韩贝^,1,**, 王旭文^,2,**, 李保奇¹, 余渝², 田琴^,2,*, 杨细燕^,1,*1华中农业大学作物遗传改良国家重点实验室, 湖北武汉 430070
²新疆农垦科学院棉花研究所 / 农业农村部西北内陆棉区棉花生物学与遗传育种重点实验室, 新疆石河子 832000

Association analysis of drought tolerance traits of upland cotton accessions (Gossypium hirsutum L.)

HAN Bei^,1,**, WANG Xu-Wen^,2,**, LI Bao-Qi¹, YU Yu², TIAN Qin^,2,*, YANG Xi-Yan^{,1,* 1}National Key Laboratory of Crop Genetic Improvement, Huazhong Agricultural University, Wuhan 430070, Hubei, China
²Cotton Institute, Xinjiang Academy of Agricultural and Reclamation Science Xinjiang Academy of Agricultural and Reclamation Science / Northwest Inland Region Key Laboratory of Cotton Biology and Genetic Breeding (Xinjiang), Ministry of Agriculture and Rural Affairs, Shihezi 832000, Xinjiang, China

通讯作者: *田琴, E-mail: tq2005@126.com; 杨细燕, E-mail: yxy@mail.hzau.edu.cn

**同等贡献(Contributed equally to this work)
收稿日期:2020-03-12接受日期:2020-10-14网络出版日期:2021-03-12

基金资助:

国家自然科学基金项目.31560410 新疆生产建设兵团重点领域创新团队项目资助.2017CB011

Received:2020-03-12Accepted:2020-10-14Online:2021-03-12

Fund supported:

National Natural Science Foundation of China.31560410 Innovation Team in Key Fields of Xin- jiang Production and Construction Corps .2017CB011

作者简介 About authors
韩贝, E-mail: bhan_z@163.com;

王旭文, E-mail: wxw629@163.com







摘要
干旱是导致全世界棉花严重减产、纤维品质下降的重要因素, 因此获得高产、优质、耐旱的棉花新品种一直是棉花的育种目标。本研究选取217份陆地棉栽培种组成的自然群体为研究对象, 采用全生育期处理组灌水量为对照组50%的干旱胁迫处理, 并在处理后期对217份材料的株高、衣分、单铃重等18个性状进行2年2点的表型鉴定, 干旱胁迫后, 群体间响应差异明显, 多个表型性状在对照和处理间表现显著差异。通过BLUP分析表型数据并计算各性状的抗旱系数; 全基因组范围选取的214对多态性SSR分子标记扫描群体, 共检测到393个多态性位点, 基因多样性系数平均值为0.402, 范围为0.072~0.631, PIC值平均为0.329, 范围为0.070~0.560; 群体结构分析表明, 该群体可分为2个亚群。用上述SSR标记分别对18个性状的抗旱系数进行关联分析, 共关联到76个极显著位点(P<0.01), 表型变异解释率为2.930%~7.218%, 其中共有14个标记位点能同时被2种或以上性状检测到。研究结果可为后期棉花杂交育种亲本选择及抗旱分子标记辅助育种提供理论基础及参考依据。
关键词： 陆地棉;抗旱性;抗旱系数;SSR标记;关联分析

Abstract
Drought stress is an important factor that leads to severe reduction in cotton fiber yield and quality worldwide, and new cotton varieties with high-yield, high-quality and drought-tolerant characteristics have been the goal for cotton breeding. In this study, 217 upland cotton accessions were selected for drought stress experiments and association study. The drought stress treatment panels were supplied with 50% the water volume of the controls, until the seedlings emerged. A total of 18 traits including agronomic traits, fiber yield indices and fiber quality indices, were investigated at two locations and for two years. After drought stress, there were significant differences in response between populations, and significant differences in phenotypic traits between control and treatments. The phenotypic data were analyzed by BLUP, and the drought resistance coefficient of each trait was calculated. A total of 393 loci were detected by 214 SSR marker in the tested cotton accessions. The average gene diversity coefficient was 0.402, with the range of 0.072-0.631; and the average PIC value was 0.329, ranging from 0.070 to 0.560. Genetic structure analysis showed that the group could be divided into two subgroups and it had no obvious correspondence with geographical origin. There were detected extremely 76 significant loci (P < 0.01), with explanation rate ranging from 2.931% to 7.218%, by association study using drought resistance coefficient (DRC) of 18 traits. Fourteen SSR marker could be detected by two or more traits at the same time. These results could provide a theoretical basis and reference for the parents selection and drought-resistant molecular marker-assisted breeding in cotton.
Keywords：upland cotton accessions;drought resistance;drought resistance coefficient;SSR maker;association analysis


PDF (1469KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex收藏本文
本文引用格式
韩贝, 王旭文, 李保奇, 余渝, 田琴, 杨细燕. 陆地棉种质资源抗旱性状的关联分析[J]. 作物学报, 2021, 47(3): 438-450. doi:10.3724/SP.J.1006.2021.04063
HAN Bei, WANG Xu-Wen, LI Bao-Qi, YU Yu, TIAN Qin, YANG Xi-Yan. Association analysis of drought tolerance traits of upland cotton accessions (Gossypium hirsutum L.)[J]. Acta Agronomica Sinica, 2021, 47(3): 438-450. doi:10.3724/SP.J.1006.2021.04063


棉花在整个生育期会遭遇各种生物及非生物逆境胁迫, 包括黄萎病和枯萎病等疾病、蚜虫和棉铃虫等虫害以及干旱、盐碱、高温等非生物胁迫。当前解决作物生长过程中的干旱问题已成为世界上许多国家和地区的一个重大难题^[1,2]。干旱限制了棉花根部从土壤中吸收水分, 从而导致棉花的渗透势升高、花芽脱落、纤维伸长率降低、纤维壁厚度改变、棉铃尺寸减小、纤维质量变差和棉花总产量降低^[3]。新疆是我国最大的产棉区、长绒棉生产基地和优质商品棉生产基地, 属干旱半干旱地区, 年降雨量少且水资源时空分布不平衡, 干旱问题十分严重, 因此研究现有棉花种质资源耐旱性的遗传多样性以及挖掘耐旱优异等位基因具有十分重要的现实意义。

抗旱性是由微效多基因控制的数量遗传性状。目前, 世界各国在干旱胁迫条件下的抗性生理及生物技术方面已开展了大量研究。Xiao等^[4]通过对184份水稻材料的卷曲叶、干叶等抗旱性状进行全基因组扫描和关联分析, 鉴定了16个与抗旱性相关的QTL位点。棉花应对干旱胁迫的研究最早集中在根系结构及形态生理上。早在1989年, 美国科学家William等^[5]通过研究, 证明提高根系吸收水分能力减轻干旱抑制作用。棉花适应干旱的遗传变异性大, 很多性状都被作为选择抗旱性棉花品种的重要指标, 其中包括形态指标(主根长度、根重量、侧根数量、根系生长速率和根冠比等)和生理指标(蒸腾速率、气孔导度、光合作用速率、叶片含水量和冠层温度等)^[6,7]。之后随着生物技术迅速发展, SSR分子标记和SNP分子标记被广泛应用于棉花抗旱性研究和关联分析。桑晓慧等^[8]利用74个SSR标记在萌发期以15%的PEG-6000对191份陆地棉材料进行胁迫处理及关联分析, 最终鉴定了15个与萌发期抗旱性显著相关的分子标记。Asena等^[9]利用177个SSR分子标记对99份陆地棉品种进行水分充足和水分胁迫2种不同的浇水方式处理, 并对籽棉产量、皮棉产量、水分利用率、干旱敏感指数、干旱胁迫指数等11个指标进行关联分析, 分别鉴定到了与性状相关联的15个和23个SSR标记。Ulloa等^[10]利用63K棉花芯片对2个RIL群体进行基因分型, 在正常灌溉与水分亏缺2种条件下共鉴定到150多个与产量和纤维品质相关的QTL。Hou等^[11]通过对319份陆地棉材料在温室进行PEG胁迫处理, 利用GWAS鉴定出20个与耐旱性状相关的SNP, 并通过RNA-seq与qRT-PCR等技术验证最终得到4个候选基因。

本研究以我国不同生态棉区及部分国外陆地棉品种资源为研究对象, 分别于2016—2017年在新疆石河子和库尔勒两地进行干旱处理试验, 采用全生育期处理组灌水量为对照组50%的干旱胁迫处理, 并在后期对217份材料的株高、衣分、单铃重等18个性状进行测定。通过SSR全基因组扫描的方法进行关联分析, 从而挖掘出与耐旱性相关的特异性位点, 以期为棉花抗旱遗传改良提供理论基础。

1 材料与方法

1.1 试验材料及干旱处理设置

选取来自我国不同生态棉区及部分国外陆地棉品种组成的自然群体为试验材料, 共计217份, 由新疆农垦科学院棉花研究所收集保存(附表1)。试验于2016—2017年分别在新疆农垦科学院棉花研究所北疆石河子试验基地和新疆农垦科学院棉花研究所南疆库尔勒试验基地开展。设置2个水分处理: (1)对照组(正常灌水), 库尔勒全生育期共灌水12次, 总量合计6768 m³ hm^-2; 石河子全生育期共灌水10次, 总量为4950 m³ hm^-2; (2)干旱处理组, 两地各生育期灌水量为正常灌水量的50%, 即每次灌水减半(附表2)^[10,11], 平膜覆盖地表及滴灌供水。南疆库尔勒试验基地于3月15日进行了额外的灌溉(4500 m³ hm^-2)以减少土壤中盐分与碱的含量; 北疆石河子试验基地于4月20日进行了额外的灌溉(240 m³ hm^-2)用于播种出苗。试验采用完全随机区组排列, 每组处理设置重复2次, 小区行长2.20 m, 平均行距0.45 m, 每个品种种植2行, 小区面积1.98 m²。机械覆盖地膜, 棉种人工点播, 株距10 cm, 实际收获株数16.5万株 hm^-2。试验田土壤肥力均一, 其他管理措施同常规大田。在棉花生育期内同步统计2个试验点每月降雨量和均温(附图1)。

Table s1
附表1
附表1材料编号与群体结构划分
Table s1Table S1 Germplasm number and population structure division

