基于高密度遺傳圖譜定位大豆蛋白質(zhì)含量相關(guān)的QTL

劉亭萱 谷勇哲 張之昊 王 俊 孫君明 邱麗娟1,

基于高密度遺傳圖譜定位大豆蛋白質(zhì)含量相關(guān)的QTL

劉亭萱1,2,**谷勇哲2,**張之昊3王 俊1,*孫君明2,*邱麗娟1,2,*

1長江大學, 湖北荊州 434025;2中國農(nóng)業(yè)科學院作物科學研究所 / 農(nóng)業(yè)農(nóng)村部北京大豆生物學重點實驗室 / 農(nóng)業(yè)農(nóng)村部種質(zhì)資源利用重點實驗室, 北京 100081;3東北農(nóng)業(yè)大學農(nóng)學院, 黑龍江哈爾濱 150030

大豆是重要的糧食作物和經(jīng)濟作物, 其籽粒蛋白約為40%, 是優(yōu)質(zhì)植物蛋白主要來源之一。挖掘控制大豆高蛋白數(shù)量性狀位點(Quantitative trait loci, QTL)以及分子標記育種對高蛋白大豆培育具有重要的意義。本研究利用蛋白含量存在明顯差異的中黃35 (Zhonghuang 35, ZH35)和中黃13 (Zhonghuang 13, ZH13)雜交構(gòu)建的包含192個株系的重組自交系群體為供試材料, 通過對兩親本及RIL群體重測序, 構(gòu)建了包含4879個bin標記的高密度遺傳圖譜, 總遺傳距離為3760.71 cM, 相鄰標記間的遺傳距離為0.77 cM。RIL群體及親本分別于北京順義和河南濮陽種植, 2個環(huán)境共檢測到15個蛋白含量相關(guān)QTL位點, 分布于5號、12號、15號、17號、18號、19號和20號染色體, 貢獻率為4.36%～11.39%。其中, 北京順義和河南濮陽檢測到和, 2個QTL貢獻率分別為7.65%和7.58%, 重疊區(qū)域包括33個基因。本研究有助于精細定位和圖位克隆大豆蛋白含量相關(guān)基因, 并為進一步培育高蛋白大豆品種提供基因資源。

大豆; 蛋白質(zhì)含量; 重組自交系; bin圖譜; QTL定位

大豆是世界上最重要的經(jīng)濟作物之一, 籽粒富含優(yōu)質(zhì)蛋白, 對于人類消費和工業(yè)應(yīng)用有很大的貢獻[1-2]。提高大豆蛋白質(zhì)含量對優(yōu)化作物品質(zhì)、育成優(yōu)異大豆品種具有重要意義。大豆蛋白含量是由多個QTL/基因和環(huán)境因素共同影響的數(shù)量性狀[3-4], 遺傳基礎(chǔ)比較復雜。

大豆不同性狀的QTL鑒定, 大多采用傳統(tǒng)的分子標記技術(shù)來構(gòu)建遺傳圖譜, 包括限制性片段長度多態(tài)性(restriction fragment length polymorphism, RFLP)、擴增片段長度多態(tài)性(amplified fragment length polymorphism, AFLP)和簡單序列重復多態(tài)性(simple sequence repeat polymorphism, SSR)等[5-8]。Apuya等[9]利用RFLP標記構(gòu)建了第1張大豆分子遺傳圖譜, 包括4個連鎖群和11個分子標記。Keim等[10]利用栽培大豆與野生大豆雜交的F2群體, 構(gòu)建第2張遺傳連鎖圖譜, 共有130個RFLP標記。Keim等[11]利用BSR-101和PI437.654配置的RIL群體, 構(gòu)建了一張遺傳距離為3441 cM的遺傳圖譜, 包括650個AFLP標記。隨著分子標記技術(shù)的不斷發(fā)展, 出現(xiàn)了多態(tài)性更高的簡單重復序列標記(simple sequence repeats, SSR)[12]。Cregan等[13]利用A81-356022和PI 468916雜交的F2群體, 構(gòu)建了一張包含606個SSR的遺傳圖譜。然而, 傳統(tǒng)分子標記構(gòu)建的遺傳圖譜, 在全基因組上分布不均勻, 標記密度不足以完全覆蓋大豆基因組, 缺少Q(mào)TL檢測所需的豐富遺傳背景, 構(gòu)建的遺傳圖譜限制了QTL定位的效率和精準度[14]。

