全 文 ：植物学报 Chinese Bulletin of Botany 2011, 46 (5): 514–524, www.chinbullbotany.com
doi: 10.3724/SP.J.1259.2011.00514
——————————————————
收稿日期: 2011-03-24; 接受日期: 2011-05-16
基金项目: 国家重点基础研究发展计划(No.2010CB125906)和南京农业大学青年科技创新基金(No.KJ09004)
* 通讯作者。E-mail: dyyu@njau.edu.cn
应用关联分析鉴定大豆对斜纹夜蛾的抗性基因
王慧, 高中杰, 张丹, 程浩, 喻德跃*
南京农业大学大豆研究所/国家大豆改良中心/作物遗传与种质创新国家重点实验室, 南京 210095
摘要 用135个分布于全基因组的SSR(simple sequence repeat)标记分析196份大豆(Glycine max)地方品种的遗传变异、
群体结构和连锁不平衡(linkage disequilibrium, LD)。在考虑群体结构的条件下, 应用全基因组关联分析的方法鉴定与大豆
抗斜纹夜蛾有关的数量性状位点, 进而发掘各关联位点的优异等位基因及代表性载体材料。结果表明: (1) 该群体不仅地理
起源广, 而且遗传变异丰富; (2) 在整个群体内, 有17.9%的标记对处于显著的连锁不平衡, 而且在相同染色体上标记对间
连锁不平衡延伸的平均距离约为6.61 cM(D>0, P<0.05); (3) 通过关联分析发现, 有7个SSR标记分别与3个大豆抗斜纹夜
蛾性状关联(P<0.01), 其中4个位点对性状的变异解释率超过了10%, 6个位点所在的连锁群上存在已报道的食叶性害虫抗
性位点; (4) 各位点等位基因的效应分析显示, 幼虫重相关位点的等位基因主要表现为减效作用, 等位基因Sat_334-A208
减效作用最大(43.9%); 单虫食叶量和蛹重相关位点的等位基因主要表现为增效作用; 等位基因Satt199- A186对单虫食叶
量增效作用最大(36.4%); 等位基因Sat_320-A286对蛹重增效作用最大(31.4%)。
关键词 关联分析, 遗传多样性, 连锁不平衡, 抗虫性, 大豆
王慧, 高中杰, 张丹, 程浩, 喻德跃 (2011). 应用关联分析鉴定大豆对斜纹夜蛾的抗性基因. 植物学报 46, 514–524.
斜纹夜蛾(Spodoptera litura Fabricius)是南方大
豆(Glycine max)产区重要的食叶性害虫之一, 幼虫
食性杂、食量大, 以大豆叶片、种子、茎等为营养来
源, 其危害严重的年份, 大豆的叶片和豆荚所剩无
几, 对大豆产量造成严重影响(崔章林等, 1997)。因
此, 挖掘优异的种质资源提高大豆抗虫性, 一直是大
豆遗传育种工作的主要方向之一。
大豆抗虫性研究历经40多年, 发现了一批抗食
叶性害虫的资源, 其中最著名的是3个日本材料, 即
PI227687、PI229358和PI171451(van Duyn et al.,
1971)。在这3个抗虫材料的基础上, 育种专家陆续释
放了一些抗虫性品种, 但皆因农艺性状和抗虫性水平
不理想而未能推广应用(Narvel et al., 2001; Boerma
and Walker, 2005; Komatsu et al., 2010)。抗虫性的
数量特征和连锁累赘是大豆抗虫育种的限制因素, 利
用标记辅助选择能够提高选择效率, 打破不良基因与
优异基因的连锁(Rector et al., 1999; Narvel et al.,
2001)。许多研究者利用经典的连锁分析方法开展了
大豆抗虫QTL的定位工作, 迄今为止已从多个材料中
定位了33个QTL(Rector et al., 1998, 1999, 2000;
Terry et al., 1999, 2000; Komatsu et al., 2004,
2005; 王慧等 , 2004; 刘华等 , 2005; 付三雄等 ,
2007)。目前用连锁分析方法定位的抗虫性相关QTL
应用还非常有限, 这些QTL具有群体特异性, 在应用
之前需要在新的群体中验证(Komatsu et al., 2010),
因此QTL在多个背景下有效成为QTL应用的前提条
件。
研究数量性状的方法除了经典的连锁分析方法
以外, 还有近几年在植物上成功应用的关联分析方法
(Thorsberry et al., 2001)。关联分析利用自然变异,
在多个遗传背景下鉴定与大豆抗虫性有关的QTL, 因
此发掘出的QTL具有代表性和广泛的适应性。关联分
析又称为关联作图(association mapping)或连锁不平
衡作图(LD mapping), 它以连锁不平衡为基础, 鉴定
特定自然群体内性状与遗传标记或候选基因间的关
系(Oraguzie et al., 2007)。与连锁分析相比, 关联分
析有3个优点: (1) 一般以现有的自然群体为材料, 无
需构建专门的作图群体, 节省了大量时间; (2) 开发
自然变异, 可以同时检测同一座位的多个等位基因;
(3) 利用历史重组, 作图分辨率高(杨小红等, 2007;
·研究报告·
王慧等: 应用关联分析鉴定大豆对斜纹夜蛾的抗性基因 515
谭贤杰等, 2011)。关联分析基于全基因组扫描或基于
候选基因来研究数量性状(Flint-Garcia et al., 2005;
Zhu et al., 2008a)。在应用关联分析的早期阶段, 候
选基因关联分析是研究的主体, 此时候选基因多是控
制性状的主效基因, 在玉米(Zea mays)中大量的主
效基因和驯化基因都是通过该方法来验证功能的, 如
dwarf8、su1、bt2、sh1和sh2等基因(Yu and Buckler,
2006)。随着稳健的统计方法不断出现, 高通量的遗
传分型费用降低, 全基因组关联分析越来越多地在作
物中成功应用, 如水稻(Oryza sativa)产量和籽粒性
状的关联分析(de Oliveira Borba et al., 2010)、大豆
籽粒蛋白质含量的关联分析(Jun et al., 2008)、油菜
(Brassica campestris)含油量的关联分析(Zou et al.,
2010)、玉米叶枯病抗性的关联分析(Kump et al.,
2011)等。
本研究从国家大豆改良中心资源库中按全国各
生态区选取代表性的地方品种196份, 利用覆盖全基
因组的135个SSR(simple sequence repeat)标记分
析该群体的遗传变异、群体结构和连锁不平衡, 以斜
纹夜蛾幼虫的幼虫重、蛹重和单虫食叶量为指标评价
