• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    群體構成方式對大豆百粒重全基因組選擇預測準確度的影響

    2018-01-18 01:29:28馬巖松劉章雄文自翔魏淑紅楊春明王會才楊春燕盧為國張萬海0吳紀安胡國華欒曉燕付亞書王曙明韓天富張孟臣苑保軍JochenREIF李文濱王德春邱麗娟
    作物學報 2018年1期
    關鍵詞:亞群準確度基因組

    馬巖松 劉章雄 文自翔 魏淑紅 楊春明 王會才 楊春燕 盧為國 徐 冉 張萬海0 吳紀安 胡國華 欒曉燕 付亞書 郭 泰 王曙明 韓天富 張孟臣 張 磊 苑保軍 郭 勇 Jochen C. REIF 江 勇 李文濱 王德春 邱麗娟,*

    ?

    群體構成方式對大豆百粒重全基因組選擇預測準確度的影響

    馬巖松1,2,13劉章雄1文自翔3魏淑紅4楊春明5王會才6楊春燕7盧為國8徐 冉9張萬海10吳紀安11胡國華12欒曉燕13付亞書14郭 泰15王曙明5韓天富1張孟臣7張 磊16苑保軍17郭 勇1Jochen C. REIF18江 勇18李文濱2王德春3邱麗娟1,*

    1中國農(nóng)業(yè)科學院作物科學研究所 / 國家農(nóng)作物基因資源與遺傳改良重大科學工程 / 農(nóng)業(yè)部作物種質資源與生物技術重點開放實驗室, 北京 100081;2東北農(nóng)業(yè)大學農(nóng)學院, 黑龍江哈爾濱150030;3Department of Plant, Soil and Microbial Sciences, Michigan State University, East Lansing, MI 48824, USA;4黑龍江省農(nóng)業(yè)科學院育種研究所, 黑龍江哈爾濱 150081;5吉林省農(nóng)業(yè)科學院大豆研究所, 吉林長春 130033;6內(nèi)蒙古赤峰市農(nóng)科所, 內(nèi)蒙古赤峰 024031;7河北省農(nóng)業(yè)科學院糧油作物研究所, 河北石家莊 050031;8河南省農(nóng)業(yè)科學院經(jīng)濟作物研究所, 河南鄭州 450002;9山東省農(nóng)業(yè)科學院作物研究所, 山東濟南 250010;10內(nèi)蒙古呼倫貝爾市農(nóng)科所, 內(nèi)蒙古呼倫貝爾 021000;11黑龍江省農(nóng)業(yè)科學院黑河分院, 黑龍江黑河 164300;12黑龍江省農(nóng)墾科研育種中心, 黑龍江哈爾濱 150090;13黑龍江省農(nóng)業(yè)科學院大豆研究所, 黑龍江哈爾濱 150086;14黑龍江省農(nóng)業(yè)科學院綏化分院, 黑龍江綏化 152052;15黑龍江省農(nóng)業(yè)科學院佳木斯分院, 黑龍江佳木斯 154007;16安徽省農(nóng)業(yè)科學院作物研究所, 安徽合肥 230031;17河南省周口市農(nóng)業(yè)科學院, 河南周口 466001;18Department of Breeding Research, Leibniz Institute of Plant Genetics and Crop Plant Research (IPK), Gatersleben 06466, Germany

    百粒重是大豆產(chǎn)量的重要構成因子, 在一定條件下與產(chǎn)量呈顯著正相關。百粒重是一個復雜的數(shù)量性狀, 用傳統(tǒng)的育種方法其遺傳增益不明顯。本研究對280份大豆品種進行了多年多點田間鑒定, 通過混合線性模型預測獲得品種百粒重的最佳線性無偏預測值。同時利用分布在大豆全基因組的5361個SNP標記鑒定參試品種基因型, 結合隨機回歸最佳線性無偏預測模型和交互驗證方法, 探討了群體構成方式對大豆百粒重的全基因組選擇預測準確度的影響。結果表明, 大豆百粒重的全基因組選擇預測準確度變化范圍為–0.15~ +0.75; 群體構成方式對百粒重的預測準確度影響明顯; 亞群內(nèi)的預測準確度(+0.24~ +0.75)高于亞群間(-0.15~ +0.29); 當群體間遺傳距離由0.1566增加到0.2201時, 預測準確度下降27.87%; 相比隨機構建的訓練群體, 基于群體遺傳結構構建的訓練群體能將百粒重的預測準確度提高2.34%。本研究明確了大豆百粒重的全基因組選擇預測準確度, 闡明了群體結構對大豆百粒重的全基因組選擇預測準確度的影響, 為大豆分子育種提供了新的思路和方法。

    大豆; 百粒重; 全基因組選擇; 預測準確度; 遺傳結構

    大豆是人類植物蛋白和脂肪的重要來源, 在日常膳食中占重要地位[1]。隨著生活水平的提高和膳食結構的調整, 我國對大豆的需求量與日俱增, 而我國大豆單位面積產(chǎn)量與世界平均水平差距仍較大,聯(lián)合國糧食及農(nóng)業(yè)組織的數(shù)據(jù)(http://www.fao.org/ faostat/zh/#data/QC)表明, 在1961—2014年間我國大豆與美國、阿根廷和巴西的大豆單產(chǎn)平均差距為41%~66%。因此, 如何有效提高我國大豆的單產(chǎn)水平是大豆育種中亟待解決的重大課題。

    百粒重是大豆產(chǎn)量的重要構成因子, 在一定條件下大豆百粒重與大豆產(chǎn)量呈顯著正相關[2-3]。大豆百粒重相關QTL研究已取得顯著進展, 前人利用分離群體、自然群體、重組自交系和染色體片段代換系等群體, 結合復合區(qū)間作圖法、關聯(lián)分析和Meta分析等方法定位了大量與大豆百粒重相關的QTL[4-7]。截止到2015年, SoyBase數(shù)據(jù)庫收錄的與大豆粒重相關QTL共計230個(http://soybase.org/ search/index.php?search= true&result=qtl &qtl=Seed+ weight)。這些相關研究為開發(fā)分子標記并用于育種創(chuàng)造了條件。然而, 標記輔助選擇應用于百粒重等由微效多基因控制的復雜數(shù)量性狀具有一定局限性, 全基因組選擇則為復雜性狀遺傳改良提供了新方法[8-10]。

    全基因組選擇(GS)由Meuwissen等[11]首先提出, 是標記輔助選擇(MAS)的一種新方法。該方法利用分布在染色體的高密度分子標記估算候選個體的基因組估計育種值(GEBV), 并以此作為候選個體選擇的標準。與傳統(tǒng)的標記輔助選擇(MAS)和基因組關聯(lián)分析(GWAS)相比, 全基因組選擇無需選擇標記, 而將所有標記用于估計育種值, 以提高對微效多基因控制復雜性狀的選擇效率[11]。近年來, 全基因組選擇已被廣泛應用于玉米[12-13]、小麥[14-15]、大豆[16-17]、水稻[18]、大麥[19]、黑麥[20]、向日葵[21]等作物和桉樹[22]等林木育種研究。全基因組選擇的關鍵是通過交互驗證方法構建基于分子標記選擇目標性狀的預測模型。全基因組選擇首先利用同時具有表型數(shù)據(jù)和基因型數(shù)據(jù)的訓練群體(TS), 建立目標性狀全基因組選擇的預測模型, 再利用預測模型分析驗證群體(VS)的基因型并預測其表現(xiàn)型, 通過表型鑒定驗證預測結果的準確度。預測準確度通常由基因組估計育種值(GEBV)與表型值的Pearson相關系數(shù)表示。全基因組選擇預測準確度的影響因素很多, 主要包括群體連鎖不平衡程度、標記類型和數(shù)量、目標性狀遺傳力、訓練群體與驗證群體的關系、預測模型的選擇等[12-24]。

    大豆的基因組序列數(shù)據(jù)的公布[25]及重測序[26-28]為全基因組選擇提供了豐富的標記信息, 50k大豆芯片的開發(fā)與利用[29]為大豆全基因組選擇實踐提供了技術支持。然而, 關于大豆全基因組選擇影響因子方面的報道還較少。Shu等[16]利用基于內(nèi)含子序列開發(fā)的79個SCAR標記對288個大豆品種百粒重進行全基因組選擇分析, 使用隨機回歸最佳線性無偏預測模型(RRBLUP)和貝葉斯線性回歸模型(Bayesian linear regression)的預測準確度最高值分別為0.854和0.904。Bao等[17]用282個品種的1536個SNP標記預測大豆抗胞囊線蟲病的全基因組選擇準確度的范圍為0.59~0.67, 隨著標記數(shù)量的降低其預測準確度呈下降趨勢。然而, 有關群體結構對大豆全基因組選擇預測準確度影響相關研究尚未見報道。