近年來, 隨著高通量測序技術(shù)的快速發(fā)展, 為大規(guī)模單核苷酸多態(tài)性(single nucleotide polymorphism, SNPs)標記檢測提供了一個高效平臺, 用于構(gòu)建高密度遺傳圖譜[15], 已經(jīng)成功應(yīng)用于擬南芥、水稻、玉米和大豆等遺傳圖譜的構(gòu)建[16-19]。Jiang等[20]利用高通量測序技術(shù)研究水稻低溫發(fā)芽能力, 鑒定出6個與水稻低溫發(fā)芽相關(guān)的QTL; Tian等[21]利用中黃13和中品03-5373配置的RIL群體, 構(gòu)建了一張包含4011個bin標記的高密度遺傳圖譜, 在6個環(huán)境中檢測到3個新位點; Pan等[22]研究大豆開花期, 從獲得的QTL中挖掘獲得52個候選基因, 包括已驗證的、、和基因。構(gòu)建高密度遺傳圖譜可以加速復雜性狀QTL/基因的挖掘和應(yīng)用, 相關(guān)分子標記為后續(xù)精細定位和基因鑒定奠定了良好的基礎(chǔ), 對大豆的科學研究和育種實踐具有重要意義[23]。

本研究以低蛋白品種中黃35 (Zhonghuang 35, ZH35)和高蛋白品種中黃13 (Zhonghuang 13, ZH13)為親本, 構(gòu)建了包含192個株系的重組自交系(recombinant inbred lines, RIL)群體, 利用全基因組測序(whole genome sequencing, WGS)技術(shù)對RIL群體進行測序, 構(gòu)建了一張基于bin標記的高密度遺傳圖譜, 鑒定與蛋白含量相關(guān)的QTL, 對大豆蛋白質(zhì)含量精細定位、候選基因鑒定、分子機制研究和分子標記輔助選擇(marker assisted selection, MAS)等方面的深入研究具有一定的參考價值。

1 材料與方法

1.1 試驗材料

以ZH35和ZH13為親本配置組合, 從F2代通過單粒傳法構(gòu)建F2:6RILs群體, 群體包含192個株系, 在2020年7月分別種植于北京順義和河南濮陽。群體種植均采用2 m行長, 行距為50 cm, 株距為10 cm,每個株系種植1行。

1.2 表型數(shù)據(jù)測定及分析

選擇表面干凈, 無菌斑、病害、裂紋, 顆粒完整的種子樣品, 利用德國Bruker公司生產(chǎn)的傅立葉變換近紅外光譜儀測定蛋白質(zhì)含量, 每個株系取5個單株, 每株3次重復, 取5個單株的平均值為樣品的最終蛋白質(zhì)含量。利用SPSS (https://www.spssau. com/)軟件對親本及RIL群體表型數(shù)據(jù)進行描述性統(tǒng)計, 包括性狀在環(huán)境下的平均值、變異系數(shù)和正態(tài)分布檢驗等。

1.3 DNA提取

隨機取F2:7各個株系的5個單株幼嫩葉片混樣, 按CTAB法[24]提取DNA后送北京諾禾致源生物信息科技有限公司進行分析。檢測合格的DNA樣品通過酶切、加測序接頭、純化、PCR擴增等步驟完成整個文庫制備。文庫質(zhì)檢合格后通過Illumina平臺測序[25]。

1.4 遺傳圖譜構(gòu)建

以Williams 82基因組序列(https://phytozome- next.jgi.doe.gov/info/Gmax_Wm82_a2_v1)作為參考基因組序列, 父本ZH13測序數(shù)據(jù)來源于Shen等[26]的相關(guān)報道, 結(jié)合實驗室前期得到的ZH35測序數(shù)據(jù), 將2個親本及192個子代測序數(shù)據(jù)與參考基因組進行比對, 然后對親本和192個子代進行SNP檢測, 并且統(tǒng)計SNP的相關(guān)信息。通過親本基因型檢測結(jié)果, 對高質(zhì)量的SNP標記進行篩選。基于篩選到的SNP標記, 對每個個體以15個SNP為滑動窗口, 步移長度為1的策略檢測大豆RILs間的重組斷點, 同時使用JoinMap4.0[27]對每個連鎖群的bin標記進行排序, 最終獲得可以使用的bin標記, 用perl SVG模塊繪制高密度遺傳圖譜。由天津極智基因科技有限公司完成遺傳圖譜的構(gòu)建。

1.5 QTL定位

本研究使用MapQTL中的PT確定表型的LOD值閾值, 使用WinQTL軟件中的CIM算法進行QTL定位, 當某個位置檢測到的LOD值大于閾值時, 就認為該位置存在1個QTL, 在5%顯著性水平下, 以2.5為臨界值, 即LOD≥2.5作為判定QTL存在的依據(jù)。定位到的QTL的主要內(nèi)容包括染色體、遺傳距離、加性效應(yīng)、置信區(qū)間、LOD值以及單個QTL的表型貢獻率(2)。QTL命名法是按照McCouch等[28]描述的方法建立的, 以q開頭, 然后是性狀名稱、染色體名稱和該染色體QTL順序的縮寫。

