全 文 ：作物学报 ACTA AGRONOMICA SINICA 2012, 38(6): 962−970 http://www.chinacrops.org/zwxb/
ISSN 0496-3490; CODEN TSHPA9 E-mail: xbzw@chinajournal.net.cn

本研究由国家高技术研究发展计划(863计划)项目(2011AA100501)和国际农业研究磋商组织(CGIAR)挑战计划项目(G7010.02.01)资助。
* 通讯作者(Corresponding authors): 景蕊莲, E-mail: jingrl@caas.net.cn, Tel: 010-82105829; 李润植, E-mail: rli2001@hotmail.com
第一作者联系方式: E-mail: li-wei-yu@126.com
Received(收稿日期): 2012-01-19; Accepted(接受日期): 2012-04-18; Published online(网络出版日期): 2012-04-23.
URL: http://www.cnki.net/kcms/detail/11.1809.S.20120423.1124.002.html
DOI: 10.3724/SP.J.1006.2012.00962
利用关联分析发掘小麦自然群体旗叶叶绿素含量的优异等位变异
李玮瑜 1,2 张 斌 2 张嘉楠 2,3 昌小平 2 李润植 1,* 景蕊莲 2,*
1山西农业大学, 山西太谷 030801; 2中国农业科学院作物科学研究所 / 农作物基因资源与基因改良国家重大科学工程 / 农业部作物
种质资源利用重点开放实验室, 北京 100081; 3国家谷子改良中心 / 河北省农林科学院谷子研究所, 河北石家庄 050031
摘 要: 为揭示小麦自然群体干旱胁迫条件下旗叶叶绿素含量的变化, 筛选相关标记的优异等位变异, 以 262 份小
麦种质资源组成的自然群体为材料, 分别种植在北京的 2个试验地点, 均设雨养和灌溉处理, 于开花期和灌浆期检测
旗叶叶绿素含量。以分布于 21条染色体的 169个 SSR标记检测所有材料的基因型, 利用 STRUCTURE 2.3.2软件分
析群体结构, 用 TASSEL软件的 MLM (mixed linear model)方法对小麦自然群体的旗叶叶绿素含量进行关联分析。在
此基础上, 将携带某等位变异的所有材料表型均值与携带无效等位基因(null allele)材料表型均值比较, 估计等位变
异的表型效应, 鉴别优异等位变异。共检测到 2048 个等位变异, 每位点 2~37 个等位变异, 平均 12 个。每位点的标
记多态性信息量(PIC)为 0.008~0.936, 平均 0.628。在 22个标记位点共检测出 40个(次)与旗叶叶绿素含量极显著的关
联, 其中 11个标记位点有 2次以上的关联, Xwmc419-1B和 Xgwm501-2B分别有 3次关联。在 Xcfa2123-7A、Xgwm232-
1D和 Xgwm429-2B位点分别检测到效应值大于 4.0的等位变异。
关键词: 小麦; 叶绿素含量; SSR; 关联分析; 等位变异
Exploring Elite Alleles for Chlorophyll Content of Flag Leaf in Natural Popu-
lation of Wheat by Association Analysis
LI Wei-Yu1,2, ZHANG Bin2, ZHANG Jia-Nan2,3, CHANG Xiao-Ping2, LI Run-Zhi1,*, and JING Rui-Lian2,*
1 Agronomy College, Shanxi Agricultural University, Taigu 030801, China; 2 National Key Facility for Crop Gene Resources and Genetic
Improvement / Key Laboratory of Crop Germplasm Utilization, Ministry of Agriculture / Institute of Crop Sciences, Chinese Academy of
Agricultural Sciences, Beijing 100081, China; 3 National Millet Improvement Center of China, Institute of Millet Crops / Hebei Academy of
Agriculture and Forestry Sciences, Shijiazhuang 050031, China
Abstract: Elite alleles associated with chlorophyll content of flag leaf in a natural population of winter wheat (Triticum aestivum
L.) consisting of 262 accessions were measured at flowering and grain-filling stages under both rainfed and well-watered
conditions in two experimental locations in Beijing, China. A total of 169 SSR markers distributed on the 21 chromosomes of
wheat were employed to detect the genetic diversity and genetic structure of the population. Association analysis between SSR
loci and chlorophyll content trait was performed using TASSEL MLM (mixed linear model) program. The phenotypic allele effect
was estimated through comparing the average phenotypic value over accessions with that of “null allele”. A total of 2048 alleles
were identified on the 169 SSR loci, and each locus had 2–37 alleles with an average of 12. The polymorphism information
contents (PICs) of the SSR loci ranged from 0.008 to 0.936 with an average of 0.628. Forty markers were found to be significantly
associated with chlorophyll content (P<0.001) on 22 loci, of which 11 markers showed repeated associations, particularly, loci
Xwmc419-1B and Xgwm501-2B had associations for three times. The alleles on loci Xcfa2123-7A, Xgwm232-1D, and
Xgwm429-2B exhibited more than 4.0 of phenotypic effect value.
Keywords: Wheat (Triticum aestivum L.); Chlorophyll content; SSR; Association analysis; Allelic variation
水分胁迫影响植物叶片叶绿素的生物合成, 加
速叶绿素降解, 造成叶片衰老, 最终导致植物光合
作用能力下降, 是作物减产的主要原因之一[1]。持绿
性(stay green)强的品种叶片保持绿色时间较长, 能
第 6期 李玮瑜等: 利用关联分析发掘小麦自然群体旗叶叶绿素含量的优异等位变异 963