    本研究以280份大豆品種組成的自然群體為材料, 利用分布在大豆全基因組的5361個SNP標記和多年多點表型估算百粒重數(shù)據(jù), 分析供試群體的遺傳結構、訓練群體與驗證群體的構成方式等對大豆百粒重的全基因組選擇預測準確度的影響, 為大豆產(chǎn)量相關性狀的全基因組選擇育種提供理論依據(jù)。

    1 材料與方法

    1.1 供試群體的構成及表型鑒定

    280份大豆育成品種(系)構成的自然群體包括北方春大豆240份, 黃淮夏大豆39份, 引進國外種質1份(見附表1)。

    2008—2010年表型鑒定試驗地點為黑龍江、吉林、內(nèi)蒙古、河北、河南和山東。采用隨機區(qū)組田間設計, 3次重復, 4行區(qū), 行長5 m。2011—2012年表型鑒定試驗地點為黑龍江、吉林、內(nèi)蒙古、河北、河南、山東和安徽。采用隨機區(qū)組田間設計, 2次重復, 3個行區(qū), 行長3 m。均采用試驗地常規(guī)大豆種植管理方式。收獲時每個小區(qū)隨機選擇中間長勢均勻的10個單株參照邱麗娟等[30]編著的《大豆種質資源描述規(guī)范和數(shù)據(jù)標準(2006)》調查百粒重數(shù)據(jù)。

    表1 不同鑒定年份及試驗地點間百粒重變化

    1.2 供試群體目標性狀最佳線性無偏預測值和遺傳力的計算

    針對本研究的表型性狀數(shù)據(jù)為非均衡數(shù)據(jù), 采用混合線性模型,Y =+G+Y+L+。其中Y表示第個品種在第年的地點的目標性狀觀察值,代表目標性狀群體平均數(shù),GYL分別代表基因型(品種)效應、年份效應和地點效應,代表隨機誤差。將基因型(品種)、年份和地點作為隨機效應。計算參試品種目標性狀的最佳線性無偏預測值(BLUP), 以此作為目標性狀的基因組選擇表型數(shù)據(jù)。采用費爾等[31]的分析方法計算數(shù)量性狀遺傳力。

    22 / (2 + σ2/2/2/2/)

    式中,2表示廣義遺傳力,2表示基因型方差,2表示基因型與年份互作方差,2表示基因型與地點互作方差,2表示基因型、年份和地點互作方差,表示試驗年份,表示試驗地點,表示重復次數(shù)。

    1.3 供試群體的基因型鑒定

    利用Illumina SoySNP 6k iSelect BeadChip大豆芯片完成供試群體的全基因組掃描。該芯片由分布于大豆20條染色體上的5361個SNP組成。這些SNP標記是根據(jù)已發(fā)表大豆重要農(nóng)藝性狀QTL定位區(qū)間, 選自于Song等[29]構建的Illumina SoySNP50k iSelect BeadChip。利用GenomeStudio程序檢測獲得供試群體的基因型數(shù)據(jù)。刪除缺失數(shù)據(jù)超過5%的標記, 篩選出5354個SNP標記用于進一步分析。

    1.4 群體遺傳結構分析

    采用基于貝葉斯理論的馬爾科夫鏈蒙特卡羅方法(MCMC)及Structure 2.2軟件分析供試群體遺傳結構。亞群數(shù)量(值)設定范圍為1~10, Burn-in次數(shù)和MCMC重復次數(shù)均為10 000。依據(jù)Evanno等[32]D方法確定值。

    利用主成分分析方法(principle component analysis, PCA)結合TASSEL 5.0軟件[33]分析供試群體的基因型。分別以第一主成分和第二主成分為坐標軸, 繪制供試群體散點圖。

    1.5 全基因組選擇及預測準確度計算

    采用隨機回歸最佳線性無偏預測模型(random regression best linear unbiased prediction, RR-BLUP)和5倍交互驗證方法研究大豆百粒重全基因組選擇。RR-BLUP模型為++e, 式中表示供試材料目標性狀的最佳線性無偏預測值向量,表示群體平均值,表示標記的加性效應,= (X)表示′維基因型矩陣,表示殘差項。模型中, 假設標記效應和殘差項符合各自的隨機分布, 即~(0,2α)和~(0,2), 其中II表示單位矩陣, 單位矩陣的維數(shù)分別為22/p和22/l,2和2分別表示基因型方差和誤差方差,和分別表示標記數(shù)量和試驗地點數(shù)量。

    采用5倍交互驗證方法, 首先將供試群體隨機分成5份, 隨機選擇其中4份構成訓練群體(training subset, TS), 剩余的一份為驗證群體(validation subset, VS), 然后在訓練群體中利用表型數(shù)據(jù)和基因型數(shù)據(jù)建立大豆全基因組選擇模型, 最后, 在驗證群體中利用基因型數(shù)據(jù)和預測模型估算基因組估計育種值(genomic estimated breeding value, GEBV)。全基因組選擇預測準確度GSMP/, 其中MP表示驗證群體中基因組估計育種值與實際觀察值的相關系數(shù),表示遺傳力的平方根, 重復以上過程500次以消除取樣誤差。

    1.6 訓練群體及驗證群體的構成方式

    在供試群體中采用五倍交互驗證方式估算供試群體總體的百粒重的全基因組選擇預測準確度; 在群體遺傳結構分析的基礎上, 將供試群體分成若干亞群, 在每個亞群中利用相同方法估算百粒重的全基因組選擇預測準確度; 分別以每個亞群為訓練群體, 其他亞群為驗證群體, 估算不同亞群間百粒重的全基因組選擇預測準確度; 分別以其中一個亞群為驗證群體, 其他亞群為訓練群體, 估算不同亞群間百粒重的全基因組選擇預測準確度; 將每個亞群隨機分成5個部分, 隨機選擇每個亞群的任意4個部分組成訓練群體, 每個亞群的剩余的一個部分為驗證群體, 估算基于群體結構的訓練群體對百粒重全基因組選擇預測準確度的影響。

    1.7 數(shù)據(jù)分析軟件及方法

    通過R語言的“l(fā)me4”數(shù)據(jù)包計算供試群體目標性狀最佳線性無偏預測值和遺傳力, 利用Structure 2.2軟件分析群體遺傳結構, 利用Tassel 5.0軟件分析基因型主成分, 由R語言的“rrBLUP”數(shù)據(jù)包完成RRBLUP模型及5倍交互驗證。

    2 結果與分析

    2.1 供試群體表型性狀最佳線性無偏預測及遺傳力

    利用混合線性模型獲得280份大豆品種的百粒重最佳線性無偏預測值, 供試品種的百粒重變化范圍為13.39~23.72 g, 平均18.97 g, 變異系數(shù)為7.80%。其中北方春大豆百粒重變化范圍為13.39~ 23.72 g, 平均18.92 g, 變異系數(shù)為7.45%; 黃淮夏大豆百粒重變化范圍為16.15~23.49 g, 平均19.29 g, 變異系數(shù)為9.59% (表2)。與北方春大豆相比, 黃淮夏大豆的平均百粒重呈上升趨勢但差異不顯著(測驗)。

    方差分析表明, 品種間的百粒重差異均達到極顯著水平。此外, 百粒重在年份間、試驗地點間、年份與品種互作以及品種、地點和年份間互作均達到極顯著水平。地點與品種互作間差異不顯著。利用方差分析估算的百粒重遺傳力較高為0.92 (表3)。

    表2 不同群體間百粒重最佳線性無偏預測描述性分析

    表3 供試品種百粒重方差分析及遺傳力

    **表示在0.01水平上差異顯著。**means significant difference at the 0.01 level.

    2.2 供試群體的遺傳結構

    利用Structure軟件計算不同值下D的變化趨勢。當= 3時,D最大, 并且隨著值的增減,D顯著降低(圖1)。表明供試的280份大豆品種可被分成3個亞群。其中第I和第II亞群分別由133份和88份品種組成, 全部為北方春大豆, 第III亞群為混合亞群, 包括39份黃淮夏大豆和20份北方春大豆。不同亞群間的遺傳分化指數(shù), 亞群內(nèi)期望雜合度以及亞群間遺傳距離見附表2。

    進一步分析不同亞群中品種來源發(fā)現(xiàn), 第I亞群品種主要來自黑龍江省, 有115份, 占參試品種總數(shù)的86.46%, 其中吉林、內(nèi)蒙古、遼寧品種分別為13份、3份和1份, 還有1份國外品種。第II亞群以吉林品種為主, 為75份, 占比85.23%, 黑龍江、遼寧和山西品種分別為9份、3份和1份。第III亞群的品種來源較廣, 20份北方春大豆來源于遼寧、山西、吉林、北京、內(nèi)蒙古、河北等7個省(市、自治區(qū))。39份黃淮夏品種則來源于北京(11份)、山東(9份)、河南(6份)、河北(6份)、江蘇(3份)、安徽(2份)、山西(2份) 7個省(市)。