1.6 候選基因

利用定位區(qū)間所對應(yīng)的物理位置, 在SoyBase (https://www.soybase.org/)網(wǎng)站查詢基因功能注釋, 結(jié)合基因的表達量篩選候選基因。

2 結(jié)果與分析

2.1 親本及RIL群體的表型分析

由表1可知, 親本ZH35和ZH13蛋白質(zhì)含量差異較大, 2個環(huán)境下ZH13的蛋白含量都顯著高于ZH35。在北京順義, RIL群體蛋白含量的最大值為46%, 最小值為37.51%, 變異系數(shù)為2.48%; 在河南濮陽, RIL群體蛋白含量的最大值為45.98%, 最小值為37.04%, 變異系數(shù)為2.98%。比較2個環(huán)境中親本及RIL群體蛋白含量, 親本差異較小, 但是RIL群體蛋白含量在2個環(huán)境中呈極顯著差異(圖1)。2個環(huán)境中RIL群體的蛋白含量變異幅度較大, 峰度和偏度絕對值均小于1, 服從正態(tài)分布, 表現(xiàn)為數(shù)量性狀的遺傳模式(圖2)。

圖1 2個環(huán)境中F2:6群體蛋白含量表型箱型圖

***:< 0.001.

表1 2年兩代親本及重組自交系群體蛋白質(zhì)含量統(tǒng)計分析

RIL: 重組自交系。RIL: recombinant inbred lines.

圖2 ZH35/ZH13重組自交系及親本的蛋白含量表型分布特征

A: RIL群體在北京順義的蛋白含量分布圖; B: RIL群體在河南濮陽的蛋白含量分布圖。ZH35: 中黃35; ZH13: 中黃13。

A: the distribution of protein content of RIL population in Shunyi, Beijing; B: the distribution of protein content of RIL population in Puyang, Henan. ZH35: Zhonghuang 35; ZH13: Zhonghuang 13. RIL: the recombinant inbred lines.

2.2 高密度遺傳圖譜構(gòu)建

對ZH35和ZH13構(gòu)建的192個株系進行WGS測序, 將2個親本及192個子代測序數(shù)據(jù)與參考基因組進行比對, 2個親本比對率都在93%以上, 1X覆蓋度平均在95.23%, 說明測序數(shù)據(jù)的均一性比較好。基于比對結(jié)果, 對親本和192個子代進行SNP檢測、SNP標記開發(fā)、基因分型和SNP標記篩選, 最終得到有效標記共1,034,092個; 針對大豆的每條染色體, 使用JoinMap 4.0對每條染色體的bin標記進行排序, 染色體使用極大似然法排序, Kosambi函數(shù)計算遺傳距離, 最終上圖bin標記共4879個。最終構(gòu)建的高密度遺傳圖譜遺傳距離總長3760.71 cM, 平均遺傳距離0.77 cM, 覆蓋大豆全基因組20條染色體(圖3)。每條染色體標記數(shù)為126～402個, 平均為243.95個, 遺傳距離為96.81～291.38 cM, 標記間平均遺傳距離為0.77 cM (表2)。染色體中長度小于5 cM的Gap比例平均達99.51%, 表明圖譜非常均勻。每條染色體上大部分標記的順序與基因組保持一致, 能夠滿足定位要求。

2.3 大豆蛋白含量QTL定位分析

在北京順義和河南濮陽2個環(huán)境, 從F2:6RIL群體中共檢測出15個控制大豆蛋白含量的QTL, 分布于5號、12號、15號、17號、18號、19號和20號染色體(表3)。其中, 在北京順義檢測到9個, 分布于15號、17號、18號、19號和20號染色體, LOD值介于2.85～4.48之間, 貢獻率介于4.44%～7.65%之間; 河南濮陽檢測到6個, 分布于5號、12號和20號染色體, LOD值介于2.67～4.82之間, 貢獻率介于4.83%～8.58%之間。所有QTL位點中,貢獻率最高, 達到8.51%, 區(qū)間內(nèi)包含49個基因;是QTL位點區(qū)間最小, 僅包含11個基因; 除此之外, 在20號染色體上, 2個環(huán)境分別鑒定到和存在重疊區(qū)域, 位于標記bin5059～bin5060之間。

圖3 染色體標記分布圖

X軸代表染色體編號; Y軸代表遺傳距離(cM); 藍色代表bin標記。

X-axis represents chromosome number; Y-axis represents genetic distance (cM); the blue represents the bin mark.

