甘蔗QTL定位与标记辅助选择的初步研究

利用La Purple (S.officinarum L.)×Mol 5829(S.robustum Brands and Jeswi et exGrassel)杂交一代群体获得的RFLP和RAPD分子标记信息,用区间定位法(interval mapping)和单标记分析(point analysi s)法测定控制转光度(%)、小区蔗茎产量、纤维分(%)和抽穗茎率的QTL.选用与转光度和茎产量显著关联(F测验P＜0.01或区间定位中LOD＞2)的分子标记进一步对标记辅助选择的效果进行分析.对任一性状而言,与之显著关联的标记都含有正效应的和负效应的两类标记.由于单标记分析法可测定出未被归类到连锁群、但与QTL有关联的标记,故其可测定到的显著性标记要比区间定位法的多.分析结果表明,控制转光度和茎产量的QTL分散于多个连锁群中,而控制抽穗茎率的QTL相对集中于较少的连锁群中.在利用分子标记进行性状选择时,增加用于辅助选择的标记数目将使入选群体的性状平均值增大,而使误选低值个体的可能性减小.在多标记辅助选择时,各个标记都选用正效应的状态(标记出现或缺失)所得到的标记组合将可选得性状平均值最大的入选群体.     

向日葵体细胞胚的QTL分析及标记辅助选择

为了定位向日葵体细胞胚基因和筛选相关标记用于辅助育种,以31个重组自交系为材料,利用下胚轴表皮细胞诱导体细胞胚,获得了与体细胞胚发生率相关的,位于第5、10、13连锁群上的3个QTL位点,可分别解释表型变异的14.61％、10.04％和14.07％.同时,获得了与每块胚数相关的9个QTL位点,分别位于第2、8、10、11、12和19连锁群上,可解释表型变异的6.64％～16.96％,其中4个QTL位点位于第10连锁群上且位置相邻（在34.57 ～ 47.1OcM之间）,可解释表型变异的40.39％.为了验证所获结果,在31个重组自交系中,筛选出2个体细胞胚发生率高的株系和1个低的株系杂交,构建了2个F2分离群体.利用AFLP和SSR标记对F2群体进行扫描,在与体细胞胚发生率相关的第5、10、13条连锁群上分别增加了24、6和18个新标记,标间距从6.80 ～11.40cM缩短到5.10～5.60cM.通过对F2群体与亲本基因型进行QTL区域的对比分析,预选出7个体细胞胚发生率高和7个低的株系,利用F3家系诱导体细胞胚进行验证.结果表明,预选结果与实际获得的结果完全一致,控制向日葵每块胚数的基因主要位于第10连锁群上,控制体细胞胚发生率的基因主要位于第5、13连锁群上;4个AFLP标记（e32m50-1、e38 m49-2、e40m49-1、e32m62-10）是最靠近控制体细胞胚发生基因的标记,可以作为该性状的辅助选择标记.     

利用BC2群体定位大豆蛋白质含量QTL

进行大豆蛋白质含量相关的QTL定位可为分子标记辅助选择（MAS）育种和基因挖掘提供依据。本研究选用综合性状优良、蛋白质含量高的中黄13作轮回亲本,低蛋白质含量的东山69作供体亲本,构建了BC2F2、BC2F3回交导入系群体,采用SSR分子标记技术,获得含86个SSR标记、覆盖1 400.1cM、由19个连锁群组成的遗传连锁图谱a,利用完备区间作图法（ICIM）,对BC2F2、BC2F3分离群体的蛋白质含量进行QTL分析。结果表明：在BC2F2家系中检测到3个蛋白质含量相关QTL,分布于A1、C1和J连锁群,表型贡献率分别为10.00%、7.07% 和9.23%;在BC2F3家系中检测到4个蛋白含量相关QTL,分布于B1、C1、I和J连锁群,表型贡献率分别为17.57%、3.46%、8.53%和11.80%。标记区间Satt396～Satt180和Sct_001～Satt654在BC2F2、BC2F3家系中被同时检测到,且Sct_001～Satt654内发现的QTL很可能是一个与蛋白质含量相关的新位点。     