    利用5354個SNP基因型數(shù)據(jù)對280份大豆品種進行主成分分析。前2個主成分累計解釋總變異的15.43%。分別以第一主成分與第二主成分為坐標軸, 繪制280份大豆品種散點圖, 在第一主成分將第III亞群與第I亞群和第II亞群分成兩部分, 在第二主成分, 第I亞群與第II亞群被分成兩部分, 日本品種十勝長葉分到了第I亞群(圖2)。

    2.3 群體構成方式對全基因組選擇預測準確度的影響

    2.3.1 供試群體及不同亞群內(nèi)目標性狀預測準確度比較 在第I亞群內(nèi)隨機選擇130份大豆品種, 第II亞群隨機選擇85份大豆品種, 第III亞群內(nèi)隨機選擇55份大豆品種作為每個亞群的抽樣群體。在每個抽樣群體中以5倍交互驗證方法估算每個亞群的百粒重的全基因組選擇預測準確度。為消除取樣誤差, 以上過程均重復500次。通過比較發(fā)現(xiàn), 百粒重的預測準確性在不同群體間差異明顯, 以第III亞群最高為0.75, 第I亞群最低為0.24, 而總體和第II亞群分別為0.54和0.51 (表4和圖3)。

    圖1 不同K值下DK變化趨勢

    圖2 280份大豆品種主成分分析散點圖

    表4 不同群體構成方式間百粒重預測準確度比較

    C1、C2、C3分別表示第一亞群、第二亞群和第三亞群。

    C1, C2, and C3 mean the first, the second, and the third subset, respectively.

    圖3 不同亞群間百粒重預測準確度平均值及標準差柱狀圖

    2.3.2 隨機取樣與基于群體結構取樣構成的群體間預測準確度比較 為了比較群體結構對百粒重全基因組選擇預測準確度的影響, 分別將3個亞群的抽樣群體隨機分成數(shù)量相等的5個部分, 在每個亞群中任意選擇4個部分構成訓練群體, 同時將每個群體的剩余的部分構成驗證群體, 建立了基于群體結構的訓練群體和驗證群體, 估算目標性狀的全基因組選擇預測準確度, 重復500次以消除取樣誤差。利用2.3.1中總體的5倍交互驗證方法估算百粒重的預測準確度為對照。不同方法構建的訓練群體和驗證群體目標性狀預測準確度結果表明, 基于群體結構構建的訓練群體和驗證群體百粒重的預測準確度略高于隨機取樣構建群體間百粒重的預測準確度, 但差異經(jīng)測驗未達到顯著水平(圖4)。

    圖4 不同方法構建的訓練群體和驗證群體百粒重的預測準確度箱線圖

    2.3.3 不同亞群間目標性狀預測準確度比較 分別以每個亞群為訓練群體, 預測另外2個亞群的百粒重基因組估計育種值, 并估算預測準確度(表3)。亞群內(nèi)相比, 不同亞群間百粒重的預測準確度明顯降低。遺傳距離較近的亞群間(第I亞群和第II亞群)預測準確度優(yōu)于遺傳距離遠的亞群間的預測準確度(第I亞群與第III亞群和第II亞群與第III亞群)。但是也有例外, 用第II亞群預測第III亞群時, 預測準確度為0.21, 超過其他亞群間百粒重預測準確度。

    以任意2個亞群為訓練群體時, 估算剩余亞群百粒重預測準確度發(fā)現(xiàn), 以第I、第III亞群為訓練群體, 第II亞群為驗證群體時預測準確度最高為0.29; 當以第II, III亞群為訓練群體, 第I亞群為驗證群體時, 百粒重的預測準確度最低為0.07。比較結果發(fā)現(xiàn), 當?shù)贗I亞群與第III亞群分別處于訓練群體和驗證群體, 能提高百粒重的預測準確度。

    3 討論

    大豆育成品種的群體結構是在長期的人工選擇過程中形成的, 反映了不同時期、不同生態(tài)類型大豆品種間的育種目標的差異。明確大豆品種群體結構對基于關聯(lián)分析方法的基因挖掘具有十分重要的意義。前人研究表明, 我國大豆育成品種及野生資源群體均存在復雜的遺傳結構, 并且與大豆品種(種質)的地理來源密切相關[34-36]。宋喜娥等利用248份栽培大豆微核心種質也獲得了相似的結果[37]。張軍等[38]研究表明, 中國大豆育成品種群體在遺傳結構上具有地理生態(tài)分化和育成時期分化, 不同亞群具有相對遺傳特異性。基于貝葉斯理論的Structure軟件和主成分分析方法成為群體結構分析的主要手段[39-40]。

    本研究利用Structure軟件明確了參試品種的群體結構, 并得到主成分分析方法驗證。供試群體被劃分為3個亞群, 在第一主成分上, 不同生態(tài)類型品種被分成兩部分, 在第二主成分上, 不同省份品種被分開。這與前人研究中指出的大豆品種群體遺傳結構與地理生態(tài)分類相關的結論[34-38]相同。引進的日本品種十勝長葉是我國大豆育成品種中重要的核心親本[41]。在本研究中, 十勝長葉被劃分到北方春大豆的第一亞群中, 這與郭娟娟等[41]的研究結果相似。

    利用模擬數(shù)據(jù)和試驗數(shù)據(jù)研究表明, 訓練群體的構成以及訓練群體與候選群體的關系是影響全基因組選擇預測準確度的重要因素[14, 20, 42-44]。訓練群體與候選群體遺傳關系越緊密, 預測準確度越高[14, 43]; 訓練群體和候選群體存在相同的群體結構能提高全基因組選擇的預測準確度[45]; 目標性狀的遺傳結構也能夠通過群體結構對全基因組預測準確度造成影響[14]。本研究比較了供試總體以及不同亞群內(nèi)的百粒重的預測準確度, 發(fā)現(xiàn)在目標性狀變異系數(shù)大的群體中, 全基因組選擇的預測準確度高。百粒重在供試總體和第I、第II、第III亞群中的變異系數(shù)分別為7.80%、6.53%、7.56%和10.49%, 相應百粒重的預測準確度分別為0.54、0.24、0.51和0.75。說明訓練群體中豐富的遺傳變異能夠提高大豆百粒重的預測準確度。這與前人研究結果一致[42-43, 45]。

    Habier等[46]將基因組選擇的預測準確度來源歸結為標記與QTL的連鎖不平衡和訓練群體與候選群體的遺傳關系2個部分, 當訓練群體和驗證群體遺傳距離較遠時, 目標性狀的預測準確度主要依靠標記與QTL的連鎖不平衡關系。在本研究中第II亞群與第III亞群遺傳距離最遠, 但是以第II亞群預測第III亞群的百粒重的預測準確度在不同亞群間最高。這可能是由于在第II亞群和第III亞群間標記與百粒重的QTL具有相似的連鎖不平衡狀態(tài)。Asoro等[43]研究表明, 目標性狀、群體構成方式和全基因組選擇模型及其互作均能對預測準確度產(chǎn)生影響。本研究只用隨機回歸最佳線性無偏預測方法估算了群體構成方式對大豆百粒重全基因組選擇預測準確度的影響, 在進一步研究中可以考慮比較不同選擇模型對大豆百粒重預測準確度的作用。Guo等[44]利用來自于28個國家的413份水稻品種研究表明, 當訓練群體與驗證群體存在相同的群體結構時有利于全基因組預測準確度的提高。在本研究中, 基于群體結構取樣產(chǎn)生的群體預測準確度相比于隨機取樣的預測準確度提高了2.34%, 差異不顯著。

    本研究所用的標記數(shù)量遠高于群體數(shù)量, 符合全基因組選擇理論[8-11]。同時基于已發(fā)表的大豆重要農(nóng)藝性狀的QTL的位置選擇標記, 保證了對大豆基因組的覆蓋程度。利用隨機回歸最佳線性無偏預測模型獲得的大豆百粒重的預測準確度平均值為0.539。Shu等[16]利用79個SCAR標記和288份大豆比較隨機回歸最佳線性無偏預測模型和貝葉斯線性回歸模型對大豆百粒重的預測準確度發(fā)現(xiàn), 在不同預測模型間的預測準確度平均值分別為0.692和0.690, 高于本研究獲得的預測準確度。Shu等[16]所用的標記數(shù)量較少, 但預測準確度比本研究結果高, 可能與標記中包括與大豆百粒重顯著相關6個的SCAR標記有關。Bao等[17]也發(fā)現(xiàn), 在標記密度較低的情況下(96個), 將與目標性狀相關的標記作為固定效應, 其他標記作為隨機效應時, 可將大豆抗胞囊線蟲病的全基因組選擇預測準確度提高20%。因此, 今后可以通過關聯(lián)分析篩選與百粒重相關的標記并建立適宜的預測模型, 提高大豆百粒重的全基因組選擇預測準確度。

