全 文 ：作物学报 ACTA AGRONOMICA SINICA 2015, 41(7): 10071016 http://zwxb.chinacrops.org/
ISSN 0496-3490; CODEN TSHPA9 E-mail: xbzw@chinajournal.net.cn

本研究由湖北省科技支持计划项目(2013BBB23), 长江大学作物学省级重点学科项目(2015), 全球水稻科学伙伴协作计划“水稻适应性
与产量表型组学”项目(DRPC2012), 粮食作物种质创新与遗传改良重点实验室开放课题(2014lzjj04), 主要粮食作物产业化湖北省协同
创新中心开放基金(2015MS008)和深圳市海外高层次人才资金资助。
* 通讯作者(Corresponding authors): 徐建龙, E-mail: xujlcaas@126.com; 邢丹英, E-mail: xingdy_2006@126.com
第一作者联系方式: E-mail: xjqiu216@yangtzeu.edu.cn
Received(收稿日期): 2015-01-14; Accepted(接受日期): 2015-04-02; Published online(网络出版日期): 2015-05-04.
URL: http://www.cnki.net/kcms/detail/11.1809.S.20150504.1024.002.html
DOI: 10.3724/SP.J.1006.2015.01007
用全基因组关联分析解析籼稻垩白的遗传基础
邱先进 1,2 袁志华 1 陈 凯 3 杜 斌 1 何文静 1 杨隆维 1,2 徐建龙 3,4,*
邢丹英 1,2,* 吕文恺 1
1长江大学农学院, 湖北荆州 434025; 2主要粮食产业化湖北省协同创新中心 / 湿地生态与农业利用教育部工程技术中心, 湖北荆州
434025; 3中国农业科学院深圳生物育种创新研究院, 广东深圳 518120; 4中国农业科学院作物科学研究所, 北京 100081
摘 要: 利用 272 份全球籼稻微核心种质的重测序 SNP 基因型, 对海南三亚、广东深圳、浙江杭州和湖北荆州 4个
地点收集到的垩白粒率和垩白度性状采用 TASSEL 软件进行全基因组关联分析, 解析籼稻垩白的遗传基础和挖掘影
响垩白粒率和垩白度的优异等位基因。结果表明, 依据 SNP 数据, 可将籼稻微核心种质分成 3 个亚群。4 个地点分
别检测到 42 个和 44 个与垩白粒率和垩白度显著关联的位点, 位于全部 12 条染色体上。2 个性状分别有 21 个和 19
个位点在 2个以上环境下同时被检测到, 这些位点中有 12个位点同时影响垩白粒率和垩白度, 11个位点附近都有已
克隆的水稻品质相关基因。其中, 第 5 染色体 3.3~5.3 Mb 区间在 4 个地点都被检测到与垩白粒率显著关联, 以杭州
点对垩白粒率的贡献最大, 优异等位基因载体品种为 IRGC121689; 第 12染色体的 17.5~18.0 Mb区间在三亚和杭州
都被检测到与垩白度显著关联, 以三亚点的垩白度贡献最大, 优异等位基因载体品种为 IRGC122285。这些位点和品
种资源可作水稻外观品质分子改良的重要基因和品种资源。
关键词: 水稻; 垩白; 关联分析; SNP标记; 连锁不平衡
Genetic Dissection of Grain Chalkiness in Indica Mini-core Germplasm Using
Genome-wide Association Method
QIU Xian-Jin1,2, YUAN Zhi-Hua1, CHEN Kai3, DU Bin1, HE Wen-Jing1, YANG Long-Wei1,2, XU
Jian-Long3,4,*, XING Dan-Ying1,2,*, and LÜ Wen-Kai1
1 College of Agriculture, Yangtze University, Jingzhou 434025, China; 2 Hubei Collaborative Innovation Center for Grain Industry / Engineering Re-
search Center of Ecology and Agricultural Use of Wetland, Ministry of Education, Jingzhou 434025, China; 3 Shenzhen Institute of Breeding and
Innovation, Chinese Academy of Agricultural Sciences, Shenzhen 518120, China; 4 Institute of Crop Science, Chinese Academy of Agricultural Sci-
ences, Beijing 100081, China
Abstract: In order to dissect the genetic bases and mine novel alleles of grain chalkiness in indica, we conducted an experiment
with genome-wide association analysis using phenotypic data collected from multiple locations (Sanya of Hainan, Shenzhen of
Guangdong, Hangzhou of Zhejiang, and Jingzhou of Hubei) and 6704 re-sequenced SNP markers distributed in whole genome for
272 indica mini-core germplasm collected worldwide. All accessions were classified into three subpopulations based on SNP data.
Total of 42 and 44 loci were detected as significant associations with percentage of grains with chalkiness (PGWC) and degree of
endosperm chalkiness (DEC), respectively, which distributed all over the 12 chromosomes. Twenty one and nineteen loci were
stably expressed for PGWC and DEC in multiple locations, respectively, and 12 simultaneously affected the two traits. Eleven of
the said loci were co-located in the same or near regions harboring the quality genes cloned previously. Of them, the region of
3.3–5.3 Mb on chromosome 5 was significantly associated with PGWC at all four locations, having the largest phenotypic contri-
bution detected in Hangzhou location, and the carrier variety with the best favorable allele was IRGC121689; another region of
17.5–22.7 Mb on chromosome 12 was significantly associated with DEC at Sanya and Hangzhou, having the largest phenotypic
1008 作 物 学 报 第 41卷