大豆对斜纹夜蛾的抗性, 并采用TASSEL软件对3个
抗虫性状进行性状-标记的关联分析, 进而发掘各关
联位点的优异等位基因及代表性载体材料, 为大豆抗
虫育种提供新的抗性基因资源。
1 材料与方法
1.1 实验材料
供试材料大豆(Glycine max (L.) Merr.)196份, 均为
栽培种, 除5份来自美国、1份来自日本外, 其它来自
全国25个省、市、自治区, 由农业部国家大豆改良中
心种质资源研究室提供。材料于2008年和2009年7月
种植于南京农业大学江浦试验站网室内。随机区组设
计, 2次重复, 穴播。每个材料种植一穴, 穴距0.65
m×0.65 m, 养虫前定苗, 每穴保留6株生长一致的单
株。实验地四周种保护行, 在大豆整个生长期内不使
用任何杀虫剂。
1.2 养虫鉴定
室内用大号塑料杯(1 L)喂养1–2龄的斜纹夜蛾幼虫
(由江苏省农业科学院植物保护研究所提供), 对应田
间种植情况每个材料1杯, 每杯4头。在大豆生长的V6
期(Fehr and Caviness, 1977)采摘植株上的倒三叶喂
养斜纹夜蛾幼虫。每天更换新鲜叶片, 喂养至第7天
时称量、记录每杯活体幼虫的重量并记为幼虫总重,
同时记录每次加入和取出的叶片重量, 以幼虫重、单
虫食叶量作为大豆抗虫性的鉴定指标, 具体计算公式
为: 幼虫重=幼虫总重/存活虫头数; 单虫食叶量=(总
进叶量–总剩叶量)/存活虫头数。幼虫重和单虫食叶量
是2年实验结果的平均值。2009年又增加蛹重为抗虫
性鉴定指标, 蛹重即化蛹后3天的活体蛹重的平均值,
具体计算公式为: 蛹重=蛹总重/存活蛹头数。
1.3 SSR标记分析
采用CTAB法提取4–5叶期单株的叶片DNA(Keim et
al., 1988)。从Song等(2004)发表的大豆遗传图谱中
选用SSR标记135个, 用于评价该大豆群体的遗传变
异和连锁不平衡, 其中在连锁群上均匀分布的107个
SSR标记用于分析该群体的群体结构。SSR引物序列
来自Song等(2004), 由上海英骏生物有限公司合成。
PCR反应体系、扩增程序和扩增子的检测参考文自翔
等(2008a)。
1.4 统计分析
用PowerMarker 3.25(Liu and Muse, 2005)软件进行
SSR标记的基本统计分析, 包括每个位点等位基因
的数目、杂合子和多态性信息量值(polymorphism
information content values, PIC values)。用Power-
Marker 3.25计算个体间的Nei’s遗传距离(Nei et al.,
1983), 用MEGA 4.0(Tamura et al., 2007)软件中邻
接法(neighbor-joining method, NJ)构建个体间的无
根系统进化树。
群体结构分析用STRUCTURE 2.2(Pritchard
and Wen, 2004)软件进行, 即基于数学模型对群体
划分亚群, 计算材料的相应Q值(材料归属某一个群
体的概率)。具体运算过程如下: 先设定群体数目(K)
为1–10, 每一个K值独立运行5次, 将MCMC(Markov
Chain Monte Carlo)开始时的不作数迭代设为100 000
次, 再将不作数迭代后的MCMC设为100 000次, 模
型选择为混合线性模型和无起源模型, 其它选项为软
件默认值, 然后依据文献Evanno等(2005)选择一个
合适的K值。在亚群划分时, 把个体归属某个亚群的Q
516 植物学报 46(5) 2011
值的临界值设为0.60。
用TASSEL 2.1软件(Bradbury et al., 2007)估算
所有样本内成对SSR位点的D, 用该统计量度量位点
间LD的大小(Zhu et al., 2008a)。筛选出TASSEL 2.1
软件估算的共线SSR标记的D值和标记间的遗传距
离, 用SPSS 13配置LD随标记遗传距离变化的回归
方程, 并绘制LD的散点图。D的理论变化范围是0–1,
一般用 0.5作为 LD衰减标志 , LD显著水平设为
P<0.05。
性状的方差分析采用SAS V8.0统计软件进行。
用TASSEL 2.1软件中的GLM软件包, 把群体结
构矩阵(Q值)作为协变量, 对所有标记位点与抗虫性
状分别进行关联分析。在关联分析的基础上, 参考
Breseghello和Sorrells(2006)、文自翔等(2008b)提出
的根据位点无效等位基因的表型推断有效等位基因
效应的方法, 计算各位点及等位基因对性状的效应。
具体计算公式如下:
kkiiji nNnxa /-/ ∑∑= ，
%
/∑
100×=
kk
i
nN
a
AN
式中, ai (allele effect)代表第i个等位变异的表型效应
值, xij为携带第i个等位变异的第j个材料性状表型测定
值, ni为具有第i个等位变异的材料数。Nk(null allele
effect)为携带无效等位变异的第k个材料的表型测定
值, nk为具有无效等位变异的材料数。AN(allele effect
of locus/null allele effect of locus)为增效(减效)等位
变异表型效应的增效(减效)比例(文自翔等, 2008b)。
2 结果与讨论
2.1 群体遗传变异与群体结构
用135个SSR标记对196份地方品种组成的自然群体
进行多样性分析, 得到1 936个等位变异, 平均每个
位点14.3个等位基因, 变化范围从2个(Satt119)到43
个 (BE806348)。各位点的PIC值变化范围从0.072
(Sat_122)到0.968(Sat_196), 平均值为0.725。各位
点杂合子频率的平均值为2.87%。
剔除28个在连锁群上遗传距离较近的标记, 用
107个SSR标记分析该自然群体的群体结构, 当K=4
时, ∆K值最大(图1A), 此时93.3%的材料强烈归属于
某一个亚群, 各亚群内混合个体占总材料数的比例小
于等于2%(POP1、POP2、POP3和POP4中分别有3、
3、3和4个材料是混合个体), 说明该群体存在真实的
群体结构。因此该大豆自然群体被分为4个亚群, 分
别命名为POP1、POP2、POP3和POP4(图1B)。各
亚群材料分别有60份、61份、38份和37份(表1)。
表1显示, 除来自美国的材料全部划分到POP1
亚群外, 其它来源地的材料在各亚群中都有分布, 但
数量各不相同。对大多数地区, 来源相同的材料主要
集中分布在一个亚群, 在其它亚群有少量的分布, 如
来自福建的材料主要分布在POP1亚群, 来自江苏的
材料主要分布在POP2亚群。而有些地区, 来源地相
同的材料在各亚群内几乎平均分布, 如来自安徽和浙




