本发明专利技术公开了一种高效预测菊花耐涝性的方法及其应用。本发明专利技术通过全基因组关联分析鉴定菊花耐涝性显著相关的SNP位点，并在此基础上，比较了不同统计模型和不同密度SNP标记对全基因组预测效果的影响，建立了一种快速、高效、精准筛选优异耐涝菊花品种的方法，预测准确度可达0.949。基于本发明专利技术的方法预测出的体系在选育耐涝菊花品种时，不仅能够实现菊花耐涝性的早期选择，缩短育种周期，还有效克服了耐涝性田间鉴定工作量大、周期长、易受环境因素和人为主观因素的影响等技术难题，在菊花耐涝性分子育种领域具有广阔的应用前景，同时本发明专利技术也可为菊花其他重要性状的分子育种提供依据。依据。
【技术实现步骤摘要】
一种高效预测菊花耐涝性的方法及其应用
[0001]本专利技术属于植物分子育种领域，涉及一种高效预测菊花耐涝性的方法及其应用。
技术介绍
[0002]涝渍胁迫是影响植物生长发育和地理分布的重要逆境因子之一。涝害主要是由于土壤水分过多引起植物根系缺氧，影响植物正常的生理活动，进而产生的一系列次生危害(Pedersen et al.2017)。菊花(Chrysanthemum morifolium Ramat.)是我国十大传统名花和世界四大切花之一，观赏和经济价值极高。菊花喜通气、排水良好的砂质土壤，忌积涝，短时间的根系积水就会对菊花造成严重伤害，持续降雨积水会使菊花根系腐烂、生长发育受阻、观赏品质和产量下降，甚至导致植株大面积死亡，严重影响菊花规模化生产与园林应用。因此，培育耐涝新品种一直是菊花育种工作的重要目标之一。
[0003]近年来，通过传统QTL定位和全基因组关联分析(genome wide association study，GWAS)，已经挖掘出多个控制菊花耐涝性的位点(Su et al.2016,2018,2019)。然而这些位点仅停留在研究层面，并未应用到育种实践中，其原因主要体现在以下三个方面：(1)前期研究主要基于SRAP、SSR等传统PCR
‑
分子标记，数目少，效率低，无法覆盖全基因组，且群体样本量偏小，严重影响了QTL定位和关联分析的检测效率和准确性；(2)获得的QTLs或关联位点多为环境特异，不稳定，且主要为微效效应；(3)菊花基因组数据不完备，很难确定检测到的菊花耐涝性QTL或关联位点在基因组的物理位置，全基因组SNP(Single nucieotide poiymorphism，单核苷酸多态性)分型困难。此外，由于耐涝性是一个受微效多基因控制的复杂的数量性状，利用MAS(molecular assisted selection，分子标记辅助选择)育种对菊花耐涝性进行遗传改良收效甚微。
[0004]全基因组选择(Genomic selection，GS)是一种利用覆盖全基因组的高密度标记对候选个体的基因组估计育种值(GEBV，genomic estimated breeding value)进行预测的育种新策略(Meuwissen et al.2001)，可通过早期选择缩短育种进程。相比MAS，GS涵盖了全基因组的标记，能更好解释表型变异，提高对复杂数量性状以及低遗传力性状的选择效率(Song et al.2022)。统计模型是全基因组选择的核心，极大地影响了预测的准确度和效率。GS统计模型主要包括BLUP、贝叶斯和机器学习三类方法。随着研究的不断深入，研究者发现将GWAS鉴定到的目标性状显著关联位点考虑进GS模型，即GWAS辅助基因组预测，可能在一定程度上提升GS的预测能力，但具体表现与物种本身及性状的遗传特性有关。目前菊花耐涝品种筛选主要通过繁琐的田间鉴定试验，尚未有菊花耐涝性GS分析的相关报道。因此，建立一种高效菊花耐涝性GS预测体系迫在眉睫。
技术实现思路
[0005]专利技术目的：针对现有技术的不足，本专利技术所要解决的第一个技术问题是提供一种高效预测菊花耐涝性的方法。
[0006]本专利技术所要解决的第二个技术问题是提供基于上述方法预测出的体系在菊花耐
涝性育种中的应用。
[0007]技术方案：为了解决上述技术问题，本专利技术提供了一种高效预测菊花耐涝性的方法，包括以下步骤：
[0008](1)选取多份来源不同且无直接亲缘关系的代表性菊花品种，采用盆栽模拟淹水法温度下对所选苗期为10～12叶龄的菊花进行动态耐涝性鉴定，通过隶属函数法对菊花耐涝性进行综合评价，获得每个品种分别在不同淹水时期的耐涝性隶属函数值；
[0009](2)对步骤(1)中选用的菊花品种进行双末端PE150测序，并将测序结果以菊花
‘
钟山紫桂
’
基因组为参考进行序列比对，再经过变异检测、注释和筛选，获得高质量SNP数据；
[0010](3)利用GCTA软件对全基因组数据进行主成分分析，选取前10个主成分作为特征值PCs矩阵；利用TASSEL软件的“Centered_IBS”方法获得亲缘关系K矩阵；
[0011](4)基于步骤(1)中得到的不同淹水时期的耐涝性隶属函数值和步骤(2)中得到的高质量SNP数据，将步骤(3)中的PCs矩阵和K矩阵作为协变量，采用TASSEL软件的压缩混合线性模型进行全基因组关联分析，获得每个SNP位点的P值；