contribution detected in Sanya, and the carrier variety with the best favorable allele was IRGC122285. These loci and germplasms
are important potential genes and variety resources that can be used in molecular breeding for rice appearance quality.
Keywords: Rice; Chalkiness; Association mapping analysis; SNP marker; Linkage disequilibrium
水稻是世界上最重要的粮食作物之一。随着人
们生活水平的提高 , 水稻品质日益受到人们的重
视。垩白是衡量水稻外观品质优劣的重要指标之一,
而且能通过影响整精米率影响水稻的加工品质[1-3]。
因此, 阐述水稻垩白性状的遗传基础, 挖掘影响垩
白性状的有利基因, 利用分子育种改良水稻外观品
质, 培育品质优良的水稻新品种, 具有重要意义。
衡量水稻垩白的指标有垩白粒率和垩白度 [4],
这2个性状都是典型的数量性状, 受多基因控制, 同
时存在着明显的环境与基因型互作效应[5]。随着水
稻基因组学的发展和分子标记技术的发展, 研究者
利用各种群体定位了许多影响水稻垩白的 QTL, 这
些 QTL 分布于水稻的全部12条染色体上[6-11]。其中
qPGWC-7[12]和 qPGWC-8[10]已经精细定位到了
150 kb以下, GW2[13]和 Chalk5[14]都已被成功克隆。此
外, 利用水稻突变体结合图位克隆的方法也克隆了
一大批影响水稻垩白的基因, 如 OsPPDKB[15]、SSIII
a[16-17]、GIF1[18-19]、ms-h[20]、fo-2[21]、OsRab5a[22]等。
目前大部分垩白QTL定位都是利用双亲作图结
合图位克隆的方法获得的, 这种方法的群体构建时
间长 , 且只能鉴定出两个亲本中较好的等位基因 ,
无法获得种质资源中存在的最优等位基因, 而利用
自然群体的关联分析正好可以弥补这一缺陷[23]。近
年来, 利用全基因组关联分析定位水稻农艺性状的
报道越来越多。Huang 等[24]通过 517 份核心种质进
行全基因组关联分析, 共定位了影响 14个农艺性状
的 37个 QTL, 其中一些位点与已知基因位于同一区
间, 部分位点被直接精细定位到 100 kb以内。随后,
他们又将群体扩大至 950 份, 对抽穗期和产量相关
性状进行了全基因组关联分析, 在原有基础上定位
了 32个新位点[25]。Zhao 等[26]利用来源于全世界不
同地区的 413 份核心种质, 结合全基因关联分析的
方法定位到影响 34个性状的大量 QTL。
本研究从国际水稻研究所引进 296 份世界籼稻
微核心种质, 在海南三亚、广东深圳、浙江杭州和
湖北荆州 4 个环境下考察分析了其中的 272 份能正
常成熟的籼稻品种的垩白性状, 结合全基因组基因
型数据解析籼稻垩白的遗传基础, 挖掘影响籼稻垩
白的有利基因, 为分子育种改良水稻外观品质提供
了基因和亲本资源, 为拓宽我国育种材料的遗传多
样性奠定了基础。
1 材料与方法
1.1 供试材料
272份籼稻微核心种质由菲律宾国际水稻研究所
提供, 它们来自三大洲的31个国家, 其中非洲8个, 拉
丁美洲13个和亚洲218个, 另有33个来源不明。
1.2 材料种植与表型鉴定
2012年冬季于海南三亚中国农业科学院作物科
学研究所南繁基地, 2013 年夏季于广东深圳中国农
业科学院深圳基地、浙江杭州浙江省农业科学院基
地和湖北荆州长江大学校内基地种植全部材料, 分
别记录每个品种在 4个地点的抽穗期, 272个品种的
平均抽穗期在三亚为 68.99 d, 在深圳为 79.35 d, 在
杭州为 100.13 d, 在荆州为 98.98 d。随后根据抽穗
期将 272 个品种分组。2013 年冬季和 2014 年夏季
分别将这些材料按成熟期分组分期播种于上述 4 个
环境, 保证 272个品种的抽穗期基本一致, 最大限度
地降低环境对垩白性状的影响。每个品种种植 3行,
每行 10株, 株行距为 20 cm × 25 cm, 2次重复, 常规
田间管理。为防止部分材料过高而倒伏, 抽穗后利
用竹竿搭架。品种成熟后, 混收中间行的中间 8 株
用于表型鉴定。
收获后自然晾干, 室温储藏 3 个月后参照国标
GB/T 17891-1999[4]考察垩白性状。首先取 30 g稻谷
利用砻谷机和精米机将稻谷打成精米, 然后将全部
精米利用 JMWT12 大米外观品质检测仪(东孚久恒,
北京)测定每个品种的垩白米粒, 重复测定 2 次。具
有垩白的整精米粒数与所有整精米粒数的比值为垩
白粒率(percentage of grains with chalkiness, PGWC),
垩白米粒中垩白面积与整个米粒面积的比值为垩白
大小 , 垩白粒率与垩白大小的乘积即为垩白度
(degree of endosperm chalkiness, DEC)。对垩白粒率
和垩白大小重复测定 2次, 并计算垩白度, 取 2次重
复的平均值。
1.3 DNA提取与基因型分析
每个品种种植 20株幼苗, 将幼嫩的叶片混合取
样, 并参照 Murry 和 Thompson 提出的 CTAB 法[27]
提取每个品种的 DNA。利用 GBS (genotyping by
sequencing)技术获得 SNP 基因型, 由国际水稻研究
第 7期 邱先进等: 用全基因组关联分析解析籼稻垩白的遗传基础 1009


所委托澳大利亚 DArT 公司完成[28]。基于原始获得
的 4 万多个标记数据, 去掉无法比对到参考基因组
或比对到全基因组存在多个位点的标记; 去掉插入/
缺失标记, 保留 SNP 类型的标记; 去掉稀有等位基
因(基因型频率<5%)所在的标记 ; 去掉缺失标记数
多于 20%样本数的 SNP 标记。最终获得高质量的
6704 个有效 SNP 分子标记, 根据 IRGSP1.0 参考基
因组确定所有标记的精确物理位置。
1.4 数据分析
1.4.1 性状表型分析 用 Microsoft Excel 2007整
理数据, 计算各个性状在4个环境下的平均值、标准
差、变幅、变异系数和广义遗传力, 并对4个地点的
表型进行了方差分析。广义遗传力的计算参照盖钧
镒等[29]介绍的方法。
1.4.2 遗传多样性分析 应用 PowerMarker3.25
软件 [30]计算每个位点的等位基因数 (allele number
per locus)、遗传多样性(gene diversity)和多样性信息
含量(polymorphism information content, PIC)。
1.4.3 群体结构分析 利用 Structure 2.3.4软件[31-34]
对微核心种质进行群体结构分析, 确定亚群数, 并
计算各品种归属于第 k 个亚群的概率 Q 值。在确定
亚群时, 选用混合模型和独立等位基因频率模型依
此设定亚群数为 1~10, 将 MCMC (Markov Chain
Monto Carlo)开始时的迭代长度设置为 50 000, 将其
后的迭代次数设置为 10 000, 每个 K 值独立运算 5
次。如果对数似然函数 ln P(D)随着 K值增大而增大,
则采用 ΔK 来确定合适的 K 值。ΔK 为｜L′′(K)｜的
平均值除以 L(K)的标准差, 其中 L′′(K) = L′(K) –
L′(K+1), L′(K) = L(K) – L(K–1), L(K)即为 Structure
2.3.4运行结果中的 ln P(D)。
1.4.4 连锁不平衡(LD)分析 使用标准不平衡系
数(D)衡量位点之间的 LD程度。D′值的变化范围为
0~1, 将 D′小于 0.5作为 LD衰减的标志。LD的计算
过程在 TASSEL5.0软件[35-36]中完成。根据同一条染
色体上标记间的物理距离和标记间的连锁不平衡程
度, 通过回归分析计算 LD 随物理距离变化的回归
方程 y = a ln (x)+b, 绘制 LD衰减图, 用于观测 LD
与物理距离(kb)之间的关系。
1.4.5 垩白性状与 SNP 标记的关联分析 使用
TASSEL5.0软件中 GLM (general linear model)程序,
将 Structure 2.3.4软件运行形成的 Q 值作为协变量,
然后利用标记变异分别对 4 个地点的垩白粒率和垩
白度表型逐一进行回归分析。当 P<0.001时, 认为标
记与性状关联显著, 此时 R2值即为贡献率。
2 结果与分析
2.1 不同地点的垩白表型
4个地点垩白粒率最小的为0, 最大的可达100%;
垩白度最小的为0, 最大的为86.3%, 表明籼稻微核
心种质的垩白粒率和垩白度变异非常丰富。2个性状
在 4个地点表现十分一致 (F 值分别为 0.5755和
0.9708), 且广义遗传力较高(表1)。