    4 結論

    利用隨機取樣方法和基于群體結構的取樣方法構建訓練群體, 以隨機回歸最佳線性無偏預測模型和5倍交互驗證的方法對大豆百粒重進行全基因組選擇, 預測準確度分別為0.5387和0.5513。群體構成方式與百粒重全基因組選擇預測準確度關系密切, 以亞群內(nèi)顯著高于亞群間、遺傳距離近群體優(yōu)于遺傳距離遠群體; 提高訓練群體百粒重的遺傳變異程度能顯著提高預測準確度。本研究結果為大豆重要性狀選擇提供了一種分子育種新方法。

    附表 請見網(wǎng)絡版: 1) 本刊網(wǎng)站http://zwxb.chinacrops. org/; 2) 中國知網(wǎng)http://www.cnki.net/; 3) 萬方數(shù)據(jù)http://c.wanfangdata.com.cn/Periodical- zuowxb.aspx。

    [1] 蓋鈞鎰, 熊冬金, 趙團結. 中國大豆育成品種系譜與種質基礎(1923–2005). 北京: 中國農(nóng)業(yè)出版社, 2015. pp 11–12 Gai J Y, Xiong D J, Zhao T J. The Pedigrees and Germplasm Bases of Soybean Cultivars Released in China (1923–2005). Beijing: China Agriculture Press, 2015. pp 11–12 (in Chinese)

    [2] 徐東河, 李東艷, 程舜華. 大豆百粒重與抗旱性及產(chǎn)量的關系. 中國油料, 1991, (3): 64–66 Xu D H, Li D Y, Cheng S H. Relationship between 100-seed weight and anti-draught and yield of soybean., 1991, (3): 64–66 (in Chinese)

    [3] 王占廷, 欒素榮, 程舜華. 大豆百粒重與產(chǎn)量的相關分析. 大豆通報, 1997, (2): 9 Wang Z T, Luan S R, Cheng S H. Relationship analysis between 100-seed weight and yield in soybean., 1997, (2): 9 (in Chinese)

    [4] 汪霞, 徐宇, 李廣軍, 李河南, 艮文全, 章元明. 大豆百粒重QTL定位. 作物學報, 2010, 36: 1674–1682 Wang X, Xu Y, Li G J, Li H N, Gen W Q, Zhang Y M. Mapping quantitative trait loci for 100-seed weight in soybean (L. Merr.)., 2010, 36: 1674–1682 (in Chinese with English abstract)

    [5] 陳慶山, 蔣洪蔚, 孫殿君, 劉春燕, 辛大偉, 曾慶力, 馬占洲, 胡國華. 利用野生大豆染色體片段代換系定位百粒重QTL. 大豆科學, 2014, 33: 154–160 Chen Q S, Jiang H W, Sun D J, Liu C Y, Xin D W, Zeng Q L, Ma Z Z, Hu G H. QTL Mapping for 100-seed weight using wild soybean chromosome segment substitution lines., 2014, 33: 154–160 (in Chinese with English abstract)

    [6] 張英虎, 孟珊, 賀劍波, 王宇峰, 邢光南, 趙團結, 蓋鈞鎰. 大豆重組自交系群體NJRSXG百粒重超親分離的遺傳解析. 中國農(nóng)業(yè)科學, 2015, 48: 4408–4416 Zhang Y H, Meng S, He J B, Wang Y F, Xing G N, Zhao T J, Gai J Y. The genetic constitution of transgressive segregation of the 100-seed weight in a recombinant inbred line population NJRSXG of soybean., 2015, 48: 4408–4416 (in Chinese with English abstract)

    [7] 齊照明, 孫亞男, 陳立君, 郭強, 劉春燕, 胡國華, 陳慶山. 基于Meta分析的大豆百粒重的QTLs定位. 中國農(nóng)業(yè)科學, 2009, 42: 3795–3803 Qi Z M, Sun Y N, Chen L J, Guo Q, Liu C Y, Hu G H, Chen Q S. Meta-analysis of 100-seed weight QTL in soybean., 2009, 42: 3795–3803 (in Chinese with English abstract)

    [8] Goddard M E, Hayes B J. Genomic selection., 2007, 124: 323–330

    [9] Jannink J L, Lorenz A J, Iwata H. Genomic selection in plant breeding: from theory to practice., 2010, 9: 166–177

    [10] Nakaya A, Isobe S N. Will genomic selection be a practical method for plant breeding?, 2012, 110: 1303–1316

    [11] Meuwissen T H E, Hayes B J, Goddar M E. Prediction of total genetic value using genome-wide dense marker maps., 2001, 157: 1819–1829

    [12] Zhao Y, Gowda M, Liu W, Wurschum T, Maurer H P, Longin F H, Ranc N, Reif J C. Accuracy of genomic selection in European maize elite breeding populations., 2012, 124: 769–776

    [13] Zhao Y, Gowda M, Longin F H, Wurschum T, Ranc N, Reif J C. Impact of selective genotyping in the training population on accuracy and bias of genomic selection., 2012, 125: 707–713

    [14] Crossa J, Perez P, Hickey J, Burgueno J, Ornella L, Rojas J C, Zhang X, Dreisigacker S, Babu R, Li Y, Mathews K. Genomic prediction in CIMMYT maize and wheat breeding programs., 2014, 112: 48–60

    [15] Dawson J C, Endelman J B, Heslot N, Crossa J, Poland J, Dreisigacker S, Manes Y, Sorrells M E, Jannink J L. The use of unbalanced historical data for genomic selection in an international wheat breeding program., 2013, 154: 12–22

    [16] Shu Y J, Yu D S, Wang D, Bai X, Zhu Y M, Guo C H. Genomic selection of seed weight based on low-density SCAR markers in soybean., 2013, 12: 2178–2188

    [17] Bao Y, Vuong T, Meinhardt C, Tiffin P, Denny R, Chen S Y, Nguyen H T, Orf J H, Young N D. Potential of association mapping and genomic selection to explore PI88788 derived soybean cyst nematode resistance., 2014, 7: 1–13

    [18] Sprdel J, Begum H, Akdemir D, Virk P, Collard B, Redona E, Atlin G, Jannink J L, McCouch S R. Genomic selection and association mapping in rice (): effect of trait genetic architecture, training population composition, marker number and statistical model on accuracy of rice genomic selection in elite, tropical rice breeding lines., 2015, 11: e1004982

    [19] Zhong S Q, Dekkers J C, Fernando R L, Jannink J L. Factors affecting accuracy from genomic selection in population derived from multiple inbred lines: a barley case study., 2009, 182: 355–364

    [20] Wang Y, Mette M F, Miedaner T, Gottwald M, Wilde P, Rif J C, Zhao Y S. The accuracy of prediction of genomic selection in elite hybrid rye populations surpasses the accuracy of marker- assisted selection and is equally augmented by multiple field evaluation locations and test years., 2014, 15: 556–567

    [21] Reif J C, Zhao Y S, Wurschum T, Gowda M, Hahn V. Genomic selection of sunflower hybrid performance., 2013, 132: 107–114

    [22] Denis M, Bouvet J M. Efficiency of genomic selection with models including dominance effect in the context ofbreeding., 2013, 9: 37–51

    [23] Desta Z A, Ortiz R. Genomic selection: genome-wide prediction in plant improvement., 2014, 19: 592–601

    [24] Heslot N, Jannink J L, Sorrells M E. Perspective for genomic selection applications and research in plants., 2015, 55: 1–12

    [25] Schmutz J, Cannon S B, Schlueter J, Ma J X, Mitros T, Nelson W, Hyten D L, Song Q J, Thelen J J, Cheng J L, Xu D, Hellsten U, May G D, Yu Y S, Sakurai T, Umezawa T S, Bhattacharyya M K, Sandhu D, Valliyodan B, Lindquist E, Peto M, Grant D, Shu S Q, Goodstein D, Barry K, Griggs M F, Abernathy B, Du J C, Tian Z X, Zhu L C, Gill N, Joshi T, Libault M, Sethuraman A, Zhang X C, Shinozaki K, Nguyen H T, Wing R A, Cregan P, Specht J, Grimwood J, Rokhsar D, Stacey G, Shoemaker R C, Jachson S A. Genome sequence of the palaeoployploid soybean., 2010, 463: 178–183

    [26] Lam H M, Xu X, Liu X, Chen W B, Yang G H, Wong F L, Li M W, He W M, Qin N, Wang B, Li J, Jian M, Wang J, Shao G H, Wang J, Sun S S, Zhang G Y. Resequencing of 31 wild and cultivated soybean genomes identifies patterns of genetic diversity and selection., 2010, 42: 1053–1059