材料编号 Germplasm number	品种名称 Cultivar name	地理来源 Geographic origin	生态区分布 Ecological division		群体结构划分 Population structure division
YU004	中棉所35 Zhongmiansuo 35	中国河南 Henan, China	中国黄河流域棉区 YRR	Pop1
YU075	99B 99B	美国 America	美国 USA	Pop1
YU081	SGK 321 SGK 321	中国河北 Hebei, China	中国黄河流域棉区 YRR	Pop1
YU099	中棉所30 Zhongmiansuo 30	中国河南 Henan, China	中国黄河流域棉区 YRR	Pop1
YU127	新陆早10号 Xinluzao 10	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop1
YU129	新陆早12号 Xinluzao 12	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop1
YU134	新陆早18号 Xinluzao 18	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop1
YU137	新陆早21号 Xinluzao 21	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop1
YU141	新陆早25号 Xinluzao 25	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop1
YU152	新陆早37号 Xinluzao 37	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop1
YU163	新陆早50号 Xinluzao 50	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop1
YU176	新陆中12 Xinluzhong 12	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop1
YU177	新陆中13 Xinluzhong 13	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop1
YU179	新陆中15 Xinluzhong 15	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop1
YU180	新陆中16 Xinluzhong 16	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop1
YU181	新陆中17 Xinluzhong 17	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop1
YU187	新陆中23 Xinluzhong 23	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop1
YU193	新陆中30 Xinluzhong 30	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop1
YU213	惠和28号 Huihe 28	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop1
YU270	中棉所50 Zhongmiansuo 50	中国河南 Henan, China	中国黄河流域棉区 YRR	Pop1
YU275	晋中200 Jinzhong 200	中国山西 Shanxi, China	中国黄河流域棉区 YRR	Pop1
YU291	鄂棉24 Emian 24	中国湖北 Hubei, China	中国长江流域棉区 YtRR	Pop1
YU292	银山4号 Yinshan 4	中国河南 Henan, China	中国黄河流域棉区 YRR	Pop1
YU293	中棉所12 Zhongmiansuo 12	中国河南 Henan, China	中国黄河流域棉区 YRR	Pop1
YU294	鄂荆1号 Ejin 1	中国湖北 Hubei, China	中国长江流域棉区 YtRR	Pop1
YU295	泗棉3号 Simian 3	中国江苏 Jiangsu, China	中国长江流域棉区 YtRR	Pop1
YU296	鲁棉6号 Lumian 6	中国山东 Shandong, China	中国黄河流域棉区 YRR	Pop1
YU297	鲁棉9号 Lumian 9	中国山东 Shandong, China	中国黄河流域棉区 YRR	Pop1
YU298	斯字棉4B Sizimian 4B	美国 America	美国 USA	Pop1
YU299	晋棉28号 Jinmian 28	中国山西 Shanxi, China	中国黄河流域棉区 YRR	Pop1
YU300	晋棉36号 Jinmian 36	中国山西 Shanxi, China	中国黄河流域棉区 YRR	Pop1
YU301	冀棉8号 Jimian 8	中国河北 Hebei, China	中国黄河流域棉区 YRR	Pop1
YU302	冀棉10号 Jimian 10	中国河北 Hebei, China	中国黄河流域棉区 YRR	Pop1
YU303	冀棉11号 Jimian 11	中国河北 Hebei, China	中国黄河流域棉区 YRR	Pop1
YU304	冀棉12号 Jimian 12	中国河北 Hebei, China	中国黄河流域棉区 YRR	Pop1
YU305	冀棉228 Jimian 228	中国河北 Hebei, China	中国黄河流域棉区 YRR	Pop1
YU306	冀合321 Jihe 321	中国河北 Hebei, China	中国黄河流域棉区 YRR	Pop1
YU307	豫棉4号 Yumian 4	中国河南 Henan, China	中国黄河流域棉区 YRR	Pop1
YU308	豫棉11号 Yumian 11	中国河南 Henan, China	中国黄河流域棉区 YRR	Pop1
YU309	鄂棉16号 Emian 16	中国湖北 Hubei, China	中国长江流域棉区 YtRR	Pop1
YU310	鄂棉17号 Emian 17	中国湖北 Hubei, China	中国长江流域棉区 YtRR	Pop1
YU311	鄂棉21号 Emian 21	中国湖北 Hubei, China	中国长江流域棉区 YtRR	Pop1
YU312	苏棉4号 Sumian 4	中国江苏 Jiangsu, China	中国长江流域棉区 YtRR	Pop1
YU313	鄂抗棉2号 Ekangmian 2	中国湖北 Hubei, China	中国长江流域棉区 YtRR	Pop1
YU314	鄂抗棉3号 Ekangmian 3	中国湖北 Hubei, China	中国长江流域棉区 YtRR	Pop1
YU315	鄂抗棉6号 Ekangmian 6	中国湖北 Hubei, China	中国长江流域棉区 YtRR	Pop1
YU317	徐州142 Xuzhou 142	中国江苏 Jiangsu, China	中国长江流域棉区 YtRR	Pop1
YU318	苏棉9号 Sumian 9	中国江苏 Jiangsu, China	中国长江流域棉区 YtRR	Pop1
YU319	苏棉12号 Sumian 12	中国江苏 Jiangsu, China	中国长江流域棉区 YtRR	Pop1
YU320	苏抗191 Sukang 191	中国江苏 Jiangsu, China	中国长江流域棉区 YtRR	Pop1
YU322	冈棉2号 Gangmian 2	中国湖北 Hubei, China	中国长江流域棉区 YtRR	Pop1
YU323	珂字201 Kezi 201	美国 America	美国 USA	Pop1
YU324	珂字312 Kezi 312	美国 America	美国 USA	Pop1
YU325	陕401 Shaan 401	中国陕西 Shaanxi, China	中国黄河流域棉区 YRR	Pop1
YU326	岱字棉15号 Daizimian 15	美国 America	美国 USA	Pop1
YU327	岱红岱 Daihongdai	美国 America	美国 USA	Pop1
YU328	荆1246 Jin 1246	中国湖北 Hubei, China	中国长江流域棉区 YtRR	Pop1
YU329	荆楚201 Jinchu 201	中国湖北 Hubei, China	中国长江流域棉区 YtRR	Pop1
YU331	八一棉 Bayimian	中国湖北 Hubei, China	中国长江流域棉区 YtRR	Pop1
YU332	渤棉1号 Bomian 1	中国山东 Shandong, China	中国黄河流域棉区 YRR	Pop1
YU333	洞庭1号 Dongting 1	中国湖南 Hunan, China	中国长江流域棉区 YtRR	Pop1
YU334	孝棉1号 Xiaomian 1	中国湖北 Hubei, China	中国长江流域棉区 YtRR	Pop1
YU336	宛棉3号 Wanmian 3	中国河南 Henan, China	中国黄河流域棉区 YRR	Pop1
YU337	科棉4号 Kemian 4	中国江苏 Jiangsu, China	中国长江流域棉区 YtRR	Pop1
YU338	南通5号 Nantong 5	中国江苏 Jiangsu, China	中国长江流域棉区 YtRR	Pop1
YU339	赣棉11号 Ganmian 11	中国江西 Jiangxi, China	中国长江流域棉区 YtRR	Pop1
YU340	赣棉12号 Ganmian 12	中国江西 Jiangxi, China	中国长江流域棉区 YtRR	Pop1
YU341	湘棉13 Xiangmian 13	中国湖南 Hunan, China	中国长江流域棉区 YtRR	Pop1
YU342	新棉33B Xinmian 33B	美国 America	美国 USA	Pop1
YU343	沪棉204 Humian 204	中国上海 Shanghai, China	中国长江流域棉区 YtRR	Pop1
YU348	鸡脚德字棉 Jijiaodezimian	美国 America	美国 USA	Pop1
YU349	中棉所2 Zhongmiansuo 2	中国河南 Henan, China	中国黄河流域棉区 YRR	Pop1
YU350	中棉所3号 Zhongmiansuo 3	中国河南 Henan, China	中国黄河流域棉区 YRR	Pop1
YU352	中棉所21 Zhongmiansuo 21	中国河南 Henan, China	中国黄河流域棉区 YRR	Pop1
YU353	中棉所43 Zhongmiansuo 43	中国河南 Henan, China	中国黄河流域棉区 YRR	Pop1
YU354	中棉所69 Zhongmiansuo 69	中国河南 Henan, China	中国黄河流域棉区 YRR	Pop1
YU355	中棉所79 Zhongmiansuo 79	中国河南 Henan, China	中国黄河流域棉区 YRR	Pop1
YU356	中棉所8010 Zhongmiansuo 8010	中国河南 Henan, China	中国黄河流域棉区 YRR	Pop1
YU360	DP99B DP99B	美国 America	美国 USA	Pop1
YU361	NC20B NC20B	美国 America	美国 USA	Pop1
YU363	北农1号 Beinong 1	中国河北 Hebei, China	中国黄河流域棉区 YRR	Pop1
YU367	德字棉531 Dezimian 531	中国山东 Shandong, China	中国黄河流域棉区 YRR	Pop1
YU368	敦棉1号 Dunmian 1	中国甘肃 Gansu, China	中国西北内陆棉区 NIR	Pop1
YU371	赣棉3号 Ganmian 3	中国江西 Jiangxi, China	中国长江流域棉区 YtRR	Pop1
YU372	赣棉13 Ganmian 13	中国江西 Jiangxi, China	中国长江流域棉区 YtRR	Pop1
YU373	赣棉47 Ganmian 47	中国江西 Jiangxi, China	中国长江流域棉区 YtRR	Pop1
YU374	关农1号 Guannong 1	中国辽宁 Liaoning, China	中国北方特早熟棉区 NSEMR	Pop1
YU375	光叶岱字棉 Guangyedaizimian	美国 America	美国 USA	Pop1
YU376	邯棉885 Hanmian 885	中国河北 Hebei, China	中国黄河流域棉区 YRR	Pop1
YU378	冀棉1号 Jimian 1	中国河北 Hebei, China	中国黄河流域棉区 YRR	Pop1
YU379	冀棉19 Jimian 19	中国河北 Hebei, China	中国黄河流域棉区 YRR	Pop1
YU380	冀棉25 Jimian 25	中国河北 Hebei, China	中国黄河流域棉区 YRR	Pop1
YU382	晋棉3号 Jinmian 3	中国山西 Shanxi, China	中国黄河流域棉区 YRR	Pop1
YU384	晋棉29 Jinmian 29	中国山西 Shanxi, China	中国黄河流域棉区 YRR	Pop1
YU385	晋棉38 Jinmian 38	中国山西 Shanxi, China	中国黄河流域棉区 YRR	Pop1
YU387	科遗181 Keyi 181	中国河北 Hebei, China	中国黄河流域棉区 YRR	Pop1
YU388	克克1543 Keke 1543	前苏联 Former Soviet Union	前苏联 SU	Pop1
YU391	鲁棉研28 Lumianyan 28	中国山东 Shandong, China	中国黄河流域棉区 YRR	Pop1
YU392	鲁棉研32 Lumianyan32	中国山东 Shandong, China	中国黄河流域棉区 YRR	Pop1
YU393	宁棉1号 Ningmian 1	中国江苏 Jiangsu, China	中国长江流域棉区 YtRR	Pop1
YU394	宁棉12 Ningmian 12	中国江苏 Jiangsu, China	中国长江流域棉区 YtRR	Pop1
YU395	宁棉22 Ningmian 22	中国江苏 Jiangsu, China	中国长江流域棉区 YtRR	Pop1
YU396	农大94-7 Nongda 99-7	中国河北 Hebei, China	中国黄河流域棉区 YRR	Pop1
YU397	农大棉8号 Nongdamian 8	中国河北 Hebei, China	中国黄河流域棉区 YRR	Pop1
YU398	黔农465 Qiannong 465	中国贵州 Guizhou, China	中国南方棉区 SCR	Pop1
YU399	蜀棉1号 Sumian 1	中国四川 Sichuan, China	中国长江流域棉区 YtRR	Pop1
YU404	江苏棉1号 Jiangsumian 1	中国江苏 Jiangsu, China	中国长江流域棉区 YtRR	Pop1
YU411	徐州58 Xuzhou 58	中国江苏 Jiangsu, China	中国长江流域棉区 YtRR	Pop1
YU412	徐州219 Xuzhou 219	中国江苏 Jiangsu, China	中国长江流域棉区 YtRR	Pop1
YU030	中棉所36 Zhongmiansuo36	中国河南 Henan, China	中国黄河流域棉区 YRR	Pop2
YU032	渝棉1号 Yumian 1	中国重庆 Chongqing, China	中国长江流域棉区 YtRR	Pop2
YU033	辽棉10号 Liaomian 10	中国辽宁 Liaoning, China	中国北方特早熟棉区 NSEMR	Pop2
YU034	辽棉15号 Liaomian 15	中国辽宁 Liaoning, China	中国北方特早熟棉区 NSEMR	Pop2
YU042	中棉所27 Zhongmiansuo 27	中国河南 Henan, China	中国黄河流域棉区 YRR	Pop2
YU051	9456D 9456D	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU054	系9 Xi 9	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU062	602 602	不详 Unknown	不详 Unknown	Pop2
YU097	GK26 GK26	不详 Unknown	不详 Unknown	Pop2
YU100	中棉所41 Zhongmiansuo 41	中国河南 Henan, China	中国黄河流域棉区 YRR	Pop2
YU101	鄂抗虫棉1号 Ekangchongmian 1	中国湖北 Hubei, China	中国长江流域棉区 YtRR	Pop2
YU118	新陆早1号 Xinluzao 1	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU119	新陆早2号 Xinluzao 2	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU120	新陆早3号 Xinluzao 3	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU121	新陆早4号 Xinluzao 4	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU122	新陆早5号 Xinluzao 5	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU123	新陆早6号 Xinluzao 6	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU124	新陆早7号 Xinluzao 7	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU125	新陆早8号 Xinluzao 8	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU126	新陆早9号 Xinluzao 9	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU128	新陆早11 Xinluzao 11	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU130	新陆早13号 Xinluzao 13	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU131	新陆早15号 Xinluzao 15	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU132	新陆早16 Xinluzao 16	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU133	新陆早17号 Xinluzao 17	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU135	新陆早19 Xinluzao 19	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU136	新陆早20 Xinluzao 20	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU139	新陆早23 Xinluzao 23	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU140	新陆早24号 Xinluzao 24	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU142	新陆早26号 Xinluzao 26	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU143	新陆早27号 Xinluzao 27	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU144	新陆早28号 Xinluzao 28	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU145	新陆早29号 Xinluzao 29	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU146	新陆早30号Xinluzao 30	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU147	新陆早32号 Xinluzao 32	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU148	新陆早33号 Xinluzao 33	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU149	新陆早34号 Xinluzao 34	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU150	新陆早35号 Xinluzao 35	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU151	新陆早36号 Xinluzao 36	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU153	新陆早38号 Xinluzao 38	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU154	新陆早39号 Xinluzao 39	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU155	新陆早40号 Xinluzao 40	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU157	新陆早42号 Xinluzao 42	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU158	新陆早45号 Xinluzao 45	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU159	新陆早46号 Xinluzao 46	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU160	新陆早47号 Xinluzao 47	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU161	新陆早48号 Xinluzao 48	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU162	新陆早49号 Xinluzao 49	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU164	新陆早51号 Xinluzao 51	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU165	新陆中1号 Xinluzhong 1	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU166	新陆中2号 Xinluzhong 2	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU167	新陆中3号 Xinluzhong 3	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU168	新陆中4号 Xinluzhong 4	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU169	新陆中5号 Xinluzhong 5	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU170	新陆中6号 Xinluzhong 6	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU171	新陆中7号 Xinluzhong 7	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU172	新陆中8号 Xinluzhong 8	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU174	新陆中10 Xinluzhong 10	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU175	新陆中11 Xinluzhong 11	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU182	新陆中18 Xinluzhong 18	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU183	新陆中19 Xinluzhong 19	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU184	新陆中20 Xinluzhong 20	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU185	新陆中21 Xinluzhong 21	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU186	新陆中22 Xinluzhong 22	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU196	新陆中34 Xinluzhong 34	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU215	金垦1042 Jinken 1042	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU217	墨玉1号 Moyu 1	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU220	中植棉2号 Zhongzhimian 2	中国河南 Henan, China	中国黄河流域棉区 YRR	Pop2
YU232	军棉1号 Junmian 1	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU240	芽黄 Yahuang	不详 Unknown	不详 Unknown	Pop2
YU243	辽棉16 Liaomain 16	中国辽宁 Liaoning, China	中国北方特早熟棉区 NSEMR	Pop2
YU244	辽棉17号 Liaomian 17	中国辽宁 Liaoning, China	中国北方特早熟棉区 NSEMR	Pop2
YU245	辽棉18 Liaomian 18	中国辽宁 Liaoning, China	中国北方特早熟棉区 NSEMR	Pop2
YU246	辽棉19号 Liaomian 19	中国辽宁 Liaoning, China	中国北方特早熟棉区 NSEMR	Pop2
YU250	晋棉10号 Jinmian 10	中国山西 Shanxi, China	中国黄河流域棉区 YRR	Pop2
YU252	晋棉18号 Jinmian 18	中国山西 Shanxi, China	中国黄河流域棉区 YRR	Pop2
YU257	锦棉2号 jinmian 2	中国辽宁 Liaoning, China	中国北方特早熟棉区 NSEMR	Pop2
YU259	朝阳棉1号 Chaoyangmian 1	中国辽宁 Liaoning, China	中国北方特早熟棉区 NSEMR	Pop2
YU266	黑山棉1号 Heishanmian 1	中国辽宁 Liaoning, China	中国北方特早熟棉区 NSEMR	Pop2
YU268	中棉所37 Zhongmiansuo 37	中国河南 Henan, China	中国黄河流域棉区 YRR	Pop2
YU269	中棉所45 Zhongmiansuo 45	中国河南 Henan, China	中国黄河流域棉区 YRR	Pop2
YU271	中棉所58 Zhongmiansuo 58	中国河南 Henan, China	中国黄河流域棉区 YRR	Pop2
YU276	晋中169 Jinzhong 169	中国山西 Shanxi, China	中国黄河流域棉区 YRR	Pop2
YU283	晋棉6号 Jinmian 6	中国山西 Shanxi, China	中国黄河流域棉区 YRR	Pop2
YU287	惠远718 Huiyuan 718	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU288	中705 Zhong 705	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU290	FY11 FY 11	中国新疆 Xinjiang, China	中国西北内陆棉区 NIR	Pop2
YU316	鄂岱棉 Edaimain	中国湖北 Hubei, China	中国长江流域棉区 YtRR	Pop2
YU321	冈棉1号 Gangmian 1	中国湖北 Hubei, China	中国长江流域棉区 YtRR	Pop2
YU330	一树红 Yishuhong	中国河北 Hebei, China	中国黄河流域棉区 YRR	Pop2
YU335	科遗2号 Keyi 2	中国河北 Hebei, China	中国黄河流域棉区 YRR	Pop2
YU344	斯字棉4号 Sizimian 4	美国 America	美国 USA	Pop2
YU346	泾斯棉 Jingsimain	中国陕西 Shaanxi, China	中国黄河流域棉区 YRR	Pop2
YU347	鸭鹏棉 Yapengmian	中国湖北 Hubei, China	中国长江流域棉区 YtRR	Pop2
YU351	中棉所5号 Zhongmiansuo 5	中国河南 Henan, China	中国黄河流域棉区 YRR	Pop2
YU358	108夫 108 Fu	前苏联 Former Soviet Union	前苏联 SU	Pop2
YU359	611波 611 Bo	前苏联 Former Soviet Union	前苏联 SU	Pop2
YU362	安农121 Annong 121	中国安徽 Anhui, China	中国长江流域棉区 YtRR	Pop2
YU364	岱字棉14 Daizimian 14	美国 America	美国 USA	Pop2
YU365	岱字棉16 Daizimian 16	美国 America	美国 USA	Pop2
YU366	德夏棉1号 Dexiamian 1	中国山东 Shandong, China	中国黄河流域棉区 YRR	Pop2
YU369	敦棉2号 Dunmian 2	中国甘肃 Gansu, China	中国西北内陆棉区 NIR	Pop2
YU370	赣棉2号 Ganmian 2	中国江西 Jiangxi, China	中国长江流域棉区 YtRR	Pop2
YU381	锦棉5号 Jinmian 5	中国辽宁 Liaoning, China	中国北方特早熟棉区 NSEMR	Pop2
YU383	晋棉25 Jinmian 25	中国山西 Shanxi, China	中国黄河流域棉区 YRR	Pop2
YU386	珂字棉100 Kezimain 100	美国 America	美国 USA	Pop2
YU389	辽棉5号 Liaomian 5	中国辽宁 Liaoning, China	中国北方特早熟棉区 NSEMR	Pop2
YU400	司1470 Si 1470	前苏联 Former Soviet Union	前苏联 SU	Pop2