表 1 籼稻微核心种质在 4个地点垩白性状的表现及广义遗传力
Table 1 Performance and heritability of rice chalkiness traits in indica mini-core germplasm across the four locations
性状
Trait
地点
Location
平均值±标准差
Mean ± SD
变幅
Range
变异系数
CV (%)
广义遗传力
hg (%)
海南三亚 Sanya, Hainan 37.17±31.36 0–100.00 84.37 81.47
广东深圳 Shenzhen, Guangdong 40.79±29.68 0–100.00 72.76
浙江杭州 Hangzhou, Zhejiang 39.24±24.45 1.00–97.00 62.31
垩白粒率
Percentage of grains
with chalkiness
湖北荆州 Jingzhou, Hubei 40.02±28.80 0.50–100.00 71.96
海南三亚 Sanya, Hainan 13.59±16.75 0–86.30 123.25 75.68
广东深圳 Shenzhen, Guangdong 15.53±15.97 0–69.35 102.83
浙江杭州 Hangzhou, Zhejiang 13.85±10.88 0.15–43.25 78.56
垩白度
Degree of endosperm
chalkiness
湖北荆州 Jingzhou, Hubei 15.92±16.87 0–82.10 105.97

2.2 6704个 SNP位点的遗传多样性
利用分布于全基因组的 6704 个 SNP 标记对全
部 272 个品种进行遗传多样性分析 , 共检测到
14 356 个等位基因, 大部分位点的等位基因为 2 个,
也有 948 个位点的等位基因为 3 个, 全基因组平均
每位点 2.1 个等位基因。各位点的基因多样性平均
为 0.2977, 变幅为 0.0501~0.6146。PIC 平均值为
0.2464, 变幅为 0.0489~0.5336。
2.3 籼稻微核心种质的群体结构与连锁不平衡
利用 Structure 2.3.4软件对籼稻微核心种质进
1010 作 物 学 报 第 41卷


行群体结构发现 , 对数似然函数 [ln P(D)]随着亚
群的增多而增大(图 1-A), 无法确定最适宜的亚群
数。然后采用 Evanno 等 [37]介绍的方法进一步分析
发现 , 当 K 为 3 时 ΔK 最大(图 1-B), 因而该群体
最适宜的亚群数为 3。再利用 Structure 2.3.4 计算
的概率 Q 值将每个品种划分到相应的亚群中 , 并
将 3 个亚群命名为 POP1、POP2 和 POP3 (图 2)。
6704 个 SNP 标记中无论是否在同一条染色体上 ,
标记间都存在极显著的 LD (P<0.01)。D回归遵循
方程 y = 0.10 ln (x)+1.028 (R2=0.172)。当 D取 0.5
时 , LD 衰减距离为 196 kb, 适合做水稻的关联分
析(图 3)。

图 1 籼稻微核心种质 lnP(D)(A)和 ΔK(B)随亚群数的变化
Fig. 1 Change of ln P(D) (A) and ΔK (B) on the subgroup number in indica mini-core germplasm

图 2 利用 Strucute 2.3.4计算的籼稻微核心种质中每个品种归属于 3个亚群的后验概率
Fig. 2 Posterior probability of each rice variety of indica mini-core germplasm belonging to the three subpopulations calculated by
Structure 2.3.4 software


图 3 共线性 SNP标记位点之间的距离与 D之间的关系
Fig. 3 Relationship between D-value and physical distance of
syntenic SNP markers
2.4 3个亚群间的遗传距离和遗传多样性
利用 PowerMarker 2.35计算了 Nei’s遗传距离显
示, 3个亚群的遗传距离都较小, 其中 POP1和 POP3
的遗传距离最大(0.0518), POP2和 POP3的遗传距离
最小(0.0399)。3个亚群的遗传多样性, 以 POP1较高,
基因多样性指数为0.2751, PIC 值为0.2267 (表3),
POP3最小 , 基因多样性指数为0.2528, PIC 值为
0.2088。相比较而言, 每个亚群的遗传多样性都比总
体的遗传多样性低, 说明各个亚群在分化中都有部
分等位基因被固定下来。

表 2 3个亚群的基因多样性和多态性信息含量
Table 2 Gene diversity and polymorphism information content (PIC) value for three subpopulations
亚群
Subpopulation
样本数
Sample size
等位基因数
Number of alleles
等位基因数/位点
Alleles/locus
基因多样性
Gene diversity
多态性信息含量
PIC
POP1 90 13779 2.0553 0.2751 0.2267
POP2 90 13454 2.0069 0.2655 0.2173
POP3 92 13661 2.0377 0.2528 0.2088
总计 Total 272 14356 2.1414 0.2977 0.2464
第 7期 邱先进等: 用全基因组关联分析解析籼稻垩白的遗传基础 1011


2.5 垩白性状与 SNP标记之间的关联分析
在海南三亚、广东深圳、浙江杭州和湖北荆州
分别检测到 15、14、24 和 16 个位点与垩白粒率显
著关联(图 4)。2个或 2个环境以上均检测到的与垩
白粒率显著关联的位点有 21个 (表 3), 在 12条染色
体上均有分布, 贡献率为 4.98%~15.80%。贡献率最
大的是位于第 5染色体的 3.3~5.3 Mb区间, 在 4个
地点都检测到该区间与垩白粒率关联显著, 且在杭
州贡献率最大, 达到 15.8%, 不同等位基因间表型
差异达到 22.56% (表 4), 有利等位基因载体品种是
IRGC121689; 该位点在深圳对垩白粒率的贡献率为
15.11%, 不同等位基因间表型差异达到 22.31%, 有
利等位基因载体品种为 IRGC121858; 这个区间里
含有 1 个已克隆的垩白基因 Chalk5。贡献率最小的
是位于第 9染色体 5.1~6.3 Mb区间, 在三亚的贡献
率最小, 为 4.98%。
对垩白粒率贡献率前 5 位的位点等位基因间表
型差异都达到了 15%以上, 其中等位基因垩白粒率
差异最大的是第 11染色体 24.2~25.0 Mb区间。在深
圳和杭州该位点都检测到与垩白粒率显著关联, 其
中在杭州不同等位基因间垩白粒率差异高达 31.89%,
有利等位基因载体品种是 IRGC122290。在三亚、杭
州和荆州, 第 4染色体 0.8~1.0 Mb区间都与垩白粒
率显著关联, 其中在杭州对垩白粒率的贡献率达到
14.32%, 不同等位基因间垩白粒率差异为 28.98%,
有利等位基因载体品种是 IRGC117623。在深圳和杭
州, 第 1染色体 5.8~7.8 Mb区间都与垩白粒率显著
关联, 其中在深圳对垩白粒率的贡献率达到 11.42%,