图1 196份大豆地方品种的群体结构分析(K=4)
(A) 根据Evanno等(2005)的方法计算真正的K值; (B) 196份大
豆地方品种的群体结构

Figure 1 Analysis of population structure of 196 soybean
landraces (K=4)
(A) Calculation of true K according to Evanno et al. (2005);
(B) Population structure of 196 soybean landraces

王慧等: 应用关联分析鉴定大豆对斜纹夜蛾的抗性基因 517
表1 196份大豆地方品种的地理来源与亚群归属
Table 1 The geographic origin and subpopulation distribution of 196 soybean landraces
Origin POP1 POP2 POP3 POP4 Total Origin POP1 POP2 POP3 POP4 Total
Anhui 3 3 2 0 8 Jiangsu 8 21 1 2 32
Beijing 0 1 0 0 1 Jiangxi 5 1 7 3 16
Fujian 4 1 1 1 7 Liaoning 0 2 0 2 4
Gansu 0 0 1 0 1 America 5 0 0 0 5
Guangdong 5 0 0 1 6 Neimenggu 0 0 1 1 2
Guangxi 2 4 0 1 7 Japan 0 1 0 0 1
Guizhou 5 1 2 1 9 Shandong 7 2 2 3 14
Hainan 0 1 0 1 2 Shanxi 3 1 0 2 6
Hebei 0 2 0 3 5 Shaanxi 2 0 2 1 5
Henan 3 0 9 0 12 Shanghai 0 2 0 1 3
Heilongjiang 1 0 0 2 3 Sichuan 0 1 4 3 8
Hubei 4 7 0 4 15 Yunnan 0 1 3 0 4
Hunan 0 3 0 3 6 Zhejiang 3 3 2 1 9
Jilin 0 3 1 1 5 Total 60 61 38 37 196


江的材料。说明本实验群体不仅地理区域分布广泛,
而且相同地理区域的材料遗传多样性丰富。
基于Nei等 (1983)的邻接法 (neighbor-joining,
NJ)计算196份材料的遗传距离, 并构建无根系统进
化树 ( 图 2) 。从图 2 中可以看出 , 进化分析与
STRUCTURE软件基于数学模型的分群结果基本一
致 , 仅有少量的材料出现分歧 , 如167号材料用
STRUCTURE软件分群分到POP1亚群, 但通过系统
进化分析, 该材料被分到POP2亚群。
2.2 连锁不平衡
连锁不平衡是关联分析的基础, 分析覆盖整个基因组
的SSR标记位点间的连锁不平衡, 有助于了解整个
群体在大豆基因组上的LD情况。比较整个群体的
7 242对SSR标记位点的LD发现, 在整个群体中有
17.9%(1 298/7 242)的标记对处于显著的LD, 在相同
连锁群上有 22.0%(86/391)的标记对处于显著的
LD(D>0, P<0.05)。
根据标记间的遗传距离, 把相同连锁群上标记间
的连锁划分为紧密连锁 (<1 cM)、中度连锁 (1–10
cM)、松弛连锁(11–20 cM)和不连锁(>20 cM)时, 显
著LD标记对所占的比例和D的平均值随标记间的距
离增加呈逐渐减小的趋势(表2)。这一趋势说明对于本
群体, 增加标记的密度能够增加显著LD标记对的数
目, 即增加群体LD的水平。
对D值与遗传距离的回归分析发现, D值回归遵
循方程y=a+bln(x)(a=0.705 7, b=–0.108 9)。当D值
取0.5时, 标记间的遗传距离约为6.61 cM, 说明该实
验群体的LD所延伸的平均距离是6.61 cM(图3)。
2.3 抗虫性状与SSR标记的关联分析
由于本群体存在群体结构, 所以在进行性状与标记的


图2 基于邻接法绘制的196份大豆材料的无根系统进化树

Figure 2 Unrooted neighbor-joining (NJ) trees of 196 soy-
bean accessions

518 植物学报 46(5) 2011
表2 在196份大豆材料中估算LD随标记遗传距离的变化
Table 2 The LD evaluated with the genetic distance between loci among 196 soybean accessions
Genetic distance between loci pairs (cM)
<1 1–10 11–20 >20
Total
No. of loci pairs in LD 9 29 7 41 86
Sum of loci pairs 15 75 38 263 391
Mean of D 0.467 0.391 0.337 0.372 0.376
Frequency of loci pairs in LD (%) 60 38.7 18.4 15.6 22.0




图3 共线SSR标记在大豆基因组中随遗传距离衰减的散点图

Figure 3 Scatterplot of D values of SSR pairs versus
syntenic marker genetic distance (cM) in the whole popula-
tion