维持相对较高的光合速率或净光合效率, 因此具有
较高的生物产量和经济产量[2]。小麦生长发育过程
中, 功能叶片的叶绿素含量直接影响光合速率和光
合产物形成, 开花、灌浆期的旗叶叶绿素含量是影
响产量潜力的重要因素[3]。近年来, 叶绿素含量作为
小麦抗旱相关的重要光合生理性状, 已经受到广泛
关注[4]。利用叶绿素含量揭示干旱胁迫下的小麦产量
变化已成为小麦遗传育种工作的重要方向之一[5]。
小麦叶片的叶绿素含量为多基因控制的数量性
状 [6]。目前 , 解析数量性状位点 (quantitative trait
locus, QTL)的研究方法主要包括连锁分析(linkage
mapping)与关联分析(association mapping)。连锁分
析以双亲杂交建立的遗传作图群体为材料, 双亲的
遗传差异是决定 QTL 定位精确性的基础, 由于在 2
个特定的亲本之间一些位点往往不发生分离和重组,
用该方法定位基因存在一定的局限性。关联分析是
一种定位和挖掘数量性状位点的新方法[7-8], 以自然
群体为材料, 以连锁不平衡(linkage disequilibrium,
LD)为基础 [9], 将目标性状的遗传变异与基因多样
性结合分析, 可直接鉴定出表型变异相关的基因位
点或标记位点, 及其对目标性状有正向贡献的优异
等位变异。随着高通量遗传分型技术的迅速发展 ,
基因型检测成本降低 , 稳健的统计方法不断出现 ,
全基因组关联分析越来越多地在作物中被成功应用,
如水稻产量和籽粒品质 [10]、水稻开花期和产量性
状[11]、玉米叶枯病抗性[12]、玉米遗传多样性和连锁
不平衡[13], 以及小麦籽粒形态和磨粉品质[14]、小麦
千粒重[15]等性状的关联分析。
本研究以 262份抗旱性不同的小麦种质为材料,
利用 SSR 标记分析其遗传多样性, 通过关联分析,
解析与开花、灌浆期旗叶叶绿素含量显著相关的分
子标记位点及其优异等位变异, 旨在为重要基因克
隆和分子育种提供参考。
1 材料与方法
1.1 试验材料
供试材料为不同年代、不同生态区 262 份抗旱
性不同的小麦品种(系)组成的自然群体, 包括国内
品种 254 份、美国品种 3 份、澳大利亚品种 2 份、
意大利品种 2 份、罗马尼亚品种 1 份。其中国内品
种(系)主要来自黄淮冬麦区和北部冬麦区, 包括 8
份农家品种, 246份育成品种(系)[16-17]。
2009年 10月上旬, 全部材料播种于中国农业科
学院作物科学研究所北京昌平区及顺义区试验基地,
2010年 6月中旬收获。小区为双行区, 2 m行长, 行
距 0.3 m, 每行均匀点播 40粒种子。人工造墒播种,
播种后田间水分管理设雨养(干旱胁迫)和灌溉 2 种
处理。雨养处理依靠自然降水, 小麦生育期内(2009
年 10月上旬至 2010年 6月中旬)的降水量为 188 mm;
灌溉处理即在越冬前、抽穗期和灌浆期各灌一次水,
每次灌水量为 75 mm。
1.2 表型性状调查与分析
于开花期和花后 10 d (灌浆期), 选取每行中部
5 株的主茎旗叶 , 用 SPAD-502 叶绿素仪(Minolta
Camera Co., Japan)测定叶绿素含量。利用 SAS 8.0
软件(SAS Institute Inc., Cary, NC, USA)分别统计 2
个生育时期叶绿素含量的平均值、标准差、变异系
数及广义遗传力[9]等。
1.3 SSR标记分析
参照 Somers 等[18]的小麦 SSR 标记整合图谱,
选取覆盖小麦 21 条染色体的 169 个 SSR 标记位点,
对供试材料进行群体结构分析。试验所用 SSR荧光
引物由 ABI (Applied Biosystems, Foster City, USA)
公司合成。
取幼苗叶片, 采用北京天根生化科技有限公司
试剂盒提取 DNA。PCR扩增体系包括模板 DNA 40
ng, 10× PCR buffer 1.5 μL, 25 mmol L−1 Mg2+ 1.2 μL,
0.2 μmol L−1 SSR荧光引物 2 μL, 25 mmol L−1 dNTP
0.12 μL, 5 U μL−1 Taq酶 0.1 μL, 加 ddH2O补足 15
μL。PCR 反应程序: 94℃预变性 5 min; 34 个循环
(94℃变性 45 s, 退火温度 45 s, 72℃延伸 45 s); 72℃
延伸 10 min; 15℃保存。将扩增产物纯化后, 利用
ABI3730 DNA 分析仪(Applied Biosystems, Foster
City, USA)检测, 用GeneMapper3.1软件(http://www.
appliedbiosystems.com.cn/) 收 集 数 据 。 用 Power
Marker V3.25 [20]统计 SSR位点等位变异及其频率、
多态性信息含量(polymorphism information content,
PIC)。
2
1
1
n
ij
j
PIC p
=
= −∑
式中, pij为位点 i的第 j个等位变异在全部供试材料
中出现的频率。采用 STRUCTURE 2.3.2 软件包[21]
分析群体结构, K取值 1~12, 每个K值进行 5次重复,
依据 K值估算参试材料的亚群数目[21]。
1.4 关联分析及优异等位变异分析
利用 TASSEL 2.1 软件 [22]的混合线性模型
964 作 物 学 报 第 38卷

