大麦籽粒蛋白质含量的变化及其关联分析外文翻译资料

大麦籽粒蛋白质含量的变化及其关联分析

摘要

背景：大麦籽粒蛋白质的含量（GPC）是一种重要的大麦 作为 麦芽的 品质决定因素 ， 饲料就等同与食品。这是由复杂的遗传系统来控制的。GPC 在大麦的不同的基因型间和不同的环境中都是大大不同的。必须要理解大麦GPC的遗传控制和在不同环境下确定少变的基因型。

结果：在这次研究中， 59 栽培 和 99 西藏野生大麦基因型被用来为基因组 协会 研究（GWAS）和 一 多平台 候选基因的关联分析在 ，为了 确定 的 分子 标记 与 GPC相关。西藏野生大麦有比 栽培大麦高 GPC 。西藏野生大麦比大麦高GPC。GPC和糖化力（DP），和麦芽提取物证实GPC测定麦芽质量的显著相关性的重要性。通过GWAS与大麦GPC相关标志物进行DART技术（DART）检测。此外，GWAS显示两hvnam基因作为候选基因控制GPC。hvnam1多态性与GPC之间无关联检测，而单核苷酸多态性（SNP）（798，P＜0.01）与GPC，位于hvnam2第二内含子。在大麦hvnam2和GPC，疗法E hvnam1单倍型之间具有显著的相关性。

结论：GWAS和候选基因关联研究可以有效地用来确定GPC在大麦的遗传变异。镖标记和识别hvnam基因多态性分在本研究是今后发展的高质量的大麦品种有用。hvnam基因可以控制大麦GPC发挥作用。

关键词：籽粒蛋白质含量、麦芽质量，分子多态性，西藏野生大麦（Hordeum农艺L.），关联映射

背景：

籽粒蛋白质含量（GPC）是禾谷类作物中一种重要的质量决定因素。在大麦中，GPC是与饲料、麦芽质量的情况密切相关的。蛋白质含量高，有利于饲料品质，而较低或中度的蛋白质含量，会降低麦芽大麦的品质。GPC在许多方面影响着啤酒的质量，包括酵母营养，阴霾在啤酒和酶的活动信息[ 1,2 ]。

大麦GPC是由多基因控制的，有许多数量性状位点（QTL）被映射到的所有七条染色体，主要在2h、4h、5h、6h [3,4]。这些位点已经确定的QT制图。重新研究，全基因组关联研究（GWAS）已发展到解剖各种植物[5,6]复杂性状。GWAS已经在GWAS可对多个基因型进行了传统的QTL定位的优势。而用于常规的作图群体是来自双亲的交叉发展，只允许在一个工厂提供位点/基因子集检测有限公司决议，DUE不足的连锁遗传位点之间的重组。因此，GWAS可能更广泛的遗传变异与更高的分辨率和特征映射在种群水平上比传统的QTL定位[ 6 ]表型。在大麦，七麦芽品质性状和一些重要的农艺性状得到有效利用GWAS [7-9]分析。

西藏青海高原，被认为是世界上栽培大麦的原始中心之一，大麦种质资源丰富[ 10 ]。多态信息含量（PIC）西藏野生大麦的价值高于根据中国地方品种的SSR标记分析，野生大麦具有更独特的等位基因相较于栽培大麦[11-13]。因此，西藏野生大麦被认为在控制GPC [11-13]基因有更大的变异性。因此，从西藏野生大麦和来自全球定的大麦可以提供高分辨率的大麦GPC GWAS给全球的人口。

小麦QTL控制GPC，命名为gpc-b1，克隆，和转录因子（NAM-B1）通过调节衰老和蛋白转运[ 14 ] GPC相关。两个同源基因（GenBank登录号dq869678和dq869679）大麦的染色体上ttnam-b1 6h和2h，分别为[ 14 ]。单核苷酸多态性（SNP）分析表明，该nam-1基因的等位变异可能关联与GPC变异在大麦属。在大麦品种或物种之间的hvnam-1或其他基因表达的差异可以归因于GPC变异等[ 15 ]。然而，一些研究已经完成对大麦hvnam2迄今为止，除了，hvnam2序列发表[ 16 ]。

目前研究的目标是（1）检查之间的相关性对麦芽质量；（2）识别区分与GPC的GWAS大麦作图群体相关的分子标记和确定控制GPC的候选基因；（3）分析或hvnam基因和GPC之间的关联。

