甘蓝型油菜收获指数相关性状候选基因的筛选方法及应用技术

本发明专利技术公开的甘蓝型油菜收获指数相关性状候选基因的筛选方法及应用，采用RNA

【技术实现步骤摘要】
甘蓝型油菜收获指数相关性状候选基因的筛选方法及应用


[0001]本专利技术属于甘蓝型油菜改良
，具体涉及甘蓝型油菜收获指数相关性状候选基因的筛选方法及应用。

技术介绍

[0002]甘蓝型油菜(Brassica napus L.)是我国重要的油料作物之一，每年全国种植面积超过700万公顷，国产菜籽油占国产油料作物产油量的55％以上。但世界油菜最高单产国(智利)的油菜单产达到了4050kg/hm2，我国比智利低了49.6％，因此提高油菜的产量对稳固我国的粮油安全意义重大。近年来，我国油菜单产的增长幅度趋于平缓，表明油菜单产短期内很难有较大突破。相比于其他农作物的收获指数(harvest index，HI)，如大麦(HI＝0.50)、玉米(HI＝0.53)、大豆(HI＝0.46)、小麦(HI＝0.45)等，油菜的收获指数平均约为0.21，远低于其他农作物，说明油菜的收获指数有较大的提升空间，其遗传改良可以作为提升产量的突破口之一。
[0003]油菜的收获指数一般指籽粒产量(seed yield，SY)占地上部分生物产量(biomass yield，BY)的比值(HI＝SY/BY)，研究认为，籽粒产量主要由单株角果数(pod number,PN)、每角粒数(seed number per silique,SN)和千粒重(thousand seeds weight,TSW)等要素决定，而生物产量可以分解为茎秆干重(stem dry weight，SDW)和侧枝生物产量(canopy biomass yield，CBY)，侧枝生物产量又由分枝和角果组成。由此可见，收获指数是一个复杂的复合性状，收获指数与地上部总生物产量、分枝高度、植株高度等性状呈显著负相关，而与SY、SN、TSW、分枝数(branch number,BN)等性状呈显著正相关，因此，收获指数相关性状的解析可以从各分解性状为突破口展开研究。
[0004]目前，复杂性状的解析方法主要有重组自交系群体连锁作图的QTL定位法、自然系群体的全基因组关联分析法(GWAS)以及RNA
‑
seq分析法，但各方法都存在一定的缺陷。如，尽管重组自交系群体连锁作图的QTL定位法能较精确的开展性状遗传位点解析，但遗传作图群体需要利用目标性状有差异的亲本构建，构建周期偏长，效率较低；自然群体则具有群体构建周期短，通量高等特点，但GWAS受群体结构、连锁不平衡以及群体大小等因素的影响，定位复杂性状时精度不够，容易出现假阳性位点；RNA
‑
seq分析法虽然能够高效地获得差异性状的转录调控信息，但RNA
‑
seq获得的信息量大，冗余信息大大干扰了目标性状基因及基因调控网络的鉴定。
[0005]因此，如何高效准确地进行甘蓝型油菜收获指数相关性状解析，挖掘出甘蓝型油菜收获指数相关性状候选基因，对甘蓝型油菜收获指数相关性状的遗传改良及未来的油菜高产分子育种具有重要的意义。