(mixed linear model, MLM, Q+K模型), 将群体结构
分析的 Q 值和亲缘关系 K[23]作为协变量, 进行性状
与标记的关联分析, 并计算标记位点对表型变异的
解释率, 即回归方程的偏回归系数[24]。
参考 Breseghello 和 Sorrells[14]提出的无效等位
变异(null allele)方法, 估算标记位点等位变异的表
型效应。SSR位点等位变异表型效应计算方法为:
1 1
/ /
i kn n
i ij i k k
j k
a x n N n
= =
= −∑ ∑
式中, ai表示第 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 个材料的表型值, ni为具有第 i
个等位变异的材料数, Nk 为携带无效等位变异的第 k
个材料的表型值, nk为具有无效等位变异的材料数。若
ai 值为正, 则认为该等位变异为增效等位变异, 反之
为减效等位变异[25]。
2 结果与分析
2.1 旗叶叶绿素含量表型分析
在 2个试验点 , 小麦自然群体开花期和灌浆期
的旗叶叶绿素含量均表现为正常灌溉条件下略高于
雨养条件下, 但无显著差异(表 1)。其原因可能是由
于小麦孕穗到开花期间的自然降水相对较多, 同时
开花期和灌浆期的检测时间仅相差 10 d, 因此不同
水分环境和发育时期的旗叶叶绿素含量没有明显差
异。在 2个地点、2种水分条件下, 2个生育时期的
旗叶叶绿素含量均呈极显著正相关(P<0.01), 相关
系数为 0.420~0.992。对叶绿素含量的广义遗传力分
析结果表明, 除昌平雨养条件下灌浆期的遗传力较
低外, 其余性状的遗传力较高, 均大于 0.61。
2.2 基因型分析
在 262份小麦材料的 169个 SSR标记位点共检
测到 2 048个等位变异, 单个位点平均 12个等位变
异, 变幅为 2~37 个(表 2)。标记的 PIC 值变幅为
0.008~0.936, 平均 0.628。其中, B基因组的平均 PIC
值最高, 达 0.681, D 基因组的最低, 为 0.577; 第 4
和第 6 染色体同源群的 PIC 值较低, 分别为 0.574
和 0.590, 而第 7 染色体同源群的 PIC 值最高, 达
0.683。
所有标记位点的等位变异数目与其 PIC 值呈极
显著正相关(r=0.726, P<0.01)。大部分标记位点无明
显的选择倾向性, 但也有少数标记位点表现较强的
选择倾向性。例如, 在 Xwmc331-4D和 Xgwm165.1-
4D位点均检测出 5个等位变异, 但 Xwmc331-4D的
PIC 值仅为 0.389, 而 Xgwm165.1-4D 的 PIC 值是
0.606。Xwmc331-4D 位点的等位变异分布不均匀, 其
中 A129 的频率达 74%, 远高于其他等位变异, 说明
Xwmc331-A129 可能与某些控制重要农艺性状的基因
紧密连锁 , 因此受到了较强的选择压而保留了下
来[26]。相反, Xgwm165.1-4D的不同等位变异分布相对
均匀(图 1)。

表 1 供试群体材料叶绿素含量的统计分析
Table 1 Statistic data of chlorophyll content in wheat collection
雨养条件 Drought stress 灌溉条件 Well-watered 生育期
Stage 平均值
Mean±SD
变异系数
CV (%)
最小值
Min.
最大值
Max.
遗传力
h2B
平均值
Mean±SD
变异系数
CV (%)
最小值
Min.
最大值
Max.
遗传力
h2B
昌平点 Changping site
开花期 Flowering 53.99±4.17 7.7 44.47 66.43 0.81 54.56±4.17 7.6 41.80 66.50 0.70
灌浆期 Grain filling 54.04±4.19 7.8 36.33 64.63 0.48 55.59±3.75 6.7 45.57 64.73 0.77
顺义点 Shunyi site
开花期 Flowering 56.51±4.09 7.2 46.13 68.90 0.91 58.94±4.35 7.1 50.40 69.97 0.61
灌浆期 Grain filling 55.79±4.09 7.1 38.43 66.57 0.85 56.23±4.03 7.0 45.23 69.30 0.83