关联分析时, 把各个体相应的Q值作为协变量, 以减
少群体结构对关联分析结果的影响。本研究共用了3
个抗虫性指标评价大豆对斜纹夜蛾的抗性, 即幼虫
重、单虫食叶量和蛹重。3个性状在群体内呈现连续
分布, 幼虫重的变化范围是0.102–0.511 g, 平均值
为0.290 g; 单虫食叶量的变化范围是0.809–1.974 g,
平均值为1.288 g; 蛹重的变化范围是0.078–0.286 g,
平均值为0.190 g。方差分析表明, 3个指标在196份材
料间的差异都达到了极显著水平(P<0.01), 说明材料
间存在真实的抗虫性差异(表3)。
关联分析共检测到7个位点与大豆对斜纹夜蛾的
抗性有关, 其中有4个位点对性状的变异解释率超过
了10%(表4)。位于L连锁群上的位点Sat_320与幼虫
重和蛹重2个性状指标相关联, 对2个性状的变异解
释率分别是7.81%和9.63%。该位点所有的等位基因
对幼虫重性状只有减效作用, 各等位基因平均减效率
达15.1%。但该位点所有的等位基因对蛹重全部表现
为增效作用, 增效率达22.1%。本实验室曾用连锁分
析在重组自交系群体中定位到该位点 (付三雄等 ,
2007)。
与幼虫重相关的另一个标记Sat_334位于H连锁
群上, 对性状的变异解释率为10.8%。该位点的增效
等位基因对性状的平均增效作用达6.9%, 减效等位
基因对性状的平均减效作用达24.6%。在该连锁群上,
Rector等(1989, 1999)、Terry等(2000)和Narvel等
(2001)都曾定位到与大豆对玉米穗螟 (Helicoverpa
zea Boddie)抗性有关的QTL。
共确定3个位点与单虫食叶量相关, 单个标记对
性状的变异解释率>20%, 分别位于B2、C2和G连锁
群上。其中位于G连锁群上的标记Satt681的减效等位
基因对性状的平均减效作用最大, 减效率达6.3%。位
于B2连锁群上的标记Satt577的增效等位基因对性状
的平均增效作用最大, 增效率达18.9%。在这些连锁
群上也曾定位到大豆抗食叶性害虫的QTL(Rector et
al., 2000; Terry et al., 2000)。
位于N连锁群上的标记Satt234与蛹重相关, 对
性状的变异解释率为8.38%, 该位点的增效等位基因
对性状的平均增效作用达16.5%, 减效等位基因对性
状的平均减效作用达9.0%。但在该连锁群上没有报道
过与大豆抗虫性相关的位点。
通过对优异等位基因的分析发现, 各位点的等位
基因对性状效应的表现不同(表5)。与幼虫重相关的位
点对性状主要表现为减效作用, 其中标记Sat_334的
等位基因A208对幼虫重有最大的减效作用(43.9%),
说明该等位基因对大豆抗斜纹夜蛾的表现有较大的
贡献 , 代表性材料的编号为8(东安黑豆 )。标记
Sat_320的所有等位基因对幼虫重都有减效作用, 等
王慧等: 应用关联分析鉴定大豆对斜纹夜蛾的抗性基因 519
表3 幼虫重(LW)、单虫食叶量(LCL)和蛹重(PW)的方差分析
Table 3 The ANOVA of larval weight (LW), leaf consumption of single larva (LCL) and pupal weight (PW)
Trait Source of variation df SS MS F value P value
LW Year 1 0.32 0.32 4.63 0.164
Block 2 0.135 0.068 5.61 0.004**
Accessions 195 5.293 0.027 2.23 <0.000 1***
Accessions × year 195 2.373 0.012 1.01 0.466
Error 378 4.558 0.012
LCL Year 1 58.56 58.56 499.88 <0.000 1***
Block 2 22.03 11.02 94.05 <0.000 1***
Accessions 195 60.79 0.31 2.66 <0.000 1***
Accessions × year 195 34.26 0.18 1.5 <0.000 1***
Error 1 930 226.08 0.12
PW Block 1 0.427 0.002 1.5 0.006 4**
Accessions 186 0.02 0.02 13.23 0.000 4***
Error 137 0.21 0.002
LW: 幼虫重; LCL: 单虫食叶量; PW: 蛹重; **和***分别表示在0.01和0.001水平上差异显著。
LW: Larval weight; LCL: Leaf consumption of single larva; PW: Pupal weight; ** and *** indicate significant difference at 0.01 and
0.001 levels, respectively.



表4 与幼虫重、单虫食叶量和蛹重显著关联的SSR标记(P<0.01)
Table 4 SSR markers significantly associated with larval weight (LW), leaf consumption of single larva (LCL) and pupal weight
(PW) (P<0.01)
Trait Locus LG Position P R2 Negative* Positive* Reference
LW Sat_334 H 59.01 0.001 5 0.108 –0.080 (24.6%) 0.023 (6.9%)
Sat_320 L 32.36 0.009 0.078 –0.048 (15.1%) 付三雄等, 2007
LCL Satt577 B2 6.05 0.008 4 0.211 –0.003 (0.3%) 0.208 (18.9%)
Satt681 C2 3.15 0.005 2 0.201 –0.072 (6.3%) 0.161 (14.2%)
Satt199 G 62.16 4.90E-04 0.217 –0.066 (5.2%) 0.231 (18.1%)
PW Sat_320 L 32.36 0.002 7 0.096 0.034 (22.1%) 付三雄等, 2007
Satt234 N 84.6 0.003 7 0.084 –0.015 (9.0%) 0.028 (16.5%)
LW、LCL和PW同表3。*: 位点的增效效应是该位点所有增效等位基因的增效平均值; 位点的减效效应是该位点所有减效等位基因
的减效平均值。括号内的数字表示与无效等位基因相比, 该位点内所有增效(或减效)等位基因的平均增效(或减效)百分率。
LW, LCL and PW see Table 3. *: "Positive" indicates the average positive allele effect of locus over all positive alleles in com-
parison with the effect of null allele; "Negative" indicates the average negative allele effect of locus over all negative alleles in
comparison with the effect of null allele. The number in the brackets indicates the proportion(%) of the average positive or nega-
tive allele effect of locus over all positive or negative alleles in comparison with the effect of null allele.