表2 中黃35/中黃13的RIL群體連鎖圖譜的基本信息

小于5 cM的gap比例是指染色體中長度小于5 cM的gap比例, 比例越高圖譜越均勻。RIL: 重組自交系。

Higher proportion of gap length less than 5 cM in linkage group indicates the map is more uniform. RIL: the recombinant inbred lines.

表3 2種環(huán)境下檢測到的大豆蛋白質(zhì)含量QTL

2.4 定位重疊區(qū)域基因型與表型相關(guān)性分析

在bin5059位點, 低蛋白基因型(aa)有93個株系,在北京順義和河南濮陽平均蛋白含量分別為41.68%和40.59%; 高蛋白基因型(bb)有99個株系, 在北京順義和河南濮陽平均蛋白含量分別為42.37%和41.51%; 在bin5060位點, 低蛋白基因型(aa)有95個株系, 在北京順義和河南濮陽平均蛋白含量分別為41.67%和40.65%; 高蛋白基因型(bb)有97個株系, 在北京順義和河南濮陽平均蛋白含量分別為42.39%和41.46% (圖4)。表明這2個標記與大豆蛋白含量緊密連鎖, 可用于大豆蛋白改良的標記輔助育種。

2.5 重疊QTL候選基因預(yù)測

通過SoyBase (https://www.soybase.org/)網(wǎng)站對20號染色體重疊區(qū)間bin5059～bin5060內(nèi)的33個基因進行檢索, 25個基因有功能注釋(表4)。同時, 利用SoyBase網(wǎng)站對區(qū)間內(nèi)基因種子發(fā)育不同時期的表達量進行分析(圖5), 表達量較高的有4個基因, 分別是、、和, 表達量中等的有5個基因, 分別是、、、和, 表達量較低的有5個基因, 分別是、、、和。

圖4 重疊區(qū)域中標記bin5059與bin5060的基因型與表型相關(guān)性分析

(A): bin5059的基因型與表型相關(guān)性分析; (B): bin5060的基因型與表型相關(guān)性分析。圖中橫坐標為基因型, 低蛋白記為a和A, 高蛋白記為b和B, 縱坐標為蛋白含量。**:< 0.01。

(A): the correlation analysis between genotype and phenotype of bin5059; (B): the correlation analysis between genotype and phenotype of bin5060. The abscissa is the genotype, low protein is denoted as a and A, high protein content is denoted as band B, and the vertical ordinate is the number of protein content. **:< 0.01.

(續(xù)表4)

圖5 SoyBase網(wǎng)站候選區(qū)間內(nèi)基因在種子不同發(fā)育時期表達量

3 討論

3.1 高密度遺傳圖譜的構(gòu)建

與傳統(tǒng)低密度遺傳圖譜相比, bin遺傳圖譜是基于高通量測序技術(shù)構(gòu)建的, 標記密度高, 物理位置準確, 精度達100 kb, 且一個bin內(nèi)部包含很多不發(fā)生重組的SNP, 可以用來精確檢測雙交換, 同時還能提供與關(guān)聯(lián)QTL連鎖更緊密的分子標記用于MAS[29-30]。標記間平均遺傳距離是評價高密度遺傳圖譜質(zhì)量的一個重要指標, Xu等[31]在2013年利用RIL群體在大豆中構(gòu)建了第一個bin高密度遺傳圖譜, 平均遺傳距離為0.70 cM; Karikari等[32]在6個不同環(huán)境中利用高通量測序方法鑒定大豆蛋白含量QTL, 構(gòu)建了一張包含2267個bin標記的高密度遺傳圖譜, 標記之間的平均距離為1.08 cM; Ma等[33]采用全基因組測序方法鑒定大豆蛋白含量QTL, 構(gòu)建了一張包含3420個bin標記的高密度遺傳圖譜, 標記間平均距離為0.94 cM; Huang等[34]利用全基因組測序技術(shù)構(gòu)建了包含3413個bin標記的高密度遺傳連鎖圖譜, 標記間的平均距離為1.58 cM, 檢測到3個LOD值比較高的蛋白含量QTL; Wang等[35]利用南夏豆25號和通豆11號配置的RIL群體鑒定大豆蛋白含量QTL, 構(gòu)建了一張包含2072個bin標記的高密度遺傳圖譜, 標記間平均距離為0.94 cM。Patil等[36]利用重組自交系群體鑒定大豆蛋白含量相關(guān)QTL, 構(gòu)建了一張包含4070個bin標記的高密度遺傳圖譜。相較前人研究, 本研究中, 高密度遺傳圖譜的bin標記最多, 包含4879個, 并且bin標記間平均遺傳距離為0.77 cM, 略大于Xu等[31]的研究結(jié)果, 但小于Karikari等[32]、Ma等[33]、Huang等[34]和Wang等[35]的圖譜, 表明該圖譜的bin標記在基因組上密度較高。此外, 構(gòu)建高密度遺傳圖譜的4879個bin標記在每條染色體上均勻分布, 大部分標記的順序與基因組保持一致, 表明該遺傳圖譜共線性好, 遺傳重組率準確度高, 極大地提高了QTL定位的精度, 為下一步挖掘大豆高蛋白相關(guān)基因奠定了基礎(chǔ)。

