科研之友
微信
新浪微博
Facebook
分享链接
摘要
【背景】桃单果重和可溶性固形物含量（SSC）是育种家关注的两个重要的数量性状，受到多个微效基因的控制，难以通过单个标记进行早期筛选。全基因组选择作为一种新颖的数量性状早期预测工具，在果树上已经有了初步应用，但其在桃上的应用效果以及影响预测准确性的因素仍需要深入探讨。【目的】建立桃单果重和SSC的全基因组选择技术，为桃高效分子育种技术体系的建立奠定基础。【方法】以520株训练自然群体为试材，通过重测序筛选出的48 398个SNP进行分型，在11个全基因组预测模型中分别筛选出两个数量性状适宜的模型，进而在56株自然群体和1 145株杂交群体上进行应用。【结果】3类群体的平均测序数据量在1.95—3.52 Gb，测序深度为5.29—10.79×。训练自然群体经与参考基因组比对，共得到5 065 726个SNP，去除缺失率较高（>20%）、最小等位基因频率过低（<0.05）的位点后，随机挑选基因组上48 398个SNP用于训练群体的全基因组选择模型构建。单果重预测精度最高的模型是BayesA,SSC预测精度最高的模型为randomforest。分别利用两个数量性状最适的模型进行预测，发现在自然群体中，单果重的预测精度为0.4767—0.6141，高于SSC的0.3220—0.4329；而在杂交群体中，单果重的预测精度为0.2319—0.4870，同样高于SSC的0.0200—0.2793；该结果也表明利用训练自然群体构建的预测模型在预测自然群体上应用的精度高于杂交群体。进而以单果重为例，发现当育种目标是大果时，全基因组选择仅需保留17.78%的单株，效率明显高于单标记和双标记筛选。同时探讨了群体离散程度、遗传力和群体结构等对预测精度的影响，发现预测精度可能受到上述因子的综合影响。【结论】本研究筛选出桃果实单果重和SSC适宜全基因组选择模型，表明该方法的选择效率明显高于单标记筛选，研究结果为两个数量性状的高效分子辅助育种奠定了理论和技术支撑。
-
单位中国农业科学院郑州果树研究所