大豆定向选择群体耐旱性位点基因型分析及QTL定位

利用Clark导入到红丰11为背景的回交导入系进行萌芽期和苗期的连续性耐早鉴定,经萌芽期鉴定,获得36个耐旱定向选择导入系。对耐旱选择导入系进行全基因组SSR标记扫描,并以随机群体作为对照,计算供体基因型的导入频率,利用卡方测验检测显著偏分离的SSR标记位点,并结合GGT图示基因型软件对各染色体连锁群进行分析。其中在L连锁群的Satt398和Satt156两个位点有显著的供体片段“超导入”现象,供体基因型导入频率为0．9167和0．9583,卡方值高达182和201．5。另外,在F连锁群的Satt423,K连锁群的Satt167以及N连锁群的Sat_084等位点也出现供体导入片段的偏分离现象。同时,对萌芽期耐早鉴定中相对发芽率表现超亲的35个株系采用性状-标记间的单向方差分析（P〈0．01）和QTL定位,共检测到14个控制相对发芽率的QTL,分布在4个连锁群上,其中与卡方测验检测的结果相比较,在Satt156,Satt423,Sattt167等位点具有一致性,说明这些位点是与大豆耐旱性紧密相关的QTL位点。以上结果为进一步开展大豆耐旱性有利基因的精细定位、克隆和分子设计育种奠定了基础。     

利用高世代回交群体对大豆小粒性状的基因型分析及QTL定位

利用野生型大豆ZYD00006（供体亲本）与主栽品种绥农14（轮回亲本）所构建的高世代回交导入系,经过严格的百粒重筛选鉴定,得到43个百粒重性状明显小于轮回亲本的导入系个体。利用这套选择群体结合随机对照群体和基因型分析,通过基于遗传搭车原理的卡方分析,检测到分布于7个连锁群上的9个与大豆小粒性状相关的QTL位点,对小粒性状表现为正效应,为大豆小粒性状分子辅助育种提供有用的分子标记。     

大豆苗期耐盐性的遗传及QTL定位分析

利用亲本为科丰1号和南农1138—2的重组自交系群体NJRIKY进行大豆苗期耐盐性的遗传及QTL定位分析。以每个家系的平均存活时间为耐盐指标,采用主基因＋多基因混合遗传模型进行RIL遗传分析,结果表明,NJRIKY群体的耐盐性遗传符合F-3模型,即由3对主基因控制,没有多基因修饰,主基因遗传率是64．4％。利用CartographerV．2．5进行QTL定位,结果显示,共检测到3个耐盐QTL,它们分别位于B1、G和K三个连锁群上,分别解释8．4％、17．9％和11．3％的表型变异。     

分子标记辅助选择及其在甜菜育种上的应用

综述分子标记辅助选择（MAS）在甜菜育种上所取得的成就，并对今后MAS在甜菜上的应用前景进行了展望。     

抗霜霉病辅助标记选择（SCAR）的发展

霜霉病是由Peronospora tabacina引起的一种叶部病害，在生产中是一个严重的问题。在田间霜霉病的发生受环境的影响很大，使得抗病育种的过程更加复杂。     

不同种植密度下大豆产量性状的QTL分析

利用大豆重组自交系soy01群体的255个家系为作图群体,在不同年份、不同种植密度下进行了大豆产量性状的QTL分析。结果表明,采用复合区间作图法,2年2种处理组合下检测到单株荚数、单株粒数、每荚粒数等5个产量性状相关QTL共43个,分布于A2、F、I等14个连锁群,其中qNP-15—1等3个QTL在4种环境中均检测到,qNP-19—1等5个QTL在3种环境中均检测到,qNP-1—1等10个QTL在2种环境中均检测到,为较稳定的QTL。每荚粒数QTL qNSP-19—1和qNSP-19—2在多种环境中均检测到,贡献率均超过60％,为稳定主效QTL;百粒重QTL qSW-19—1在4种环境中均检测到,贡献率均超过20％,为稳定主效QTL。这些稳定的主效QTL可应用于精细定位和分子标记辅助育种研究。     

斑茅F2杂种选育与同工酶标记辅助选择

2000／01杂交季以与斑茅属间杂交F1杂种崖城95－41作母本，与父本CP57－614和川蔗57－416杂交，在二个组合后代实生苗中分别取13个单株进行过氧化物酶同工酶和酯酶同工酶分析。结果表明，除1个单株为可疑后代外，其它均为斑茅的F2后代。过氧化物酶同工酶PxA6、PxA7和PxA9在斑茅F2中出现机率高，特别是PxA6和PxA7，其酶带清晰易辨，可作为F2辅助选择的工具。     