图 4 籼稻微核心种质 4个地点垩白性状全基因组关联分析
Fig. 4 Genome-wide association analysis of chalkiness traits in four locations using indica mini-core germplasm
A~H代表一般线性模型下 2个垩白性状 4个地点关联分析的曼哈顿图; 水平线代表全基因组关联分析中的显著性阈值。
PGWC: 垩白粒率; DEC: 垩白度。
A to H: Manhattan plots of GLM for two chalkiness traits in four locations. The horizontal lines indicated the genome-wide association
significant threshold. PGWC: percentage of grains with chalkiness; DEC: degree of endosperm chalkiness.
1012 作 物 学 报 第 41卷


表 3 全基因组关联分析检测到不同环境垩白性状的显著关联位点
Table 3 Significant loci associated with the two chalky traits detected by genome-wide association analysis
海南三亚
Sanya, Hainan
广东深圳
Shenzhen, Guangdong
浙江杭州
Hangzhou, Zhejiang
湖北荆州
Jingzhou, Hubei 染色体
Chr.
位置
Position
(Mb) P值
P-value
贡献率
R2 (%)
P值
P-value
贡献率
R2 (%)
P值
P-value
贡献率
R2 (%)
P值
P-value
贡献率
R2 (%)
克隆的基因 1)
Cloned gene 1)
垩白粒率 Percentage of grains with chalkiness
1 5.8–7.8 1.06×10–6 11.42 3.07×10–4 9.14
1 41.7–42.7 4.34×10–4 7.62 3.16×10–4 9.10
2 10.0–11.0 4.72×10–5 7.41 2.94×10–4 9.19 GW2[13]
2 24.0–26.0 7.63×10–6 10.39 1.71×10–4 6.96 1.58×10–4 7.15 GS2[38]
3 0.7–1.2 5.80×10–4 5.36 3.57×10–4 6.43
3 5.7–6.9 6.91×10–5 7.76 3.11×10–4 9.12
3 10.2–10.8 4.31×10–5 7.48 4.41×10–4 6.24
3 18.5–20.9 2.76×10–4 6.53 8.15×10–4 7.92 2.89×10–6 10.64 GS3[39-40]
4 0.8–1.0 8.59×10–5 8.35 2.78×10–5 14.32 5.10×10–4 7.60
4 18.0–19.1 4.37×10–4 7.61 5.57×10–4 8.40 4.63×10–5 9.82 GIF1[18-19]
4 31.3–31.6 2.23×10–4 9.54 4.45×10–4 6.23 Flo2[21]
5 3.3–5.3 1.11×10–4 6.71 1.38×10–8 15.11 1.28×10–6 15.80 3.90×10–4 6.35 Chalk5[14]
6 1.9–4.9 8.05×10–4 5.58 9.04×10–4 5.59 Wx[41]
6 21.0–21.6 5.26×10–4 5.44 2.47×10–4 6.63 TGW6[42]
7 22.3–24.1 1.83×10–4 6.90 6.15×10–4 10.34 qPGWC-7[12]
8 25.3–25.5 5.02×10–4 5.48 5.90×10–4 8.32 GW8[43]
9 5.1–6.3 9.23×10–4 4.98 6.66×10–4 5.87
10 18.8–19.2 1.42×10–4 10.09 6.98×10–6 9.89
11 24.2–25.0 6.41×10–4 5.78 3.84×10–4 10.97
12 6.7–7.0 1.20×10–4 8.07 5.12×10–4 8.50
12 22.6–23.8 4.05×10–5 9.82 9.34×10–4 7.75 OsRab5a[22]
垩白度 Degree of endosperm chalkiness
1 5.8–7.8 8.32×10–5 8.58 1.80×10–6 9.98
2 5.5–6.1 3.31×10–4 5.96 2.59×10–8 19.26
2 24.0–26.0 3.09×10–12 22.24 5.55×10–5 7.95 GS2[38]
3 1.6–4.0 2.86×10–4 6.08 1.64×10–4 6.38 4.68×10–4 8.18
3 17.5–18.7 1.96×10–4 6.39 7.80×10–4 7.57 8.69×10–7 11.47 GS3[39-40]
3 34.6–35.6 7.33×10–6 10.66 3.08×10–5 7.72
4 0.8–1.0 5.28×10–4 6.95 2.38×10–4 11.00
4 18.5–20.0 6.73×10–5 7.29 2.98×10–4 8.71 7.17×10–4 5.70 GIF1[18-19]
5 3.3–3.4 5.86×10–5 7.20 1.12×10–6 15.15 Chalk5[14]
6 1.6–2.6 3.66×10–4 5.87 9.53×10–4 7.33 Wx[41]
7 5.7–8.9 3.78×10–6 9.67 3.97×10–4 5.65
7 21.8–24.4 9.29×10–4 5.09 2.19×10–5 9.46 3.16×10–4 10.65 qPGWC-7[12]
9 1.2–2.5 2.87×10–4 7.49 4.32×10–4 5.60
10 11.6–13.0 1.70×10–4 9.37 1.28×10–4 7.22
10 20.8–22.3 2.90×10–4 6.07 7.09×10–4 7.69
11 8.0–8.1 4.94×10–6 11.00 1.63×10–5 14.24
11 25.2–26.6 8.64×10–4 7.45 6.83×10–5 9.31
12 5.8–7.1 1.68×10–8 15.67 1.40×10–4 6.50 1.07×10–4 7.38
12 17.5–18.0 7.39×10–29 45.43 4.06×10–5 11.06
1)区间内或位点附近克隆的基因。1) Cloned gene in or near the locus.
第 7期 邱先进等: 用全基因组关联分析解析籼稻垩白的遗传基础 1013