NIR: northwestern inland region of China; NSEMR: northern specific early maturation region of China; SCR: south China region; SU: Former Soviet Union; USA: American; YRR: Yellow River region of China; YtRR: Yangtze River region of China.

新窗口打开|下载CSV

Table S2
附表2
附表2新疆库尔勒及石河子(2016/2017年)水分处理
Table S2Water Treatment in Korla and Shihezi, Xinjiang (2016/2017)

次数 Times	库尔勒Korla			石河子Shihezi
	日期 Date (month/day)	正常 CK (m3 hm-2)	干旱 Drought (m3 hm-2)	日期 Date (month/day)	正常 CK (m3 hm-2)	干旱 Drought (m3 hm-2)
1	6/12	423	211.5	6/5	525	262.5
2	6/19	564	282	6/15	525	262.5
3	6/27	564	282	6/25	525	262.5
4	7/4	564	282	7/5	525	262.5
5	7/12	564	282	7/15	525	262.5
6	7/20	634.5	317.25	7/25	525	262.5
7	7/28	705	352.5	—	—	—
8	8/3	564	282	8/5	525	262.5
9	8/10	564	282	8/15	525	262.5
10	8/18	564	282	8/25	450	225
11	8/26	564	282	—	—	—
12	9/3	493.5	246.75	9/10	300	150
合计Total		6768	3384		4950	2475

新窗口打开|下载CSV

附图1

新窗口打开|下载原图ZIP|生成PPT
附图12016-2017年新疆石河子和库尔勒棉花全生育期气象数据

Fig. s1Fig. S1 Meteorological data of the whole growth period of cotton in Shihezi and Korla, Xinjiang in 2016-2017

1.2 表型性状调查

自播种后, 以杜雄明等^[12]制定的棉花种植资源性状描述规范调查棉花全生育期的18个表型性状。生育期(growth period, GP)从该小区50%的植株子叶平展到50%的植株开始吐絮计算; 每年9月下旬对每小区选择长势一致10株棉花调查株高(plant height, PH)、果枝始节高(first fruit spur height, FFSH)、第一果枝节位(first fruit spur branch number, FFSBN)、果枝数(fruit spur branch number, FSBN)、空果枝数(empty fruit spur branch number, EFSBN)、单株有效铃数(effective boll number, EBN)、外围铃数(peripheral boll number, PBN)等7项指标。吐絮后每个小区分别收获上、中、下部共30铃进行室内考种, 分别测定单铃重(boll weight, BW)、籽指(seed index, SI)、衣指(lint index, LI)及衣分(lint percentage, LP)等4项指标, 并估算理论籽棉产量(theoretical seed cotton yield, TSCY)=实际收获株数×单株有效铃数×单铃重。每个重复选取14 g左右皮棉测定纤维品质性状, 包括上半部纤维长度(fiber upper half mean length, FUHML)、纤维比强度(fiber strength, FS)、纤维整齐度(fiber uniformity, FU)、马克隆值(micronaire value, MV)及纤维伸长率(fiber elongation, FE)。在新疆农垦科学院棉花研究所测定纤维品质, 仪器型号为HFT9000, 检测温度为(20±2)℃, 相对湿度为(65±2)%。

1.3 SSR标记及基因型鉴定

参照Paterson等^[13]发表的CTAB法提取DNA, SSR试验操作程序和PCR参照张军等^[14]方法, 采用毛细管电泳分析仪Fragment Analyzer-XL960 SSR/Tilling分析PCR产物, PCR扩增产物经6%聚丙烯酰胺凝胶电泳, 银染显色后照相。

本试验所使用SSR标记来源四倍体棉花遗传图谱^[15], 平均每8~10 cM选取1个标记, 并进一步结合钱能等^[16]、Song等^[17]、薛艳等^[18]、Sun等^[19]、艾先涛等^[20]的研究结果, 从中选取557对标记对自然群体进行筛选, 得到的298对具有多态性的标记。选用12份地理来源差异大的材料(1: 标杂A父本; 2: 新陆早47号; 3: 15-23; 4: 169-57; 5: 新陆早48号; 6: 111-117; 7: 石K14; 8: 闫棉216; 9: 河南抗黄; 10: JF-2; 11: 中植棉2号; 12: 克克1543)对298对SSR标记进行筛选, 将条带差异大, 清晰易读的标记留下备用, 共得到214对多态性标记。SSR序列来自CMD (Cottonmaker Database)数据库(http://www.cottonmarker.org/), 由生工生物工程股份有限公司(上海)合成。对电泳结果使用ProSize2.0软件查看, 采用0、1统计法, 依据读胶视图中Ladder判断样品不同位点片段大小, 同一位点, 有条带记为“1”, 无条带记为“0”, 用“a”、“b”、“c”、“d” (对应片段大小由大到小)区别一个标记在材料中的多个多态性位点。

1.4 数据分析

采用R语言中Lme4包^[21]的最佳线性无偏预测(Best Linear Unbiased Prediction; BLUP)分析2年2点的表型数据, 通过H² = σ²_g / [σ²_g + σ²_ll/n_l + σ²_ly/n_y + σ²_r/(n_l*n_y)]计算广义遗传力^[22], 其中σ²_g为基因型方差, σ²_ll为地点方差, σ²_ly为年份方差, σ²_r为随机误差, n_l为地点重复次数, n_y为年份重复次数。材料间组内表型的离散程度用变异系数(coefficient of variation, CV)表示, 通过公式CV=标准偏差/均值进行计算; 材料的抗旱能力用各指标的抗旱系数(drought resistance coefficient, DRC)表示, 并以BLUP分析后的表型数据为基础, 通过公式DRC=处理组BLUP值/对照组BLUP值×100%计算^[23,24]。18个正常灌水与干旱条件下的表型值通过软件IBM SPSS Statistics 22.0 (http://www.ibm.com/analytics/us/en/ technology/spss/spss.html)进行单因素方差分析(ANOVA); 同时利用该软件对18个性状的DRC值进行了相关性分析及正态性检验。

使用POWERMARKER 3.25软件^[25]计算多态性标记的基因多样性指数与多态性信息含量(PIC)。群体结构通过Structure 2.3软件^[26]计算, 群组数K值设为1~9。独立运算5次, 将MCMC开始时的不作数迭代设为50,000次, 再将不作数迭代后的MCMC设为500,000次, 其余参数默认, 利用Structure harvester分析计算后的数据^[27], 作图并得到最佳K值^[28]。借助软件spagedi 1.4 ^[29]分析亲缘关系, 得到亲缘关系矩阵。利用Tassel 5.0软件^[30], 以群体结构(Q)和亲缘关系(K)为协变量的混合线性模型MLM进行性状与标记之间的关联分析^[31], 得到在P<0.01 ^[8]时的各标记位点及对表型变异的贡献率(R²)。借助软件Electronic PCR (e-PCR)与第3代棉花基因组序列进行序列比对, 得到各标记在基因组上的具体位置^[32,33]。从CottonQTLdb (http://www2.cottonqtldb.org:8081/traits)下载查找已发表QTL ^[34,35,36]。

2 结果与分析

2.1 表型性状数据分析

在正常灌水和干旱处理下分别考察群体材料包括生育期、株高、果枝始节高、第一果枝始节位、果枝数、空果枝数、单株有效铃数、外围铃数、单铃重、衣分、籽指、衣分、理论籽棉产量、上半部纤维长度、纤维整齐度、马克隆值、纤维比强度、纤维伸长率等18个性状, 通过BLUP分析分别获得它们在不同环境下的预测表型值, 并计算得到每个性状在不同处理下的变异系数和广义遗传力。表1展示了18个性状在2种条件下的均值(mean)、最大值(max.)、最小值(min.)、标准偏差(SD)、变异系数(CV)以及广义遗传力(H²)。对正常灌水和干旱处理数据分析表明, 一些农艺性状受干旱处理影响较大。比如正常条件下, 生育期的变化范围为129.515~141.447 d, 均值135.433 d; 而在干旱条件下, 生育期的变化范围为128.001~138.175 d, 均值132.843 d。正常情况下, 株高为53.809~74.726 cm (均值65.876 cm); 而干旱处理下, 株高为42.913~72.811 cm (均值60.371 cm)。在正常条件下, 果枝始节高的范围为13.573~27.115 cm (均值20.999 cm); 在干旱处理下, 果枝始节高的范围为13.238~26.303 cm (均值20.032 cm)。生育期、株高、果枝始节高的均值分别降低1.909%、8.357%和4.604%。

Table 1
表1
表12种处理下18个性状BLUP分析后的表型变异描述统计表
Table 1Descriptive statistics about phenotypic variations for 18 traits under two treatments by BLUP analysis

性状 Trait	对照 CK						方差分析 ANOVA	干旱 Drought
	均值 Mean	最大值Max.	最小值Min.	标准偏差 SD	变异系数CV(%)	遗传力(H2)	P值 P-value	均值 Mean	最大值 Max.	最小值 Min.	标准偏差 SD	变异系数CV (%)	遗传力(H2)
生育期 GP (d)	135.433	141.447	129.515	2.481	1.832	0.566	1.921E-26**	132.847	138.175	128.001	2.232	1.680	0.548
株高 PH (cm)	65.876	74.726	53.809	3.526	5.353	0.536	2.021E-37**	60.371	72.811	42.913	4.525	7.496	0.572
果枝始节高 FFSH (cm)	20.999	27.115	13.573	2.294	10.924	0.676	9.859E-06**	20.032	26.303	13.238	2.196	10.963	0.670
第一果枝节位 FFSBN	5.986	6.935	5.159	0.267	4.453	0.319	2.067E-03**	6.045	6.250	5.736	0.088	1.459	0.112
果枝数 FSBN	7.674	8.246	6.969	0.231	3.004	0.214	0.529	7.687	7.984	7.189	0.116	1.508	0.106
空果枝数 EFSBN	2.504	3.676	1.714	0.361	14.434	0.361	1.580E-13**	2.728	3.782	2.258	0.237	8.691	0.241
单株有效铃数 EBN	6.377	7.515	5.378	0.400	6.278	0.470	8.657E-16**	6.059	6.957	5.008	0.395	6.519	0.481
外围铃数 PBN	1.166	2.144	0.773	0.196	16.832	0.286	5.132E-24**	1.001	1.378	0.771	0.114	11.359	0.185
单铃重 BW (g)	7.163	8.743	5.409	0.403	5.632	0.590	0.890	7.169	8.191	6.004	0.367	5.115	0.555
衣分 LP (%)	39.038	42.635	32.480	1.716	4.396	0.621	4.718E-05**	39.941	59.450	32.488	2.734	6.846	0.644
籽指 SI (g)	11.126	14.043	9.638	0.775	6.964	0.711	0.098	11.000	14.328	9.352	0.811	7.375	0.714
衣指 LI (g)	7.102	8.313	5.318	0.553	7.792	0.772	1.880E-03**	7.269	8.658	5.630	0.558	7.683	0.753
理论籽棉产量TSCY (kg hm-2)	7473.908	8357.364	6848.882	292.433	3.913	0.307	1.100E-25**	7111.924	8282.359	6234.227	378.011	5.315	0.390
上半部纤维长度FUHML (mm)	28.808	31.503	25.713	0.970	3.366	0.725	5.650E-08**	28.285	30.877	25.880	0.998	3.528	0.702
纤维整齐度 FU (%)	84.617	85.760	81.823	0.629	0.743	0.542	0.619	84.646	86.167	82.570	0.593	0.700	0.514
马克隆值 MV	4.144	4.879	3.468	0.224	5.404	0.634	4.489E-36**	4.437	5.056	3.817	0.218	4.913	0.602
纤维比强度 FS (cN tex-1)	28.422	32.700	25.488	1.284	4.516	0.653	7.062E-03**	28.076	32.203	25.412	1.371	4.885	0.683
纤维伸长率 FE (%)	6.721	6.957	6.570	0.070	1.038	0.476	5.178E-22**	6.651	6.835	6.466	0.073	1.090	0.529

^*和^**分别表示在P < 0.05和P < 0.01水平显著。
GP: growth period; PH: plant height; FFSH: first fruit spur height; FFSBN: first fruit spur branch number; FSBN: fruit spur branch number; EFSBN: empty fruit spur branch number; EBN: effective boll number; PBN: peripheral boll number; BW: boll weight; SI: seed index; LI: lint index; LP: lint percentage; TSCY: theoretical seed cotton yield; FUHML: fiber upper half mean length; FS: fiber strength; FU: fiber uniformity; MV: micronaire value; FE: fiber elongation. ^* and ^** indicate significant differences at P < 0.05 and P < 0.01, respectively.