多环境条件下大豆蛋白质含量稳定性Q TL分析

为定位大豆蛋白质含量稳定性QTL,从而为培育高蛋白大豆品种提供依据,本研究利用源自美国大豆Charleston和中国品种东农594杂交获得的147个株系组成的重组自交系群体,利用三种生态环境下三年数据估算的Shukla稳定性方差对大豆蛋白含量进行了遗传和QTL分析。结果表明,利用复合区间作图法（CIM）检测大豆蛋白稳定性QTL得到2个QTL,分别为qPRO1-1和qPRO17-1,位于连锁群A1和L上,贡献率分别为4．70％和5．73％,共解释10．43％的表型变异。利用混合区间作图法（MIM）检测到2对上位性QTL,互作染色体为A1×G和A1×A2,上位效应分别为0．19＊＊和-0．22,贡献率为12．82％和17．42％,共解释30．24％表型变异。本实验分析多个环境下的数据,考虑到了QTL与环境的互作效应,在三种环境条件下分析QTL,检测到了在不同环境下可以稳定出现的QTL位点。控制大豆蛋白含量的QTL位点,都表现出明显的上位性效应和GE互作效应。其中稳定性较好的QTL和公共图谱上定位的调控大豆蛋白质含量的QTL prot 1-7、cq oil003、oil8-1、prot 17-5、prot 2-1及prot 12-1等在区间上一致。     

两种方法定位5个地点大豆蛋白质含量QTL

利用CIM和MIM法,对大豆Charleston×东农594的154个重组自交系在5个不同地点进行蛋白质含量测定和QTL定位分析。共检测到25个QTL,分别位于A1、B1、C2、D1a、D1b、E、J、L和N连锁群上。用CIM法定位了20个与蛋白质含量相关的QTL,用MIM法定位了9个与蛋白质含量相关的QTL。在C2连锁群上多次定位的ProC2-4,标记区间为Sat_092-Satt460,与前人找到的QTL位点一致。     

东北地区大豆主栽品种油份蛋白含量的关联分析

为探寻与大豆油份含量、蛋白含量相关的关键位点,本研究选取中国东北地区92份大豆主栽品种及常用种质资源品种群体基于蛋白含量和油份含量的Meta分析,进行基于数学模型的类群划分评价,估测样本群体的结构,应用简单线性模型分析与大豆油份含量、蛋白含量相关的的位点。结果表明,通过多次迭代测试,当K=5时,即该资源群体可以分为5个亚群时,为最稳定的分类结果,并在显著水平下（p〈0.05）贡献率大于1%的标记中,得到与大豆油份含量相关标记有Sat_412,Sat_195,Satt317,Sat_187,Sat_195,Satt255,Satt713,Satt468,Satt267,Satt686,Sat_294和AZ302047,对油分含量的总贡献率为39.54%。蛋白质含量相关标记有Satt683,Sat_311,Satt578,Satt181,Satt317,Satt700,Satt713,Satt255,Sat_242和Satt720对蛋白质含量总贡献率为48.39%。这些重要的标记位点为大豆油份含量和蛋白含量的分子辅助育种提供重要基础。     

野生大豆回交导入系蛋白质含量性状的QTL分析

以野生型大豆ZYD00006（供体亲本）与黑龙江省主栽品种绥农14（轮回亲本）所构建的回交导入系（1 204株）为研究材料,利用WinQTL2.5的复合区间作图法（CIM）在9个连锁群定位了16个与蛋白质含量相关的QTL（14个正效应,2个负效应）;导入系群体经过严格的蛋白质含量筛选鉴定,得到10个蛋白质含量性状明显大于轮回亲本的导入系株行。利用这10个高蛋白含量株行（选择群体）结合随机对照群体,通过基于遗传搭车原理的卡方分析,检测到分布于10个连锁群上的17个与大豆蛋白质含量相关的标记位点,对蛋白质含量表现为正效应。两种方法共同检测到7个QTL。这些材料和位点将为高蛋白含量相关基因克隆及分子辅助育种提供重要的材料基础和标记信息。     