位基因A279在该位点内减效作用最大(29.2%), 代表
性材料的编号为118(垫江早黄豆)。
与单虫食叶量有关的3个位点的等位基因对性状
主要表现为增效作用 , 增效作用最大的是标记
Satt199的等位基因A186(36.4%), 代表性材料的编
号为165(栾川城关春黑豆)。对单虫食叶量减效作用
最大的等位基因A198也来自位点Satt199, 减效率为
9.1%, 代表性材料编号为169(SP29)。
与蛹重相关位点的等位基因也主要表现为增效
作用, 增效作用最大的是标记Sat_320的等位基因
A286(31.4%), 代表性材料的编号为111(镇巴小白黄
豆)。仅有标记Satt234的等位基因A210对该性状表现

520 植物学报 46(5) 2011
表5 与幼虫重、单虫食叶量和蛹重显著关联的SSR位点各等位基因的平均效应
Table 5 Average effect of each allele in SSR locus associated with larval weight (LW), leaf consumption of single larva (LCL)
and pupal weight (PW)
Trait Locus-allele ai AN Accessions Trait Locus-allele ai AN Accessions
Sat_334-A208 –0.143 –43.9% 8 LCL Satt199-A213 0.185 14.5% 61
Sat_334-A220 –0.047 –14.4% 158 Satt577-A92 0.248 22.6% 107
Sat_334-A234 –0.083 –25.5% 109 Satt577-A98 0.329 30.0% 40
Sat_334-A246 –0.048 –14.7% 118 Satt577-A101 0.114 10.4% 102
Sat_334-A256 0.012 3.7% 145 Satt577-A104 –0.003 –0.3% 86
Sat_334-A292 0.033 10.1% 97 Satt577-A107 0.151 13.8% 56
Sat_320-A249 –0.019 –6.0% 158 Satt577-A110 0.102 9.3% 12
Sat_320-A264 –0.050 –15.7% 98 Satt577-A113 0.229 20.9% 68
Sat_320-A279 –0.093 –29.2% 118 Satt577-A116 0.158 14.4% 112
Sat_320-A286 –0.047 –14.8% 67 Satt577-A119 0.190 17.3% 201
Sat_320-A353 –0.063 –19.8% 55 Satt577-A122 0.160 14.6% 114
LW
Sat_320-A374 –0.016 –5.0% 96 Satt577-A125 0.285 26.0% 128
Satt199-A165 –0.058 –4.5% 144 Satt577-A128 0.276 25.1% 124
Satt199-A168 –0.047 –3.7% 130 Satt577-A131 0.233 21.2% 194
Satt199-A171 –0.004 –0.3% 118 Satt577-A134 0.225 20.5% 188
Satt199-A174 0.068 5.3% 177 PW Sat_320-A249 0.039 25.5% 162
Satt199-A177 –0.094 –7.3% 80 Sat_320-A264 0.013 8.5% 98
Satt199-A180 0.095 7.4% 56 Sat_320-A279 0.001 0.7% 58
Satt199-A183 0.060 4.7% 201 Sat_320-A286 0.048 31.4% 111
Satt199-A186 0.465 36.4% 165 Sat_320-A353 0.041 26.8% 17
Satt199-A198 –0.117 –9.1% 169 Sat_320-A374 0.061 18.7% 53
Satt199-A204 –0.095 –7.4% 79 Satt234-A210 –0.015 –4.6% 139
Satt199-A207 0.106 8.3% 128 Satt234-A228 0.039 12.0% 162
LCL
Satt199-A210 –0.077 –6.0% 67 Satt234-A237 0.016 4.9% 151
LW、LCL和PW同表3。
LW, LCL and PW see Table 3.


为减效, 而且减效率也比较低(4.6%), 代表性材料的
编号为139(丹豆12)。
2.4 讨论
2.4.1 遗传多样性
由于所选材料的遗传多样性关系到关联分析的成败,
所以分析自然群体的多样性是十分重要的。已有多个
研究报道了大豆自然群体的遗传多样性。Li等(2008)
报道了一个用59个SSR标记分析由1 863个中国地方
品种组成的群体, 共得到1 160个等位基因, 每位点
平均等位基因的数目是19.7个。Li等(2010)用99个
SSR标记分析了321份栽培大豆, 共得到1 473个等
位基因, 每位点平均等位基因的数目是14.8个。 Wen
等(2009)用60个SSR标记分析200个地方品种, 共得
到826个等位基因, 每位点平均等位基因的数目是
13.7个。宋喜娥等(2010)用100个SSR标记分析248
个栽培大豆的遗传多样性, 共检测到等位变异1 460
个, 每个位点变异范围为2–33个, 平均为14.6个。Shi
等(2010)用65个SSR标记分析由105个大豆材料(54
个美国栽培种和51个亚洲栽培种(或育成品系))组成
的自然群体, 共得到595个等位基因, 每个位点平均
等位基因数是10个。本研究用135个SSR标记分析
196个地方品种组成的群体, 共得到1 936个等位基
因, 每位点平均等位基因的数目是14.3个。这些结果
说明本研究所用群体虽然是一个小群体, 但基本上代
表了中国大豆地方品种的遗传变异。
由于所用材料和标记数目的不同, 不同研究者在
中国大豆地方品种的亚群划分上未取得一致性, 但发
现了一个共同的现象, 即除来源相同的种质有聚在一
起的倾向外, 还有少量来源相同的材料分布于不同的
王慧等: 应用关联分析鉴定大豆对斜纹夜蛾的抗性基因 521
亚群(文自翔等, 2008a; Li et al., 2008, 2010; Wen et
al., 2009; 宋喜娥等, 2010)。这些结果一方面说明盖
钧镒院士提出的生态区划分有其遗传基础(盖钧镒和
汪越胜, 2001); 另一方面也说明这些研究者使用的
大部分材料具有地区或生态的遗传相似性, 只需要对
其中的少量材料研究就可了解该地区或生态区的遗
传基础, 与其地理起源及生态区不一致的材料是其变
异的部分, 更能代表该地区或生态的遗传多样性, 是
群体遗传变异丰富的表现。本研究在亚群划分时, 仅
有美国的5个材料全部划归POP1亚群, 其它地区的
材料分布在2到4个亚群不等, 说明本研究中用到的
材料不仅地域分布广泛, 而且包括了所在地区的丰富
变异, 为进一步利用该群体进行关联分析奠定了材料
基础。

