应用根系表型和分子标记鉴定不同磷处理影响油菜根系发育的遗传位点

High-throughput root phenotyping screensidentify genetic loci associated with root architectural traits in Brassicanapus under contrasting phosphate availabilities

物种：油菜

期刊：Annals of Botany

影响因子：3.65

发表单位：华中农业大学

发表时间：2012年

研究背景：

磷元素是作物生长发育中重要的元素，土壤中磷元素的高低与作物根系的发育紧密相关，因此可以根据相关基因位点进行选择和改良。本试验通过对高浓度磷和低浓度磷处理的油菜，观测油菜根系发育的表型性状，并进行相关的QTL定位。

研究方法：

定位的材料为两个自交系构建的190个DH群体，对于每个家系种植16株，处理为高浓度P和低浓度P，四次重复，由于出苗的问题等，含有缺失值，每个株系观测值有4到16株，平均每个株系有11株观测值。该试验有a个重复，每个重复分b个批次（Run），每个批次有c盆（Plate），每盆有d个观测值（Position）。

分析难点：缺失值和预测均值

在进行QTL定位时，每个株系都要有一个值来代表该株系的表型值，单纯用平均值或者去掉变异大的观测值后的平均值，偏差都比较大。如果表型值有偏差，无疑会影响后续QTL定位的准确性。可以根据试验设计，应用混合线性模型REML（residual maximum likelihood）估计每个家系的估计均值（estimateindividual line means），将这个估计均值作为每个家系的表型值更准确，也更可信。

应用GenStat软件中的模型：

1、  数据转化，对于一些模型中不呈现正态分布的数据（SDW和RDW），对数据进行平方根（square root）转化。

2、  应用REML的方法估计每个家系的预测均值，由于试验设计是镶嵌结构，每个重复包含b个批次，每个批次包含c盆，每盆含有d个观测值，将P+Line+P.Line作为固定因子，将Replicate/Run/Plate/Position作为随机因子，选择PredictMeans输出结果。模型如下：

3、计算每个因素所占的方差组分比例，并计算遗传力

将所有的处理因素都当做随机因子，估算每个因素所占的方差组分，进而计算每个因素方差组分所占的百分数。根据方差组分计算遗传力，论文中将家系的方差组分百分数近似认为是狭义遗传力。也可以根据一定的公式进行计算（详见计算遗传力的方法微信稿）。用到的模型：

主要结果：

1、  每个因素方差组分所占的百分数以及显著性

结果分为Replicate、Run、Plate、Position、Line、P、Line.P和Residual的方差组分所占的百分比，这是所有处理都当作随机因子的模型。对Line、P、Line.P因素显著性的检验，用的是Wald test。

2、  不同表型不同磷浓度处理定位的QTL信息

参考文献

Shi L, Shi T, Broadley M R, et al.High-throughput root phenotyping screens identify genetic loci associated withroot architectural traits in Brassica napus under contrasting phosphateavailabilities[J]. Annals of Botany, 2012, 112(2):381-389.

公众号：vsnc2012，或者下面二维码