(图4)、CH和产量相关性状(图5、6)之间的关系。拥有qCH1-4单倍型品系的CH在2019年的83DAT和2018年的68DAT时差异最大(图2A)。根据单倍型信息对品系进行Sd1基因等位基因分类,如图2B。虽然qCH1-4和qCH2位于不同染色体上,但它们位于同一簇内,在水稻的发育和栽培年限中,CH的单倍型效应趋于相对稳定,如图2A和3。

 

  值得注意的是,在qCH1-4、qCH2和qCH10-2有冠层降低效应的单倍型增加了穗重与叶重和茎重的比例(图5、6),利用MAGIC株系8位创始人的基因信息对等位基因进行挖掘,发现qCH1-4可能含有多个半矮化1 (sd1)等位基因,其中IR-8等位基因对水稻的“绿色革命”有重要贡献。

 

 

  图2 单倍型对qCH1-4位点冠层高度的影响。(A) CH在qCH1-4位点单倍型效应的时间-过程模式。在2019年(左)和2018年(右)的每个DAT中,8个单倍型的平均表型值(上)和单倍型效应与JAM株系平均值的比值(下)被绘制出来。(B) qCH1-4位点上Sd1等位基因对CH影响的时间-过程模式。8位创始者中有4个Sd1等位基因(上)。在2019年(左)和2018年(右)的每个DAT中,四个等位基因的平均表型值(中)和等位基因效应与JAM株系平均值的比值(下)被绘制出来。

 

  图3 除qCH1-4外,其余qCH qtl对CH单倍型效应的时间-过程模式。绘制了2019年每个DAT上CH单倍型效应的平均值(左)和JAM株系中单倍型效应与平均值的比值(右)。

 

  图4 CH与-a *(green colour level of leaves)数据在qCH qtl上关系的差异。2019年(左)和2018年(右)qCH1-1(上)、qCH1-4(中)和qCH2(下)CH与-a *单倍型效应相关图。单倍型[TC]在qCH1-1,单倍型[RU]在qCH1-4,单倍型[RU]在qCH2集中为显著的单倍型,并以虚线圈表示。

 

  图5 qCH qtl的CH与PW / SLW比值的关系。(A)绘制了2019年(左)和2018年(右)qCH1-4、qCH2和qCH10-2位点上83DAT的CH和PW / SLW比值的单倍型效应。蓝色的数字表示Pearson ' s r。星号表示显著相关(成对双侧,**P < 0.01, *P < 0.05)。(B)比较了qCH1-4、qCH2和qCH10-2对CH、PW/SLW、PW和SLW的单倍型效应。对3个qtl (A)中虚线包围的单倍型数据进行了检测。各QTL表型的均数±标准误差和表型数据在顶级单体型类与底层单体型类之间的比值(t检验:**P < 0.01, *P < 0.05,+P < 0.1)。

 

  图6 qCH qtl综述。qCH qtl按照2019年和2018年对CH单倍型效应的等级聚类顺序排列,补充图9。每个QTL均在分蘖期、抽穗期和成熟期检测到,CH与VF、SDW、CL、PL、PN和PW/SLW的单倍型效应呈正(P)或负(N)关系。在VF和SDW方面,总结Supplementary Figure 12所示的结果。在CL、PL、PN方面,当2019年和2018年6个时间点共出现2次或2次以上显著相关(P < 0.05)时,标记P或N。在PW/SLW方面,总结了图5B所示的结果。

 

  利用MAGIC株系将遥感衍生的表型数据用于遗传学,可以洞察水稻植株在物候学上是如何生长、发育和产生籽粒的,并为理想的株型结构和籽粒产量的育种提供有效的单倍型信息。

 

  单倍型模式分析使用最近发展起来的大量数据分析方法,如机器学习,将进一步揭示对理想品种有用的性状之间的关系。这种单体型方法利用遗传特征群体可以应用于其他高通量表型数据和其他作物,将促进数字数据驱动的育种。

 

 

 

  来源:Ogawa D, Sakamoto T, Tsunematsu H, Kanno N, Nonoue Y, Yonemaru JI. Remote-Sensing-Combined Haplotype Analysis Using Multi-Parental Advanced Generation Inter-Cross Lines Reveals Phenology QTLs for Canopy Height in Rice. Front Plant Sci. 2021;12:715184. Published 2021 Oct 15. doi:10.3389/fpls.2021.715184

 

  编辑:王春颖

关键词:

扫二维码用手机看

推荐新闻

秋季招聘:慧聚改变的力量
秋季招聘:慧聚改变的力量
发布时间 : 2022-09-09 16:05:03
让我们“慧聚”在一起,为“慧科研、慧育种、慧种田”赋能。
查看详情
让我们“慧聚”在一起,为“慧科研、慧育种、慧种田”赋能。
高通量植物表型平台建设注意事项
高通量植物表型平台建设注意事项
发布时间 : 2022-05-20 11:45:57
育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种,从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选,是最耗人力物力的过程。
查看详情
育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种,从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选,是最耗人力物力的过程。
作物生理表型测量基础原理
作物生理表型测量基础原理
发布时间 : 2022-05-13 10:56:43
生理表型测量的核心在于“早、快”,要在肉眼可见之前就能测量并预判出变化趋势,才是这个技术的核心价值。叶绿素荧光成像,恰好满足了这个要求。
查看详情
生理表型测量的核心在于“早、快”,要在肉眼可见之前就能测量并预判出变化趋势,才是这个技术的核心价值。叶绿素荧光成像,恰好满足了这个要求。
AI育种,从这里起步
AI育种,从这里起步
发布时间 : 2022-05-09 12:21:00
植物表型本身就是一个跨学科领域,自带AI基因。而植物表型服务的对象就是育种和种植。AI通过植物表型赋能育种,是AI育种的重要发展方向之一。让我们用表型之“瞳”,赋农业之“慧”。
查看详情
植物表型本身就是一个跨学科领域,自带AI基因。而植物表型服务的对象就是育种和种植。AI通过植物表型赋能育种,是AI育种的重要发展方向之一。让我们用表型之“瞳”,赋农业之“慧”。

视频展示

植物表型架起从数字农业到智慧农业的桥梁
00:30:11
所属分类:
视频展示
发布时间:
2020/12/10
关键词:

专题报道

搜索
确认
取消

联系我们

慧诺瑞德(北京)科技有限公司

地址:北京市海淀区西三旗街道建材城中路12号院8号楼2门 
电话:010-62925490829288548292886482928874
传真:010-62925490-802
Email:
info@phenotrait.com

邮编:100096

在线留言

关注我们

这是描述信息

植物表型圈

这是描述信息

植物表型资讯

慧诺瑞德(北京)科技有限公司版权所有      京ICP备15043840号    网站建设:中企动力   北二分     法律声明