新窗口打开|下载CSV

纤维品质也受到水分亏缺的不利影响。比如上半部纤维长度均值由28.808 mm降至28.285 mm; 纤维比强度均值也由28.422 cN tex^-1降至28.076 cN tex^-1; 马克隆值从4.144上升为4.437。理论籽棉产量在正常条件下为6848.882~8357.364 kg hm^-2, 干旱条件下6234.227~8282.359 kg hm^-2, 平均值由7473.908 kg hm^-2降至7111.924 kg hm^-2, 降低幅度为4.843%。

为了确定干旱处理是否对棉花的生长发育造成影响, 本研究利用软件IBM SPSS Statistics 22.0对2年2点BLUP分析后的表型数据进行分析, 结果表明, 干旱处理显著影响了大部分表型性状, 包括生育期及株型性状(生育期、株高、果枝始节高、第一果枝节位)、产量性状(空果枝数、单株有效铃数、外围铃数、衣指、衣分、理论籽棉产量)以及纤维品质性状(上半部纤维长度、纤维比强度、马克隆值、纤维伸长率)。但果枝数、单铃重、籽指以及纤维整齐度未达到显著性(表1)。

正常灌水条件下, 18个性状的变异系数为0.743%~16.832%; 干旱胁迫下, 变异系数在0.700%~11.359%。果枝始节高(CV_c=10.924%; CV_d= 10.963%)、空果枝数(CV_c=14.434%; CV_d=8.691%)以及外围铃数(CV_c=16.832%; CV_d=11.359%)的变异系数在2种条件下均为最高; 而纤维整齐度(CV_c= 0.743%; CV_d=0.700%)、纤维伸长率(CV_c=1.038%; CV_d=1.090%)及生育期(CV_c=1.832%; CV_d=1.680%)的变异系数均小于2%。

正常灌水条件下, 18个性状的广义遗传率在0.214~0.772, 干旱胁迫条件下的广义遗传力变化介于0.106~0.753, 其中2种条件下均在0.600以上的有7种性状, 包括衣分(H²_c=0.621; H²_d=0.644)、籽指(H²_c=0.711; H²_d=0.714)、衣指(H²_c=0.772; H²_d=0.753)、上半部纤维长度(H²_c=0.725; H²_d=0.702)、马克隆值(H²_c=0.634; H²_d=0.602)、纤维比强度(H²_c=0.653; H²_d=0.683)和果枝始节高(H²_c=0.676; H²_d=0.670), 说明这些性状较稳定。

2.2 干旱系数相关性分析及正态性检验

借助软件IBM SPSS Statistics 22.0分析了18个性状的干旱系数之间的相关性系数。各性状干旱系数之间的相关性反映了性状之间的相互联系, 可能会受到相似的遗传因子的调控。18个性状的相关性分析共产生153对相关系数, 范围为-0.433至0.904。其中有56对性状之间存在显著(P<0.05)或极显著(P<0.01)的相关(表2)。生育期、株高以及果枝始节高之间都存在着极显著的正相关。产量相关性状之间单株有效铃数与外围铃数、籽指与衣指、理论籽棉产量与衣指、理论籽棉产量与单铃重、理论籽棉产量与单株有效铃数、理论籽棉产量与外围铃数、理论籽棉产量与果枝数、果枝数与单株有效铃数均存在极显著的正相关。5个纤维品质性状之间, 上半部纤维长度与纤维整齐度、上半部纤维长度与纤维比强度、上半部纤维长度与纤维伸长率、纤维比强度与纤维整齐度和纤维比强度与纤维比强度均表现出极显著的正相关, 纤维比强度与马克隆值表现出极显著的负相关。

Table 2
表2
表218个性状干旱系数(DRC)之间的相关性分析
Table 2Phenotypic correlation coefficients among the DRCs of 18 traits

性状 Traits	生育期 GP	株高 PH	果枝始节高 FFSH	第一果枝节位 FFSBN	果枝数 FSBN	空果枝数 EFSBN	单株有效铃数 EBN	外围铃数 PBN	单铃重 BW	衣分 LP	籽指 SI	衣指 LI	理论籽棉产量 TSCY	上半部纤维长度 FUHML	纤维整齐度 FU	马克隆值 MV	纤维比强度 FS
PH	0.271**
FFSH	0.250**	0.319**
FFSBN	0.087	0.036	0.212**
FSBN	-0.110	0.282**	-0.153	-0.269**
EFSBN	0.035	-0.002	0.009	0.028	-0.278**
EBN	0.004	0.292**	-0.185**	-0.065	0.490**	-0.433**
PBN	0.174*	0.238**	-0.007	0.192**	0.147*	-0.274**	0.335**
BW	-0.095	-0.055	0.027	-0.068	-0.007	-0.031	-0.007	-0.093
LP	-0.047	0.098	-0.002	-0.033	0.049	0.143*	0.054	0.037	0.039
SI	-0.023	-0.062	-0.040	-0.126	0.033	-0.102	0.006	-0.182**	0.296**	-0.223**
LI	-0.146*	-0.088	-0.076	-0.209**	0.002	-0.050	0.033	-0.102	0.490**	0.068	0.477**
TSCY	-0.053	0.274**	-0.188**	-0.096	0.431**	-0.323**	0.904**	0.274**	0.324**	0.100	0.086	0.215**
FUHML	0.164*	0.146*	-0.004	-0.072	0.080	-0.088	0.237**	0.188**	0.026	-0.054	0.171*	0.097	0.228**
FU	0.112	0.202**	0.168*	0.028	0.009	0.014	-0.001	0.025	0.035	-0.029	0.096	0.068	0.002	0.270**
MV	-0.264**	-0.223**	-0.131	-0.097	0.037	-0.031	-0.027	-0.257**	0.426**	0.025	0.200**	0.497**	0.104	-0.130	0.042
FS	0.015	0.038	-0.045	-0.055	0.000	-0.036	0.076	0.243**	-0.031	-0.111	-0.007	-0.097	0.066	0.571**	0.247**	-0.264**
FE	0.068	-0.026	-0.184**	-0.039	0.088	-0.016	0.061	0.294**	-0.017	-0.066	-0.081	-0.040	0.107	0.433**	-0.030	-0.132	0.624**

^*和^**分别表示在P < 0.05和P < 0.01显著水平上相关。缩写同表1。
^* and ^** indicate significant differences at P < 0.05 and P < 0.01, respectively. Abbreviations are the same as those given in Table 1.

新窗口打开|下载CSV

为了检测18个性状是否符合正态分布, 本研究利用IBM SPSS Statistics 22.0对表型数据进行正态性检验(附表3), 得到各性状的偏度系数、峰度系数及标准误, 结合U检测及柯尔莫哥洛夫-斯米诺夫(Kolmogorov-Smirnov, K-S)检验法表明, 仅有果枝数不符合正态分布, 其他性状均符合正态分布, 可以进行关联分析。

Table s3
附表3
附表3正态性检验
Table s3Normality test

性状 Trait	偏度 Skewness	偏度标准误 Skewness error	偏度U值 Skewness U value	峰度 Kurtosis	峰度标准误 Kurtosis error	峰度U值 Kurtosis U value	K-S检验 Kolmogorov-Smirnov test
生育期 GP	0.225	0.165	1.364	0.568	0.329	1.726	0.200
株高 PH	0.204	0.165	1.236	0.814	0.329	2.474	0.096
果枝始节高 FFSH	0.114	0.165	0.691	0.497	0.329	1.511	0.200
第一果枝节位 FFSBN	0.290	0.165	1.758	0.487	0.329	1.480	0.200
果枝数 FSBN	0.436	0.165	2.642	0.471	0.329	1.432	0.009
空果枝数 EFSBN	0.299	0.165	1.812	0.958	0.329	2.912	0.200
单株有效铃数 EBN	0.229	0.165	1.388	0.276	0.329	0.839	0.200
外围铃数 PBN	0.208	0.165	1.261	0.506	0.329	1.538	0.200
衣分 LP	-0.294	0.166	-1.775	0.618	0.330	1.874	0.200
单铃重 BW	0.199	0.165	1.206	0.615	0.329	1.869	0.200
籽指 SI	0.114	0.165	0.691	0.218	0.329	0.663	0.200
衣指 LI	0.271	0.165	1.642	0.278	0.329	0.845	0.200
理论籽棉产量 TSCY	0.197	0.165	1.194	-0.269	0.329	-0.818	0.200
上半部纤维长度 FUHML	0.179	0.165	1.085	0.104	0.329	0.316	0.200
纤维整齐度 FU	0.260	0.165	1.576	-0.275	0.329	-0.836	0.200
马克隆值 MV	0.403	0.165	2.442	1.310	0.329	3.982	0.200
纤维比强度 FS	-0.031	0.165	-0.188	-0.158	0.329	-0.480	0.200
纤维伸长率 FE	0.189	0.165	cail45	-0.293	0.329	-0.891	0.200

GP: growth period; PH: plant height; FFSH: first fruit spur height; FFSBN: first fruit spur branch number; FSBN: fruit spur branch number; EFSBN: empty fruit spur branch number; EBN: effective boll number; PBN: peripheral boll number; BW: boll weight; SI: seed index; LI: lint index; LP: lint percentage; TSCY: theoretical seed cotton yield; FUHML: fiber upper half mean length; FS: fiber strength; FU: fiber uniformity; MV: micronaire value; FE: fiber elongation;

新窗口打开|下载CSV

2.3 基因型数据及群体结构分析

在全基因组范围内共选取557个SSR标记对自然群体进行检测, 得到的298对具有多态性的标记。选取地理来源相距较远的12个材料, 从298对SSR标记中筛选出214对重复性好、条带清晰稳定的多态性标记用于此群体的遗传多样性分析, 占总体的38.420%, 平均每条染色体有8.231个标记。部分标记的筛选及群体扩增条带如下(图1)。

图1

新窗口打开|下载原图ZIP|生成PPT
图1标记筛选与扩增展示

A: 部分标记的筛选; B: 标记NAU3377在部分材料中的扩增结果。1~12: 12份地理来源差异大的材料; p1~p27: 217份自然群体中部分材料; M: marker。
Fig. 1Marker screening and amplification display

A: screening of partial markers; B: amplification products of marker NAU3377 in some accessions. 1-12: 12 accessions with extremely different geographical origins; p1-p27: some varieties from 217 natural populations; M: marker.


用筛选出的多态性好的214对标记对217份供试材料进行扩增, 共检测出393个等位变异, 平均每条标记约有1.836个等位基因, 变异范围为1~4个; 通过软件POWERMARKER V3.25计算得到214对SSR标记的基因多样性指数与PIC值(附表4), 其中214对SSR标记的基因多样性指数平均值为0.402, 范围为0.072~0.631, PIC值平均为0.329, 范围为0.070~0.560 (图2)。

图2

新窗口打开|下载原图ZIP|生成PPT
图2214个标记位点的基因多样性(A)与多态性信息含量(B)频率分布图

Fig. 2Gene diversity (A) and PIC frequency (B) profiles of 214 marker sites



Table s4
附表4
附表4基因多样性与多态性信息含量
Table s4Gene diversity and polymorphism information content