2.3 群体结构分析
利用 STRUCTURE 2.3.2 进行群体遗传结构分
析, 发现当 K=2时曲线出现较大拐点(图 2), 因此推
断该群体分为 2个亚群(图 3), 分别包含 110份和
152份材料。
2.4 关联分析
用 169 个标记与 2 个地点、2 种水分条件下开
花期和灌浆期的旗叶叶绿素含量进行关联分析, 在
22个位点共检测出 40个(次)极显著(P<0.001)的关联
(表 3)。与北京昌平开花期叶绿素含量相关联的标记
位点 13个(次), 与灌浆期叶绿素含量相关联的标记
位点 9个(次), 与顺义开花期、灌浆期相关联的标记
位点分别为 13 个和 5 个(次)。共有 11 个标记位点
被检测出 2次或 2次以上的关联。其中, Xwmc419-1B
第 6期 李玮瑜等: 利用关联分析发掘小麦自然群体旗叶叶绿素含量的优异等位变异 965


不仅与 2 个地点灌溉条件下开花期的叶绿素含量相
关, 还与北京昌平灌溉条件下灌浆期以及雨养条件
下开花期的叶绿素含量相关; Xgwm501-2B同时与 2
个地点雨养条件下开花期, 以及北京昌平 2 种水分
条件下灌浆期的叶绿素含量关联。此外, Xgwm232-
1D、Xgwm429- 2B同时与 2个地点灌溉条件下灌浆
期的叶绿素含量相关, Xcfd53-2D与 2个地点灌溉条
件下开花期的叶绿素含量相关 , Xbarc168.1-2D 和
Xcfa2123-7A同时与 2个地点雨养条件下开花期的叶
绿素含量相关(表 3)。

表 2 262个小麦品种中 169个 SSR位点的等位变异和多态性信息含量(PIC)
Table 2 Allele number and polymorphic information content (PIC) of 169 SSR markers in 262 wheat accessions
染色体
Chromosome
标记数目
Number of markers
平均等位变异数目
Average number of alleles
平均 PIC
Average PIC
PIC范围
Range of PIC
1A 5 10 0.643 0.424–0.791
1B 19 13 0.654 0.128–0.861
1D 5 13 0.675 0.401–0.872
2A 5 10 0.582 0.357–0.736
2B 7 15 0.679 0.417–0.835
2D 22 12 0.594 0.045–0.898
3A 5 16 0.718 0.620–0.767
3B 6 15 0.677 0.404–0.844
3D 8 11 0.581 0.149–0.896
4A 4 8 0.626 0.464–0.734
4B 7 13 0.571 0.315–0.841
4D 13 8 0.524 0.105–0.821
5A 10 10 0.531 0.189–0.895
5B 6 12 0.769 0.624–0.841
5D 6 10 0.541 0.263–0.774
6A 3 13 0.680 0.493–0.810
6B 10 16 0.684 0.442–0.936
6D 3 6 0.407 0.008–0.782
7A 7 11 0.605 0.139–0.876
7B 12 15 0.730 0.304–0.889
7D 6 15 0.715 0.531–0.923
平均值 Mean 8 12 0.628


图 1 Xgwm165.1-4D和 Xwmc331-4D位点等位变异及其频率
Fig. 1 Alleles and their frequencies at loci Xwmc331-4D and Xgwm165.1-4D

966 作 物 学 报 第 38卷


图 2 ΔK值变化图
Fig. 2 Magnitude of ΔK as a function of K

图 3 262份参试材料的群体结构(K=2)
Fig. 3 Population structure of 262 wheat accessions (K=2)
2.5 关联位点优异等位变异分析
分析 11个重复关联位点的效应绝对值排在前 3
位的等位变异, 在雨养条件下, 开花期和灌浆期叶
绿素含量关联位点等位变异的表型效应范围分别为
−2.24~4.47及 0.46~0.90; 在灌溉条件下, 2个生育时
期性状关联位点等位变异的表型效应范围分别为
−2.82~1.61 及−0.69~4.71。Xcfa2123-7A 的表型效应
较大, 在昌平雨养条件下对开花期叶绿素含量的表
型效应为 2.81~4.47; 在昌平灌溉条件下, Xgwm232-
1D的 3个等位变异对灌浆期叶绿素含量的表型效应
达 3.50~4.21, Xgwm429-2B的等位变异 A209效应最
大, 为 4.71。
同一标记位点不同等位变异的表型效应有差
异。例如标记位点 Xwmc419-1B有 5个等位变异, 以
昌平开花期其等位变异效应为例, 在雨养(DS)和灌
溉(WW)两种水分环境下等位变异 A160的增效效应