方法

植物材料

一个收集158个大麦进行关联映射和GPC分析。这些材料包括59大麦（H. vulgare L.）来自世界不同地区和99西藏野生大麦（H.割手密L.）。所有的大麦是在2008和2009的早冬的品种和种质在浙江大学华家池校区（杭州，中国，120种°E 30.5°N）。每个加入播种为两系的排列，长2米和0.24米的间隔线，和每一行种植40颗种子。所有地块均提供150公斤/公顷的N，其中N为40公斤/公顷，复合肥施在播种前，和110公斤/公顷，尿素燮合股在两叶期和孕穗期，分别为等量。此外，180公斤/公顷的氯化钾被施加之前播种。实验是在两个AR块设计范围。在每一个块，158个大麦随机安排加入。所有其他的农艺措施，包括杂草和疾病的控制，都是相同的在本地应用。采集各基因型的叶片，提取各基因型的叶片。收获的种子被储存在4°C的麦芽作坊。GPC和所有样品的麦芽质量测定的实验，测量每个样品做三个平行。

GPC测定

成熟的谷物在cyclotec 1093样磨（tecator AB公司，瑞典），通过一个0.5毫米的筛子。采用凯氏定氮法测定GPC [ 17 ]。蛋白质含量是通过复制6.25个因子与N含量计算。

麦芽制造和质量分析

粮食样品（约200克）微麦芽在微型啤酒设备（凤凰系统，阿德莱德，澳大利亚）使用制度如下：6小时浸泡，空气中存放14小时，8小时浸泡，14 h和4 h的空气中存放和浸泡，其次是96小时在15°C的发芽培养。麦芽进行65°C烘干24 H、使用tecator旋风机配有一个0.5毫米的筛子进行研磨。可溶性总蛋白含量（SPC和TPC）麦芽和麦芽质量参数（麦芽提取物、库尔巴哈值、粘度和DP）进行测定，根据EBC正式见面方法（欧洲啤酒大会，1975）。

基因提取与基因型分析

通过uzunova等人描述的分离从大麦幼苗叶片基因组DNA样本。[ 18 ]。总之，叶组织的理由，以及由此产生的粉末悬浮与CTAB（十六烷基三烷基三甲基溴化铵）缓冲液（pH 5）。通过离心去除不溶性微粒。DNA沉淀从水相中，进行彻底清洗，以除去污染的盐。

全基因组DNA样品分析中镖使用大麦基因分析（bstni）版本1.7阵[ 19 ]在DArT技术有限公司澳大利亚。大约有1500省道标志，在一个广泛的大麦品种的多态性，和1000标记的野生大麦种质检测（http://www.triticarte.com.au/content/ barley_diversity_analySIS的HTML）。其中1576个标记和1319个多态性标记的标记，那些与磷的值lt; 0.05被用于目前的研究。

该设计引物用Primer3 [ 20 ]的基础上，hvnam1和hvnam2序列（GenBank登录号dq869678和dq869679，NCBI）。50-atgggcagcccggactcatcctcc-30和50 tacagggattc CAGttcacgccggat-30，50-atgggcagctcggactcatcttcc-30和50 tcagggattccagttcacgccgga-30分别用于hvnam1和hvnam2扩增。PCR反应性混合物含有20 mM Tris–HCl、KCl 50 mM，2mmmgcl2，lmofeachdntp，5pmolofeach引物，50–100 ng DNA和一个单位的Taq DNA聚合酶（大的生物，上海，中国）。该反应在95°C下开始变性，5分钟后，35个周期为95°，60°，45°为45°，72°为1.5°。pcr在72°C下被终止10分钟。BigDye终结者v3.1循环测序试剂盒（Applied Biosystems，Foster City，CA，USA）进行测序。完整的基因序列使用Bioedit软件分析（HTTP：/ / www.mbio。NCSU .edu /基因/基因。HTML）。