2.4.2 抗虫关联分析
本研究共鉴定到7个位点分别与不同的抗虫性状关
联, 除N连锁群是本研究新发现的存在抗虫位点的连
锁群外, 其它位点所在连锁群都曾经定位过大豆抗食
叶性害虫的QTL, 只是位置不同。本实验室曾用重组
自交系群体定位到位于L连锁群上的位点, 该位点与
斜纹夜蛾抗性相关(付三雄等, 2007)。虫种不同可能
会导致抗性位点的位置不同, 进一步的研究需要加大
标记的密度以确认QTL的位置和效应。
在以往的定位研究中, 位于M、H和G连锁群上的
QTL由于效应值较大, 受到了广泛关注(Narvel et al.,
2001; Walker et al., 2002, 2004; Boerma and
Walker, 2005; Zhu et al., 2006, 2008b, 2009; Ko-
matsu et al., 2008)。有研究者认为在QTL-M不存在
的条件下, 不能检测到QTL-H和QTL-G的效应(Zhu
et al., 2006; Komatsu et al., 2010)。本研究只检测到
QTL-H和QTL-G, 没有检测到QTL-M。一方面可能由
于本研究使用的虫种是斜纹夜蛾, 而前者使用的是玉
米穗螟和大豆尺夜蛾(Pseudoplusia includens Wal-
ker), 虽然在M连锁群上存在2个与大豆斜纹夜蛾抗
性相关的位点(Komatsu et al., 2004, 2005), 但位于
G、H和M连锁群上的大豆抗斜纹夜蛾的QTL间的互作
有可能不同于大豆抗玉米穗螟和大豆尺夜蛾。另一方
面, LD在不同物种间、同一物种的不同群体间、甚至
是同一群体的不同基因组位置上都是不同的(Ching
et al., 2002; Palaisa et al., 2003, 2004; Jung et al.,
2004; Hyten et al., 2007; Cheng et al., 2008; 文自
翔等, 2008a), M连锁群上抗虫QTL所在基因组的LD
延伸长度不够也会使该位点无法被检测到, 增加标记
密度有可能解决这个问题。
多个抗虫基因聚合及不同来源的抗虫基因聚合
是抗虫QTL应用的一条重要途径。本研究通过对各抗
虫相关位点的等位基因分析, 发掘了一批优异等位基
因及其载体材料, 为大豆抗斜纹夜蛾聚合育种提供了
新的抗源基因, 将会有力推动大豆抗虫育种工作。
参考文献
崔章林, 盖钧镒, 吉东风, 任珍静 (1997). 南京地区大豆食叶
性害虫种类调查与分析. 大豆科学 16, 12–20.
付三雄, 王慧, 吴娟娟, 刘华, 盖钧镒, 喻德跃 (2007). 应用
重组自交系群体定位大豆抗虫QTL. 遗传 29, 1139–1143.
盖钧镒, 汪越胜 (2001). 中国大豆品种生态区域划分的研究.
中国农业科学 34, 139–145.
刘华, 王慧, 李群, 徐鹏, 盖钧镒, 喻德跃 (2005). 大豆对斜
纹夜蛾抗性的遗传分析及相关QTL的定位. 中国农业科学
38, 1369–1372.
宋喜娥, 李英慧, 常汝镇, 郭平毅, 邱丽娟 (2010). 中国栽培
大豆(Glycine max (L.) Merr.)微核心种质的群体结构与遗传
多样性. 中国农业科学 43, 2209–2219.
谭贤杰, 吴子恺, 程伟东, 王天宇, 黎裕 (2011). 关联分析及
其在植物遗传学研究中的应用. 植物学报 46, 108–118.
王慧, 喻德跃, 吴巧娟, 盖钧镒 (2004). 大豆对斜纹夜蛾抗性
基因的微卫星标记(SSR)的研究. 大豆科学 23, 91–95.
王荣焕, 王天宇, 黎裕 (2007). 植物基因组中的连锁不平衡.
遗传 29, 1317–1323.
文自翔 , 赵团结 , 郑永战 , 刘顺湖 , 王春娥 , 王芳 , 盖钧镒
(2008a). 中国栽培和野生大豆农艺品质性状与SSR标记的
关联分析 I. 群体结构及关联标记 . 作物学报 34, 1169–
1178.
文自翔 , 赵团结 , 郑永战 , 刘顺湖 , 王春娥 , 王芳 , 盖钧镒
(2008b). 中国栽培和野生大豆农艺及品质性状与SSR标记
的关联分析II. 优异等位变异的发掘. 作物学报 34, 1339–
1349.
杨小红, 严建兵, 郑艳萍, 余建明, 李建生 (2007). 植物数量
性状关联分析研究进展. 作物学报 33, 523–530.
Boerma HR, Walker DR (2005). Discovery and utilization of
QTLs for insect resistance in soybean. Genetica 123,
181–189.
522 植物学报 46(5) 2011
Bradbury PJ, Zhang ZW, Kroon DE, Casstevens TM,
Ramdoss Y, Buckler ES (2007). TASSEL: software for
association mapping of complex traits in diverse samples.
Bioinformatics 23, 2633–2635.
Breseghello F, Sorrells ME (2006). Association mapping of
kernel size and milling quality in wheat (Triticum aestivum
L.) cultivars. Genetics 172, 1165–1177.
Cheng H, Yu O, Yu DY (2008). Polymorphisms of IFS1 and
IFS2 gene are associated with isoflavone concentrations
in soybean seeds. Plant Sci 175, 505–512.
Ching A, Caldwell KS, Jung M, Dolan M, Smith OS, Tin-
gey S, Morgante M, Rafalski AJ (2002). SNP frequency,
haplotype structure and linkage disequilibrium in elite
maize inbred lines. BMC Genet 3, 19.
de Oliveira Borba TC, Brondani RPV, Breseghello F,
Coelho ASG, Mendonça JA, Range PHN, Brondani C
(2010). Association mapping for yield and grain quality
traits in rice (Oryza sativa L.). Genet Mol Biol 33, 515–
524.
Evanno G, Regnaut S, Goudet J (2005). Detecting the
number of clusters of individuals using the software
STRUCTURE: a simulation study. Mol Ecol 14, 2611–
2620.
Fehr WR, Caviness CE (1977). Stages of soybean devel-
opment. Cooperative Extension Service Special Report
80. Ames: Iowa State University.
Flint-Garcia SA, Thuillet AC, Yu JM, Pressoir G, Romero
SM, Mitchell SE, Doebley J, Kresovich S, Goodman
MM, Buckler ES (2005). Maize association population: a
high-resolution platform for quantitative trait locus dissec-
tion. Plant J 44, 1054–1064.
Hyten DL, Choi IY, Song QJ, Shoemaker RC, Nelson RL,
Costa JM, Specht JE, Cregan PB (2007). Highly variable
patterns of linkage disequilibrium in multiple soybean
populations. Genetics 175, 1937–1944.
Jun TH, Van K, Kim MY, Lee SH, Walker DR (2008). As-
sociation analysis using SSR markers to find QTL for
seed protein content in soybean. Euphytica 162, 179–
191.
Jung M, Ching A, Bhattramakki D, Dolan M, Tingey S,
Morgante M, Rafalski A (2004). Linkage disequilibrium
and sequence diversity in a 500 kbp region around the
adh1 locus in elite maize germplasm. Theor Appl Genet
109, 681–689.