3.2 與前人定位的QTL的比較

利用CIM法在北京順義和河南濮陽共檢測到15個控制大豆蛋白含量的QTL, 其中有6個QTL位點在前人的研究中均被報道[37-39], 證明了本研究位點的可靠性。位于5號染色體, 與Wang等[39]報道的區(qū)間距離很近;位于15號染色體, LOD值為3.05, 貢獻率為5.12%, 該區(qū)間與Zhang等[37]研究一致, 其中Ma等[33]報道的貢獻率為14.70%, LOD為6.36;位于19號染色體, 貢獻率4.38%, LOD值為2.57, 該QTL包含在Kaleri等[42]報道的的位點之中, 同時距離位置很近。除此之外, 8個QTL是未被報道的大豆蛋白質(zhì)含量新位點(表4), 其中和兩個QTL位點具有一段重疊區(qū)域, 在北京順義和河南濮陽都被檢測到, 說明該位點遺傳穩(wěn)定, 受環(huán)境影響較小, 可用于下一步精細定位、基因克隆和功能驗證等研究。

3.3 重疊QTL相關(guān)候選基因

用SoyBase (https://www.soybase.org/)網(wǎng)站獲得定位區(qū)間內(nèi)基因在種子不同發(fā)育時期的表達模式, 使用TBtools生成熱圖。其中在種子不同發(fā)育時期表達量最高, 并在Seed 14DAY時期表達量達到頂峰, 從Seed 10DAY到Seed 14DAY時期, 表達量呈現(xiàn)上升趨勢, 可能大豆籽粒中蛋白質(zhì)正在逐步積累。同時利用SoyBase (https:// www.soybase.org/)提供的信息對區(qū)間內(nèi)基因進行注釋, 根據(jù)功能推測,參與谷胱甘肽代謝, 谷胱甘肽由谷氨酸、半胱氨酸及甘氨酸組成, 其中半胱氨酸為含硫氨基酸, 而蛋白品質(zhì)主要與含硫氨基酸相關(guān)[43]。據(jù)報道, 大豆中導入玉米醇溶蛋白基因, 使籽粒中的半胱氨酸含量從26.97%增加到29.33%, 進而影響大豆蛋白品質(zhì)[44]。此外, 重疊QTL區(qū)間內(nèi)3個基因參與細胞內(nèi)蛋白質(zhì)的轉(zhuǎn)運, 可能調(diào)控大豆籽粒蛋白含量, 3個基因分別是、和。因此, 推測、、和這4個候選基因可能與大豆蛋白質(zhì)含量有關(guān), 但是還需進一步的鑒定和驗證。

4 結(jié)論

本研究對中黃35和中黃13及其衍生的RILs群體進行重測序, 構(gòu)建了包含4879個bin標記的高密度遺傳圖譜。在北京順義和河南濮陽鑒定到15個控制大豆蛋白含量的QTL, 其中8個是新的大豆蛋白位點, 包括2個環(huán)境中均檢測到和的重疊區(qū)域, 區(qū)域內(nèi)有33個基因。本研究結(jié)果為候選基因的鑒定和蛋白含量的遺傳基礎(chǔ)分析奠定了基礎(chǔ)。

[1] Huang J H, Ma Q B, Cai Z D, Xia Q J, Cheng Y B. Identification and mapping of stable QTLs for seed oil and protein content in soybean [(L.) Merr]., 2020, 68: 6448–6460.

[2] Wang J, Chen P, Wang D, Shannon G, Zeng A, Orazaly M, Wu C. Identification and mapping of stable QTL for protein content in soybean seeds., 2015, 35: 92–102.

[3] Pathan S M, Vuong T, Clark K, Lee J D, Sleper D A. Genetic mapping and confirmation of quantitative trait loci for seed protein and oil contents and seed weight in soybean., 2013, 53: 765–774.

[4] Wilcox J R. Increasing seed protein in soybean with eight cycles of recurrent selection., 1998, 38: 1536–1540.