标记 Marker	染色体 Chromosome	位置 Position	基因多样性 Gene diversity	多态性信息含量 PIC
NAU2083	A01	2780968	0.485	0.380
NAU2437a	A01	117610973	0.413	0.353
NAU2437b	A01	117610973	0.507	0.411
NAU2437c	A01	117610973	0.505	0.409
NAU3911	A01	Unknown	0.452	0.362
NAU5163a	A01	110126985	0.442	0.356
NAU5163b	A01	110126985	0.399	0.329
NAU7195	A01	101362742	0.516	0.401
NAU2265a	A02	107706133	0.515	0.408
NAU2265b	A02	107706133	0.519	0.410
NAU437a	A02	100427971	0.510	0.405
NAU437b	A02	100427971	0.503	0.401
NAU5499a	A02	2635809	0.485	0.380
NAU5499b	A02	2635809	0.501	0.389
NAU1071b	A03	106637739	0.517	0.401
NAU1167a	A03	4391385	0.495	0.385
NAU1167b	A03	4391385	0.355	0.301
NAU1167c	A03	4391385	0.390	0.324
NAU1167d	A03	4391385	0.485	0.380
NAU3016a	A03	4006753	0.325	0.292
NAU3016b	A03	4006753	0.495	0.407
NAU3016c	A03	4006753	0.225	0.212
NAU3639a	A03	23809975	0.529	0.419
NAU3639b	A03	23809975	0.530	0.420
NAU483a	A03	110023937	0.336	0.299
NAU483b	A03	110023937	0.324	0.290
NAU6104	A03	1350357	0.154	0.146
BNL0530	A04	77214336	0.533	0.472
BNL3089a	A04	1540330	0.305	0.266
BNL3089b	A04	1540330	0.509	0.393
NAU7182	A04	83581454	0.171	0.162
NAU2701	A04	Unknown	0.080	0.079
BNL3452a	A05	4448024	0.460	0.354
BNL3452b	A05	4448024	0.301	0.255
CIR062a	A05	22056200	0.443	0.349
CIR062b	A05	22056200	0.458	0.357
DPL641a	A05	2941652	0.434	0.354
DPL641b	A05	2941652	0.434	0.354
DPL641c	A05	2941652	0.170	0.161
DPL641d	A05	2941652	0.089	0.087
JESPR065a	A05	98149721	0.355	0.301
JESPR065b	A05	98149721	0.287	0.253
JESPR065c	A05	98149721	0.281	0.249
NAU1042a	A05	15535848	0.514	0.395
NAU1042b	A05	15535848	0.507	0.392
NAU1156a	A05	21325479	0.529	0.419
NAU1156b	A05	21325479	0.530	0.420
NAU2121a	A05	105667071	0.483	0.379
NAU2121b	A05	105667071	0.514	0.395
NAU2957	A05	34370549	0.271	0.234
NAU3036a	A05	107748182	0.380	0.318
NAU3036b	A05	107748182	0.487	0.381
NAU3529a	A05	32011590	0.437	0.342
NAU3529b	A05	32011590	0.392	0.315
NAU6094a	A05	103382079	0.509	0.393
NAU6094b	A05	103382079	0.503	0.389
NAU6966	A05	108024271	0.299	0.262
NAU797a	A05	15535921	0.517	0.401
NAU797b	A05	15535921	0.498	0.391
NAU934a	A05	107002392	0.385	0.321
NAU934b	A05	107002392	0.262	0.234
NAU1200a	A05	67092496	0.535	0.426
NAU1200b	A05	67092496	0.427	0.362
NAU4057a	A05	105666831	0.449	0.360
NAU4057b	A05	105666831	0.340	0.291
BNL3650a	A06	116539321	0.489	0.435
BNL3650b	A06	116539321	0.236	0.215
BNL3650c	A06	116539321	0.493	0.438
CIR280	A06	6580622	0.448	0.373
NAU2679a	A06	67697637	0.416	0.340
NAU2679b	A06	67697637	0.350	0.298
NAU3206a	A06	120517070	0.407	0.335
NAU3206b	A06	120517070	0.416	0.340
NAU3427	A06	123792689	0.339	0.282
NAU7121a	A06	7809936	0.168	0.155
NAU7121b	A06	7809936	0.190	0.174
NAU874a	A06	112365204	0.522	0.408
NAU874b	A06	112365204	0.464	0.376
HAU1355a	A06	8067852	0.506	0.391
HAU1355b	A06	8067852	0.470	0.372
HAU1355c	A06	8067852	0.228	0.208
NAU1043a	A07	5574496	0.521	0.407
NAU1043b	A07	5574496	0.519	0.406
NAU1043c	A07	5574496	0.244	0.223
NAU1362a	A07	21914654	0.380	0.318
NAU1362b	A07	21914654	0.485	0.380
NAU1362c	A07	21914654	0.514	0.395
NAU845a	A07	9082964	0.464	0.369
NAU845b	A07	9082964	0.467	0.370
NAU1085a	A07	17517122	0.501	0.410
NAU1085b	A07	17517122	0.538	0.431
BNL3257a	A08	75471450	0.452	0.362
BNL3257b	A08	75471450	0.467	0.370
BNL1231a	A08	Unknown	0.505	0.391
BNL1231b	A08	Unknown	0.480	0.377
NAU1369a	A08	116120479	0.452	0.365
NAU1369b	A08	116120479	0.464	0.372
NAU3201a	A08	111954481	0.284	0.257
NAU3201b	A08	111954481	0.155	0.149
NAU6761	A08	121988408	0.238	0.221
NAU5357a	A08	117866133	0.163	0.155
NAU5357b	A08	117866133	0.098	0.095
NAU5368a	A08	117866202	0.467	0.370
NAU5368b	A08	117866202	0.080	0.079
BNL3173a	A09	81621533	0.355	0.301
BNL3173b	A09	81621533	0.483	0.379
NAU2354a	A09	81112818	0.305	0.266
NAU2354b	A09	81112818	0.345	0.294
NAU2723	A09	81084858	0.435	0.352
NAU3052a	A09	70893120	0.467	0.370
NAU3052b	A09	70893120	0.380	0.318
NAU3414a	A09	78743809	0.513	0.395
NAU3414b	A09	78743809	0.511	0.394
NAU462	A09	77167956	0.509	0.393
NAU859a	A09	53596735	0.500	0.438
NAU859b	A09	53596735	0.425	0.383
BNL2960a	A10	104965293	0.445	0.361
BNL2960b	A10	104965293	0.434	0.354
HAU2147a	A10	114051471	0.337	0.294
HAU2147b	A10	114051471	0.513	0.403
NAU2317a	A10	135887	0.455	0.364
NAU2317b	A10	135887	0.513	0.395
STV031a	A10	1605517	0.445	0.361
STV031b	A10	1605517	0.414	0.342
BNL3442a	A11	3977035	0.511	0.394
BNL3442b	A11	3977035	0.514	0.395
BNL3442c	A11	3977035	0.192	0.178
BNL3442d	A11	3977035	0.501	0.389
BNL3594a	A11	111669374	0.442	0.356
BNL3594b	A11	111669374	0.329	0.283
BNL3594c	A11	111669374	0.485	0.380
DPL209	A11	114819462	0.467	0.381
NAU1162a	A11	18951558	0.552	0.455
NAU1162b	A11	18951558	0.552	0.455
NAU2092a	A11	Unknown	0.340	0.291
NAU2092b	A11	Unknown	0.439	0.354
NAU2809	A11	107267539	0.228	0.208
NAU3390a	A11	118809408	0.371	0.320
NAU3390b	A11	118809408	0.371	0.320
NAU5428a	A11	119324448	0.551	0.465
NAU5428b	A11	119324448	0.485	0.422
NAU980a	A11	198980	0.498	0.387
NAU980b	A11	198980	0.464	0.369
BNL598a	A12	102746569	0.257	0.234
BNL598b	A12	102746569	0.131	0.126
HAU1434a	A12	82661602	0.297	0.266
HAU1434b	A12	82661602	0.315	0.280
NAU1274a	A12	7099421	0.526	0.414
NAU1274b	A12	7099421	0.526	0.414
NAU2671a	A12	103306465	0.416	0.347
NAU2671b	A12	103306465	0.484	0.387
NAU2672a	A12	103304492	0.403	0.332
NAU2672b	A12	103304492	0.424	0.345
NAU3519a	A12	107358613	0.514	0.395
NAU3519b	A12	107358613	0.487	0.381
NAU3778a	A12	105172457	0.476	0.379
NAU3778b	A12	105172457	0.473	0.377
NAU4047	A12	1483263	0.455	0.364
NAU3522a	A12	106203559	0.508	0.392
NAU3522b	A12	106203559	0.501	0.389
NAU3522c	A12	106203559	0.323	0.279
BNL1421	A13	6131449	0.519	0.406
BNL2449a	A13	33336622	0.473	0.373
BNL2449b	A13	33336622	0.293	0.258
JESPR153a	A13	82266861	0.422	0.347
JESPR153b	A13	82266861	0.513	0.399
JESPR153c	A13	82266861	0.229	0.210
JESPR153d	A13	82266861	0.448	0.363
NAU1141a	A13	76854166	0.130	0.125
NAU2285	A13	107420232	0.122	0.117
NAU3074a	A13	Unknown	0.528	0.422
NAU3074b	A13	Unknown	0.511	0.413
NAU3127	A13	13749598	0.242	0.218
NAU3468a	A13	97160131	0.349	0.321
NAU3468b	A13	97160131	0.516	0.443
NAU3653a	A13	Unknown	0.475	0.375
NAU3653b	A13	Unknown	0.509	0.393
NAU3653c	A13	Unknown	0.491	0.383
NAU4045a	A13	102679122	0.501	0.389
NAU4045b	A13	102679122	0.416	0.340
NAU4045c	A13	102679122	0.334	0.287
NAU3254a	D01	61038247	0.506	0.395
NAU3254b	D01	61038247	0.517	0.401
NAU3736a	D01	55892989	0.501	0.389
NAU3736b	D01	55892989	0.452	0.362
NAU3736c	D01	55892989	0.513	0.395
CIR307a	D01	55938566	0.573	0.486
CIR307b	D01	55938566	0.463	0.412
CIR307c	D01	55938566	0.567	0.482
NAU1103a	D01	Unknown	0.517	0.401
NAU1103b	D01	Unknown	0.516	0.400
NAU2165a	D01	28520686	0.497	0.386
NAU2165b	D01	28520686	0.478	0.376
NAU4073a	D01	7592761	0.504	0.390
NAU4073b	D01	7592761	0.199	0.184
NAU3820a	D02	67522720	0.518	0.401
NAU3820b	D02	67522720	0.508	0.396
CIR246a	D02	1034633	0.558	0.470
CIR246b	D02	1034633	0.553	0.467
HAU1741a	D02	60791378	0.466	0.392
HAU1741b	D02	60791378	0.473	0.397
NAU1070a	D02	64372944	0.526	0.414
NAU1070b	D02	64372944	0.523	0.412
NAU1070c	D02	64372944	0.507	0.403
NAU2312	D02	64647855	0.478	0.380
NAU2336a	D02	60791352	0.446	0.358
NAU2336b	D02	60791352	0.439	0.354
NAU2960	D02	68847512	0.359	0.309
NAU3308a	D02	20723795	0.416	0.340
NAU3308b	D02	20723795	0.407	0.335
NAU5467	D02	4547261	0.501	0.389
NAU1190a	D02	52287611	0.185	0.172
NAU1190b	D02	52287611	0.242	0.218
NAU1190c	D02	52287611	0.446	0.358
NAU1028a	D03	4208117	0.350	0.305
NAU1028b	D03	4208117	0.422	0.354
BNL2496a	D03	49769485	0.507	0.392
BNL2496b	D03	49769485	0.508	0.392
NAU2691a	D03	51541076	0.480	0.377
NAU2691b	D03	51541076	0.089	0.087
NAU2859a	D03	739946	0.488	0.386
NAU2859b	D03	739946	0.503	0.394
NAU5233a	D03	48828576	0.470	0.379
NAU5233b	D03	48828576	0.384	0.326
NAU5260a	D03	49769436	0.521	0.415
NAU5260b	D03	49769436	0.521	0.415
NAU3995a	D03	48818033	0.490	0.387
NAU3995b	D03	48818033	0.362	0.309
NAU3995c	D03	48818033	0.401	0.334
NAU3995d	D03	48818033	0.498	0.391
NAU2162	D04	52748794	0.402	0.343
NAU2477	D04	52748794	0.423	0.334
NAU5099	D04	14627857	0.511	0.402
NAU6109a	D04	7989666	0.497	0.386
NAU6109b	D04	7989666	0.505	0.391
BNL3875a	D05	19969852	0.162	0.152
BNL3875b	D05	19969852	0.513	0.395
BNL3875c	D05	19969852	0.511	0.394
HAU1385a	D05	25837076	0.515	0.400
HAU1385b	D05	25837076	0.498	0.391
HAU139	D05	1145554	0.154	0.146
HAU1952a	D05	17158169	0.346	0.304
HAU1952b	D05	17158169	0.252	0.233
NAU1102a	D05	57144706	0.491	0.383
NAU1102b	D05	57144706	0.462	0.367
NAU1230a	D05	14213471	0.539	0.432
NAU1230b	D05	14213471	0.539	0.432
NAU1255a	D05	14213543	0.513	0.395
NAU1255b	D05	14213543	0.508	0.392
NAU2560a	D05	3199535	0.478	0.376
NAU3092a	D05	1831191	0.080	0.079
NAU3092b	D05	1831191	0.106	0.102
NAU3095a	D05	62407901	0.582	0.498
NAU3095b	D05	62407901	0.583	0.499
NAU3110a	D05	57144758	0.488	0.386
NAU3110b	D05	57144758	0.502	0.393
NAU5005a	D05	19969727	0.515	0.408
NAU5005b	D05	19969727	0.526	0.414
NAU911a	D05	23685867	0.248	0.224
NAU911b	D05	23685867	0.114	0.110
NAU911c	D05	23685867	0.146	0.139
HAU979	D05	17796138	0.192	0.178
JESPR181	D05	10325076	0.323	0.279
NAU2274a	D05	28099825	0.503	0.389
NAU2274b	D05	28099825	0.501	0.389
HAU1384	D05	25837176	0.518	0.402
NAU4907a	D05	55447507	0.377	0.319
NAU4907b	D05	55447507	0.396	0.331
DPL238a	D06	4585891	0.489	0.382
DPL238b	D06	4585891	0.489	0.382
HAU2022a	D06	1765934	0.513	0.395
HAU2022b	D06	1765934	0.512	0.394
NAU2119	D06	18678530	0.295	0.261
NAU3031a	D06	65581273	0.123	0.119
NAU3031b	D06	65581273	0.279	0.254
NAU3031c	D06	65581273	0.317	0.283
NAU5463a	D06	9334593	0.498	0.387
NAU5463b	D06	9334593	0.192	0.178
BNL1122a	D07	30098941	0.505	0.395
BNL1122b	D07	30098941	0.452	0.365
BNL1395a	D07	30098949	0.445	0.361
BNL1395b	D07	30098949	0.414	0.342
HAU3101a	D07	4785009	0.527	0.422
HAU3101b	D07	4785009	0.527	0.422
NAU2078a	D07	8939270	0.345	0.294
NAU2078b	D07	8939270	0.452	0.362
NAU2152a	D07	Unknown	0.334	0.278
NAU2152b	D07	Unknown	0.318	0.267
NAU2680	D07	54609116	0.106	0.102
NAU2931a	D07	7149495	0.478	0.380
NAU2931b	D07	7149495	0.498	0.391
NAU2984a	D07	3548571	0.287	0.253
NAU2984b	D07	3548571	0.480	0.377
NAU3053a	D07	3934539	0.293	0.258
NAU3053b	D07	3934539	0.275	0.244
NAU3424a	D07	56343210	0.318	0.295
NAU3424b	D07	56343210	0.304	0.283
DPL176a	D08	55897848	0.239	0.224
DPL176b	D08	55897848	0.313	0.283
BNL1521a	D08	56957004	0.513	0.395
BNL1521b	D08	56957004	0.507	0.392
BNL3255a	D08	Unknown	0.275	0.244
BNL3255b	D08	Unknown	0.323	0.279
BNL3474a	D08	44314753	0.146	0.139
BNL3474b	D08	44314753	0.475	0.375
BNL3474c	D08	44314753	0.475	0.375
BNL3474d	D08	44314753	0.512	0.394
HAU1846a	D08	52349862	0.256	0.231
HAU1846b	D08	52349862	0.448	0.363
NAU1302	D08	59501957	0.293	0.258
NAU1350	D08	5881541	0.209	0.195
NAU478a	D08	60563256	0.497	0.386
NAU478b	D08	60563256	0.493	0.384
NAU478c	D08	60563256	0.072	0.070
NAU5335a	D08	35689851	0.410	0.339
NAU5335b	D08	35689851	0.155	0.147
NAU1125a	D08	33046419	0.264	0.239
NAU1125b	D08	33046419	0.163	0.155
NAU2631a	D08	35689836	0.229	0.210
NAU2631b	D08	35689836	0.229	0.210
NAU5379	D08	23238772	0.183	0.168
BNL3140a	D09	41018983	0.449	0.360
BNL3140b	D09	41018983	0.512	0.394
NAU2873a	D09	50715379	0.495	0.385
NAU2873b	D09	50715379	0.498	0.387
NAU2954a	D09	44671699	0.449	0.360
NAU2954b	D09	44671699	0.317	0.275
NAU3100a	D09	1609129	0.330	0.286
NAU3100b	D09	1609129	0.330	0.286
NAU3277a	D09	44671639	0.438	0.357
NAU3277b	D09	44671639	0.464	0.372
NAU5189a	D09	49805569	0.493	0.384
NAU5189b	D09	49805569	0.491	0.383
NAU5508a	D09	36179107	0.461	0.371
NAU5508b	D09	36179107	0.072	0.070
NAU923	D09	42608151	0.501	0.400
NAU3603	D09	52194600	0.424	0.345
NAU1375a	D09	9223243	0.501	0.416
NAU1375b	D09	9223243	0.479	0.403
BNL1161	D10	16772954	0.255	0.229
BNL3948a	D10	21665070	0.512	0.394
BNL3948b	D10	21665070	0.509	0.393
NAU1169a	D10	65685416	0.207	0.190
NAU1169b	D10	65685416	0.130	0.125
NAU3368a	D10	57924983	0.147	0.141
NAU3368b	D10	57924983	0.250	0.229
NAU3404a	D10	54147837	0.495	0.385
NAU3404b	D10	54147837	0.495	0.385
NAU3992	D10	Unknown	0.281	0.249
NAU4921a	D10	65685334	0.243	0.221
NAU4921b	D10	65685334	0.200	0.186
BNL3997a	D11	26231376	0.409	0.345
BNL3997b	D11	26231376	0.446	0.368
NAU1366	D11	5452094	0.357	0.305
NAU2016a	D11	Unknown	0.507	0.403
NAU2016b	D11	Unknown	0.510	0.405
NAU3377a	D11	379087	0.072	0.070
NAU3377b	D11	379087	0.192	0.178
NAU3377c	D11	379087	0.281	0.249
NAU3377d	D11	379087	0.214	0.196
NAU3493a	D11	61968136	0.619	0.549
NAU3493b	D11	61968136	0.631	0.560
NAU4855	D11	18618558	0.080	0.076
BNL3976a	D11	17463647	0.223	0.208
BNL3976b	D11	17463647	0.278	0.252
BNL2495a	D12	51784271	0.467	0.370
BNL2495b	D12	51784271	0.458	0.365
CIR170a	D12	500220	0.401	0.362
CIR170b	D12	500220	0.401	0.362
CIR183a	D12	Unknown	0.517	0.401
CIR183b	D12	Unknown	0.401	0.334
HAU1292a	D12	44125895	0.263	0.237
HAU1292b	D12	44125895	0.229	0.210
NAU3881a	D12	38589423	0.390	0.324
NAU3881b	D12	38589423	0.458	0.365
NAU3881c	D12	38589423	0.192	0.178
NAU4926a	D12	5980182	0.498	0.409
NAU4926b	D12	5980182	0.401	0.347
NAU4926c	D12	5980182	0.441	0.374
NAU4926d	D12	5980182	0.313	0.283
BNL3280	D13	41263713	0.106	0.102
BNL3558	D13	5643212	0.121	0.113
NAU2443a	D13	48572734	0.263	0.237
NAU2443b	D13	48572734	0.229	0.210
NAU2443c	D13	48572734	0.476	0.379
NAU3589a	D13	55405550	0.288	0.256
NAU3589b	D13	55405550	0.282	0.251
NAU3861a	D13	60004305	0.509	0.393
NAU3861b	D13	60004305	0.412	0.337
NAU3948a	D13	5376165	0.357	0.305
NAU3948b	D13	5376165	0.336	0.290
NAU5262a	D13	59990797	0.532	0.425
NAU5262b	D13	59990797	0.505	0.409