表 4 与垩白性状显著关联且贡献率位于前 5位的位点上等位基因效应差值及带有优异等位基因的载体品种
Table 4 Allelic differences for the top five loci associated with chalkiness traits and their typical carrier variety with the best
favorable alleles
染色体
Chr.
位置
Position
(Mb)
地点
Location
等位基因效应差值 1)
Phenotypic difference
between alleles 1) (%)
有利等位基因 2)
Favorable allele 2)
载体品种 3)
Carrier variety 3)
表型
Phenotype
(%)
垩白粒率 Percentage of grains with chalkiness
5 3.3–5.3 浙江杭州 Hangzhou, Zhejiang 22.56 C IRGC121689 26.00
5 3.3–5.3 广东深圳 Shenzhen, Guangdong 22.31 A IRGC121858 26.50
4 0.8–1.0 浙江杭州 Hangzhou, Zhejiang 28.98 T IRGC117623 24.50
1 5.8–7.8 广东深圳 Shenzhen, Guangdong 16.86 A IRGC117531 37.00
11 24.2–25.0 浙江杭州 Hangzhou, Zhejiang 31.89 A IRGC122290 16.50
垩白度 Degree of endosperm chalkiness
12 17.5–22.7 海南三亚 Sanya, Hainan 14.11 T IRGC122285 10.20
2 24.0–26.0 海南三亚 Sanya, Hainan 7.03 C IRGC121853 14.70
2 5.5–6.1 浙江杭州 Hangzhou, Zhejiang 16.29 C IRGC117271 12.30
12 5.8–7.1 海南三亚 Sanya, Hainan 5.68 G IRGC122025 12.80
5 3.3–3.4 浙江杭州 Hangzhou, Zhejiang 10.34 C IRGC121855 7.30
1) 指每一位点上表型效应最大与最小之间的等位基因效应的差值; 2)与垩白关联分析的降低垩白的峰值 SNP; 3)携带最优等位基
因的载体品种。
1) Phenotypic difference between most favorable allele and most inferior allele at the same locus; 2) Peak SNP that decreases chalkiness;
3)Varieties carrying the best favorable alleles.

不同等位基因间垩白粒率差异为 16.86%, 有利等位
基因载体品种是 IRGC117531。
在 4个地点分别检测到 24、14、23和 7个位点
与垩白度显著关联(图 4)。2个或 2个环境以上均检
测到的与垩白度显著关联的位点有 19 个 (表 3), 分
布于除第 8 染色体外的所有染色体 , 贡献率为
5.60%~45.43%。贡献率最大的是位于第 12染色体的
17.5~18.0 Mb 区间, 在三亚和杭州均检测到该区间
与垩白度显著关联, 其中在三亚贡献率高达 45.43%,
不同等位基因间垩白度差异达到 14.44%, 有利等位
基因载体品种是 IRGC122285; 贡献率最小的是位
于第 9染色体 1.2~2.5 Mb区间, 在深圳的贡献率最
小, 为 5.6%。
对垩白度贡献率前 5 位的位点不同等位基因间
垩白度差异有很大差别(表 4), 最大的是第 2染色体
5.5~6.1 Mb区间。在三亚和杭州试点, 该位点都与垩
白度显著关联 , 其中在杭州对垩白度的贡献率为
19.26%, 不同等位基因间垩白度差异高达 16.29%,
有利等位基因载体品种为 IRGC117271。在深圳和杭
州试点, 第 5染色体 3.3~3.4 Mb区间都与垩白度显
著关联, 其中在杭州对垩白度的贡献率达到 15.15%,
不同等位基因间垩白度差异为 10.34%, 有利等位基
因载体品种是 IRGC121855。在深圳和杭州试点, 第
2 染色体 24.0~26.0 Mb 区间都与垩白度显著关联,
其中在杭州对垩白度的贡献率达到 22.24%, 不同等
位基因间垩白度差异为 7.03%, 有利等位基因载体
品种是 IRGC121853。在三亚、深圳和荆州试点, 第
12染色体 5.8~7.1 Mb区间都与垩白度显著关联, 其
中在三亚对垩白度的贡献率达到 15.67%, 不同等位
基因间垩白度差异为 5.68%, 有利等位基因载体品
种是 IRGC121855。
3 讨论
本研究利用 6704 个 SNP 标记对 272 份籼稻微
核心种质进行基因型分析, 86%的标记位点上的等
位基因有 2 个, 全基因组每个标记位点的平均等位
基因数为 2.14个, 平均基因多样性为 0.30, PIC平均
多态性信息(PIC)为 0.25, 说明本研究所用的籼稻微
核心种质群体的遗传多样性比较丰富。但本研究中,
各项遗传多样性参数小于前人的研究结果[44]。究其
原因, 主要是本研究的材料是从全球种质资源中筛
选得到的籼稻微核心种质, 是水稻的一个亚种, 筛
选过程中人为降低了样本的遗传多样性。另外, 本
研究鉴定基因型所用的标记为 SNP 标记, 大部分都
只能鉴定 2 种或 3 种等位基因, 比 SSR 标记等其他
标记检测的等位基因数少。
对关联分析影响较大的几个因素包括 LD大小、
交配类型、群体大小和群体结构等, 其中群体结构
1014 作 物 学 报 第 41卷