[5] Keim P, Diers B W, Olson T C, Shoemaker R C. RFLP mapping in soybean: association between marker loci and variation in quantitative traits., 1990, 126: 735–742.

[6] Du W J, Wang M, Fu S X, Yu D Y. Mapping QTLs for seed yield and drought susceptibility index in soybean (L.) across different environments., 2009, 36: 721–731.

[7] Pipolo C V, Pipolo A E, Haleem A H, Boerma H R, Sinclair T R. Identification of QTLs associated with limited leaf hydraulic conductance in soybean.,2012, 186: 679–686.

[8] Powell W, Morgante M, Andre C, Hanafey M, Vogel J, Tingey S, Rafalski A. The comparison of RFLP, RAPD, AFLP and SSR (microsatellite) markers for germplasm analysis., 1996, 2: 225–238.

[9] Apuya N R, Frazier B L, Keim P, Roth E J, Lark K G. Restriction fragment length polymorphisms as genetic markers in soybean,(L.) Merrill., 1988, 75: 889–901.

[10] Keim P S, Diers B W, Olson T C, Shoemaker R C. RFLP mapping in soybean: association between marker loci and variation in quantitative traits., 1990, 126: 735–742.

[11] Keim P, Schupp J M, Travis S E, Clayton K, Zhu T, Shi L, Ferreira A, Webb D M. A high-density soybean genetic map based on AFLP markers., 1997, 37: 537–543.

[12] Akkaya M S, Shoemaker R C, Specht J E, Bhagwat A A, Cregan P B. Integration of simple sequence repeat DNA markers into a soybean linkage map., 1995, 35: 1439–1445.

[13] Cregan P B, Jarvik T, Bush A L, Kaya N, Vantoai T T, Lohnes D G, Chung J. An integrated genetic linkage map of the soybean genome., 1999, 39: 1464–1490.

[14] Liu N X, Li M, Hu X B, Ma Q B, Mu Y H, Tan Z Y, Xia Q J, Zhang G Y, Nian H. Construction of high-density genetic map and QTL mapping of yield-related and two quality traits in soybean RILs population by RAD-sequencing., 2017, 18: 466–479.

[15] Varshney R K, Nayak S N, May G D, Jackson S A. Next- generation sequencing technologies and their implications for crop genetics and breeding., 2009, 27: 522–530.

[16] Joosen R V L, Arends D, Willems L A J, Ligterink W, Jansen R C, Hilhorst H W M. Visualizing the genetic landscape ofseed performance., 2012, 158: 570–589.

[17] Yu H H, Xie W B, Wang J, Xing Y Z, Xu C G, Li X H, Xiao J H, Zhang Q F. Gains in QTL detection using an ultra-high density SNP map based on population sequencing relative to traditional RFLP/SSR markers., 2011, 6: e17595.

[18] Song W B, Wang B B, Hauck A L, Dong X M, Li J P, Lai J S. Genetic dissection of maize seedling root system architecture traits using an ultra-high density bin-map and a recombinant inbred line population., 2015, 58: 266–279.

[19] Cheng Y B, Ma Q B, Ren H L, Xia Q J, Song E L, Tan Z Y, Li S X, Zhang G Y, Nian H. Fine mapping of a phytophthora- resistance genein soybean (L.) by high- throughput genome-wide sequencing., 2017, 130: 1041–1051.

[20] Jiang N F, Shi S L, Shi H, Khanzada H, Wassan G M, Zhu C L, Peng X S, Yu Q Y, Chen X R, He X P, Fu J R, Hu L F, Xu J, Ou-Yang L J, Sun X T, Zhou D H, He H H, Bian J M. Mapping QTL for seed germinability under low temperature using a new high-density genetic map of rice., 2017, 8: 1223–1232.

[21] Yu T, Lei Y, Lu H F, Zhang B, Li Y F, Liu C, Ge T L, Liu Y L, Han J N, Li Y H, Qiu L J. QTL analysis for plant height and fine mapping of two environmentally stable QTLs with major effects in soybean., 2022, 21: 933–946.

[22] Pan L Y, He J B, Zhao T J, Xing G N, Wang Y F, Yu D Y, Chen S Y, Gai J Y. Efficient QTL detection of flowering date in a soybean RIL population using the novel restricted two-stage multi-locus GWAS procedure., 2018, 131: 2581–2599.

[23] Wang W B, Liu M F, Wang Y F, Li X L, Cheng S X, Shu L P, Yu Z P, Kong J J, Zhao T J, Gai J Y. Characterizing two inter-specific bin maps for the exploration of the QTLs/genes that confer three soybean evolutionary traits., 2016, 7: 1248–1264.

