《《毕业论文的》PPT课件.ppt》由会员分享，可在线阅读，更多相关《《毕业论文的》PPT课件.ppt（16页珍藏版）》请在三一办公上搜索。
1、,中国栽培和野生大豆农艺性状与SSR标记的关联分析,答 辩 人：赵 倩 导 师：张 丹 班 级：种工08-1班,内容提要,1,选题依据,关联分析以自然群体为研究对象，以长期重组后保留下来的基因（位点）间连锁不平衡为基础，将目标性状表型的多样性与基因（或标记位点）的多态性结合起来分析，可直接鉴定出与表型变异密切相关且具有特定功能的基因位点或标记位点。,与传统连锁分析相比，有四个明显的特点和优势：花费的时间少，一般以现有的自然群体为材料，无需构建专门的作图群体广度大，可以同时检测同一座位的多个等位基因材料广度大，不只局限在二个亲本的后代精度高，可达到单基因的水平 在关联分析中由于使用材料的广泛性和
2、SSR标记的多态性，使得关联位点往往对应于几个甚至数十个复等位基因，各等位变异对应表型性状也往往存在差异，这就可能遴选出最优的等位变异，因此本研究具有重要的实践意义。,通过关联分析，筛选出与所取农艺性状紧密关联的标记位点，进而发掘优异等位基因，并据此讨论设计育种问题，以期望在利用这些位点进行优异亲本选拔、组合选配及后代标记辅助选择时减少盲目性，提高选择效率。,2,试验目的,3,材料与方法,试验材料 参试材料是来源于全国六大生态区不同地理季节生态类型的栽培大豆代表性地方品种219份和野生大豆材料113份。试验方法田间试验及性状调查 采用随机区组试验设计、穴播、三次重复，常规田间管理，按育种试验常
3、规方法调查农艺性状（叶绿素、开花期、生物量、株高、茎粗）。,数据处理 方差分析 用SAS8.0软件检测三个重复之间差异的显著性。群体结构分析 用Structure2.2软件,对栽培和野生大豆群体进行基于数学模型的类群划分，并计算相应的Q值。关联分析 用Tassel2.0软件程序，将各个体Q值作为协变量，将5个性状的表型数据分别对标记变异进行回归分析。,4,结果与分析,群体结构的划分,亚群的混合使整个群体所估计的LD强度增强，可能导致基因多态性位点与性状的相关性并非由功能性等位基因引起，从而提供假阳性结果。因此，进行关联前对对群体进行结构分析和调节是必要的。经过分析，结果表明栽培大豆和野生大豆种
4、质资源亚群数目应分别为6和3。,结果与分析,4,方差分析 表1显示：初开花期外，其他农艺性状各重复之间差异均无显著性差异，说明后续试验具有一定的实际意义。,群体结构分析 亚群的混合使整个群体所估计的LD强度增强，可能导致基因多态性位点与性状的相关性并非由功能性等位基因引起，从而提供假阳性结果。因此，关联分析前对群体进行结构分析和调节是必要的。,最大似然值折线图,大豆农艺性状相关联的SSR标记纵向分析表5发现：农艺性状中与开花期相关联的位点有13个,同时还能找出对表型变异解释率最大的标记位点。横向分析表5发现：同一位点与多个农艺性状相关联情况很普遍；同一性状在栽培和野生群体中检出的关联位点大多不
5、一致,表明在从野生豆向栽培豆进化过程中控制性状的QTL位点在两类种质资源中变异的方向产生了分歧。,表4经Q矫正前,表5经Q矫正后,5,讨 论,关联分析时群体结构分析的必要性 对比无Q值与有Q值矫正的结果,发现纳入Q值运算结果中检出的关联位点少于无Q值回归分析检出的关联位点,且在关联位点的表型变异解率上二者也有区别。可见,本研究中将Q值作为协变量纳入计算,在一定程度上规避了亚群混合造成的伪关联。但筛选前后标记位点减少的不是很多，原因是我们在选取试验材料时，选的材料大都是来自进化树上的不同分支，在一定程度上减少了群体结构的影响。,优异关联位点及优异等位变异的利用 在相应的表现型与基因型之间用特定的等位变异建立起联系，可以发掘一批优异关联位点及优异等位变异。在农艺性状方面，被发掘的优异等位变异的用处：优异亲本组合的选配 特定等位变异可做为遗传片段导入系选择标签用于表征不同供体亲本，再通过渗入系间杂交，将不同位点上的优异等位变异综合于一体，形成优异的杂种后代 杂交后代的等位带辅助选择,敬请各位老师批评指正谢谢！,