和 LD 对关联分析的影响非常大。群体结构主要影
响到关联分析的准确性。到目前为止, 已经有许多
学者对水稻的群体结构进行了研究。他们利用 SSR
标记将种质群体分为 5个或更多个亚群。Zhao等[26]
利用覆盖全基因组的 44 100个 SNP将来源于 82个
国家的 413 份水稻品种分为 5 个亚群; Huang 等[24]
利用二代测序将 517 个水稻品种分为籼稻和粳稻两
个亚群。虽然这些分群结果很不一致, 但都说明水
稻存在普遍的群体结构。然而, 对于水稻亚种的再
分群研究较少。Huang 等[24]将 517 个水稻品种分成
籼稻和粳稻后 , 又在亚种内进行了群体结构分析 ,
结果籼稻和粳稻都可分为 3个亚群。本研究利用 6704
个 SNP标记将 272份籼稻微核心种质分成了 3个亚
群, 与 Huang等[24]的结果类似。LD主要影响关联分
析的精确性。Zhao 等[26]认为籼稻的 LD 距离约为
100 kb, Huang 等认为是 123 kb。本研究通过 6704
个 SNP 标记研究的结果表明籼稻的 LD 距离为
196 kb, 与他们的研究结果差异不大。
本研究在海南三亚、广东深圳、浙江杭州和湖
北荆州分别检测到 42 个和 44 个位点与垩白粒率和
垩白度显著关联, 其中在 2个以上地点同时检测到
的与垩白粒率和垩白度显著关联的位点分别是 21
个和 19个。这些位点中, 有 11个位点区间内或附近
含有已克隆的或精细定位的水稻品质基因, 说明本
研究的结果具有较高的可靠性。这 11个位点根据附
近基因的类别可分为 3 类, 第一类为垩白基因, 如
GW2、GIF1、Flo2、Chalk5、qPGWC-7和 OsRab5a;
第二类为水稻淀粉含量基因Wx; 第三类为水稻粒型
和粒重基因, 如 GS2、GS3、TGW6和 GW8。直链淀
粉含量基因、粒型基因和粒重基因都与垩白性状有
显著关联, 究其原因, 垩白是在灌浆过程中发生的
一种现象, 前人研究发现垩白与淀粉合成与运输的
各个途径相关, Wx 是淀粉合成过程中的关键基因,
因此与垩白显著关联; 在灌浆过程中, 淀粉运输是
从背部到腹部, 籽粒腹部因为运输路途长而易产生
垩白[45]。因此垩白与粒型具有显著的负相关。而决
定粒重的主要是粒型, 因此粒型基因和粒重基因位
点都可能与垩白性状显著关联。
在 2 个以上环境下检测到与垩白性状显著关联
的位点中, 有 12个位点同时与垩白粒率和垩白度显
著关联, 占全部垩白位点的 60.0% (24/40), 说明垩
白粒率与垩白度的遗传基础高度一致。这 12个位点
中含有已知品质基因的有 6 个, 另有 6 个位点是没
有克隆的垩白相关基因, 分别是第 1 染色体 5.8~7.8
Mb、第 3染色体 0.7~4.0 Mb、第 4染色体 0.8~1.0 Mb、
第 10染色体 18.8~22.3 Mb、第 11染色体 24.2~26.6
Mb和第 12染色体 5.8~7.1 Mb。对于这些位点垩白
相关基因的精细定位和克隆, 将进一步丰富对垩白
性状的分子调控机制的认识, 从而为改良水稻垩白
提供新基因。6个已有克隆基因的位点中, 2个位点
都与粒型基因(GS2和 GS3)有关, 这些基因是否直接
控制垩白或其与垩白基因存在紧密连锁, 还需要后
续验证。
垩白的遗传基础十分复杂, 受环境影响大。利
用分子标记辅助选择改良水稻垩白是一种十分高效
的方法。本研究关联到的位点中, GS2、GS3、GIF1、
Chalk5、qPGWC-7、第 3 染色体 0.7~4.0 Mb、第 4
染色体 0.8~1.0 Mb和第 12染色体 5.8~7.1 Mb区间
这些个位点在 3 个或 4 个地点都与垩白粒率和垩白
度显著关联, 可作为分子育种改良水稻垩白的重点
基因位点或区域。其中 GS2、Chalk5、第 4 染色体
0.8~1.0 Mb和第 12染色体 5.8~7.1 Mb区间对垩白粒
率和垩白度的贡献率较大, 携带这些位点优异等位
基因的品种有 IRGC121689、 IRGC121858、 IRGC
117623、IRGC121853、IRGC122025和 IRGC121855,
可优先利用。值得注意的是, 在利用这些位点改良
水稻垩白性状要同时考虑它们可能产生的负向效
应。例如, 本研究中 Chalk5在 4个环境下均与垩白
显著关联, 且对垩白的贡献率很高, 但是这个位点
与控制粒宽的基因 GS5[46]紧密连锁, 两者相距 104
kb, 在改良垩白的同时会造成粒宽变小从而降低粒
重, 最终影响产量。因此, 要打破这种不利连锁累
赘, 必须种植非常大的群体。或将一些只影响垩白
而与粒形无关的稳定表达基因 qPGWC-7 与位于第
3染色体 5.7~10.8 Mb、第 4染色体 0.8~1.0 Mb和
第 12染色体 5.8~7.1 Mb区间的主效基因进行标记
辅助聚合, 可以在不损失产量的前提下实现外观品
质的改良。
4 结论
272份籼稻微核心种质可分为 3个亚群, 其连锁
不平衡衰减距离为 196 kb。在海南三亚、广东深圳、
浙江杭州和湖北荆州 4 个环境分别检测到与垩白粒
率和垩白度显著关联的 42 个和 44 个位点, 其中 21
个和 19个位点在 2个以上环境下都被检测到, 12个
位点同时影响垩白粒率和垩白度, 11个位点附近已
第 7期 邱先进等: 用全基因组关联分析解析籼稻垩白的遗传基础 1015