新窗口打开|下载CSV

借助生物信息软件Structure V2.3软件分析217个材料的群体结构。模拟亚群数量设为K, 亚群数量取1~9, 得到5次重复的结果后, 利用Structure harvester进行分析, 统计在不同K值时的ln P(D), 绘制ln P(D)的趋势图。由于无法判断K的取值, 因此采用Evanno等的方法, 通过ΔK来确定K值。在K=2时ΔK达到最大, 由此将棉花材料划分为2个亚群(图3-A, B)。绘制材料的群体结构图(图3-C), 其中Pop1 (Population 1)有108材料, Pop2 (Population 2)有109材料, 并且与地理来源无明显对应关系, 各材料亚群分布与地理来源见附表1。

图3

新窗口打开|下载原图ZIP|生成PPT
图3217份材料基于群体结构分析的K值与ln P(D)值和?K值变化图及群体结构图

A: K值与ln P(D)值的变化图; B: K值与?K值的变化图; C: 217份材料的群体结构图。
Fig. 3ln P(D) and ?K based on population structure analysis and population structure for 217 upland cotton accessions

A: magnitude of ln P(D) as a function of K; B: magnitude of ?K as a function of K; C: population structure of 217 upland cotton accessions.

2.4 关联分析

材料的抗旱能力用各指标的抗旱系数(DRC)表示, 借助软件Tassel 5.0并采用混合线性模型MLM(Q+K)对各性状的抗旱系数进行关联分析。在P<0.01的显著性阈值共关联到76个位点(表3)。我们首先对广义遗传率较高的纤维比强度、上半部纤维长度、衣分、马克隆值、果枝始节高、籽指、衣指的考察发现, 与纤维比强度关联到的位点有7个(NAU2152b、NAU2152a、JESPR181、NAU859a、NAU3589b、NAU3529a、NAU1362c), 表型变异解释率范围为3.020%~5.425%; 上半部纤维长度关联到5个位点, 分别是NAU1042b、NAU797a、HAU1355c、NAU5260b、NAU3277a, 表型变异解释率为3.332%~4.233%; 有14个位点(NAU3100b、NAU2016b、NAU2016a、CIR280、NAU1375b、NAU1156a、NAU3016a、NAU1156b、JESPR065b、HAU1434b、HAU2147b、NAU3100a、NAU1028a、BNL3976b)同时与衣分相关联, 表型变异解释率为3.049%~4.739%; 马克隆值作为衡量纤维品质的一个重要指标, 也关联到3个显著性位点(NAU5499a、NAU6104、JESPR065b), 变异解释率为3.592%~ 3.838%; 果枝始节高关联到5个显著性位点(NAU3948b、NAU3948a、HAU1355a、NAU3308b、NAU3522a), 其表型变异解释率为3.208%~7.218%。对于遗传力较高的籽指与衣指, 未检测到显著性的位点。对于第一果枝节位、果枝数、单株有效铃数、空果枝数等11个低广义遗传率的性状一共关联到42个显著性位点。

Table 3
表3
表3表型性状抗旱系数与标记关联分析结果
Table 3Correlation analysis of drought resistance coefficient and markers for phenotypic traits

表型 Trait	标记 Marker	P	R2	性状 Trait	标记 Marker	P	R2
纤维比强度 FS	NAU2152b	0	5.425	株高 PH	CIR280	0	6.320
	NAU2152a	0.001	4.785		NAU3377c	0.003	4.327
	JESPR181	0.004	3.683		CIR246b	0.003	4.520
	NAU859a	0.005	3.707		NAU4926c	0.005	3.879
	NAU3589b	0.007	3.167		NAU3881a	0.006	3.616
	NAU3529a	0.008	3.045		NAU859b	0.007	3.741
	NAU1362c	0.009	3.020		NAU3995a	0.009	3.327
上半部纤维长度 FUHML	NAU1042b	0.004	4.233	第一果枝节位 FFSBN	NAU911c	0.001	4.894
	NAU797a	0.007	3.628		JESPR153c	0.002	4.486
	HAU1355c	0.005	3.704		NAU1274b	0.004	3.951
	NAU5260b	0.006	3.716		NAU6109b	0.006	3.608
	NAU3277a	0.008	3.332		BNL1122a	0.006	3.526
					NAU2274a	0.008	3.331
衣分 LP	NAU3100b	0.002	4.379		NAU1375b	0.010	3.201
	NAU2016b	0.002	4.232
	NAU2016a	0.003	4.137	果枝数	NAU3522b	0.002	4.754
	CIR280	0.003	3.983		NAU3522a	0.003	4.152
	NAU1375b	0.005	3.672		NAU3031b	0.004	4.017
	NAU1156a	0.006	3.523		BNL1122a	0.007	3.461
	NAU3016a	0.008	3.292
	NAU1156b	0.008	3.262	空果枝 EFSBN	NAU5189a	0.001	4.684
	JESPR065b	0.008	3.239		NAU1167a	0.003	3.931
	HAU1434b	0.008	3.229		NAU4926b	0.006	3.564
	HAU2147b	0.008	3.171
	NAU3100a	0.009	3.140	理论籽棉产量 TSCY	NAU4073a	0.004	3.913
	BNL3976b	0.010	3.071		NAU2016a	0.009	3.269
	NAU1028a	0.010	3.049
				单株有效铃数 EBN	NAU4926b	0.006	3.653
马克隆值 MV	NAU5499a	0.004	3.838		NAU2078b	0.008	3.325
	NAU6104	0.005	3.595
	JESPR065b	0.005	3.592	单铃重 BW	NAU6104	0	5.791
					NAU1156b	0.003	4.174
果枝始节高 FFSH	NAU3948b	0	7.218		NAU1156a	0.005	3.827
	NAU3948a	0.001	4.854		NAU478b	0.007	3.439
	HAU1355a	0.002	4.758		NAU478a	0.009	3.200
	NAU3308b	0.008	3.337
	NAU3522a	0.009	3.208	纤维伸长率 FE	BNL3875b	0.003	3.880
					CIR183b	0.003	3.755
外围铃数 PBN	NAU6104	0.003	4.151		NAU5428b	0.004	4.076
	NAU1028a	0.004	3.965		JESPR181	0.004	3.613
	NAU5428b	0.005	3.950		NAU2317a	0.006	3.258
					NAU3377a	0.007	3.170
生育期GP	JESPR065b	0.004	4.058		NAU5005b	0.009	2.931
					NAU4926c	0.010	2.970

缩写同表1。Abbreviations are the same as those given in Table 1.

新窗口打开|下载CSV

有多种性状同时与同一标记相关联, 由表4可知, 共发现13个标记在2种及2种以上性状同时检测到, 例如标记JESPR181能被纤维比强度、纤维伸长率和外围铃数3个性状同时检测到, 标记JESPR065b同时与性状生育期、马克隆值、衣分相关联。

Table 4
表4
表4多效应标记位点
Table 4Markers associated with multiple-effect traits

标记 Marker	染色体 Chromosome	位置 Position (bp)	性状 Trait
NAU6104	A03	1,350,357	马克隆值MV, 单铃重BW, 外围铃数 PBN
NAU1156a	A05	21,325,479	单铃重 BW, 衣分 LP
JESPR065b	A05	98,149,579	生育期 GP, 马克隆值 MV, 衣分 LP
CIR280	A06	6,580,622	株高 PH, 衣分 LP
HAU1355	A06	8,067,852	果枝始节高 FFSH, 上半部纤维长度 FUHML
NAU859	A09	53,596,735	纤维比强度 FS, 株高 PH
NAU3377c	D11	379,087	纤维伸长率 FE, 株高 PH
NAU5428b	A11	119,324,448	纤维伸长率 FE, 外围铃数 PBN
NAU3522a	A12	106,203,559	果枝数 FSBN, 果枝始节高 FFSH
JESPR181	D05	10,325,076	纤维比强度 FS, 纤维伸长率 FE
BNL1122a	D07	30,098,941	第一果枝节位 FFSBN, 果枝数 FSBN
NAU1375b	D09	9,223,243	衣分 LP, 第一果枝节位 FFSBN
NAU4926c	D12	5,980,182	株高 PH, 纤维伸长率 FE
NAU4926b	D12	5,980,182	空果枝数 EFSBN, 单株有效铃数 EBN

缩写同表1。Abbreviations are the same as those given in Table 1.

新窗口打开|下载CSV

3 讨论

3.1 表型数据分析

在关联分析中, 表型确定最关键, 良好地表型数据有利于关联分析的准确性, 特别是对于抗旱性这一数量性状, 表型数据更是起决定性作用^[7]。目前在植物抗旱领域研究中, 尤其是大田抗旱性的研究, 如何减少环境因素的影响, 获取准确有效的表型数据一直是个难题。本研究中我们在棉花生育期同步获取新疆石河子和库尔勒两地气象数据(附图1), 两地的月均温在不同年份差异不大, 在棉花全生育期降雨量上存在一定差异(石河子2016: 174.000 mm; 石河子2017: 127.300 mm; 库尔勒2016: 136.600 mm; 库尔勒2017: 70.800 mm), 但新疆地区属于干旱少雨地区, 且日蒸发量较高^[37,38], 降雨对试验的影响较小, 且研究中我们对多种表型数据进行了精准测定, 在后期分析前也对数据进行人工矫正, 剔除了由于操作失误等原因造成的误差, 而且在最终的表型数据处理上采用最佳线性无偏预测来综合多年多点的表型值进一步降低环境因素的影响, 结果也表明, 有些性状的广义遗传力较高, 年度间重复性较好。我们对18种表型数据进行了人工采集及统计分析, 但在植物生长发育过程中存在很多人工无法获取和采集的信息, 研究开发更多表型的获取方式, 比如搭建高通量表型组自动分析平台, 通过使用数字成像和近红外光谱等技术自动无损的获得植物对干旱胁迫反应的准确表型数据, 是解决表型鉴定困难的重要途径^[7]。

由于近年气候变暖, 年降雨量少, 水资源缺乏, 新疆的干旱问题愈发严重。棉花的产量、纤维品质等性状是基因型和环境因素的共同作用^[39,40,41]。干旱胁迫会影响棉花的整个生长发育过程。在本研究中, 株高受到干旱胁迫的显著影响, 变异系数从正常情况下的5.353%扩大到7.496%; 而重要机采指标果枝始节高则在正常与干旱情况下均表现较高的变异(CV_c=10.924%; CV_d=10.963%), 表明该群体本身在这一性状具有较高的变异。尽管生育期与纤维伸长率的变异系数都小于2%。但是这2项指标仍受到干旱胁迫的严重影响(P<0.01)。而果枝数、铃重、籽指和纤维整齐度4种性状受干旱胁迫的影响不显著(P>0.01)。此外, 本研究表明, 纤维品质性状(上半部纤维长度、纤维整齐度、马克隆值、纤维比强度、纤维伸长率)在多年不同条件下表现出较高的遗传力, 这与前人的研究结果相似^[10,42]。而且采用HFT9000棉花纤维测定仪测定纤维品质, 避免了人工测定误差, 更具有可靠性以及准确性。