    [27] Li Y H, Zhou G Y, Ma J X, Jiang W K, Jin L G, Zhang Z H, Guo Y, Zhong J B, Sui Y, Zheng L T, Zhang S S, Zou Q Y, Shi X H, Li Y F, Zhang W K, Hu Y Y, Kong G Y, Hong H L, Tan B, Song J, Liu Z X, Wang Y S, Ruan H, Yeung C K, Liu J, Wang H L, Zhang L J, Guan R X, Wang K J, Li W B, Chen S Y, Chang R Z, Jiang Z, Jackson S A, Li R Q, Qiu L J. De novo assembly of soybean wild relatives for pan-genome analysis of diversity and agronomic traits., 2014, 32: 1045–1052

    [28] Zhou Z K, Jiang Y, Wang Z, Gou Z H, Lyu J, Li W Y, Yu Y J, Shu L Q, Zhao Y J, Ma Y M, Fang C, Shen Y T, Liu T F, Li C C, Li Q, Wu M, Wang M, Wu Y S, Dong Y, Wan W T, Wang X, Ding Z L, Gao Y D, Xiang H, Zhu B G, Lee S H, Wang W, Tian Z X. Re-sequencing 302 wild and cultivated accessions identifies genes related to domestication and improvement in soybean., 2015, 33: 408–414

    [29] Song Q J, Hyten D L, Jia G F, Quigley C V, Fickus E W, Nelson R L, Cregan P B. Development and evaluation of SoySNP50K, a high-density genotyping array for soybean., 2013, 8: e54985

    [30] 邱麗娟, 常汝鎮(zhèn), 劉章雄, 關榮霞, 李英慧. 大豆種質資源描述規(guī)范和數(shù)據(jù)標準. 北京: 中國農(nóng)業(yè)出版社, 2006. pp 18–24 Qiu L J, Chang R Z, Liu Z X, Guan R X, Li Y H. Descriptors and Data Standard for Soybean (spp.). Beijing: China Agriculture Press, 2015. pp 18–24 (in Chinese)

    [31] Fehr W R. Genetic contributions to yield gains of five major crop plants; proceedings of a symposium sponsored by Division C-1 of the Crop Science Society of America, in Atlanta, Georgia- ResearchGate, 1984.

    [32] Evanno G, Regnaut S, Goudet J. Detecting the number of clusters of individuals using the software STRUCTURE: a simulation study., 2005, 14: 2611–2620

    [33] Bradbury P J, Zhang Z W, Kroon D E, Casstevens T M, Ramdoss Y, Buckler E S. TASSEL: software for association mapping of complex traits in diverse samples., 2007, 23: 2633–2635

    [34] 文自翔, 趙團結, 鄭永戰(zhàn), 劉順湖, 王春娥, 王芳, 蓋鈞鎰. 中國栽培和野生大豆農(nóng)藝品質性狀與SSR標記的關聯(lián)分析: I. 群體結構及關聯(lián)標記. 作物學報, 2008, 34: 1169–1178 Wen Z X, Zhao T J, Zheng Y Z, Liu S H, Wang C E, Wang F, Gai J Y. Association analysis of agronomic and quality traits with SSR markers inandin China: I. Population structure and associated markers., 2008, 34: 1169–1178 (in Chinese with English abstract)

    [35] 張軍, 趙團結, 蓋鈞鎰. 中國東北大豆育成品種遺傳多樣性和群體遺傳結構分析. 作物學報, 2008, 34: 1529–1536 Zhang J, Zhao T J, Gai J Y. Genetic diversity and genetic structure of soybean cultivar population released in Northeast China., 2008, 34: 1529–1536 (in Chinese with English abstract)

    [36] 范虎, 趙團結, 丁艷來, 邢光南, 蓋鈞鎰. 中國野生大豆群體特征和地理分化的遺傳分析. 中國農(nóng)業(yè)科學, 2012, 45: 414–425 Fan H, Zhao T J, Ding Y L, Xing G N, Gai J Y. Genetic analysis of the characteristics and geographic differentiation of Chinese wild soybean population., 2012, 45: 414–425 (in Chinese with English abstract)

    [37] 宋喜娥, 李英慧, 常汝鎮(zhèn), 郭平毅, 邱麗娟. 中國栽培大豆((L.) Merr.) 微核心種質的群體結構與遺傳多樣性. 中國農(nóng)業(yè)科學, 2010, 43: 2209–2219 Song X E, Li Y H, Chang R Z, Guo P Y, Qiu L J. Population sturcture and genetic diversity of mini core collection of cultivated soybean ((L.) Merr.) in China., 2010, 43: 2209–2219 (in Chinese with English abstract)

    [38] 張軍, 趙團結, 蓋鈞鎰. 中國大豆育成品種群體遺傳結構分化和亞群特異性分析. 中國農(nóng)業(yè)科學, 2009, 42: 1901–1910 Zhang J, Zhao T J, Gai J Y. Analysis of genetic structure differentiation of released soybean cultivar population and specificity of subpopulations in China., 2009, 42: 1901–1910 (in Chinese with English abstract)

    [39] 魏世平, 劉曉芬, 楊勝先, 呂海燕, 牛遠, 章元明. 中國栽培大豆群體結構不同分類方法的比較. 南京農(nóng)業(yè)大學學報, 2011, 34(2): 13–17 Wei S P, Liu X F, Yang S X, Lyu H Y, Niu Y, Zhang Y M. Comparison of various clustering methods for population structure in Chinese cultivated soybean ((L.) Merr.)., 2011, 34(2): 13–17 (in Chinese with English abstract)

    [40] 黎裕, 李英慧, 楊慶文, 張錦鵬, 張金梅, 邱麗娟, 王天宇. 基于基因組學的作物種質資源研究: 現(xiàn)狀與展望. 中國農(nóng)業(yè)科學, 2015, 48: 3333–3353 Li Y, Li Y H, Yang Q W, Zhang J P, Zhang J M, Qiu L J, Wang T Y. Genomics-based crop germplasm research: advances and perspectives., 2015, 48: 3333–3353 (in Chinese with English abstract)

    [41] 郭娟娟, 常汝鎮(zhèn), 章建新, 張巨松, 關榮霞, 邱麗娟. 日本大豆種質十勝長葉對我國大豆育成品種的遺傳貢獻分析. 大豆科學, 2007, 26: 807–819 Guo J J, Chang R Z, Zhang J X, Zhang J S, Guan R X, Qiu L J. Contribution of Japanese soybean germplasm TOKACHI- NAGAHA to Chinese soybean cultivars., 2007, 26: 807–819 (in Chinese with English abstract)

    [42] Toosi A, Fernando R L, Dekkers J C M. Genomic selection in admixed and crossbred populations., 2010, 88: 32–46

    [43] Asoro F G, Newell M A, Beavis W D, Scott M P, Jannink J L. Accuracy and training population design for genomic selection on quantitative traits in elite North American oats., 2011, 4: 132–144

    [44] Guo Z G, Tucker D M, Basten C J, Gandhi H, Ersoz E, Guo B H, Xu Z Y, Wang D L, Gay G. The impact of population structure on genomic prediction in stratified populations., 2014, 127: 749–762

    [45] Daetwyler H D, Wong R P, Villanueva B, Woolliams J A. The impact of genetic architecture on genome-wide evaluation methods., 2010, 185: 1021–103

    [46] Habier D, Fernando R L, Dekkers J C M. Impact of genetic relationship information on genome-assisted breeding values., 2007, 177: 2389–2397

    Effect of Population Structure on Prediction Accuracy of Soybean 100-Seed Weight by Genomic Selection

    MA Yan-Song1,2,13, LIU Zhang-Xiong1, WEN Zi-Xiang3, WEI Shu-Hong4, YANG Chun-Ming5, WANG Hui-Cai6, YANG Chun-Yan7, LU Wei-Guo8, XU Ran9, ZHANG Wan-Hai10, WU Ji-An11, HU Guo-Hua12, LUAN Xiao-Yan13, FU Ya-Shu14, GUO Tai15, WANG Shu-Ming5, HAN Tian-Fu1, ZHANG Meng-Chen7, ZHANG Lei16, YUAN Bao-Jun17, GUO Yong1, Jochen C. REIF18, JIANG Yong18, LI Wen-Bin2, WANG De-Chun3, and QIU Li-Juan1,*