[24] Allen G C, Flores-Vergara M A, Krasnyanski S, Kumar S, Thompson W F. A modified protocol for rapid DNA isolation from plant tissues using cetyltrimethylammonium bromide., 2006, 1: 2320–2325.

[25] Wang L X, Wang J, Luo G L, Yuan X X, Gong D, Hu L L, Chen H L, Wang S H, Chen X, Cheng X Z. Construction of a high- density adzuki bean genetic map and evaluation of its utility based on a QTL analysis of seed size., 2021, 20: 1753–1761.

[26] Shen Y T, Du H L, Liu Y C, Ni L B, Wang Z, Liang C Z, Tian Z X. Update soybean Zhonghuang 13 genome to a golden reference., 2019, 62: 1257–1260.

[27] Liu D Y, Ma C X, Hong W G, Huang L, Liu M, Liu H, Zeng H P, Deng D J, Xin H, Song J, Xu C H, Sun X W, Hou X L, Wang X W, Zheng H K. Construction and analysis of high-density linkage map using high-throughput sequencing data., 2014, 9: e98855.

[28] McCouch S R, Cho Y G, Yano M, Paul E, Blinstrub M, Morishima H, Kinoshita T. Report on QTL nomenclature., 1997, 14: 11–12.

[29] 董驥馳, 楊靖, 郭濤, 陳立凱, 陳志強, 王慧. 基于高密度Bin圖譜的水稻抽穗期QTL定位. 作物學報, 2018, 44: 938–946. Dong J C, Yang J, Guo T, Chen L K, Chen Z Q, Wang H. QTL mapping for heading date in rice using high-density bin map., 2018, 44: 938–946 (in Chinese with English abstract).

[30] Hori K, Kobayashi T, Shimizu A, Sato K, Takeda K, Kawasaki S. Efficient construction of high-density linkage map and its application to QTL analysis in barley., 2003, 107: 806–813.

[31] Xu X Y, Zeng L, Tao Y, Vuong T, Wan J R, Boerma R, Noe J, Li Z L, Finnerty S, Pathan S M, Shannon J G, Nguyen H T. Pinpointing genes underlying the quantitative trait loci for root-knot nematode resistance in palaeopolyploid soybean by whole genome resequencing., 2013, 110: 13469–13474.

[32] Karikari B, Li S G, Bhat J A, Cao Y, Kong J J, Yang J Y, Gai J Y, Zhao T J. Genome-wide detection of major and epistatic effect QTLs for seed protein and oil content in soybean under multiple environments using high-density bin map., 2019, 20: 979–1000.

[33] Ma Y J, Ma W Y, Hu D Z, Zhang X N, Yuan W J, He X H, Kan G Z, Yu D Y. QTL mapping for protein and sulfur-containing amino acid contents using a high-density bin-map in soybean (L. Merr.)., 2019, 67: 12313–12321.

[34] Huang J H, Ma Q B, Cai Z D, Xia Q J, Li S X, Jia J, Chu L, Lian T X, Nian H, Cheng Y B. Identification and mapping of stable QTLs for seed oil and protein content in soybean [(L.) Merr.]., 2020, 68: 6448–6460.

[35] Wang J, Mao L, Zeng Z Q, Yu X B, Lian J Q, Feng J, Yang W Y, An J G, Wu H Y, Zhang M G, Liu L Z. Genetic mapping high protein content QTL from soybean ‘Nanxiadou 25’ and candidate gene analysis., 2021, 21: 388.

[36] Patil G, Vuong T D, Kale S, Valliyodan B, Deshmukh R, Zhu C S, Wu X L, Bai Y H, Yungbiuth D, Lu F, Kumpatla S, Shannon J G, Varshney R K, Nguyen H T. Dissecting genomic hotspots underlying seed protein, oil, and sucrose content in an interspecific mapping population of soybean using high-density linkage mapping, 2018, 16: 1939–1953.

[37] Mansur L M, Orf J H, Chase K, Jarvik T, Cregan P B, Lark K G. Genetic mapping of agronomic traits using recombinant inbred lines of soybean., 1996, 36: 1327–1336.

[38] Mao T T, Jiang Z F, Han Y P, Teng W L, Zhao X, Li W B. Identification of quantitative trait loci underlying seed protein and oil contents of soybean across multi-genetic backgrounds and environments., 2013, 132: 630–641.

[39] Li X Y, Xue H, Zhang K X, Li W B, Ning H L. Mapping QTLs for protein and oil content in soybean by removing the influence of related traits in a four-way recombinant inbred line population.,2020, 158: 659–675.