3.2 关联分析

传统育种方法主要依赖于育种家对植株表型的选择, 育种周期长, 效率低; 棉花抗旱性受微效多基因控制, 极易受环境影响, 因此借助分子标记从而找到与抗旱性状紧密连锁的位点, 并应用到育种实践中, 可加快育种进程。Zheng等^[43]通过对F_2:3群体苗期耐旱性状的定位, 共鉴定到16个重要的QTL, 包括5个与株高相关、1个与叶数相关、3个与叶绿素相关、3个丙二醛相关和4个脯氨酸相关。Li等^[42]通过对517份陆地棉种质资源进行重测序, 确定了与抗旱系数相关的33个QTL以及与综合抗旱指数关联的6个QTL, 并进一步结合RNA-seq的数据确定6个候选基因。本研究利用多年多环境的表型数据进行关联分析, 在P<0.01的显著性阈值下共检测到76个显著性位点, 各位点对表型变异的解释率为 2.931%~7.218%。将18个性状关联到的QTL数量与变异系数、遗传力等的综合分析发现, 株高、单株有效铃数、衣分, 上半部纤维长度、马克隆值、纤维比强度及纤维伸长率等7个指标遗传力较高, 受到干旱胁迫的显著影响(P<0.01), 并且关联到QTL的数量占总体的70%, 因此我们认为, 在以后的抗旱性研究中应对这几个性状重点关注。

为了筛选出对分子标记辅助选择育种有用的QTL位点, 本研究将GWAS鉴定到的QTL与前人报道的QTL进行比较, 并通过软件e-PCR锚定到参考基因组发现, 纤维比强度、纤维伸长率、衣分和株高这4个性状所关联到的QTL在前人研究中有报道。在这4个性状中, 与纤维比强度相关的标记为NAU2152b, 该标记位点和已报道的QTL q-FS-c11-2及q-FS-A11-1a十分接近, P值为4.510×10^-4, 表型变异解释率为5.425%; 与纤维伸长率相关联的标记CIR183b, P值为0.003, 表型变异解释率为3.755%, 该标记位点与已报道QTL q-FEc22-2及qFE-c22-1距离相近; 与衣分相关的标记JESPR065b被发现与已报道QTL qLP-A5的位置相近, 该标记位点P值为0.008, 表型变异解释率为3.239%; 发现与株高相关的标记CIR246附近有4个已报道的QTL, 分别是qPH-D2-2、qPH-14(F_2:3)、PH8.w、PH2.y, 该标记位点表型变异解释率为4.520% ^[34,35,36]。这4个SSR标记在棉花中控制重要的农艺性状, 还可能参与棉花干旱逆境的响应, 是作为分子标记辅助选择育种的潜在基因位点。本研究也为有效解决育种进展缓慢以及育种进程中优异基因丢失提供参考依据。

3.3 QTL的一因多效性

本研究出现QTL的一因多效性也值得关注, 在之前的研究中就出现了在植物同一染色体区段的QTL可能控制不同条件下的同一表型的相关报道。Frova等^[44]发现, 在水分胁迫条件下玉米2号染色体上m28标记同时在穗长、穗重、穗粒重、穗粒数等性状中被检测到, m66也在穗重、穗粒重、穗粒数等性状下被检测到。吴迷等^[45]发现, InDel标记HAU_ID_D07-09同时与5个性状(上半部纤维长度、纤维比强度、纤维伸长率、纤维整齐度、短纤维率)相关联, 以及标记HAU_ID_D12-10同时与4个性状(上半部纤维长度、纤维比强度、纤维整齐度、短纤维率)相关联。本研究中也检测到13个多效性标记, 推其原因, 多效性可能是因为这些性状相关性较高, 且由同一QTL所控制。

4 结论

217份陆地棉资源群体被分为2个群体, 在P<0.01的显著性阈值下共关联到76个与干旱相关的位点, 表型变异解释率范围为2.931%~7.218%, 其中广义遗传率较高的纤维比强度关联到7个与干旱相关的标记位点; 上半部纤维长度检测到5个与干旱相关的标记位点; 衣分也关联到14个与干旱相关的标记位点。这些位点可为棉花抗旱遗传改良提供理论基础, 并用于后期棉花抗旱性状的分子标记辅助选择育种。

附图和附表 请见网络版: 1) 本刊网站http://zwxb. chinacrops.org/; 2) 中国知网http://www.cnki.net/; 3) 万方数据http://c.wanfangdata.com.cn/Periodical- zuowxb.aspx。

参考文献 View Option 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1] Passioura J B. Drought and drought tolerance
Plant Growth Regul, 1996,20:79-83.
[本文引用: 1]

[2] Passioura J. The drought environment: physical, biological and agricultural perspectives
J Exp Bot, 2007,58:113-117.
DOI:10.1093/jxb/erl212URLPMID:17122406 [本文引用: 1]
'Drought' has many meanings in relation to crop production. These range from: statistical (say, the lowest decile of annual rainfall) to a meteorologist; through yield being limited by too little water to an agronomist; to sudden severe water deficits to many molecular biologists. To a farmer, the corresponding management issues, respectively, are risk management (how best to manage a meteorologically drought-prone farm over several years), how best to match cultivar and agronomic operations to the developing growing season, and how best to minimize possible major damage to (say) floral fertility induced by severe water deficits during flowering. All these definitions and the issues they imply are relevant to improving crop production when water is limiting. How can scientists best help? The answers depend on the scales (temporal and spatial) being addressed. Agronomists and breeders, interacting, can help improve components of seasonal water balance in the field, for example, minimizing evaporative losses from the soil surface by better matching the development of a crop to its environment. Physiologists, biochemists, and molecular biologists can help by identifying ways of improving the competence of particular organs. A promising target is floral infertility resulting from water deficits, which results from lesions in tissue, and cellular and molecular processes. Choosing problems whose solutions will have implications in the field and be attractive to farmers requires knowledge of what is important in the field.

[3] Levi A, Paterson A H, Barak V, Yakir D, Wang B H, Chee P W, Saranga Y. Field evaluation of cotton near-isogenic lines introgressed with QTLs for productivity and drought related traits
Mol Breed, 2008,23:179-195.
[本文引用: 1]

[4] Xiao Y L, Yu C Y, Lei J G, Cruz Q D D, Yabes J M, Tabanao D A. Association mapping for drought tolerance of rice (Oryza sativa L.) at vegetative stage
Agric Sci Technol, 2012,13:1385-1394.
[本文引用: 1]

[5] Savage M J, Ritchie J T, Bland W L, Dugas W A. Lower limit of soil water availability
Agron J, 1996,88:644-651.
[本文引用: 1]

[6] Cook C G, Elzik K M. Fruiting and lint yield of cotton cultivars under irrigated and nonirrigated conditions
Field Crops Res, 1993,33:411-421.
[本文引用: 1]

[7] Tuberosa R. Phenotyping for drought tolerance of crops in the genomics era
Front Physiol, 2012,3:347.
DOI:10.3389/fphys.2012.00347URLPMID:23049510 [本文引用: 3]
Improving crops yield under water-limited conditions is the most daunting challenge faced by breeders. To this end, accurate, relevant phenotyping plays an increasingly pivotal role for the selection of drought-resilient genotypes and, more in general, for a meaningful dissection of the quantitative genetic landscape that underscores the adaptive response of crops to drought. A major and universally recognized obstacle to a more effective translation of the results produced by drought-related studies into improved cultivars is the difficulty in properly phenotyping in a high-throughput fashion in order to identify the quantitative trait loci that govern yield and related traits across different water regimes. This review provides basic principles and a broad set of references useful for the management of phenotyping practices for the study and genetic dissection of drought tolerance and, ultimately, for the release of drought-tolerant cultivars.

[8] 桑晓慧, 赵云雷, 王红梅, 陈伟, 龚海燕, 赵佩, 崔艳利. 陆地棉抗旱性与SSR分子标记的关联分析
棉花学报, 2017,29:241-252.
[本文引用: 2]

Sang X H, Zhao Y L, Wang H M, Chen W, Gong H Y, Zhao P, Cui Y L. Association analysis of drought tolerance and SSR markers in upland cotton
Cotton Sci, 2017,29:241-252 (in Chinese with English abstract).
[本文引用: 2]

[9] Baytar A A, Peynircio?lu C, Sezener V, Basal H, Frary A, Do?anlar S. Genome-wide association mapping of yield components and drought tolerance-related traits in cotton
Mol Breed, 2018,38:74.
[本文引用: 1]

[10] Hou S, Zhu G Z, Li Y, Li W X, Fu J, Niu E, Li L C, Zhang D Y, Guo W Z. Genome-wide association studies reveal genetic variation and candidate genes of drought stress related traits in cotton (Gossypium hirsutum L.)
Front Plant Sci, 2018,9:1276.
DOI:10.3389/fpls.2018.01276URLPMID:30233620 [本文引用: 3]
Cotton is an important industrial crop worldwide and upland cotton (Gossypium hirsutum L.) is most widely cultivated in the world. Due to ever-increasing water deficit, drought stress brings a major threat to cotton production. Thus, it is important to reveal the genetic basis under drought stress and develop drought tolerant cotton cultivars. To address this issue, in present study, 319 upland cotton accessions were genotyped by 55,060 single nucleotide polymorphisms (SNPs) from high-density CottonSNP80K array and phenotyped nine drought tolerance related traits. The two datasets were used to identify quantitative trait nucleotides (QTNs) for the above nine traits using multi-locus random-SNP-effect mixed linear model method. As a result, a total of 20 QTNs distributed on 16 chromosomes were found to be significantly associated with six drought tolerance related traits. Of the 1,326 genes around the 20 QTNs, 205 were induced after drought stress treatment, and 46 were further mapped to Gene ontology (GO) term

[11] Ulloa M, Santiago L M D, Hulse-Kemp A M, Stelly D M, Burke J J. Enhancing upland cotton for drought resilience, productivity, and fiber quality: comparative evaluation and genetic dissection
Mol Genet Genomics, 2020,295:155-176.
[本文引用: 2]

[12] 杜雄明, 周忠丽. 棉花种质资源描述规范和数据标准. 北京: 中国农业出版社, 2005. pp 8-32.
[本文引用: 1]

Du X M, Zhou Z L. Descriptors and Data Standard for Cotton (Gossypium spp.). Beijing: China Agriculture Press, 2005. pp 8-32(in Chinese).
[本文引用: 1]

[13] Paterson A H, Brubaker C L, Wendel J F. A rapid method for extraction of cotton (Gossypium spp.) genomic DNA suitable for RFLP or PCR analysis
Plant Mol Biol Rep, 1993,11:122-127.
[本文引用: 1]

[14] 张军, 武耀廷, 郭旺珍, 张天真. 棉花微卫星标记的PAGE/银染快速检测
棉花学报, 2000,12:267-269.
[本文引用: 1]

Zhang J, Wu Y T, Guo W Z, Zhang T Z. Fast screening of microsatellite markers in cotton with PAGE/silver staining
Cotton Sci, 2000,12:267-269 (in Chinese with English abstract).
[本文引用: 1]

[15] Zhao L, Lyu Y, Cai C P, Tong X C, Chen X D, Zhang W, Du H, Guo X H, Guo W Z. Toward allotetraploid cotton genome assembly: integration of a high-density molecular genetic linkage map with DNA sequence information
BMC Genomics, 2012,13:539.
[本文引用: 1]

[16] 钱能. 陆地棉遗传多样性与育种目标性状基因(QTL)的关联分析. 南京农业大学博士学位论文,
江苏南京, 2009.
[本文引用: 1]

Qian N. Genetic Diversity and Association of Gene (QTL) of Breeding Target Traits of Upland Cotton. PhD Dissertation of Nanjing Agricultural University
Nanjing, Jiangsu, China, 2009 (in Chinese with English abstract).
[本文引用: 1]

[17] Song X L, Zhang T Z. Quantitative trait loci controlling plant architectural traits in cotton
Plant Sci, 2009,177:317-323.
[本文引用: 1]

[18] 薛艳, 张新宇, 沙红, 李雪源, 孙杰, 李保成. 新疆早熟棉品种SSR指纹图谱构建与品种鉴别
棉花学报, 2010,22:360-366.
[本文引用: 1]

Xue Y, Zhang X Y, Sha H, Li X Y, Sun J, Li B C. Construction of fingerprinting map based on SSR and identification of cultivars for earliness cultivars in upland cotton in Xinjiang
Cotton Sci, 2010,22:360-366 (in Chinese with English abstract).
[本文引用: 1]

[19] Sun F D, Zhang J H, Wang S F, Gong W K, Shi Y Z, Liu A Y, Li J W, Gong J W, Shang H H, Yuan Y L. QTL mapping for fiber quality traits across multiple generations and environments in upland cotton
Mol Breed, 2012,30:569-582.
[本文引用: 1]

[20] 艾先涛, 梁亚军, 沙红, 王俊铎, 郑巨云, 吐尔逊江, 多力坤, 李雪源, 华金平. 新疆自育陆地棉品种 SSR 遗传多样性分析
作物学报, 2014,40:369-379.
[本文引用: 1]

Ai X T, Liang Y J, Sha H, Wang J Z, Zheng J Y, Tu E X J, Duo L K, Li X Y, Hua J P. Genetic diversity analysis on local upland cotton cultivars in Xinjiang based on SSR markers
Acta Agron Sin, 2014,40:369-379 (in Chinese with English abstract).
[本文引用: 1]

[21] Bates D, Machler M, Bolker B M, Walker S C. Fitting linear mixed-effects models using lme4
J Stat Softw, 2015,67:1-48.
[本文引用: 1]

[22] Nyquist W E, Baker R J. Estimation of heritability and prediction of selection response in plant populations
Crit Rev Plant Sci, 1991,10:235-322.
[本文引用: 1]

[23] 兰巨生. 农作物综合抗旱性评价方法的研究
西北农业学报, 1998,7(3):85-87.
[本文引用: 1]

Lan J S. Comparison of evaluating methods for agronomic drought resistance in crops
Acta Agric Boreali-Occident Sin, 1998,7(3):85-87 (in Chinese with English abstract).
[本文引用: 1]

[24] 冯方剑, 宋敏, 陈全家, 姚正培, 李杨阳, 刘艳, 王兴安, 曲延英. 棉花苗期抗旱相关指标的主成分分析及综合评价
新疆农业大学学报, 2011,34:211-217.
[本文引用: 1]

Feng F J, Song M, Chen Q J, Yao P Z, Li Y Y, Liu Y, Wang X A, Qu Y Y. Analysis and comprehensive evaluation on principal component of relative indices of drought resistance at the seedling stage of cotton
J Xinjiang Agric Univ, 2011,34:211-217.
[本文引用: 1]

[25] Liu K, Muse S. PowerMarker: an integrated analysis environment for genetic marker analysis
Bioinformatics, 2005,21:2128-2129.
[本文引用: 1]

[26] Hubisz M J, Daniel F, Matthew S, Pritchard J. Inferring weak population structure with the assistance of sample group information
Mol Ecol Resour, 2010,9:1322-1332.
DOI:10.1111/j.1755-0998.2009.02591.xURLPMID:21564903 [本文引用: 1]
Genetic clustering algorithms require a certain amount of data to produce informative results. In the common situation that individuals are sampled at several locations, we show how sample group information can be used to achieve better results when the amount of data is limited. New models are developed for the structure program, both for the cases of admixture and no admixture. These models work by modifying the prior distribution for each individual's population assignment. The new prior distributions allow the proportion of individuals assigned to a particular cluster to vary by location. The models are tested on simulated data, and illustrated using microsatellite data from the CEPH Human Genome Diversity Panel. We demonstrate that the new models allow structure to be detected at lower levels of divergence, or with less data, than the original structure models or principal components methods, and that they are not biased towards detecting structure when it is not present. These models are implemented in a new version of structure which is freely available online at http://pritch.bsd.uchicago.edu/structure.html.