克隆了品质相关基因。GS2、GS3、GIF1、Chalk5、
qPGWC-7、第 3 染色体 5.7~10.8 Mb、第 4 染色体
0.8~1.0 Mb和第 12染色体 5.8~7.1 Mb区间这些个位
点在 3或 4个地点都与垩白粒率和垩白度显著关联,
其中 GS2、Chalk5、第 4染色体 0.8~1.0 Mb和第 12
染色体 5.8~7.1 Mb区间对垩白粒率和垩白度的贡献
率最大 , 携带这些位点优异等位基因的品种有
IRGC121689、IRGC121858、IRGC117623、IRGC121853、
IRGC122025 和 IRGC121855, 这些位点和品种可用
作垩白性状分子改良的重要基因和品种资源。
References
[1] 周少川, 李宏, 王家生, 黄道强, 谢振文, 卢德成. 华南籼稻
早造稻米蒸煮、外观和碾米品质与食味品质的相关性研究. 作
物学报, 2002, 28: 397–400
Zhou S C, Li H, Wang J S, Huang D Q, Xie Z W, Lu D C. Corre-
lation among eating quality and cooking, apparent and milling
qualities of south-China indica rice in the early-cropping season.
Acta Agron Sin, 2002, 28: 397–400 (in Chinese with English ab-
stract)
[2] 江良荣, 李义珍, 王侯聪, 黄育民. 稻米外观品质的研究进展
与分子改良策略. 分子植物育种, 2003, 1: 243–255
Jiang L R, Li Y Z, Wang H C, Huang Y M. Research progress on
appearance quality of rice grain and strategies for its molecular
improvement. Mol Plant Breed, 2003, 1: 243–255 (in Chinese
with English abstract)
[3] 徐富贤, 熊洪, 朱永川, 张林, 万先齐, 刘茂, 杨大金. 杂交中
稻整精米率的影响因子及其间接鉴定方法研究. 西南农业学
报, 2013, 26: 1–6
Xu F X, Xiong H, Zhu Y C, Zhang L, Wan X Q, Liu M, Yang D J.
Study on effect factors and indirect evolution method for per-
centage oh head milled rice of hybrid mid-season rice. Southwest
China J Agric Sci, 26: 1–6 (in Chinese with English abstract)
[4] 中华人民共和国国家标准. 优质稻谷 GB/T17891-1999. 北京:
中国标准出版社, 1999. pp 6–12
National Standard of the People’ Republic of China. Beijing:
Standards Press of China, 1999. pp 6–12 (in Chinese)
[5] Wan X Y, Wan J M, Weng J, Liang L, Bi J C, Wang C M, Zhao H
Q. Stability of QTLs for rice grain dimension and endosperm
chalkiness characteristics across eight environments. Theor Appl
Genet, 2005, 110: 1334–1346
[6] He P, L i S, Qian Q, Ma Y Q, Li J Z, Wang W M, Chen Y, Zhu L
H. Genetic analysis of rice grain quality. Theor Appl Genet, 1999,
98: 502–508
[7] Tan Y, Li J, Li X J, Yu S B, Xu C G, Zhang Q F. Genetic bases of
appearance quality of rice grains in Shanyou 63, an elite rice
hybrid. Theor Appl Genet, 2000, 101: 823–829
[8] 周立军, 江玲, 刘喜, 陈红, 陈亮明, 刘世家, 万建民. 水稻千
粒重和垩白粒率的 QTL 及其互作分析. 作物学报, 2009, 35:
255–261
Zhou L J, Jiang L, Liu X, Chen H, Chen L M, Liu S J, Wan J M.
QTL mapping and interaction analysis for 1000-grain weight and
percentage of grains with chalkiness in rice. Acta Agron Sin, 2009,
35: 255–261 (in Chinese with English abstract)
[9] Qin Y, Kin S, Sohn J. Genetic analysis and QTL mapping for
grain chalkiness characteristics of brown rice (Oryza sativa L.).
Genes Genomics, 2009, 31: 155–164
[10] Guo T, Liu X L, Wan X Y, Weng J F, Liu S J, Liu X, Chen F M,
Li J J, Su N, Wu F Q, Cheng Z J, Guo X P, Lei C L, Wang J L,
Jiang L, Wan J M. Identification of a stable quantitative trait lo-
cus for percentage grains with white chalkiness in rice (Oryza sa-
tiva). J Integr Plant Biol, 2011, 53: 598–607
[11] Liu X, Wang Y, Wang S W. QTL analysis of percentage of grains
with chalkiness in Japonica rice (Oryza sativa). Genet Mol Res,
2012, 11(1): 717–724
[12] Zhou L J, Chen L M, Jiang L, Zhang W W, Liu L L, Liu X, Zhao
Z Q, Liu S J, Zhang L J, Wang J K, Wan J M. Fine mapping of
the grain chalkiness QTL qPGWC-7 in rice (Oryza sativa L.).
Theor Appl Genet, 2009, 118: 581–590
[13] Song X J, Huang W, Shi M, Zhu M Z, Lin H X. A QTL for rice
grain width and weight encodes a previously unknown RING-
type E3 ubiquitin ligase. Nat Genet, 2006, 39: 623–630
[14] Li Y B, Fan C C, Xing Y Z, Yun P, Luo L J, Yan B, Peng B, Xie
W B, Wang G W, Li X H, Xu C G, He Y Q. Chalk5 encodes a
vacuolar H+-translocating pyrophosphatase influencing grain
chalkiness in rice. Nat Genet, 2014, 46: 398–404
[15] Kang H G, Park S H, Matsuoka M, An G. White-core endosperm
floury sndosperm-4 in rice is generated by knockout mutations in
the C4-type pyruvate orthophosphate dikinase gene (OsPPDKB).
Plant J, 2005, 42: 901–911
[16] Fujita N, Yoshida M, Kondo T, Saito K, Utsumi Y, Tokunaga T,
Nishi A, Satoh H, Park J H, Jane J L, Miyao A, Hirochika H, Na-
kamura Y. Characterization of SSIIIa-deficient mutants of rice:
the function of SSIIIa and pleiotropic effects by SSIIIa deficiency
in the endosperm. Plant Physiol, 2007, 144: 2009–2023
[17] Ryoo N, Yu C, Park C S, Bail M Y, Park IM, Cho M H, Bhoo S H,
An G, Hahn T R, Feon J S. Knockout of a starch synthase gene
OsSSIIIa/Flo5 causes white-core floury endosperm in rice (Oryza
sativa L.). Plant Cell Rep, 2007, 26: 1083–1095
[18] Wang E T, Wang J J, Zhu X D, Hao W, Wang L Y, Li Q, Zhang L
X, He W, Lu B R, Lin H X, Ma H, Zhang G Q, He Z H. Control
of rice grain-filling and yield by a gene with a potential signature
of domestication. Nat Genet, 2008, 40: 1370–1374
[19] Wang E T, Xu X, Zhang L, Zhang H, Lin L, Wang Q, Li Q, Ge S,
Lu B R, Wang W, He Z H. Duplication and independent selection
of cell-wall invertase genes GIF1 and OsCIN1 during rice evolu-
tion and domestication. BMC Evol Biol, 2010, 10: 108
[20] Woo M O, Ham T H, Ji H S, Choi M S, Jiang W Z, Chu S H, Piao
R, Chin J H, Kin J A, Park B S, Seo H S, Jwa N S, McCouch S,
Koh H J. Inactive of UGPase1 gene causes genic male sterility
and endosperm chalkiness in rice (Oryza sativa L.). Plant J, 2008,
54: 190–204
[21] She K C, Kusano H, Koizumi K, Yamakawa H, Hakata M, Ima-
mura T, Fkuda M, Naito N, Tsurumaki Y, Yaeshima M, Tsuge T,
Matsumoto K, Kudoh M, Itoh E, Kikuchi S, Kishimoto N, Yazaki J,
Ando T, Yano M, Aoyama T, Sasaki T, Satoh H, Shimada H. A
novel factor FLOURY ENDOSPERM2 is involved in regulation of
rice grain size and starch quality. Plant Cell, 2010, 22: 3280–3294
[22] Wang Y H, Ren Y L, Liu X, Jiang L, Chen L M, Han X H, Jin M
1016 作 物 学 报 第 41卷