表 3 与叶绿素含量相关的标记位点及其对表型变异的解释率
Table 3 Explained phenotypic variation at loci highly associated with chlorophyll content
北京昌平 Changping, Beijing 北京顺义 Shunyi, Beijing 位点
Locus
染色体
Chr. 开花期
Flowering
−lg P 灌浆期
Grain filling
−lg P 开花期
Flowering
−lg P 灌浆期
Grain filling
−lg P
Xwmc24 1A 0.15 3.68
Xwmc419 1B 0.18/0.22 3.28/5.16 0.18 3.04 0.21 5.22
Xbarc181 1B 0.17 3.26 0.17 3.25
Xgwm153.1 1B 0.10 3.15
Xgwm153.2 1B 0.22 3.46
Xgwm268 1B 0.19 3.17
Xgwm232 1D 0.13 3.39 0.04 3.68 0.13 3.57
Xgwm429 2B 0.22 4.98 0.10 4.29 0.10 3.29
Xgwm501 2B 0.16 3.03 0.18/0.20 3.64/3.54 0.10 3.42
Xcfd53 2D 0.20 3.75 0.18 3.43 0.20
Xbarc168.1 2D 0.01 4.57 0.06 3.49
Xgwm539 2D 0.20 3.23
Xbarc314 3A 0.12 3.38
Xgwm5 3A 0.56 6.02 0.56 4.20
Xgwm155 3A 0.16 3.68
Xgwm52 3D 0.09 3.31 0.06 3.17
Xgwm645 3D 0.19 3.03
Xwmc420 4A 0.14 4.13
Xgwm192 4D 0.08 4.44
Xgwm212 5D 0.06 4.02
Xcfa2123 7A 0.09 3.07 0.03 3.99
Xgwm213 7B 0.18 3.88 0.19 3.88
非粗体和粗体数据分别为雨养和灌溉条件下的性状值; −lg P为 P值(P<0.001)的负对数。
Data in normal and bold scripts indicate traits detected under rainfed and well-watered condition, respectively. −lg P indicates trans-
formed observed P-values (P<0.001).

第 6期 李玮瑜等: 利用关联分析发掘小麦自然群体旗叶叶绿素含量的优异等位变异 967


表 4 与叶绿素含量 2次以上极显著关联标记位点等位变异的表型效应
Table 4 Phenotypic effect of marker alleles at loci strongly associated more than twice with chlorophyll content
昌平 Changping 顺义 Shunyi 生育期
Stage
位点
Locus
等位变异数
No. of alleles
等位变异
Allele size (bp)
材料数
No. of materials ai, DS ai, WW ai, DS ai, WW
Xwmc419-1B 5 160 89 0.60 0.49 0.09
164 34 0.48 0.09 1.31 开花期
Flowering 174 42 −2.24 −2.82 1.38
Xbarc181-1B 7 187 77 −0.02
203 28 −0.03
205 85 −1.45
Xgwm232-1D 7 139 150 −0.13
141 48 −0.21
152 18 0.69
Xgwm429-2B 7 203 72 0.99
209 68 1.39
215 31 0.40
Xgwm501-2B 6 164 89 −0.18 0.39
168 34 −0.36 0.36
177 43 0.13 0.85
Xcfd53-2D 9 256 37 −0.70 0.90
263 54 0.53 0.88
271 43 1.60 1.61
Xbarc168.1-2D 4 158 95 1.82 −0.38
160 73 1.60 −1.18
162 48 1.23 −0.05
Xgwm5-3A 7 167 68 1.38
169 61 1.05
173 90 1.07
Xgwm52-3D 4 148 165 1.23
150 49 2.30
152 25 0.89
Xcfa2123-7A 5 240 153 4.47 0.06
242 43 2.81 0.40
248 36 2.95 1.46
Xgwm213-7B 10 159 42 1.45
169 38 0.43
171 40 0.14
Xwmc419-1B 5 160 89 0.83
164 34 0.74
灌浆期
Grain filling
174 42 0.59
Xbarc181-1B 7 187 77 3.62
203 28 0.47
205 85 0.18
Xgwm232-1D 7 139 150 3.69 −0.24
141 48 3.50 −0.13
152 18 4.21 −0.17
Xgwm429-2B 7 203 72 1.88 0.46
209 68 4.71 0.85
215 31 1.87 0.70
Xgwm501-2B 6 164 89 0.58 0.31
168 34 0.58 0.38
177 43 0.90 0.46
Xcfd53-2D 9 256 37 0.76
263 54 0.46
271 43 0.53
Xgwm5-3A 7 167 68 1.25
169 61 1.27
173 90 1.30
Xgwm213-7B 10 159 42 0.29
169 38 −0.27
171 40 −0.69
Xgwm52-3D 4 148 165 0.59
150 49 1.33
152 25 0.47
ai, DS: 雨养条件(干旱胁迫)下的表型效应; ai, WW: 灌溉条件下的表型效应。
ai, DS: allelic effect on chlorophyll content under drought stress (rainfed); ai, WW: allelic effect on chlorophyll content under well-watered.

968 作 物 学 报 第 38卷

最大, 分别为 0.60 和 0.49, 携带 A160 的 89 份材料
叶绿素含量平均值最高(雨养条件下为 55.70, 灌溉
条件下为 56.05), 而 A174 的减效效应最大, 在雨养
和灌溉环境下分别为–2.24 和–2.82, 具有该等位变
异的 42 份材料叶绿素含量平均值最低(雨养条件下
为 53.72, 灌溉条件下为 54.02)。另一个例子是
Xgwm501-2B, 共有 6个等位变异, 均表现增效效应,
在昌平灌浆期, 雨养和灌溉条件下其等位变异 A177
的增效效应分别为 0.90和 0.46, 具有 A177的 43份
材料在灌浆期的叶绿素含量平均值最高(雨养条件
下为 54.68, 灌溉条件下为 56.95, 图 4)。

图 4 Xwmc419-1B和 Xgwm501-2B等位变异表型效应
Fig. 4 Phenotypic effects on chlorophyll content of marker alleles
at loci Xwmc419-1B and Xgwm501-2B
DS: 雨养条件(干旱胁迫); WW: 灌溉条件。
DS: drought stress; WW: well-watered.