[27] Earl D A, Vonholdt B M. STRUCTURE HARVESTER: a website and program for visualizing STRUCTURE output and implementing the Evanno method
Conserv Genet Resour, 2012,4:359-361.
[本文引用: 1]

[28] Evanno G, Regnaut S, Goudet J. Detecting the number of clusters of individuals using the software STRUCTURE: a simulation study
Mol Ecol, 2010,14:2611-2620.
URLPMID:15969739 [本文引用: 1]

[29] Hardy O J, Vekemans X. SPAGeDI: a versatile computer program to analyse spatial genetic structure at the individual or population levels
Mol Ecol Resour, 2010,2:618-620.
[本文引用: 1]

[30] 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
Bioinformatics, 2007,23:2633-2635.
[本文引用: 1]

[31] Abdurakhmonov I Y, Saha S, Jenkins J N, Buriev Z T, Shermatov S E, Scheffler B E, Pepper A E, Yu J Z, Kohel R J, Abdukarimov A. Linkage disequilibrium based association mapping of fiber quality traits inG. hirsutum L. variety germplasm
Genetica, 2009,136:401-417.
URLPMID:19067183 [本文引用: 1]

[32] Schuler G D. Sequence mapping by electronic PCR
Genome Res, 1997,7:541-550.
DOI:10.1101/gr.7.5.541URLPMID:9149949 [本文引用: 1]
The highly specific and sensitive PCR provides the basis for sequence-tagged sites (STSs), unique landmarks that have been used widely in the construction of genetic and physical maps of the human genome. Electronic PCR (e-PCR) refers to the process of recovering these unique sites in DNA sequences by searching for subsequences that closely match the PCR primers and have the correct order, orientation, and spacing that they could plausibly prime the amplification of a PCR product of the correct molecular weight. A software tool was developed to provide an efficient implementation of this search strategy and allow the sort of en masse searching that is required for modern genome analysis. Some sample searches were performed to demonstrate a number of factors that can affect the likelihood of obtaining a match. Analysis of one large sequence database record revealed the presence of several microsatellite and gene-based markers and allowed the exact base-pair distances among them to be calculated. This example provides a demonstration of how e-PCR can be used to integrate the growing body of genomic sequence data with existing maps, reveal relationships among markers that existed previously on different maps, and correlate genetic distances with physical distances.

[33] Wang M J, Tu L, Yuan D J, Zhu D, Shen C, Li J Y, Liu F Y, Pei L Y, Wang P C, Zhao G N, Ye Z X, Huang H, Yan F L, Ma Y Z, Zhang L, Liu M, You J Q, Yang Y C, Liu Z P, Huang F, Li B Q, Qiu P, Zhang Q H, Zhu L F, Jin S X, Yang X Y, Min L, Li G L, Chen L L, Zheng H K, Lindsey K, Lin Z H, Udall J A, Zhang X L. Reference genome sequences of two cultivated allotetraploid cottons, Gossypium hirsutum and Gossypium barbadense
Nat Genet, 2019,51:224-229.
DOI:10.1038/s41588-018-0282-xURLPMID:30510239 [本文引用: 1]
Allotetraploid cotton species (Gossypium hirsutum and Gossypium barbadense) have long been cultivated worldwide for natural renewable textile fibers. The draft genome sequences of both species are available but they are highly fragmented and incomplete(1-4). Here we report reference-grade genome assemblies and annotations for G. hirsutum accession Texas Marker-1 (TM-1) and G. barbadense accession 3-79 by integrating single-molecule real-time sequencing, BioNano optical mapping and high-throughput chromosome conformation capture techniques. Compared with previous assembled draft genomes(1,3), these genome sequences show considerable improvements in contiguity and completeness for regions with high content of repeats such as centromeres. Comparative genomics analyses identify extensive structural variations that probably occurred after polyploidization, highlighted by large paracentric/pericentric inversions in 14 chromosomes. We constructed an introgression line population to introduce favorable chromosome segments from G. barbadense to G. hirsutum, allowing us to identify 13 quantitative trait loci associated with superior fiber quality. These resources will accelerate evolutionary and functional genomic studies in cotton and inform future breeding programs for fiber improvement.

[34] Said J I, Knapka J A, Song M Z, Zhang J F. Cotton QTLdb: a cotton QTL database for QTL analysis, visualization, and comparison betweenGossypium hirsutum and G. hirsutum × G. barbadense populations
Mol Genet Genomics, 2015,290:1615-1625.
DOI:10.1007/s00438-015-1021-yURLPMID:25758743 [本文引用: 2]
KEY MESSAGE: A specialized database currently containing more than 2200 QTL is established, which allows graphic presentation, visualization and submission of QTL. In cotton quantitative trait loci (QTL), studies are focused on intraspecific Gossypium hirsutum and interspecific G. hirsutum x G. barbadense populations. These two populations are commercially important for the textile industry and are evaluated for fiber quality, yield, seed quality, resistance, physiological, and morphological trait QTL. With meta-analysis data based on the vast amount of QTL studies in cotton it will be beneficial to organize the data into a functional database for the cotton community. Here we provide a tool for cotton researchers to visualize previously identified QTL and submit their own QTL to the Cotton QTLdb database. The database provides the user with the option of selecting various QTL trait types from either the G. hirsutum or G. hirsutum x G. barbadense populations. Based on the user's QTL trait selection, graphical representations of chromosomes of the population selected are displayed in publication ready images. The database also provides users with trait information on QTL, LOD scores, and explained phenotypic variances for all QTL selected. The CottonQTLdb database provides cotton geneticist and breeders with statistical data on cotton QTL previously identified and provides a visualization tool to view QTL positions on chromosomes. Currently the database (Release 1) contains 2274 QTLs, and succeeding QTL studies will be updated regularly by the curators and members of the cotton community that contribute their data to keep the database current. The database is accessible from http://www.cottonqtldb.org.

[35] Said J I, Lin Z X, Zhang X L, Song M Z, Zhang J F. A comprehensive meta QTL analysis for fiber quality, yield, yield related and morphological traits, drought tolerance, and disease resistance in tetraploid cotton
BMC Genomics, 2013,14:776.
DOI:10.1186/1471-2164-14-776URLPMID:24215677 [本文引用: 2]
BACKGROUND: The study of quantitative trait loci (QTL) in cotton (Gossypium spp.) is focused on traits of agricultural significance. Previous studies have identified a plethora of QTL attributed to fiber quality, disease and pest resistance, branch number, seed quality and yield and yield related traits, drought tolerance, and morphological traits. However, results among these studies differed due to the use of different genetic populations, markers and marker densities, and testing environments. Since two previous meta-QTL analyses were performed on fiber traits, a number of papers on QTL mapping of fiber quality, yield traits, morphological traits, and disease resistance have been published. To obtain a better insight into the genome-wide distribution of QTL and to identify consistent QTL for marker assisted breeding in cotton, an updated comparative QTL analysis is needed. RESULTS: In this study, a total of 1,223 QTL from 42 different QTL studies in Gossypium were surveyed and mapped using Biomercator V3 based on the Gossypium consensus map from the Cotton Marker Database. A meta-analysis was first performed using manual inference and confirmed by Biomercator V3 to identify possible QTL clusters and hotspots. QTL clusters are composed of QTL of various traits which are concentrated in a specific region on a chromosome, whereas hotspots are composed of only one trait type. QTL were not evenly distributed along the cotton genome and were concentrated in specific regions on each chromosome. QTL hotspots for fiber quality traits were found in the same regions as the clusters, indicating that clusters may also form hotspots. CONCLUSIONS: Putative QTL clusters were identified via meta-analysis and will be useful for breeding programs and future studies involving Gossypium QTL. The presence of QTL clusters and hotspots indicates consensus regions across cultivated tetraploid Gossypium species, environments, and populations which contain large numbers of QTL, and in some cases multiple QTL associated with the same trait termed a hotspot. This study combines two previous meta-analysis studies and adds all other currently available QTL studies, making it the most comprehensive meta-analysis study in cotton to date.

[36] Said J I, Song M Z, Wang H T, Lin Z H, Zhang X L, Fang D D, Zhang J F. A comparative meta-analysis of QTL between intraspecificGossypium hirsutum and interspecific G. hirsutum × G. barbadense populations
Mol Genet Genomics, 2015,290:1003-1025.
DOI:10.1007/s00438-014-0963-9URLPMID:25501533 [本文引用: 2]
KEY MESSAGE: Based on 1075 and 1059 QTL from intraspecific Upland and interspecific Upland x Pima populations, respectively, the identification of QTL clusters and hotspots provides a useful resource for cotton breeding. Mapping of quantitative trait loci (QTL) is a pre-requisite of marker-assisted selection for crop yield and quality. Recent meta-analysis of QTL in tetraploid cotton (Gossypium spp.) has identified regions of the genome with high concentrations of QTL for various traits called clusters and specific trait QTL called hotspots or meta-QTL (mQTL). However, the meta-analysis included all population types of Gossypium mixing both intraspecific G. hirsutum and interspecific G. hirsutum x G. barbadense populations. This study used 1,075 QTL from 58 publications on intraspecific G. hirsutum and 1,059 QTL from 30 publications on G. hirsutum x G. barbadense populations to perform a comprehensive comparative analysis of QTL clusters and hotspots between the two populations for yield, fiber and seed quality, and biotic and abiotic stress tolerance. QTL hotspots were further analyzed for mQTL within the hotspots using Biomercator V3 software. The ratio of QTL between the two population types was proportional yet differences in hotspot type and placement were observed between the two population types. However, on some chromosomes QTL clusters and hotspots were similar between the two populations. This shows that there are some universal QTL regions in the cultivated tetraploid cotton which remain consistent and some regions which differ between population types. This study for the first time elucidates the similarities and differences in QTL clusters and hotspots between intraspecific and interspecific populations, providing an important resource to cotton breeding programs in marker-assisted selection .

[37] 唐凯, 王柏林, 姜海波, 何新林. 新疆石河子市近51年蒸发量变化特征分析
水电能源科学, 2016,34(11):17-21.
[本文引用: 1]

Tang K, Wang B L, Jiang H B, He X L. Variation characteristics of evaporation in Shihezi of Xinjiang in recent 51 years
Water Resour Power, 2016,34(11):17-21 (in Chinese with English abstract).
[本文引用: 1]

[38] 文强, 韩炜. 天山南北坡近46年蒸发量变化及相关因素对比分析——以呼图壁和库尔勒为例
伊犁师范学院学报: 自然科学版, 2019,13(4):43-50.
[本文引用: 1]

Wen Q, Han W. Changes in evaporation over the last 46 years of the Tianshan Mountains and comparative analysis of related Factors—Take Hutubi and Korla for example
J Yili Normal Univ (Nat Sci Edn) 2019,13(4):43-50 (in Chinese with English abstract).
[本文引用: 1]

[39] Paterson A H, Saranga Y, Menz M, Jiang C X, Wright R J. QTL analysis of genotype × environment interactions affecting cotton fiber quality
Theor Appl Genet, 2003,106:384-396.
DOI:10.1007/s00122-002-1025-yURLPMID:12589538 [本文引用: 1]
Cotton is unusual among major crops in that large acreages are grown under both irrigated and rainfed conditions, making genotype x environment interactions of even greater importance than usual in designing crop-improvement strategies. We describe the impact of well-watered versus water-limited growth conditions on the genetic control of fiber quality, a complex suite of traits that collectively determine the utility of cotton. Fiber length, length uniformity, elongation, strength, fineness, and color (yellowness) were influenced by 6, 7, 9, 21, 25 and 11 QTLs (respectively) that could be detected in one or more treatments. The genetic control of cotton fiber quality was markedly affected both by general differences between growing seasons (

[40] Campbell B T, Jones M A. Assessment of genotype × environment interactions for yield and fiber quality in cotton performance trials
Euphytica, 2005,144:69-78.
[本文引用: 1]

[41] Farias F J C, Carvalho L P, Silva Filho J L, Teodoro P E. Biplot analysis of phenotypic stability in upland cotton genotypes in Mato Grosso
Genet Mol Res, 2016,15:1-8.
[本文引用: 1]

[42] Li B Q, Tian Q, Wang X W, Han B, Liu L, Kong X H, Si A J, Wang J, Lin Z X, Zhang X L, Yu Y, Yang X Y. Phenotypic plasticity and genetic variation of cotton yield and its related traits under water-limited conditions
Crop J, 2020,8:966-976.
[本文引用: 2]

[43] Zheng J Y, Oluoch G, Riaz Khan M K, Wang X X, Cai X Y, Zhou Z L, Wang C Y, Wang Y H, Li X Y, Liu X Y, Wang K B. Mapping QTLs for drought tolerance in an F_2:3 population from an inter-specific cross betweenGossypium tomentosum and Gossypium hirsutum
Genet Mol Res, 2016. doi: 10.4238/gmr.15038477.
[本文引用: 1]

[44] Frova C, Krajewski P, Fonzo N D, Villa M, Sari-Gorla M. Genetic analysis of drought tolerance in maize by molecular markers: I. Yield components
Theor Appl Genet, 1999,99:280-288.
[本文引用: 1]

[45] 吴迷, 汪念, 沈超, 黄聪, 温天旺, 林忠旭. 基于重测序的陆地棉InDel标记开发与评价
作物学报, 2019,45:196-203.
[本文引用: 1]

Wu M, Wang N, Shen C, Huang C, Wen T W, Lin Z X. Deve lopment and evaluation of InDel markers in cotton based on whole-genome re-sequencing data
Acta Agron Sin, 2019,45:196-203 (in Chinese with English abstract).
[本文引用: 1]