N, Liu S J, Liu F, Lü J, Zhou K N, Su N, Bao Y Q, Wan J M.
OsRab5a regulates endomembrane organization and storage pro-
tein trafficking in rice endosperm cells. Plant J, 2010, 64:
812–824
[23] 张学勇, 童依平, 游光霞, 郝晨阳, 盖红梅, 王兰芬, 李滨, 董
玉琛, 李振声. 选择牵连效应分析: 发掘重要基因的新思路.
中国农业科学, 2006, 39: 1526–1535
Zhang X Y, Tong Y P, You G X, Hao C Y, Ge H M, Wang L F, Li
B, Dong Y C, Li Z S. Hitching effect mapping: a new approach
for discovering agronomic important genes. Sci Agric Sin, 2006,
39: 1526–1535 (in Chinese with English abstract)
[24] Huang X H, Wei X H, Sang T, Zhao Q, Feng Q, Zhao T, Li CY,
Zhu C R, Lu T T, Zhang Z W, Li M, Fan D L, Guo Y L, Wang A
H, Wang L, Deng L W, Li W J, Lu Y Q, Weng Q J, Liu K Y,
Huang T, Zhou T Y, Jing Y F, Li W, Lin Z, Bulker E S, Qian Q,
Zhang Q F, Li J Y, Han B. Genome-wide association studies of 14
agronomic traits in rice landraces. Nat Genet, 2010, 43: 961–967
[25] Huang X H, Zhao Y, Wei X H, Li C Y, Wang A H, Zhao Q, Li W J,
Guo Y L, Deng L W, Zhu C R, Fan D L, Weng Q J, Liu K Y,
Zhou T Y, Jing Y F, Si L Z, Dong G J, Huang T, Lu T T, Feng Q,
Qian Q, Li J Y, Han B.Genome-wide association study of flow-
ering time and grain yield traits in a worldwide collection of rice
germplasm. Nat Genet, 2012, 44: 32–39
[26] Zhao K Y, Tung C W, Eizenga G C, Wright M H, Ali M L, Price
A H, Norton G J, Islam M R, Reynolds A, Mezey J, McClung A
M, Bustamante C D, McCouch S R. Genome-wide association
mapping reveals a rich genetic architecture of complex traits in
Oryza sativa. Nat Commun, 2011, 2: 467
[27] Murry M G, Thompson W F. Rapid isolation of high
molecular-weight plant DNA. Nucl Acids Res, 1980, 8: 4321
[28] Huang S W, Li R Q, Zhang Z H, Li L, Gu X F, Fan W, Lucas W J,
Wang X W, Xie B Y, Ni P X, Ren Y Y, Zhu H M, Lin K, Jin W W,
Fei Z J, Li G C, Staub J, Kilian J, Vossen E A G, Wu Y, Guo J, He
J, Jia Z Q, Ren Y, Tian G, Lu Y, Ruan J, Qian W B, Wang M W,
Huang Q F, Li B, Xuan Z L, Cao J J, Asan, Wu Z G, Zhang J B,
Cai Q L, Bai Y Q, Zaho B W, Han Y H, Li Y, Li X F, Wang S H,
Shi Q X, Liu S Q, Cho W K, Kim J Y, Xu Y, Heller-Uszynska K,
Miao H, Cheng Z C, Zhang S P, Wu J, Yang Y H, Kang H X, Li
M, Liang H Q, Ren X L, Shi Z B, Wen M, Jian M, Yang H L,
Zhang G J, Yang Z T, Chen R, Liu S F, Li J W, Ma L J, Liu H,
Zhou Y, Zhao J, Fang X F, Li G Q, Fang L, Li Y R, Liu D Y,
Zheng H K, Zhang Y, Qin N, Li Z, Yang G H, Yang S, Bolund L,
Kristiansen K, Zheng H C, Li S C, Zhang X Q, Yang H M, Wang
J, Sun R F, Zhang B X, Jiang S Z, Wang J, Du Y C, Li S G. The
genome of the cucumber, Cucumis sativus L. Nat Genet, 2009, 41:
1275–1281
[29] 盖钧镒 . 试验统计方法 . 北京: 中国农业出版社, 2000. pp
157–190
Gai J Y. Experimental Statistics Methods. Beijing: Chinese
Agriculture Press, 2000. pp 157–190 (in Chinese)
[30] Liu K, Muse S V. PowerMarker: Intergrated analysis environment
for genetic marker data. Bioinformatics, 2005, 21: 2128–2129
[31] Pritchard J K, Stephens M, Donnelly P. Inference of population
strcutre using multilocous genotype data. Genetics, 2000, 155:
945–959
[32] Falush D, Stephens M, Pritchard J K. Inference of population
structure using multilocus genotype data: linked loci and
correlated allele frequencies. Genetics, 2003, 164: 1567–1587
[33] Falush D, Stephens M, Pritchard J. Inference of population
strucutre using multilocus genetype data: dominant markers and
null alleles. Mol Ecol Notes, 2007, 7: 574–578
[34] Falush D, Stephens M, Pritchard J. Inferring weak population
strucutre with the assistance of sample group information. Mol
Ecol Resour, 2009, 9: 1322–1332
[35] Bradbury P J, Zhang Z, Kroom D E, Casstevens T M, Ramdoss Y,
Buckler E S. TASSEL: software for association mapping of
complex traits in diverse samples. Bioinformatics, 2007, 23:
2633–2635
[36] Glaubitz J C, Casstevens T M, Lu F, Harriman J, Elshire R J, Sun
Q, Buckler E S. TASSEL-GBS: a high capacity genotyping by
sequencing analysis pipeline. PloS One, 2014, 9(2): e90346
[37] Evanno G, Rsgnaut S, Gounet J. Decting the number of clusters
of individuals using the software STRUCTURE: a similation
study. Mol Ecol, 2005, 14: 2611–2620
[38] Zhang W H, Sun P Y, He Q, Shu F, Wang J, Deng H F. Fine
mapping of GS2, a dominant gene for big grain rice. Crop J, 2013,
1: 160–165
[39] Fan C C, Xing Y Z, Mao H L, Lu T T, Han B, Xu C G, Li X H,
Zhang Q F. GS3, a major QTL for grain length and weight and
minor QTL for grain width and thickness in rice, encodes a puta-
tive transmembrane protein. Theor Appl Genet, 2006, 112:
1164–1171
[40] Mao H L, Sun S Y, Yao J L, Wang C R, Yu S B, Xu C G, Li X H,
Zhang Q F. Linking differential domain functions of the GS3
protein to natural variation of grain size in rice. Proc Natl Acad
Sci USA, 2010, 107: 19579–19584
[41] Wang Z Y, Wu Z L, Xing Y Y, Zheng F G, Guo X L, Zhang W G,
Hong M M. Nucleotide sequence of rice waxy gene. Nucl Acids
Res, 1990, 19: 5898
[42] Ishimaru K, Hirotsu N, Madoka Y, Murakami N, Hara N,
Onodera H, Kashiwagi T, Ujiie K, Shimizu B, Onishi A,
Miyagawa H, Katoh E. Loss of function of IAA-glucose
hydrolase gene TGW6 enhances rice grain weight and increases
yield. Nat Genet, 2014, 45: 707–173
[43] Wang S K, Wu K, Yuan Q B, Liu X Y, Liu Z B, Lin X Y, Zeng R
Z, Zhu H T, Dong G J, Qian Q, Zhang G Q, Fu X D. Control of
grain size, shape and quality by OsSOL16 in rice. Nat Genet,
2012, 44: 950–954
[44] Jin L, Lu Y, Xiao P, Sun M, Corke H, Bao J S. Genetic diversity
and population strucutre of a diverse set of rice germplasm for
association mapping. Theor Appl Genet, 2010, 121: 475–487
[45] 蔺万煌, 萧浪涛, 彭克勤, 洪亚辉, 邹冬生. 稻米垩白的形成
及其调控 . 湖南农业大学学报 (自然科学版 ), 2001, 27:
234–239
Lin W H, Xiao L T, Peng K Q, Hong Y H, Zou D S.
Chalkiness formation in rice kernel and its regulation. J
Hunan Agric Univ (Nat Sci), 2001, 27: 234–239 (in Chinese
with English abstract)
[46] Li Y B, Fan C C, Xing Y Z, Jiang Y H, Luo L J, Sun L, Shao D,
Xu C G, Li X H, Xiao J H, He Y Q, Zhang Q F. Natural variation
in GS5 plays an important role in regulating grain size and yield
in rice. Nat Genet, 2011, 43: 1266–1269