3 讨论
农作物在驯化和选择过程中, 其农艺性状随着
人类的需求及育种目标发生很大的变化[27]。光合作
用是作物产量形成的基础, 植物叶片的叶绿素含量
直接影响光合速率, 最终影响产量。正常绿色植物
在衰老时细胞结构、代谢、基因表达等会发生一系
列变化 , 导致叶绿素降解 , 叶片逐渐变黄 , 进而使
光合作用能力下降, 光合产物的形成量也随之减少,
生物量增加变得缓慢直至完全停止。干旱等逆境胁
迫会加速植物的衰老, 促使叶绿素降解。本研究在
同一时期的雨养(干旱胁迫)条件下, 叶绿素含量低
于灌溉条件下的。说明在干旱胁迫下, 叶绿素含量
对作物的生存和产量形成更为重要[28-31]。小麦中携带
TaSG1的光诱导持绿突变体在灌浆后期仍能维持较长
时间的光合作用, 并在收获时获得较高的产量[32]。
利用关联分析方法发掘作物的优异基因是目前
国际植物基因组学研究的重要方法之一。关联分析
与基于遗传群体的连锁分析相比, 具有 3 个明显特
点: (1)以自然群体作为研究对象, 不需要构建作图
群体, 大大缩短了研究时间; (2)广泛的遗传材料使
得大部分位点都存在许多等位变异, 位点的选择不
再受 2 个亲本差异的限制, 可以进行更精确的标记
定位; (3)可以计算每个等位变异的效应值[33]。Lou
等[34]提出了一种新的在自然群体中鉴定加性、上位
性和显性效应的统计方法, 即基于单倍型的多位点
LD分析。不过, 迄今为止还没有该方法在植物中应
用的报道。利用遗传群体进行连锁分析, 同时利用
自然群体进行关联分析, 2种结果相互验证将是发掘
植物数量性状基因及其优异等位基因的有效方法。
本研究检测到的与叶绿素含量显著关联的标记
位点与前人利用连锁分析检测到的 QTL 具有较高
的一致性。例如检测到与昌平开花期相关联的位点
(次)共有 13 个, 其中 Xgwm268-1B、Xgwm501-2B、
Xcfd53-2D、Xgwm539-2D、Xgwm645-3D和 Xwmc420-
4A关联位点, 分别与利用 DH群体(旱选 10号×鲁麦
14)定位的叶绿素 QTL 热点区段相吻合[35-36]; 与昌
平灌浆期叶绿素含量关联的 9 个位点中, Xgwm429-
2B、Xgwm501-2B和 Xcfd53-2D也位于利用 DH群体
定位的叶绿素 QTL热点区段; 与顺义开花期、灌浆
期相关联的位点 Xgwm429-2B、 Xgwm501-2B、
Xcfd53-2D及 Xgwm429-2B也分别位于 DH群体定位
的叶绿素 QTL热点区段。其中 Xcfd53-2D已经被报
道与叶绿素含量关联[37]。上述结果表明, 利用前人
定位的 QTL为候选基因, 挑选标记位点可有效提高
关联分析效果[14]。
当供试材料的群体结构 Q、亲缘关系 K、表型
和基因型数据都具备时, 便可以通过统计模型检测
基因型和表型之间的相关性。在植物中, Thornsberry
等[38]首先提出群体结构分析方法, 当时只考虑了群
体结构Q, 其统计量是 2种可能性的比率: (1)多态性
分布与表型变异和群体结构均有关; (2)多态性分布
只与群体结构有关, 即为一般线性模型(general lin-
ear model, GLM)。2006年, 该小组进一步改进此方
法, 引入另一协变量——亲缘关系 K, 提出了混合
线性模型(mix linear model, MLM, Q+K模型), 该模
型较好地控制了一般线性模型的错误, 降低了假阳
性的概率[39-40]。本研究采用 MLM 混合线性模型分
析基因型与表型的相关性, 在不同环境条件下检测
到的多个叶绿素含量关联位点位于连锁分析定位的
QTL热点区段[34]。表明基于混合线性模型的关联分
析具有很高的统计效力和准确性, 适用于小麦等自
第 6期 李玮瑜等: 利用关联分析发掘小麦自然群体旗叶叶绿素含量的优异等位变异 969