脂酶催化下大豆粉末磷脂与全氢化大豆油酯交换反应的研究

本文利用脂酶的特异性催化作用,研究了正己烷体系中,大豆粉末磷脂与全氢化大豆油的酯交换反应。利用碘值和产率为指标,考察了酶的种类及用量、底物摩尔比、温度、时间等因素对酯交换反应的影响,通过单因素和正交试验优化了大豆粉末磷脂与全氢化大豆油酯交换反应条件。发现在25%磷脂酶A1(以磷脂质量为基准)催化下,摩尔比4:1的全氢化大豆油和大豆粉末磷脂的正己烷溶液(磷脂浓度为0.20 g/mL),在50 ℃下反应24 h,得到产率为72.9%的改性磷脂。与原料磷脂相比,改性磷脂的碘值由89 g /100 g降至52 g /100 g,脂肪酸组成变化较大,硬脂酸含量约为原料磷脂的9倍,不饱和脂肪酸亚麻酸和亚油酸含量降低了约一半,实现了大豆粉末磷脂的结构修饰。     

两个微胚乳超高油玉米群体粒重和含油率对混合选择的选择响应

利用合成的黄粒和白粒两个微胚乳超高油玉米原始群体（C0）,经过两年四轮回的混合选择改良,通过测定各轮回群体的5粒重、含油率和5粒油重三个性状,研究其选择响应。结果表明：黄、白两个群体,5粒重、含油率及5粒油重三个性状的原始群体及各轮回群体间都存在极显著差异。在第四轮混合选择（C4）后的5粒重最高,黄色群体C4y的5粒重的选择响应为0.048g,较C0y提高12.18%;白色群体C4w的5粒重选择响应为0.044g,较C0w提高10.16%。黄、白两个群体第三轮回群体（C3）的含油率的达到最高。黄色群体C3y含油率的选择响应为3.16%,较C0y提高11.89%;白色群体C3w含油率的选择响应为1.12%,较C0w提高4.03%。黄、白两个群体C4的5粒油重的达到最高。黄色群体C4y的5粒油重的选择响应为0.022 1g,较C0y提高21.25%;白色群体C4w的5粒油重的选择响应为0.016 1g,较C0w提高13.39%。经过四轮的混合选择,黄、白两个群体的5粒重、含油率和5粒油重都得到了显著提高,利用混合选择对微胚乳玉米早代群体这些性状的改良是有效的。     

Isoflavone profiles,phenol content,and antioxidant activity of soybean seeds as influenced by cultivar and growing location in Ohio

Isoflavone levels and isoflavone chemical composition in soybeans vary between planting locations although the exact factors which control isoflavone biosynthesis are unclear. We compared levels of 12 isoflavones in soybean seeds of six cultivars grown in four different locations in Ohio in 2002 as determined by high‐performance liquid chromatography. Antioxidant activity contained in plant‐based foods can improve food oxidative stability and phenolics and isoflavones have proven active in food systems. Radical scavenging activity was assessed using the 2,2‐diphenyl‐1‐picrylhydrazyl (DPPH) radical. Total phenolics (TPCs) were determined by using Folin–Ciocalteu reagent. Total isoflavones (TIs) varied five‐fold (1573–7710 nmol g^?1) between seeds from the various location–cultivar combinations. One location (Wooster, Ohio) produced seeds containing half the isoflavones as the other locations tested apparently due to poor growing conditions. The cultivars could be divided into two groups based on TI, one having approximately 50% more isoflavones. Surprisingly, across the entire data set, with increasing TI, the proportion of isoflavones accounted for by the daidzein family increased due primarily to malonyl daidzin. DPPH scavenging did not differ significantly by location or cultivar (P > 0.05) and did not correlate with TPC or TI. Profiling soybean isoflavones could help elucidate how isoflavone biosynthesis is regulated and lead to better disease resistance of soybean crops and soy foods with greater health benefits. Copyright © 2007 Society of Chemical Industry     

Rapid measurement of total acid content (TAC) in vinegar using near infrared spectroscopy based on efficient variables selection algorithm and nonlinear regression tools

Total acid content (TAC) is an important index in assessing vinegar quality. This work attempted to determine TAC in vinegar using near infrared spectroscopy. We systematically studied variable selection and nonlinear regression in calibrating regression models. First, the efficient spectra intervals were selected by synergy interval PLS (Si-PLS); then, two nonlinear regression tools, which were extreme learning machine (ELM) and back propagation artificial neural network (BP-ANN), were attempted. Experiments showed that the model based on ELM and Si-PLS (Si-ELM) was superior to others, and the optimum results were achieved as follows: the root mean square error of prediction (RMSEP) was 0.2486 g/100mL, and the correlation coefficient (R(p)) was 0.9712 in the prediction set. This work demonstrated that the TAC in vinegar could be rapidly measured by NIR spectroscopy and Si-ELM algorithm showed its superiority in model calibration.