Keim P, Olson TC, Shoemaker RC (1988). A rapid protocol
for isolating soybean DNA. Soybean Genet Newsl 15,
150–152.
Komatsu K, Okuda S, Takahashi M, Matsunaga R (2004).
Antibiotic effect of insect-resistant soybean on common
cutworm (Spodoptera litura) and its inheritance. Breed Sci
54, 27–32.
Komatsu K, Okuda S, Takahashi M, Matsunaga R, Na-
kazawa Y (2005). QTL mapping of antibiosis resistance to
common cutworm (Spodoptera litura Fabricius) in soy-
bean. Crop Sci 45, 2044–2048.
Komatsu K, Takahashi M, Nakazawa Y (2008). Antibiosis
resistance of QTL introgressive soybean lines to common
cutworm (Spodoptera litura Fabricius). Crop Sci 48,
527–532.
Komatsu K, Takahashi M, Nakazawa Y (2010). Genetic
study on resistance to the common cutworm and other
leaf-eating insects in soybean. Jap Agric Res Quarterly
44, 117–125.
Kump KL, Bradbury PJ, Wisser RJ, Buckler ES, Belcher
AR, Oropeza-Rosas MA, Zwonitzer JC, Kresovich S,
McMullen MD, Ware D, Balint-Kurti PJ, Holland J
(2011). Genome-wide association study of quantitative
resistance to southern leaf blight in the maize nested as-
sociation mapping population. Nat Genet 43, 163–168.
Li YH, Guan RX, Liu ZX, Ma YS, Wang LX, Li LH, Lin FY,
Luan WJ, Chen PY, Yan Z, Guan Y, Zhu L, Ning X,
Smulders MJM, Li W, Piao R, Cui Y, Yu Z, Guan M,
Chang R, Hou A, Shi A, Zhang B, Zhu S, Qiu L (2008).
Genetic structure and diversity of cultivated soybean
[Glycine max (L.) Merr.] landraces in China. Theor Appl
Genet 117, 857–871.
Li YH, Li W, Zhang C, Yang L, Chang RZ, Gaut BS, Qiu LJ
(2010). Genetic diversity in domesticated soybean (Gly-
cine max) and its wild progenitor (Glycine soja) for simple
sequence repeat and single-nucleotide polymorphism
loci. New Phytol 188, 242–253.
Liu KJ, Muse SV (2005). PowerMarker: an integrated
analysis environment for genetic marker analysis. Bioin-
formatics 21, 2128–2129.
Narvel JM, Walker DR, Rector BG, All JN, Parrott WA,
Boerma HR (2001). A retrospective DNA marker as-
sessment of the development of insect resistant soybean.
Crop Sci 41, 1931–1939.
Nei M, Tajima FA, Tateno Y (1983). Accuracy of estimated
phylogenetic trees from molecular data. J Mol Evol 19,
153–170.
Oraguzie NC, Rikkerink EHA, Gardiner SE, de Silva HN
(2007). Association mapping in plants. Springer on line
pp. 1–1.
王慧等: 应用关联分析鉴定大豆对斜纹夜蛾的抗性基因 523
Palaisa KA, Morgante M, Tingey S, Rafalski A (2004).
Long-range patterns of diversity and linkage disequilib-
rium surrounding the maize Y1 gene are indicative of an
asymmetric selective sweep. Proc Natl Acad Sci USA
101, 9885–9890.
Palaisa KA, Morgante M, Williams M, Rafalski A (2003).
Contrasting effects of selection on sequence diversity and
linkage disequilibrium at two phytoene synthase loci.
Plant Cell 15, 1795–1806.
Pritchard JK, Wen W (2004). Documentation for STRUC-
TURE software. Chicago: The University of Chicago
Press.
Rector BG, All JN, Parrott WA, Boerma HR (1998). Identi-
fication of molecular markers linked to quantitative trait
loci for soybean resistance to corn earworm. Theor Appl
Genet 96, 786–790.
Rector BG, All JN, Parrott WA, Boerma HR (1999). Quan-
titative trait loci for antixenosis resistance to corn earworm
in soybean. Crop Sci 39, 531–538.
Rector BG, All JN, Parrott WA, Boerma HR (2000). Quan-
titative trait loci for antibiosis resistance to corn earworm
in soybean. Crop Sci 40, 233–238.
Shi A, Chen P, Zhang B, Hou A (2010). Genetic diversity
and association analysis of protein and oil content in
food-grade soybeans from Asia and the United States.
Plant Breed 129, 250–256.
Song QJ, Marek LF, Shoemaker RC, Lark KG, Concibido
VC, Delannay X, Specht JE, Cregan PB (2004). A new
integrated genetic linkage map of the soybean. Theor
Appl Genet 109, 122–128.
Tamura K, Dudley J, Nei M, Kumar S (2007). MEGA4:
molecular evolutionary genetics analysis (MEGA) soft-
ware version 4.0. Mol Biol Evol 24, 1596–1599.
Terry LI, Chase K, Jarvik T, Orf J, Mansur L, Lark KG
(2000). Soybean quantitative trait loci for resistance to
insects. Crop Sci 40, 375–382.
Terry LI, Chase K, Orf J, Jarvik T, Mansur L, Lark KG
(1999). Insect resistance in recombinant inbred soybean