交作物的关联分析。
本研究解析了小麦旗叶叶绿素含量关联位点内
各等位变异的表型效应, 在性状的表现型与基因型
之间用特定的等位变异建立起联系 , 发掘了与开
花、灌浆期叶绿素含量关联的优异标记位点及优异
等位变异, 例如 Xcfa2123-7A的 A-240、Xgwm232-1D
的 A-152 和 Xgwm429-2B 的 A-209 等。在小麦育种
工作中, 可以直接选取含有目标等位变异的材料做
亲本, 利用其分子标记进行目标基因的导入或聚合,
选择符合育种目标的基因型, 提高育种选择效率。
4 结论
通过关联分析鉴别出与小麦旗叶叶绿素含量极
显著相关的分子标记位点, 并解析了等位变异的表
型效应。在 22个标记位点检测出 40个(次)极显著的
关联 , 同一标记位点不同等位变异的表型效应有差
异。这些分子标记及其等位变异效应为合理选配亲
本组合奠定了基础 , 并可通过标记选择目标性状 ,
从而提高育种效率。
References
[1] Reynolds M, Foulkes M J, Slafer G A, Berry P, Parry M A J,
Snape J W, Angus W J. Raising yield potential in wheat. J Exp
Bot, 2009, 60: 1899−1918
[2] Borrell A K, Tao Y, Mcintyre C L. Physiological basis, QTL and
MAS of the stay-green drought resistance trait in grain sorghum.
CIMMYT, Mexico, DF (Mexico), 2000. pp 142−146
[3] Yang D L, Jing R L, Chang X P, Li W. Quantitative trait loci
mapping for chlorophyll fluorescence and associated traits in
wheat (Triticum aestivum L.). J Integr Plant Biol, 2007, 49:
646−654
[4] Bijanzadeh E, Emam Y. Effect of defoliation and drought stress
on yield components and chlorophyll content of wheat. Pak J
Biol Sci, 2010, 13: 699−705
[5] Khamssi N N, Najaphy A. Comparison of photosynthetic com-
ponents of wheat genotypes under rain-fed and irrigate conditions.
Photochem Photobiol, 2012, 88: 76−80
[6] Jiang G H, He Y Q, Xu C G, Li X H, Zhang Q. The genetic basis
of stay-green in rice analyzed in a population of doubled haploid
lines derived from an indica by japonica cross. Theor Appl Genet,
2004, 108: 688−698
[7] Jannink J L, Bink M C A M, Jansen R C. Using complex plant
pedigrees to map valuable genes. Trends Plant Sci, 2001, 6:
337−342
[8] Risch N J. Searching for genetic determinants in the new millen-
nium. Nature, 2000, 405: 847−856
[9] Zondervan K T, Cardon L R. The complex interplay among fac-
tors that influence allelic association. Nat Rev Genet, 2004, 5:
89−100
[10] de Oliveira Borba T C, Brondani R P V, Breseghello F, Coelho A
S G, Mendonca J A, Rangel P H N, Brondani C. Association
mapping for yield and grain quality traits in rice (Oryza sativa L).
Genet Mol Biol, 2010, 33: 515−524
[11] Huang X H, Zhao Y, Wei X H, Li C, Wang A, Zhao Q, Li W J,
Guo Y L, Deng L W, Zhu C R, Fan D L, Lu Y Q, 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 flowering time and grain yield traits in a worldwide collection
of rice germplasm. Nat Genet, 2011, 44: 32−39
[12] Kump K L, Bradury P J, Wisser R J, Buckler E S, Bclcher A R,
Oropeza-Rosas M A, Zwonitzer J C, Kresovich S, McMullen M
D, Ware D, Balint-Kurti P J, Holland J. Genome-wide association
study of quantitative resistance to southern leaf blight in the
maize nested association mapping population. Nat Genet, 2011,
43: 163−168
[13] Yan J B, Shah T, Warburton M L, Buckler E S, McMullen M D,
Crouch J. Genetic characterization and linkage disequilibrium es-
timation of a global maize collection using SNP markers. PLoS
One, 2009, 4: e8451
[14] Breseghello F, Sorrells M E. Association mapping of kernel size
and milling quality in wheat (Triticum aestivum L.) cultivars.
Genetics, 2006, 172: 1165−1177
[15] Wang L F, Ge H M, Hao C Y, Dong Y S, Zhang X Y. Identifying
loci influencing 1 000-kernel weight in wheat by microsatellite
screening for evidence of selection during breeding. PLoS One,
2012, 7: e29432
[16] Wei T-M(魏添梅), Chang X-P(昌小平), Min D-H(闵东红), Jing
R-L(景蕊莲). Analysis of genetic diversity and tapping elite al-
leles for plant height in drought-tolerant wheat varieties. Acta
Agron Sin (作物学报), 2010, 36(6): 895−904 (in Chinese with
English abstract)
[17] Zhang J N, Hao C Y, Ren Q, Chang X P, Liu G R, Jing R L. As-
sociation mapping of dynamic developmental plant height in
common wheat. Planta, 2011, 235: 891−902
[18] Somers D J, Isaac P, Edwards K. A high-density microsatellite
consensus map for bread wheat (Triticum aestivum L.). Theor
970 作 物 学 报 第 38卷

