meta|玉米植物形态、产量、保持绿色和抗病毒病性 QTL 的综合荟萃分析（Zea mays L.）

在这里插入图片描述
https://link.springer.com/article/10.1007/s00425-015-2419-9#Bib1
已经鉴定出大量归因于谷物生产力和其他农业重要性状的 QTL 并存放在公共存储库中。丰硕QTL的整合成为当前植物基因组学中的一个主要问题。为此，我们首先收集了玉米产量、株高、穗高、叶角、常绿和玉米粗矮病抗性 6 个农业重要性状的 QTL。然后采用 meta 分析方法检索 113 个 meta-QTL。此外，我们还通过生物信息学技术分离了靶性状的候选基因。几个候选基因，包括一些特征明确的基因，即用于株高的 GA3ox2、用于叶角的 lg1 和 lg4、用于开花时间的 zfl1 和 zfl2，与已建立的 meta-QTL 间期共定位。有趣的是，在一个相对狭窄的元 QTL 区域中，水稻产量相关基因 GW8/OsSPL16 的玉米直系同源物被认为是产量的候选者。利用本研究中介绍的结果将进一步了解玉米农艺性状的遗传结构。此外，这里报道的 meta-QTL 和候选基因可用于提高玉米的抗逆性和产量性能，并转化为其他作物。

介绍

玉米是三大谷类作物之一，不仅可以作为主食，还可以作为饲料和生物能源的原料。在不断变化的世界中，提高玉米的产量潜力、稳定性和性能有利于全球粮食安全。分子育种是提高玉米生产力的一种很有前途的方法。分子育种的先决条件之一是解剖农艺性状背后的遗传基础。玉米中大多数重要的农业性状是定量的，并且受许多基因控制，影响很小。连锁作图和关联分析已被用于确定玉米农业重要性状的遗传位点（Wallace 等人，2014 年）。

株高与作物生产过程中的抗倒伏性和收获指数有关。众所周知的“绿色革命”主要归因于通过将矮小基因 semidwarf1 （sd1）和降低高度（Rht）引入高产品种来改变植物身材。‘Green Revolution’ sd1 和 Rht 的基因都参与植物激素赤霉素（GAs）稳态（Hedden 2003）。越来越多的证据表明，植物激素 GA 在植物身材纵中发挥作用（Claeys 等人，2014 年）。根据玉米侏儒病对 GA 刺激的反应，可将其分为 GA 敏感型和 GA 不敏感型。四种玉米隐性矮化植物矮化 1 （d1）、d2、d3 和 d5 属于 GA 响应组（Fujioka 等人，1988 年）。两种玉米优势矮化植物 Dwarf8 （D8）和 D9 被归类为 GA 不敏感型（Winkler 和 Freeling 1994）。负责生物活性 GA 生物合成的 GA3ox2 基因已被基于图谱的克隆，并被证明参与玉米高度控制（Teng 等人，2013 年）。除植物激素 GA 外，植物激素油菜素类固醇（BRs）和生长素在调节玉米株高方面也很重要。BR 生物合成基因的突变导致严重的侏儒和花器官异常（Hartwig 等人，2011 年;Makarevitch 等人，2012 年）。玉米矮化植物 Brachytic2 （br2）在茎中生长素运输存在缺陷（Multani 等人，2003 年）。

直立的叶角有助于采光，是高种植密度的理想性状。已经报道了大量玉米叶角的 QTL。叶角 qLA2 QTL 位于玉米 2 号染色体上。水稻分蘖角基因分蘖角对照 1 （TAC1）的玉米直系同源物被认为是 qLA2 的候选者（Ku et al. 2010， 2011）。另一个玉米叶角 QTL qLA4 已进行基于图位的克隆，并编码水稻和拟南芥中 LAZY1 的玉米直系同源物。qLA4 通过影响 mRNA 积累负向触发玉米叶角（Zhang et al. 2014b）。全基因组关联研究（GWAS）表明，无叶根基因 lg1、lg2 和 lg4 的变异导致直立叶角表型（Tian 等人，2011 年;Li 等人，2012 年）。

Stay-green 是一个关键性状，主要可以分为两组：功能性和化妆品性 stay-green。功能性保持绿色导致光合作用能力的增强。相反，化妆品保持绿色显示叶绿素降解异常，而不维持光合作用能力。功能性保持绿色有利于提高抗压性（Thomas 和 Ougham 2014）。已经鉴定出许多玉米保持绿色的 QTL（Messmer 等人，2009 年;Zheng 等人，2009 年）。

玉米粗矮病是世界范围内的一种毁灭性病毒病。中国的病毒病原体是水稻黑纹病毒。对玉米粗矮病的抗性是一种定量性质。赋予粗矮细胞病抗性的 QTL 位于玉米 2 、 6 、 7 、 8 和 10 号染色体上。针对粗矮病的一个主要抗性 QTL 位于玉米 8 号染色体中（Luan 等人，2012 年;Tao 等人，2013 年）。