    1National Key Facility for Crop Gene Resources and Genetic Improvement / Institute of Crop Sciences, Chinese Academy of Agricultural Sciences, Beijing 100081, China;2College of Agriculture, Northeast Agricultural University, Harbin 150030, Heilongjiang, China;3Department of Plant, Soil and Microbial Sciences, Michigan State University, East Lansing MI 48824, USA;4Institute of Crop Breeding, Heilongjiang Academy of Agricultural Sciences, Harbin 150086, Heilongjiang, China;5Soybean Research Institute, Jilin Academy of Agricultural Sciences, Changchun 130033, Jilin, China;6Chifeng Institute of Agricultural Sciences, Chifeng 024031, Inner Mongolia, China;7Institution of Cereal and Oil Crops, Hebei Academy of Agriculture and Forestry Sciences, Shijiazhuang 050031, Hebei, China;8Economic Crops Institute, Henan Academy of Agricultural Sciences, Zhengzhou 450002, Henan, China;9Crop Research Institute, Shandong Academy of Agricultural Sciences, Jinan 250010, Shandong, China;10Hulunbeier Institute of Agricultural Sciences, Hulunbeier 021000, Inner Mongolia, China;11Heihe Branch Institute, Heilongjiang Academy of Agricultural Sciences, Heihe 164300, Heilongjiang, China;12Crop Research and Breeding Center of Land-Reclamation, Harbin 150090, Heilongjiang, China;13Soybean Research Institute, Heilongjiang Academy of Agricultural Sciences, Harbin 150086, Heilongjiang, China;14Suihua Branch Institute, Heilongjiang Academy of Agricultural Sciences, Suihua 152052, Heilongjiang, China;15Jiamusi Branch Institute, Heilongjiang Academy of Agricultural Sciences, Jiamusi 154007, Heilongjiang, China;16Crop Research Institute, Anhui Academy of Agricultural Sciences, Hefei 230031, Anhui, China;17Zhoukou Institute of Agricultural Sciences, Zhoukou 466001, Henan, China;18Department of Breeding Research, Leibniz Institute of Plant Genetics and Crop Plant Research (IPK), Gatersleben 06466, Germany

    Hundred-seed weight is an important yield component and has positive relationship with soybean yield under certain conditions. The genetic gain of 100-seed weight based on traditional breeding or markers assisted-selection is limited because it is controlled by plenty of small effect genes. Genomic selection offers an approach to accelerate the soybean 100-seed weight breeding. However, the effect of population structure on soybean 100-seed weight prediction accuracy has not been elaborated. In our study 280 soybean varieties with phenotypic data evaluated in multi-location in 2008–2012 and 5361 SNPs genotype were used to explore the effect of population structure on 100-seed weight prediction accuracy. The best linear unbiased prediction of 100-seed weight of each variety was calculated according to mixed linear model. Ridge regression best linear unbiased prediction and five-fold cross validation were used to estimate the 100-seed weight prediction accuracy. Our research showed that the range of 100-seed weight, which was from –0.15 to +0.75. Hundred-seed weight prediction accuracy was affected by population structure significantly. The prediction accuracy within a subset (+0.24 to +0.75) was higher than that between subsets (-0.15 to +0.29). When the genetic distance between subsets increased from 0.1566 to 0.2201, the 100-seed weight prediction accuracy was decreased by 27.87%. Compared with random sampling training population, the training population composed based on genetic structure improved 100-seed weight prediction accuracy by 2.34%. In summary, we are clear about the soybean 100-seed weight genomic selection accuracy and the effect of population structure on genomic selection accuracy. The genomic selection is an efficient method to improve the soybean breeding.

    ; 100-seed weight; genomic selection; prediction accuracy; genetic structure

    2017-02-10;

    2017-09-10;

    2017-10-30.

    10.3724/SP.J.1006.2018.00043

    通信作者(Corresponding author):邱麗娟, E-mail: qiulijuan@caas.cn, Tel: 010-82105840

    E-mail: mys771007@hotmail.com

    本研究由國家轉基因生物新品種培育重大專項(2014ZX08004001)和中國農(nóng)業(yè)科學院農(nóng)業(yè)科技創(chuàng)新項目資助。

    This study was supported by the National Major Project for Developing New GM Crops (2014ZX08004001) and the Agricultural Science and Technology Innovation Program (ASTIP) of Chinese Academy of Agricultural Sciences.