Appl Genet, 2004, 109: 1105−1114
[19] Holland J B, Nyquist W E, Cervantes-Martínez C T. Estimating
and interpreting heritability for plant breeding: an update. Plant
Breed Rev, 2003, 22: 9−112
[20] Liu K, Muse S V. PowerMarker: an integrated analysis environ-
ment for genetic marker analysis. Bioinformatics, 2005, 21:
2128−2129
[21] Evanno G, Regnaut S, Goudet J. Detecting the number of clusters
of individuals using the software STRUCTURE: a simulation
study. Mol Ecol, 2005, 14: 2611−2620
[22] Bradbury P J, Zhang Z, Kroon D E, Casstevens T M, Ramdoss Y,
Buckler E S. TASSEL: software for association mapping of com-
plex traits in diverse samples. Bioinformatics, 2007, 23:
2633−2635
[23] Hardy O J, Vekemans X. SPAGeDi: a versatile computer pro-
gram to analyse spatial genetic structure at the individual or
population levels. Mol Ecol Notes, 2002, 2: 618−620
[24] Wen Z-X(文自翔), Zhao T-J(赵团结), Zheng Y-Z(郑永战), Liu
S-H(刘顺湖), Wang C-E(王春娥), Wang F(王芳), Gai J-Y(盖钧
镒). Association analysis of agronomic and quality traits with
SSR markers in Glycine max and Glycine soja in China: I. Popu-
lation structure and associated markers. Acta Agron Sin (作物学
报), 2008, 34(7): 1169−1178 (in Chinese with English abstract)
[25] Wen Z-X(文自翔), Zhao T-J(赵团结), Zheng Y-Z(郑永战), Liu
S-H(刘顺湖), Wang C-E(王春娥), Wang F(王芳), Gai J-Y(盖钧
镒). Association analysis of agronomic and quality traits with
SSR markers in Glycine max and Glycine soja in China: II. Ex-
ploration of elite alleles. Acta Agron Sin (作物学报), 2008, 34(8):
1339−1349 (in Chinese with English abstract)
[26] Zhang X-Y(张学勇), Tong Y-P(童依平), You G-X(游光霞), Hao
C-Y(郝晨阳), Ge H-M(盖红梅), Wang L-F(王兰芬), Li B(李滨),
Dong Y-C(董玉琛), Li Z-S(李振声). Hitchhiking effect mapping:
A new approach for discovering agronomic important genes. Sci
Agric Sin (中国农业科学), 2006, 39(8): 1526−1535 (in Chinese
with English abstract)
[27] Doebley J F, Gaut B S, Smith B D. The molecular genetics of
crop domestication. Cell, 2006, 127: 1309−1322
[28] Subudhi P K, Rosenow D T, Nguyen H T. Quantitative trait loci
for the stay green trait in sorghum (Sorghum bicolor L.): consis-
tency across genetic backgrounds and environments. Theor Appl
Genet, 2000, 101: 733−741
[29] Van Oosteerom E J, Jayachandran R, Bidinger F R. Diallel
analysis of the stay-green trait and its components in sorghum.
Crop Sci, 1996, 36: 540−555
[30] Walulu R S, Rosenow D T, Wester D B, Nguyen H T. Inheritance
of the stay-green trait in sorghum. Crop Sci, 1994, 34: 970−972
[31] Jiang G H, He Y Q, Xu C G, Li X H, Zhang Q. The genetic basis
of stay-green in rice analyzed in a population of doubled haploid
lines derived from an indica by japonica cross. Theor Appl Genet,
2004, 108: 688−698
[32] Hui Z(惠振). The Photosynthetic Characteristic of TaSG1 Wheat
Mutant with Stay-Green Phenotype and the Physiological
Mechanism Responsible for Stay-Green. MS Thesis of Shandong
Agricultural University, 2009. p 59 (in Chinese with English ab-
stract)
[33] Rafalski A. Applications of single nucleotide polymorphisms in
crop genetics. Curr Opin Plant Biol, 2002, 5: 94−100
[34] Lou X Y, Casella G, Littell R C, Yang M C K, Johnson J A, Wu R
L. A haplotype-based algorithm for multilocus linkage disequi-
librium mapping of quantitative trait loci with epistasis. Genetics,
2003, 163: 1533−1548
[35] Yang D-L(杨德龙). Genetic Dissection of Quantitive Loci for
Important Physiological and Agronomic Traits Associated with
Drought Tolerance in Wheat (Triticum aestivum L.). PhD Disser-
tation of Gansu Agricultural University, 2007. pp 27−31 (in Chi-
nese with English abstract)
[36] Jing R-L(景蕊莲), Chang X-P(昌小平), Jia J-Z(贾继增), Hu
R-H(胡荣海). Establishing wheat doubled haploid population for
genetic mapping by anther culture. Biotechnology (生物技术),
1999, 9(3): 4−8 (in Chinese)
[37] Zhang K, Zhang Y, Chen G, Tian J. Genetic analysis of grain
yield and leaf chlorophyll content in common wheat. Cereal Res
Commun, 2009, 37: 499−511
[38] Thornsberry J M, Goodman M M, Doebley J, Kresovich S, Niel-
sen D, Buckler IV E S. Dwarf8 polymorphisms associate with
variation in flowering time. Nat Genet, 2001, 28: 286−289
[39] Yu J, Buckler E S. Genetic association mapping and genome or-
ganization of maize. Curr Opin Biotechnol, 2006, 17: 155−160
[40] Flint-Garcia S A, Thuillet A, Yu J, Pressoir G, Romero S M,
Mitchell S E, Doebley J, Kresovich S, Goodman M. M, Buckler
E S. Maize association population: a high-resolution platform for
quantitative trait locus dissection. Plant J, 2005, 44: 1054−1064