lines derived from non-resistant parents. Entomol Exp
Appl 91, 465–476.
Thomsberry JM, Goodman MM, Doebley J, Kresovich S,
Nielsen D, Buckler ES (2001). Dwarf8 polymorphisms
associate with variation in flowering time. Nat Genet 28,
286–289.
van Duyn JW, Turnipseed SG, Maxwell JD (1971). Re-
sistance in soybeans to the Mexican bean beetle. I.
Sources of resistance. Crop Sci 11, 572–573.
Walker DR, Boerma HR, All JN, Parrott W (2002). Com-
bining cry1Ac with QTL alleles from PI 229358 to improve
soybean resistance to lepidopteran pests. Mol Breed 9,
43–51.
Walker DR, Narvel JM, Boerma HR, All JN, Parrott WA
(2004). A QTL that enhances and broadens Bt insect re-
sistance in soybean. Theor Appl Genet 109, 1051–
1057.
Wen ZX, Ding YL, Zhao TJ, Gai JY (2009). Genetic diver-
sity and peculiarity of annual wild soybean (G. soja Sieb.
et Zucc.) from various eco-regions in China. Theor Appl
Genet 119, 371–381.
Yu JM, Buckler ES (2006). Genetic association mapping
and genome organization of maize. Curr Opin Biotechnol
17, 155–160.
Zhu CS, Gore M, Buckler ES, Yu JM (2008a). Status and
prospects of association mapping in plants. Plant Ge-
nome 1, 5–20.
Zhu S, Saski CA, Boerma HR, Tomkins JP, All JN, Parrott
WA (2009). Construction of a BAC library for a defoliating
insect-resistant soybean and identification of candidate
clones using a novel approach. Plant Mol Biol Rep 27,
229–235.
Zhu S, Walker DR, Boerma HR, All JN, Parrott WA (2006).
Fine mapping of a major insect resistance QTL in soy-
bean and its interaction with minor resistance QTLs. Crop
Sci 46, 1094–1099.
Zhu S, Walker DR, Boerma HR, All JN, Parrott WA
(2008b). Effects of defoliating insect resistance QTLs and
a cry1Ac transgene in soybean near-isogenic lines. Theor
Appl Genet 116, 455–463.
Zou J, Jiang CC, Cao ZY, Li RY, Long Y, Chen S, Meng
JL (2010). Association mapping of seed oil content in
Brassica napus and comparison with quantitative trait loci
identified from linkage mapping. Genome 53, 908–916.
524 植物学报 46(5) 2011
Identification of Genes with Soybean Resistance to Common
Cutworm by Association Analysis
Hui Wang, Zhongjie Gao, Dan Zhang, Hao Cheng, Deyue Yu*
National Key Laboratory of Crop Genetics and Germplasm Enhancement; National Center for Soybean Improvement;
Soybean Research Institute, Nanjing Agricultural University, Nanjing 210095, China
Abstract We used 135 genome-wide simple sequence repeat (SSR) markers to assess genetic diversity, population
structure and linkage disequilibrium (LD) of 196 soybean landraces. On the basis of estimated population structure, we
conducted association mapping for soybean resistance to common cutworm (CCW) using genomic-wide mapping strate-
gies and detected the elite alleles of soybean resistance to CCW, along with their carriers. In addition to wide geographic
origin, the population showed extensive genetic variation, and 17.9% of the SSR pairs were in LD (with D>0, P<0.05).
The extent of LD was > 6.61 cM with genetic distance of locus pairs for the loci in the same linkage group (LG). Associa-
tion analysis revealed 7 SSRs associated with soybean resistance to CCW (P<0.01): 4 accounted for >10% of the total
genetic variation for resistance; 6 located in the linkage groups reported to be related to soybean resistance to insects.
Allele effect analysis revealed that the alleles related to larval weight of CCW mainly had a negative effect, the allele
Sat_334-A208 showing the largest negative effect (43.9%). The alleles related to leaf consumption of single larva (LCL)
and pupal weight (PW) of CCW mainly had a positive effect, the allele Satt199-A186 showing the largest positive effect for
LCL (36.4%) and the allele Sat_320-A286, the largest positive effect for PW (31.4%).
Key words association analysis, genetic diversity, linkage disequilibrium, resistance to insects, soybean (Glycine max
(L.) Merr.)
Wang H, Gao ZJ, Zhang D, Cheng H, Yu DY (2011). Identification of genes with soybean resistance to common cut-
worm by association analysis. Chin Bull Bot 46, 514–524.
———————————————
* Author for correspondence. E-mail: dyyu@njau.edu.cn
(责任编辑: 白羽红)