数据分析

皮尔森相关分析之间的GPC，SPC进行，TPC和麦芽质量参数采用SPSS 13和SigmaPlot 10。所有的序列分析[ 21 ]。遗传多样性是考试，利用1319个随机分布的大麦镖标记在基因组多样性阵列技术有限公司，澳大利亚。从1319省道标记遗传多态性检测数据利用人口结构的结构软件版本2.3.3使用AD混合模型和五个独立的复制100000马尔可夫链的迭代[22,23]。K值范围从1到10进行老化100000次迭代和100000马尔可夫链蒙特卡罗（MCMC）进行迭代，根据软件的指令。利用SAS的GLM测试人口结构对GPC的影响（SAS研究所，卡里，北卡罗来纳州，美国）。该模型包括与结构2.2.3得到Q矩阵的部件，它是用来说明人口结构。R2（方差解释的模式）被认为是人口结构解释表型变异的比例估计。主成分分析（PCA）在GE进行表型数据来自1319省道的标记，这是标准化首先基于Unscrambler 9.7（迷彩的过程，奥斯陆，挪威）。流苏2.01被用来计算连锁不平衡（LD）基于参数相R2，这是一个测量的双变量[ 23 ]的关系。成对的关系矩阵（矩阵），这是进一步用于在关联模型的总体修正，与1319省道标记用流苏2.01 [ 23 ]计算。GPC的两年数据的平均值为未来的关联分析。基于结构与镖标记矩阵关联分析，hvnam基因和GPC用流苏2.01 [ 23 ]计算。DART标记和总的性状变异的关系采用混合线性模型（MLM）测试，这是流苏2.01实现。P值分别用流苏2.01实现降压MINP测试程序排列调整。调整后的标准值为0.05或0.01，被认为是关联的标准。镖标记和p值的曼哈顿图绘制软件版本的R 2.14.2（HTTP：/ / www.r项目。org /）。关联图是用作图2.1版[ 24 ]构造。

对hvnam1和hvnam2序列使用vectornti 10对齐（Invitrogen公司，卡尔斯巴德，美国）或CLC主要工作台5（CLC生物，奥胡斯，丹麦），和路线进行手动编辑使用E Bioedit软件。通过软硬件的单倍型推断流苏2.01 [ 23 ]。一个大麦加入被推断为罕见的单倍型，并在进行进一步排除分析。根据单倍型在hvnam基因分组，GPC之间变化59耕地和99西藏野生大麦种质进行分析，使用软件SAS 9软件（SAS研究所，卡里，北卡罗来纳州，美国）。单倍型和GPC之间进一步的关联分析，共158份，SAS 9软件（SAS研究所，卡里，北卡罗来纳州，美国）进行方差分析（ANOVA）和多重比较分析与最小显著性差异（LSD），平均在0.05水平上差异显著。

结果

蛋白质含量与库尔巴哈值的变化

59耕地和99西藏野生大麦交流的措施的范围从8.02%到13.50%，2008年平均10.56% ，2009年是8.28%～14.45%，平均值为10.87%（图1）。总的来说，西藏野生大麦比大麦高GPC（图2）。此外，一个正常的GPC分布如图1所示，提示在大麦中多基因或QTL控制着GPC。也有一个大的变化在SPC，TPC和158条库尔巴哈值（图3）。

GPC的值，2008和2009之间的SPC和TPC呈显著的正相关（R2 = 0.4435 * *为GPC；R2 = 0.3937 * *程控；R2 = 0.3937 * * TPC）（图3），而高数据2008伊巴赫指数可以解释2009的变异的55.11%。因此，它可能表明GPC、SPC、TPC、库尔巴哈值主要受遗传因素控制，也受环境的心理变化。

GPC，SPC，TPC四麦芽质量参数之间的关系

GPC在年提出的类似的结果（图3），所以对两年的平均值进行相关分析。结果表明，GPC呈显着正相关（SPC 0.628，P＜0.01），TPC（0.847，P＜0.01）和DP（0.340，P＜0.05），与麦芽提取物呈负相关（minus;0.347，0.01）（表1）。GPC和粘度、库尔巴哈值之间没有显著的相关关系。SPC与TPC呈正相关（0.759，P＜0.01），库尔巴哈值（0.626，P＜0.01）和DP（0.456，P＜0.01），与粘度呈负相关（minus;0.356，P＜0.01），显示的意义在确定麦芽质量SPC的意义。此外，TPC与DP呈正相关（0.465，P＜0.01）和麦芽提取物呈负相关（minus;0.326，P＜0.01）（表1）。

图1：在2008年和2009年平均籽粒蛋白质含量分布（GPC）。X轴显示在2008年和2009年的GPC，Y轴显示的个体数。

人口结构变化的影响及对GPC

在目前的研究中的主要目标之一是确定是否可用于关联分析GWAS大麦GPC和遗传标记。因此，我们获得了LD（R2）在本实验中所使用的人口。对获得的LD延伸超过0.40厘米的程度（附加文件1：图S1），和1319省道是随机分布在整个大麦基因组，确保坝覆盖良好的飞镖标记rley基因组。人群分层的存在在这些群体中，等位基因分布不均可能导致非功能性的和虚假的联系[25,26]。

图2：籽粒蛋白质含量（GPC）栽培与西藏野生大麦。

因此，在这项研究中考虑到人口结构。1319个省标记被用来评估的子集

剩余内容已隐藏，支付完成后下载完整资料

英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[286565]，资料为PDF文档或Word文档，PDF文档可免费转换为Word