    URL: http://kns.cnki.net/kcms/detail/11.1809.S.20171030.0858.002.html

    猜你喜歡
    亞群準確度基因組
    TB-IGRA、T淋巴細胞亞群與結核免疫的研究進展
    甲狀腺切除術后T淋巴細胞亞群的變化與術后感染的相關性
    牛參考基因組中發(fā)現(xiàn)被忽視基因
    幕墻用掛件安裝準確度控制技術
    建筑科技(2018年6期)2018-08-30 03:40:54
    動態(tài)汽車衡準確度等級的現(xiàn)實意義
    外周血T細胞亞群檢測在惡性腫瘤中的價值
    疣狀胃炎與T淋巴細胞亞群的相關研究進展
    基因組DNA甲基化及組蛋白甲基化
    遺傳(2014年3期)2014-02-28 20:58:49
    高爐重量布料準確度的提高
    天津冶金(2014年4期)2014-02-28 16:52:58
    有趣的植物基因組
    世界科學(2014年8期)2014-02-28 14:58:31
    国产精品三级大全| 极品少妇高潮喷水抽搐| 国产精品嫩草影院av在线观看| 久久99一区二区三区| 亚洲久久久国产精品| 一个人免费看片子| 一级av片app| 婷婷色综合大香蕉| 人妻制服诱惑在线中文字幕| 男人狂女人下面高潮的视频| 亚洲国产最新在线播放| 久久女婷五月综合色啪小说| 国产一区有黄有色的免费视频| 丝袜脚勾引网站| 少妇人妻 视频| 男人舔奶头视频| 一个人看视频在线观看www免费| 亚洲精品国产成人久久av| 亚洲国产成人一精品久久久| 精品国产乱码久久久久久小说| 在线观看一区二区三区激情| 色婷婷久久久亚洲欧美| av天堂久久9| 街头女战士在线观看网站| 亚洲久久久国产精品| 超碰97精品在线观看| 亚洲国产精品专区欧美| 国产成人精品无人区| 精品一品国产午夜福利视频| 王馨瑶露胸无遮挡在线观看| 国产成人精品婷婷| 成人亚洲精品一区在线观看| 中文在线观看免费www的网站| 国产成人aa在线观看| 在线观看国产h片| 日韩制服骚丝袜av| 国产91av在线免费观看| av国产精品久久久久影院| 久久久久久伊人网av| 熟女av电影| 六月丁香七月| 国产午夜精品久久久久久一区二区三区| 高清视频免费观看一区二区| 三上悠亚av全集在线观看 | 亚洲,一卡二卡三卡| 欧美亚洲 丝袜 人妻 在线| 欧美最新免费一区二区三区| 久久国产精品男人的天堂亚洲 | 99热网站在线观看| 欧美xxⅹ黑人| 五月天丁香电影| 日韩不卡一区二区三区视频在线| 国产精品99久久99久久久不卡 | 51国产日韩欧美| 国产综合精华液| 26uuu在线亚洲综合色| 国产免费一级a男人的天堂| 国产精品麻豆人妻色哟哟久久| 丰满迷人的少妇在线观看| 97超视频在线观看视频| 黄片无遮挡物在线观看| 国产日韩欧美视频二区| 欧美日韩国产mv在线观看视频| 在线观看三级黄色| 99热网站在线观看| 亚洲欧洲国产日韩| 日本色播在线视频| 免费观看在线日韩| 国产成人午夜福利电影在线观看| 亚洲av综合色区一区| 黄色毛片三级朝国网站 | 好男人视频免费观看在线| 日韩大片免费观看网站| av.在线天堂| 青春草国产在线视频| 午夜福利影视在线免费观看| 人妻人人澡人人爽人人| 国产精品久久久久久av不卡| 亚洲国产av新网站| 大话2 男鬼变身卡| 欧美变态另类bdsm刘玥| 男男h啪啪无遮挡| 亚洲国产精品专区欧美| 精华霜和精华液先用哪个| 亚洲精华国产精华液的使用体验| 人妻少妇偷人精品九色| xxx大片免费视频| 精品久久久久久电影网| 亚洲av中文av极速乱| h日本视频在线播放| 国产伦精品一区二区三区四那| 香蕉精品网在线| 日本黄色片子视频| av卡一久久| 如日韩欧美国产精品一区二区三区 | 我要看黄色一级片免费的| 亚洲人成网站在线观看播放| 韩国av在线不卡| 丰满少妇做爰视频| 欧美国产精品一级二级三级 | 精品久久久精品久久久| 午夜免费鲁丝| 亚洲av国产av综合av卡| 亚洲av二区三区四区| 国产毛片在线视频| 精品少妇久久久久久888优播| 99久久精品热视频| 久久狼人影院| 久久久a久久爽久久v久久| 成人综合一区亚洲| 亚洲第一av免费看| h视频一区二区三区| 大话2 男鬼变身卡| 99热全是精品| av卡一久久| 搡女人真爽免费视频火全软件| 肉色欧美久久久久久久蜜桃| 国产91av在线免费观看| 老女人水多毛片| 麻豆乱淫一区二区| 最近手机中文字幕大全| 最新的欧美精品一区二区| 肉色欧美久久久久久久蜜桃| 日本黄大片高清| 制服丝袜香蕉在线| av.在线天堂| 亚洲精品乱码久久久久久按摩| 在线观看一区二区三区激情| 久久精品熟女亚洲av麻豆精品| 国产精品国产三级国产专区5o| 国产日韩一区二区三区精品不卡 | 少妇精品久久久久久久| 国产无遮挡羞羞视频在线观看| 欧美日韩国产mv在线观看视频| 久久人人爽av亚洲精品天堂| 亚洲欧洲精品一区二区精品久久久 | 国产女主播在线喷水免费视频网站| 大香蕉97超碰在线| 国产精品免费大片| 一区二区av电影网| 亚洲av欧美aⅴ国产| 色94色欧美一区二区| 国产探花极品一区二区| 精品视频人人做人人爽| 秋霞伦理黄片| 黑人巨大精品欧美一区二区蜜桃 | 少妇人妻精品综合一区二区| 中文精品一卡2卡3卡4更新| 少妇丰满av| 欧美日韩视频精品一区| 视频区图区小说| 久久国产乱子免费精品| 极品人妻少妇av视频| 亚洲av.av天堂| 日日啪夜夜撸| h视频一区二区三区| 91成人精品电影| 成年av动漫网址| 中文在线观看免费www的网站| 亚洲人成网站在线播| 丰满饥渴人妻一区二区三| 热re99久久精品国产66热6| 欧美 日韩 精品 国产| av在线app专区| 一级爰片在线观看| h视频一区二区三区| 亚洲欧美日韩东京热| 免费av不卡在线播放| 国产在线免费精品| 亚洲av二区三区四区| av在线老鸭窝| 亚洲四区av| 亚洲欧美日韩另类电影网站| 美女内射精品一级片tv| 久久影院123| 在线观看国产h片| 国产午夜精品久久久久久一区二区三区| 国产女主播在线喷水免费视频网站| 日韩在线高清观看一区二区三区| 大又大粗又爽又黄少妇毛片口| 97在线人人人人妻| 亚洲av在线观看美女高潮| 18禁动态无遮挡网站| 亚洲国产成人一精品久久久| 99久久人妻综合| 春色校园在线视频观看| 国产欧美日韩综合在线一区二区 | 国产日韩欧美在线精品| 最近手机中文字幕大全| 热re99久久国产66热| 大片免费播放器 马上看| 在线观看免费高清a一片| 亚洲色图综合在线观看| 亚洲精品国产色婷婷电影| 国产国拍精品亚洲av在线观看| 高清黄色对白视频在线免费看 | 寂寞人妻少妇视频99o| 国产成人freesex在线| 国产免费又黄又爽又色| 日韩在线高清观看一区二区三区| 欧美日韩综合久久久久久| 欧美日韩一区二区视频在线观看视频在线| 久久久久久久久久成人| 中文资源天堂在线| 亚洲经典国产精华液单| 亚洲av日韩在线播放| 国产精品不卡视频一区二区| 另类亚洲欧美激情| 国产探花极品一区二区| 成年人免费黄色播放视频 | 午夜福利,免费看| 久久久欧美国产精品| 国产成人精品一,二区| 久久久久久久大尺度免费视频| 亚洲美女搞黄在线观看| 亚洲国产毛片av蜜桃av| 午夜免费男女啪啪视频观看| 岛国毛片在线播放| 成人亚洲欧美一区二区av| 久久99精品国语久久久| 欧美最新免费一区二区三区| 国产免费一级a男人的天堂| 夫妻性生交免费视频一级片| 免费大片黄手机在线观看| 国产伦理片在线播放av一区| 青春草视频在线免费观看| 国产精品国产av在线观看| 在线观看人妻少妇| 蜜桃久久精品国产亚洲av| 国产亚洲av片在线观看秒播厂| 91精品一卡2卡3卡4卡| 亚洲av二区三区四区| 亚洲精品亚洲一区二区| 国内揄拍国产精品人妻在线| 九色成人免费人妻av| 国产成人免费无遮挡视频| 日韩 亚洲 欧美在线| 嘟嘟电影网在线观看| 丁香六月天网| 三级国产精品片| 久久久久久久国产电影| 成年av动漫网址| 亚洲精品456在线播放app| 97精品久久久久久久久久精品| 国产精品一二三区在线看| 欧美丝袜亚洲另类| 伊人久久国产一区二区| 成年女人在线观看亚洲视频| 精品少妇黑人巨大在线播放| av天堂中文字幕网| 国产极品天堂在线| 精品久久久久久久久亚洲| 亚洲欧美成人综合另类久久久| av在线观看视频网站免费| 久久精品国产自在天天线| 成人国产麻豆网| 哪个播放器可以免费观看大片| 又大又黄又爽视频免费| 97超视频在线观看视频| 天堂8中文在线网| 国产精品久久久久成人av| 国产精品久久久久久久久免| 亚洲欧美成人精品一区二区| 在线观看av片永久免费下载| 欧美bdsm另类| 99热网站在线观看| 国产男人的电影天堂91| 国产av国产精品国产| 午夜91福利影院| 熟女人妻精品中文字幕| 国产欧美日韩一区二区三区在线 | 大香蕉97超碰在线| 狠狠精品人妻久久久久久综合| 久热这里只有精品99| 国产精品99久久久久久久久| 成年美女黄网站色视频大全免费 | 久久久久久久久久久久大奶| 免费不卡的大黄色大毛片视频在线观看| 最近最新中文字幕免费大全7| 九九久久精品国产亚洲av麻豆| 99久久中文字幕三级久久日本| 男女国产视频网站| av天堂久久9| 51国产日韩欧美| 天堂俺去俺来也www色官网| 极品少妇高潮喷水抽搐| 亚洲国产毛片av蜜桃av| 免费黄频网站在线观看国产| av在线老鸭窝| 少妇的逼水好多| 