产量是玉米最重要和最复杂的性状。在经典的双亲连锁图谱中，已经检测到许多玉米产量和产量相关性状的 QTL（Messmer 等人，2009 年;Huang 等人，2010 年;Li 等人，2011 年;Liu et al. 2012， 2014;Zhang 等人，2013 年）。值得注意的是，通过连锁定位和突变体分析相结合的技术，已成功克隆了玉米籽粒行数的一个主要 QTL。在调节花序分生组织大小中发挥作用的 FASCIATED EAR2 （FEA2）是玉米籽粒行数控制的候选者（Bommert et al. 2013）。随着多样化的绘图群体和统计方法的发展，关联分析已被广泛用于玉米产量相关性状的 9 个遗传位点。Zhang et al. （2014a）通过 GWAS 剖析了 9 个与玉米籽粒行数显著相关的单核苷酸多态性（SNP）。基于代谢组的GWAS揭示了玉米粒重量纵的代谢标志物（温等人，2014）。候选基因关联分析表明，细胞分裂素（CK）生物合成基因异戊烯基转移酶 2 参与玉米籽粒重量决定因素（Weng 等人，2013 年）。

来自不同资源的 QTL 数据的整合为最终的 QTL 克隆和育种应用提供了信息。Meta 分析已被证明是整合 QTL 数据和优化 QTL 间期的有效方法。玉米开花时间、耐旱性、青贮饲料质量和水分缺乏反应的分子基础已通过 QTL 荟萃分析初步阐明（Chardon 等人，2004 年;Veyrieras 等人，2007 年;Salvi 等人，2009 年;Hao 等人，2010 年;Truntzler 等人，2010 年;Welcker 等人，2011 年;Xu 等人，2012 年）。此外，可以通过 meta 分析来研究性状之间的遗传相关性。通过 QTL 荟萃分析研究了玉米谷物水分与穗腐病抗性之间的相关性（Xiang 等人，2012 年）。

大多数农业上重要的性状是定量的，这意味着它们受 QTL 控制。QTL 的深度整合和再分析有助于理解支撑性状的分子基础和分子育种方案。在这里，我们试图通过荟萃分析策略整合和重新分析玉米中 6 个农业重要性状的 QTL。此外，我们关注了包含靶性状候选基因的 meta-QTL 的特征。鉴定出多个有前景的 meta-QTL，特别是 2 个具有玉米产量候选基因的 meta-QTL。这里报道的 meta-QTL 和候选基因值得通过基于组学和系统生物学的综合方法进行进一步研究。

材料和方法

QTL 数据收集

本研究研究了玉米产量及其产量相关性状，包括籽粒行数、每行籽粒数、籽粒重、每穗籽粒数、穗长、穗直径、穗重、籽粒长、籽粒宽度和籽粒比。此外，我们还调查了玉米的株高、穗高、叶角、保持绿色和粗矮化抗病性状。从 PubMed （http://www.ncbi.nlm.nih.gov/pubmed）和中国知识资源综合数据库（CNKI;http://www.cnki.net）。此外，还对 MaizeGDB （http://www.maizegdb.org）和 Gramene （http://www.gramene.org）网络资源进行了调查，以避免遗漏其他 QTL 信息。

Meta 分析

首先对所有收集的 QTL 进行 map-projection 投影，然后进行 meta 分析。将编译后的 QTL 迭代投影到目标图 IBM2 2008 Neighbors 上，以生成一致性图。构建共有图谱后，招募了 meta 分析以整合来自不同实验的 QTL 数据并改进 QTL 置信区间。通常，当对许多 QTL （N QTL）进行荟萃分析时，提出具有不同 Akaike 信息标准（AIC）值的 5 种模型，包括 1-、2-、3-、4-或 N-QTL 模型。AIC 值最低的模型被认为是最优的。由最佳模型呈现的 QTL 被视为元 QTL （Goffinet 和 Gerber 2000）。地图投影和 QTL 荟萃分析由新发布的 BioMercator（4.2 版）进行，其中包含来自 MetaQTL 软件的算法（Veyrieras 等人，2007 年;Sosnowski 等人，2012 年）。

带注释的转录本鉴定

在 MaizeGDB 和 Gramene Web 服务器的帮助下估计了 meta-QTL 的物理位置。简而言之，有关侧翼 meta-QTL 标记的信息首先从 IBM2 2008 Neighbors 图中检索。然后，基因组注释版本 AGPv2 在 Gramene 中具有“Assembly Converter”的实用程序转换为 AGPv3。在元 QTL 物理位置的指导下，通过格拉姆烯中的“区域报告”工具挖掘元 QTL 区域内的注释转录本。在本研究中，我们只在 meta-QTL 中鉴定了间隔小于 5 Mb 的注释转录本。

同源基因挖掘

我们通过文献综述选择了优先的候选基因子集。对于株高和穗高，调查了负责植物激素 GAs 和 BRs 生物合成、代谢和信号级联反应的基因。对于叶角，挖掘了与叶结构相关的基因。对于保持绿色，检查了参与叶绿素生物合成和分解代谢途径、Rubisco、叶片光合作用和衰老的基因。在产量方面，鉴定了水稻产量相关基因 DEP1 、 Ghd7 、 GIF1 、 Gn1a 、 GS3 、 GS5 、 GW2 、 GW5/qSW5 、 GW8 和 IPA1 / WFP 的直系同源物。

从玉米、水稻和拟南芥 3 个物种中分离出同源基因。同源物属于基因家族成员，它是通过 Wang et al. （2012b）描述的迭代策略挖掘的。其余同源物直接从 MaizeGDB、Gramene、Phytozome （http://www.phytozome.net）、水稻基因组注释计划（RGAP;http://rice.plantbiology.msu.edu）和拟南芥信息资源（TAIR;http://www.arabidopsis.org）使用 BLASTp 和/或 tBLASTn 实用程序的 Web 资源。