[40] Wang W, Sun Y, Yang P, Cai X, Yang L, Ma J, Ou Y, Liu T, Ali I, Liu D. A high density SLAF-seq SNP genetic map and QTL for seed size, oil and protein content in upland cotton., 2019, 20: 599–610.

[41] Zhang J P, Wang X Z, Lu Y M, Bhusal S J, Song Q J, Cregan P B, Yen Y, Brown M, Jiang G L. Genome-wide scan for seed composition provides insights into soybean quality improvement and the impacts of domestication and breeding.,2018, 11: 460–472.

[42] Kaleri A A, Li L, Zhang Y, Liu W, Jiang C, Zhang Y, Liu C, Kaleri H A, Nizamani M M, Mehmood A, Bahadur S, Li W X, Ning H. Recognition of QTL for seed protein and oil content in two soybean recombinat inbred lines populations.,2021, 31: 1669–1685.

[43] 邱紅梅, 厲志, 于妍, 高淑芹, 馬曉萍, 鄭宇宏, 孟凡凡, 侯云龍, 王躍強, 王曙明. 基于元分析的大豆含硫氨基酸相關(guān)基因挖掘與信息學分析. 中國油料作物學報, 2015, 37: 141–147. Qiu H M, Li Z, Yu Y, Gao S Q, Ma X P, Zheng Y H, Meng F F, Hou Y L, Wang Y Q, Wang S M. Mining and analysis of genes related to sulfur-containing amino acids in soybean based on meta-QTL., 2015, 37: 141–147 (in Chinese with English abstract).

[44] Li Z W, Meyer S, Essig J S, Liu Y, Schapaugh M A, Muthukrishnan S, Hainline B E, Trick H N. High-level expression of maize γ-zein protein in transgenic soybean ()., 2005, 16: 11–20.

Mapping soybean protein QTLs based on high-density genetic map

LIU Ting-Xuan1,2,**, GU Yong-Zhe2,**, ZHANG Zhi-Hao3, WANG Jun1,*, SUN Jun-Ming2,*, and QIU Li-Juan1,2,*

1Yangtze University, Jingzhou 434025, Hubei, China;2National Key Facility for Gene Resources and Genetic Improvement of MARA / Beijing Key Laboratory of Soybean Biology of MARA / Institute of Crop Sciences, Chinese Academy of Agricultural Sciences, Beijing 100081, China;3College of Agriculture, Northeast Agricultural University, Harbin 150030, Heilongjiang, China

Soybean is an important food crop and economic crop, and its grain protein is about 40%, which is one of the main sources of high-quality vegetable protein. Mining the quantitative trait loci (QTL) that control soybean high protein and molecular marker breeding are of great significance for the breeding of high protein soybean. In this study, a recombinant inbred line population consisting of 192 lines constructed by crossing Zhonghuang 35 (ZH35) and Zhonghuang 13 (ZH13) with significant differences in protein content was used as the experimental materials. A high-density genetic map containing 4879 bin markers was constructed with the total genetic distance of 3760.71 cM and the genetic distance between adjacent markers of 0.77 cM by resequencing the two parents and the RIL population. The RIL population and its parents were grown in Shunyi, Beijing and Puyang, Henan, respectively. A total of 15 protein content-related QTL loci were detected in the two environments, which were distributed on chromosomes 5, 12, 15, 17, 18, 19, and 20, respectively. The contribution rate was 4.36%–11.39%, among which,andwere detected in Shunyi, Beijing and Puyang, Henan, respectively. The contribution rates of the two QTLs were 7.65% and 7.58%, respectively, and the overlapping regions included 33 genes. This study is helpful for fine mapping and map-based cloning of soybean protein content-related genes, and provides genetic resources for further breeding of high-protein soybean varieties.

soybean; protein content; recombinant inbred lines; bin map; QTL mapping

10.3724/SP.J.1006.2023.24121

本研究由中國和烏拉圭聯(lián)合實驗室合作項目(2018YFE0116900)資助。

This study was supported by the Project of Sino-Uruguayan Joint Laboratory (2018YFE0116900).

邱麗娟, E-mail: qiulijuan@caas.cn; 王俊, E-mail: wangjagri@yangtzeu.edu.cn; 孫君明, E-mail: qiulijuan@caas.cn

**同等貢獻(Contributed equally to this work)

劉亭萱, E-mail: 18834408825@163.com; 谷勇哲, E-mail: guyongzhe@caas.cn

2022-05-19;

2022-10-10;

2022-10-20.

URL: https://kns.cnki.net/kcms/detail/11.1809.S.20221019.1603.006.html

This is an open access article under the CC BY-NC-ND license (http://creativecommons.org/licenses/by-nc-nd/4.0/).