肉色欧美久久久久久久蜜桃| av福利片在线| 2018国产大陆天天弄谢| 午夜老司机福利剧场| 丰满饥渴人妻一区二区三| 国产色爽女视频免费观看| 国产成人freesex在线| 国产成人精品久久久久久| 天天操日日干夜夜撸| 自拍偷自拍亚洲精品老妇| 精品久久久久久久久亚洲| 国产伦精品一区二区三区视频9| av免费在线看不卡| 伦理电影免费视频| 亚洲人与动物交配视频| 男女无遮挡免费网站观看| 91久久精品电影网| 有码 亚洲区| 欧美 亚洲 国产 日韩一| 女性被躁到高潮视频| 妹子高潮喷水视频| 成人综合一区亚洲| 黄色配什么色好看| 国内少妇人妻偷人精品xxx网站| 极品人妻少妇av视频| 美女xxoo啪啪120秒动态图| 亚洲av免费高清在线观看| 中文字幕亚洲精品专区| 人妻制服诱惑在线中文字幕| 免费看不卡的av| 夜夜看夜夜爽夜夜摸| 亚洲精品视频女| 九色成人免费人妻av| 久久久久人妻精品一区果冻| 丰满人妻一区二区三区视频av| 国产视频首页在线观看| 中文字幕精品免费在线观看视频 | 久久毛片免费看一区二区三区| 一级毛片黄色毛片免费观看视频| 少妇人妻久久综合中文| 免费观看性生交大片5| 欧美精品亚洲一区二区| 久久久a久久爽久久v久久| 国产探花极品一区二区| 成年美女黄网站色视频大全免费 | 高清视频免费观看一区二区| 日韩欧美 国产精品| 免费不卡的大黄色大毛片视频在线观看| 91精品伊人久久大香线蕉| 18禁动态无遮挡网站| 国产精品一区二区三区四区免费观看| 少妇丰满av| 一级毛片久久久久久久久女| 亚洲人与动物交配视频| 国内揄拍国产精品人妻在线| 黄色一级大片看看| 亚洲激情五月婷婷啪啪| av播播在线观看一区| 噜噜噜噜噜久久久久久91| 国模一区二区三区四区视频| 三上悠亚av全集在线观看 | 婷婷色综合大香蕉| 中国国产av一级| 国产69精品久久久久777片| 午夜免费观看性视频| 人体艺术视频欧美日本| 亚洲欧美成人综合另类久久久| 女性生殖器流出的白浆| 成年女人在线观看亚洲视频| 热re99久久国产66热| 欧美 日韩 精品 国产| 国产毛片在线视频| 2022亚洲国产成人精品| 九色成人免费人妻av| 美女内射精品一级片tv| 久久久久久久大尺度免费视频| 亚洲无线观看免费| 午夜av观看不卡| 又粗又硬又长又爽又黄的视频| 9色porny在线观看| 亚洲四区av| 欧美一级a爱片免费观看看| 国产成人freesex在线| 日韩大片免费观看网站| 午夜激情福利司机影院| 国产一区二区三区av在线| 毛片一级片免费看久久久久| av女优亚洲男人天堂| 一区二区三区乱码不卡18| 曰老女人黄片| 久久久久久久亚洲中文字幕| 80岁老熟妇乱子伦牲交| 成人美女网站在线观看视频| 日本黄色日本黄色录像| 国产精品偷伦视频观看了| 国产成人免费观看mmmm| 搡女人真爽免费视频火全软件| 国产亚洲5aaaaa淫片| 在线亚洲精品国产二区图片欧美 | 亚洲精品乱码久久久久久按摩| 黄色怎么调成土黄色| 亚洲av在线观看美女高潮| 在线天堂最新版资源| 国产精品三级大全| 欧美成人精品欧美一级黄| 最近中文字幕2019免费版| 成人特级av手机在线观看| 建设人人有责人人尽责人人享有的| 黄色配什么色好看| 亚洲av福利一区| 少妇人妻精品综合一区二区| 久久精品国产亚洲av涩爱| 亚洲精品色激情综合| 国产精品99久久99久久久不卡 | 久久99一区二区三区| 国产男人的电影天堂91| 国产精品久久久久久精品古装| 天堂中文最新版在线下载| 成人漫画全彩无遮挡| 自线自在国产av| 欧美精品人与动牲交sv欧美| 人人澡人人妻人| 老女人水多毛片| 国产精品无大码| 热re99久久国产66热| 久久久国产欧美日韩av| 最新的欧美精品一区二区| 久久国产亚洲av麻豆专区| 国产中年淑女户外野战色| 欧美日韩综合久久久久久| 午夜免费鲁丝| 欧美精品高潮呻吟av久久| 男人舔奶头视频| 亚洲欧美清纯卡通| 99久久精品一区二区三区| 边亲边吃奶的免费视频| 精品一区在线观看国产| 97超碰精品成人国产| 两个人的视频大全免费| 国产日韩一区二区三区精品不卡 | 成人漫画全彩无遮挡| 欧美精品高潮呻吟av久久| 久久久午夜欧美精品| 国产免费视频播放在线视频| 中文在线观看免费www的网站| 国产又色又爽无遮挡免| 欧美高清成人免费视频www| 日韩人妻高清精品专区| 久久久a久久爽久久v久久| 久久精品国产亚洲av天美| a级毛片在线看网站| 91精品伊人久久大香线蕉| 一二三四中文在线观看免费高清| tube8黄色片| 男的添女的下面高潮视频| 午夜91福利影院| 中文字幕久久专区| 在线观看免费日韩欧美大片 | 久久久久久伊人网av| 久久精品夜色国产| 女性生殖器流出的白浆| 精品久久久久久久久av| 又爽又黄a免费视频| 久久热精品热| 美女cb高潮喷水在线观看| 亚洲丝袜综合中文字幕| 国产一区二区在线观看av| 天堂俺去俺来也www色官网| 伦理电影大哥的女人| 成人特级av手机在线观看| 一级爰片在线观看| 99久久精品热视频| 麻豆精品久久久久久蜜桃| 日本-黄色视频高清免费观看| 人人妻人人添人人爽欧美一区卜| 亚洲三级黄色毛片| 国产精品偷伦视频观看了| 国产精品一区www在线观看| 欧美人与善性xxx| 午夜激情久久久久久久| 亚洲精品乱码久久久v下载方式| 久久免费观看电影| 国产亚洲精品久久久com| 黄色配什么色好看| 免费av中文字幕在线| 丝瓜视频免费看黄片| 久久99蜜桃精品久久| 99久国产av精品国产电影| 精品少妇黑人巨大在线播放| 大片电影免费在线观看免费| 高清毛片免费看| 亚洲激情五月婷婷啪啪| 午夜福利视频精品| 国产精品国产av在线观看| 七月丁香在线播放| 国产亚洲一区二区精品| 国产成人精品久久久久久| 亚洲欧美日韩卡通动漫| 国产淫语在线视频| 日本vs欧美在线观看视频 | 男的添女的下面高潮视频| 一区二区三区免费毛片| 国产探花极品一区二区| 午夜久久久在线观看| 97在线人人人人妻| 最新的欧美精品一区二区| 下体分泌物呈黄色| .国产精品久久| 国产精品一区二区在线不卡| 国产爽快片一区二区三区| 国产亚洲5aaaaa淫片| 黄色视频在线播放观看不卡| 亚洲在久久综合| 国产精品一区二区在线不卡| 亚洲第一av免费看| 成人国产麻豆网| 韩国高清视频一区二区三区| 亚洲av欧美aⅴ国产| 一级毛片我不卡| 成人亚洲精品一区在线观看| 中国国产av一级| 久久这里有精品视频免费| 日韩伦理黄色片| 麻豆精品久久久久久蜜桃| 午夜福利网站1000一区二区三区| 成人无遮挡网站| 九草在线视频观看| 9色porny在线观看| 亚洲性久久影院| 国产亚洲最大av| 午夜免费男女啪啪视频观看| 亚洲av福利一区| 99热这里只有是精品50| 久久久久久伊人网av| 99久久人妻综合| 91aial.com中文字幕在线观看| 秋霞在线观看毛片| 国产黄色免费在线视频| 日韩免费高清中文字幕av| 女性生殖器流出的白浆| 亚洲色图综合在线观看| 中文在线观看免费www的网站| av在线观看视频网站免费| 成年人午夜在线观看视频| 99国产精品免费福利视频| 丰满乱子伦码专区| 久久久精品免费免费高清| 免费观看a级毛片全部| 亚洲在久久综合| 亚洲国产精品一区三区| 国产午夜精品一二区理论片| 国产欧美另类精品又又久久亚洲欧美| 日韩欧美精品免费久久| 性高湖久久久久久久久免费观看| 日本爱情动作片www.在线观看| 久热久热在线精品观看| 交换朋友夫妻互换小说| 噜噜噜噜噜久久久久久91| 日韩电影二区| 国产一区二区在线观看日韩| 日韩一区二区三区影片| 午夜福利网站1000一区二区三区| 少妇裸体淫交视频免费看高清| 大又大粗又爽又黄少妇毛片口| 在线观看av片永久免费下载| 日韩欧美精品免费久久| 国产黄片美女视频| 爱豆传媒免费全集在线观看| 久久久久久久国产电影| 女人久久www免费人成看片| 免费观看在线日韩| 国产黄片视频在线免费观看| 亚洲精华国产精华液的使用体验| 最新中文字幕久久久久| 韩国高清视频一区二区三区| 亚洲欧美精品专区久久| 亚洲人与动物交配视频| 97超碰精品成人国产| 偷拍熟女少妇极品色| 亚洲av在线观看美女高潮| 中文字幕人妻丝袜制服| 最近中文字幕高清免费大全6| 国产精品99久久久久久久久| 少妇的逼好多水| 男人狂女人下面高潮的视频| 久久99蜜桃精品久久| 毛片一级片免费看久久久久| 亚洲av二区三区四区| 王馨瑶露胸无遮挡在线观看| 天堂中文最新版在线下载| 在现免费观看毛片| 国产免费一级a男人的天堂| 99九九线精品视频在线观看视频| 黑人巨大精品欧美一区二区蜜桃 | 极品人妻少妇av视频| 99久国产av精品国产电影| 最近中文字幕2019免费版| 久久久久久伊人网av| 国产欧美日韩一区二区三区在线 | 国产精品久久久久久精品古装| 国产永久视频网站| 国产精品嫩草影院av在线观看| 在线精品无人区一区二区三| 亚洲av电影在线观看一区二区三区| 蜜桃久久精品国产亚洲av| 欧美精品一区二区免费开放| 久久久久久久精品精品| 成人综合一区亚洲| 三级经典国产精品| 日韩强制内射视频| 国产午夜精品一二区理论片| 国产高清国产精品国产三级| 超碰97精品在线观看| 日本av免费视频播放| 亚洲精品中文字幕在线视频 | 日韩av在线免费看完整版不卡| 精品卡一卡二卡四卡免费| 久久久久久久久久人人人人人人| 男女国产视频网站| 另类亚洲欧美激情| 激情五月婷婷亚洲| 新久久久久国产一级毛片| 精品一区二区免费观看| 国内精品宾馆在线| 大话2 男鬼变身卡|