[0012](5)设置分子标记数据集，将SNP位点按照P值从小到大排序，筛选P<1E
‑
4的SNPs和5个含有不同SNP位点个数的集合分别作为6个显著SNP集合；利用Plink v1.9软件的
“‑‑
thin
‑
countnum”命令选取与6个显著SNP集合相同数量的SNP位点作为随机SNP集合；
[0013](6)准备全基因组选择所需表型数据和基因型数据文件，其中以步骤(1)中获得的不同淹水时期的耐涝性隶属函数值的均值作为全基因组选择分析的表型数据，以步骤(5)中12个SNP集合作为基因型数据；
[0014](7)采用5
‑
倍交叉验证方法，基于不同统计模型和步骤(6)中的表型和基因型数据分别进行全基因组选择分析，在R软件中，设置种子set.seed(123)后，应用sample()函数抽取80％的菊花品种作为训练集，剩余20％作为测试集，训练集的表型数据和基因型数据用于建立全基因组选择模型，将测试集的基因型数据导入训练集的全基因组选择模型，即获得测试集的基因组估计育种值GEBV；以重复计算n次后的测试集的实际耐涝表型观测值和基因组估计育种值的Pearson相关系数r的均值作为评价全基因组选择预测准确性的指标，根据r值最大原则选取确定最佳统计模型和最佳分子标记数据集，得到菊花耐涝性全基因组预测的最优体系。
[0015]进一步地，步骤(1)中所述各淹水时期分别为淹水处理第10～16d。
[0016]进一步地，所述各淹水时期分别为淹水处理第10d、12d、14d、16d。
[0017]进一步地，步骤(1)中菊花耐涝性进行综合评价包括至少2次不同环境的动态耐涝性鉴定，其中每次鉴定的菊花品种保持一致。
[0018]进一步地，步骤(2)中所述高质量SNP数据的筛选条件为测序深度>6
×
、完整度>0.85、次要等位基因频率MAF>0.05。
[0019]进一步地，步骤(5)中所述5个含有不同SNP位点个数的集合为将SNP位点按照P值从小到大排序后的前500个、1000个、2500个、5000个、10000个。
[0020]进一步地，步骤(6)还包括填补缺失值的步骤：若表型数据有缺失，利用R软件Hmisc包中的impute()函数进行平均值自动插补；若基因型数据有缺失，利用rrBLUP包中的A.本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种高效预测菊花耐涝性的方法，其特征在于，包括以下步骤：(1)选取多份来源不同且无直接亲缘关系的代表性菊花品种，采用盆栽模拟淹水法在昼夜温度为26℃/20℃环境下对所选苗期为10～12叶龄的菊花进行动态耐涝性鉴定，通过隶属函数法对菊花耐涝性进行综合评价，获得每个品种分别在不同淹水时期的耐涝性隶属函数值；(2)对步骤(1)中选用的菊花品种进行双末端PE150测序，并将测序结果以菊花
‘
钟山紫桂
’
基因组为参考进行序列比对，再经过变异检测、注释和筛选，获得高质量SNP数据；(3)利用GCTA软件对全基因组数据进行主成分分析，选取前10个主成分作为特征值PCs矩阵；利用TASSEL软件的“Centered_IBS”方法获得亲缘关系K矩阵；(4)基于步骤(1)中得到的不同淹水时期的耐涝性隶属函数值和步骤(2)中得到的高质量SNP数据，将步骤(3)中的PCs矩阵和K矩阵作为协变量，采用TASSEL软件的压缩混合线性模型进行全基因组关联分析，获得每个SNP位点的P值；(5)设置分子标记数据集，将SNP位点按照P值从小到大排序，筛选P<1E
‑
4的SNPs和5个含有不同SNP位点个数的集合分别作为6个显著SNP集合；利用Plink v1.9软件的
“‑‑
thin
‑
countnum”命令选取与6个显著SNP集合相同数量的SNP位点作为随机SNP集合；(6)准备全基因组选择所需表型数据和基因型数据文件，其中以步骤(1)中获得的不同淹水时期的耐涝性隶属函数值的均值作为全基因组选择分析的表型数据，以步骤(5)中12个SNP集合作为基因型数据；(7)采用5
‑
倍交叉验证方法，基于不同统计模型和步骤(6)中的表型和基因型数据分别进行全基因组选择分析，在R软件中，设置种子set.seed(123)后，应用sample()函数抽取80％的菊花品种作为训练集，剩余20％作为测试集，训练集的表型数据和基因型数据用于建立全基因组选择模型，将测试集的基因型数据导入训练集的全基因组选择模型，即获得测试集的基因组估计育种值GEBV；以重复计算n次后的测试集的实际耐涝表型观测值和基因组估计育种值的Pearson相关系数r的均值作为评价全基因组选择预测准确性的指标，根据r值最大原则选取确定最佳统计模型和最佳分子标记数据集，得到菊花耐涝性全基因组预测的最优体系。2.根据权利要求1...
【专利技术属性】
技术研发人员：陈发棣，苏江硕，欧潇莉，楼啦，张飞，陈素梅，管志勇，房伟民，
申请(专利权)人：南京农业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。