技术实现思路

[0006]有鉴于此，本专利技术的目的之一在于提供一种能高效准确筛选甘蓝型油菜收获指数相关性状候选基因的方法。
[0007]本专利技术的目的之二在于提供甘蓝型油菜收获指数相关性状候选基因。
[0008]本专利技术目的之三在于提供甘蓝型油菜收获指数相关性状候选基因在甘蓝型油菜收获指数相关性状的遗传改良和分子育种中的应用。
[0009]为了实现上述目的，本专利技术的技术方案如下：
[0010]1、本专利技术提供了一种甘蓝型油菜收获指数相关性状候选基因的筛选方法，所述方法包括如下步骤：(1)利用高、低收获指数极端亲本材料构建含单株的重组自交系群体，结合60K SNP芯片数据对收获指数相关性状进行QTL定位；(2)利用甘蓝型油菜自然群体材料，5X深度重测序获得的SNP标记对收获指数相关性状开展GWAS分析，筛选出显著关联SNP位点；(3)在自然群体中筛选出生育期接近、株型相似且收获指数差异稳定的极端表现型材料进行RNA
‑
seq分析，筛选出不同组织部位高、低HI材料间差异表达基因；(4)根据重组自交系群体定位到的QTL、自然群体GWAS筛选出的显著关联SNP位点与RNA
‑
seq获得的DEGs，联合分析筛选出甘蓝型油菜收获指数相关性状候选基因。
[0011]进一步地，所述收获指数相关性状包括收获指数、籽粒产量、生物产量、茎秆干重。
[0012]进一步地，所述QTL定位的具体方法包括：以株型相似、株高差异较小、生育期接近的低收获指数品系“GH06”与高收获指数品种“ZY821”杂交后衍生成一个包含186个株系的重组自交系群体，重组自交系群体的每个株系取叶片提取DNA，参照Illumina公司的说明进行DNA样品的处理、芯片杂交和数据扫描，获得群体基因型后构建成由8575个SNP标记、1201个bin和6140.2cM全长的遗传图谱，采用WinQTL Cart 2.5软件的复合区间作图法进行QTL扫描，步长设置为1cM，回归次数为1000次，显著水平＝0.01，LOD值≥2.5。
[0013]进一步地，所述GWAS的具体方法包括：利用588份自然群体甘蓝型油菜平均5X深度的重测序数据，过滤掉低质量SNP位点，最终获得385,691个高质量的SNP标记数据，根据这些标记进行群体结构划分、PCA分析、亲缘关系Q值计算，利用TASSEL软件的Q、naive、K、PCA、Q+K和PCA+K共6种模型进行GWAS，采用SAS软件将6种模型分析得到的观测值和期望值展示为Quantile
–
quantile plot图，筛选最佳模型，并在p小于1/n的条件下筛选显著性关联位点，其中n为GWAS使用的高质量SNP标记数量，利用Haploview软件制作Manhattan图，并利用Haploview软件对关联分析获得的距离1Mb内的显著关联标记进行单倍型模块分析。
[0014]进一步地，筛选DEG的具体方法包括：利用STAR软件将RNA
‑
seq测序得到的clean reads比对到甘蓝型油菜“Darmor_bzh”参考基因组v4.1上，用featureCounts进行mRNA预测分析；使用差异分析软件edgeR软件包进行组间差异分析，差异表达基因的过滤条件：以log2|FC|≥1和FDR<0.05；使用Cuffdiff计算FPKM代表基因表达量；使用Blast工具对转录本进行NT、NR、KOG、KEGG、SwissProt以及GO注释，利用在线工具Omicshare对DEGs进行GO和KEGG的富集分析，GO富集分析筛选阈值取FDR<0.05，KEGG显著富集代谢途径筛选阈值取Qvalue<0.05。
[0015]进一步地，根据重组自交系群体定位到的QTL、自然群体GWAS筛选出的显著关联SNP位点与RNA
‑
seq获得的DEGs联合分析筛选出甘蓝型油菜收获指数相关性状候选基因的具体方法包括：根据重组自本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.甘蓝型油菜收获指数相关性状候选基因的筛选方法，其特征在于，所述方法包括如下步骤：(1)利用高、低收获指数极端亲本材料构建含单株的重组自交系群体，结合60K SNP芯片数据对收获指数相关性状进行QTL定位；(2)利用甘蓝型油菜自然群体材料，5X深度重测序获得的SNP标记对收获指数相关性状开展GWAS分析，筛选出显著关联SNP位点；(3)在自然群体中筛选出生育期接近、株型相似且收获指数差异稳定的极端表现型材料进行RNA
‑
seq分析，筛选出不同组织部位高、低HI材料间差异表达基因；(4)根据重组自交系群体定位到的QTL、自然群体GWAS筛选出的显著关联SNP位点与RNA
‑
seq获得的DEGs，联合分析筛选出甘蓝型油菜收获指数相关性状候选基因。2.根据权利要求1所述的甘蓝型油菜收获指数相关性状候选基因的筛选方法，其特征在于，所述收获指数相关性状包括收获指数、籽粒产量、侧枝生物产量、茎秆干重。3.根据权利要求1所述的甘蓝型油菜收获指数相关性状候选基因的筛选方法，其特征在于，所述QTL定位的具体方法包括：以株型相似、株高差异较小、生育期接近的低收获指数品系“GH06”与高收获指数品种“ZY821”杂交后衍生成一个包含186个株系的重组自交系群体，重组自交系群体的每个株系取叶片提取DNA，参照Illumina公司的说明进行DNA样品的处理、芯片杂交和数据扫描，获得群体基因型后构建成由8575个SNP标记、1201个bin和6140.2cM全长的遗传图谱，采用WinQTL Cart 2.5软件的复合区间作图法进行QTL扫描，步长设置为1cM，回归次数为1000次，显著水平＝0.01，LOD值≥2.5。4.根据权利要求1所述的甘蓝型油菜收获指数相关性状候选基因的筛选方法，其特征在于，所述GWAS方法为：利用588份自然群体甘蓝型油菜平均5X深度的重测序数据，过滤掉低质量SNP位点，最终获得385,691个高质量的SNP标记数据，根据这些标记进行群体结构划分、PCA分析、亲缘关系Q值计算，利用TASSEL软件的Q、naive、K、PCA、Q+K和PCA+K共6种模型进行GWAS，采用SAS软件将6种模型分析得到的观测值和期望值展示为Quantile
–
quantile plot图，筛选最佳模型，并在p小于1/n的条件下筛选显著性关联位点，其中n为GWAS使用的高质量SNP标记数量，利用Haploview软件制作Manhattan图，并利用Haploview软件对关联分析获得的距离1Mb内的显著关联标记进行单倍型模块分析。5.根据权利要求1所述的甘蓝型油菜收获指数相关性状候选基因的筛选方法，其特征在于，筛选DEG的具体方法包括：利用STAR软件将RNA<...

【专利技术属性】
技术研发人员：请求不公布姓名，
申请(专利权)人：贵州省油料研究所贵州省香料研究所，
类型：发明
国别省市：