作物分子设计育种(2006)_图文

1、V ol 132,N o 13pp 1455-462Mar 1,2006作物学报ACT A AG RONOMICA SI NICA第32卷第3期2006年3月455462页综述作物分子设计育种万建民1,2(1中国农业科学院作物科学研究所农作物基因资源与基因改良国家重大科学工程,北京100081;2南京农业大学作物遗传与种质创新国家重点实验室,江苏南京210095摘要:优质、多抗、抗逆与高产作物新品种的选育和推广是实现我国粮食安全的重要途径。目前大多数育种工作仍然建立在表型选择和育种家的经验之上,育种效率低下;另一方面,生物信息数据库积累的数据量极其庞大,由于缺乏必要的数据整合技术,可资育种工作

2、者利用的信息却非常有限。作物分子设计育种将在多层次水平上研究植物体所有成分的网络互作行为和在生长发育过程中对环境反应的动力学行为;继而使用各种“组学”数据,在计算机平台上对植物体的生长、发育和对外界反应行为进行预测;然后根据具体育种目标,构建品种设计的蓝图;最终结合育种实践培育出符合设计要求的农作物新品种。设计育种的核心是建立以分子设计为目标的育种理论和技术体系,通过各种技术的集成与整合,对生物体从基因(分子到整体(系统不同层次进行设计和操作,在实验室对育种程序中的各种因素进行模拟、筛选和优化,提出最佳的亲本选配和后代选择策略,实现从传统的“经验育种”到定向、高效的“精确育种”的转化,以大幅度

3、提高育种效率。关键词:分子设计育种;展望中图分类号:Q78Perspectives of Molecular Design B reeding in CropsW AN Jian 2M in 1,2(1Institute of Crop Sciences ,Chinese Academy of Agricultural Sciences ,Beijing 100081;2S tate K ey Laboratory of Crop G enetics and G erm plasm Enhancement ,Nanjing Agricultural University ,Nanjing 21

4、0095,Jiangsu ,China Abstract :Breeding and extension of new cultivars with g ood qualities ,multiple resistances ,stress tolerances ,and highyielding are essential to fulfill the food safety in China 1H owever ,m ost crop breeding activities are still based on visual and phenotypic selection ,where

5、the breeder s experience plays a major role ,and the breeding efficiency is extremely low 1On the other hand ,a large am ount of biological data keeps accumulating dramatically as the rapid development in biotechnology and genom ics 1But the breeders have no ideas how to integrate this in formation

6、in their traditional breeding programs due to the lack of appropriate tools and methods 1M olecular design breeding first studies the dynam itic behaviors from multiple levels am ong all com ponents consisting of a plant ,and their interactions with environments during development 1And then a bluepr

7、int of specific cultivars meeting particular breeding objectives is designed ,and the optimum strategy to reach the blueprint is provided 1Therefore ,by understanding the genetic basis of all agronom ically im portant traits and the allelic variation at those loci ,the breeders w ould be able to des

8、ign superior genotypes at their requirements in silico 1By design breeding ,the crossing and selection process can be simulated and optim ized before g oing to the field ,and thus the breeding efficiency can be greatly enhanced by shifting the tradition experience breeding to the precision breeding

9、1K ey w ords :M olecular design breeding ;Perspectives目前,对大多数作物的育种来说,育种家可供利用的亲本材料有几百甚至上千份,可供选择的杂交组合有上万甚至更多。由于试验规模的限制,一个育种项目所能配置的组合一般只有数百或上千,育种家每年花费大量的时间去选择究竟选用哪些亲本材料进行杂交;对配制的杂交组合,一般要产生2000个以上的F 2分离后代群体,然后从中选择1%2%的理想基因型,中选的F 2个体在遗传上是杂合体,需要做进一步的自交和选择,每个中选的F 2个体一般需产生100个左右的重组近交家系才能基金项目:国家高技术研究发展计划(863计

10、划课题“主要农作物虚拟分子设计育种”(2003AA207160。作者简介:万建民(1960,男,长江计划特聘教授,主要从事水稻分子育种研究。T el :010*;E 2mail :wanjm caas 1net 1cnReceived (收稿日期:2005211202;Accepted (接受日期:20052112301从中选择到存在比例低于1%的理想重组基因型。育种早期选择一般建立在目测基础上,由于环境对性状的影响,选择到优良基因型的可能性极低,统计表明,在配制的杂交组合中,一般只有1%左右的组合有希望选出符合生产需求的品种,考虑到上述分离群体的规模,最终育种效率一般不到百万分之一122。因

11、此常规育种存在很大的盲目性和不可预测性,育种工作很大程度上依赖于经验和机遇。生物个体的表型是基因型和环境共同作用的结果,植物育种的主要任务是寻找控制目标性状的基因,研究这些基因在不同目标环境群体下的表达形式,聚合存在于不同材料中的有利基因,从而为农业生产提供适宜的品种324。生物数据可以来自生物的不同水平,如群体水平、个体水平、孟德尔基因水平和DNA分子水平等,各类生物数据为作物育种提供了大量的信息。尤其随着分子生物学和基因组学的飞速发展,生物信息数据库积累的数据量极其庞大,但由于缺乏必要的数据整合技术,可资育种工作者利用的信息却非常有限,作物重要农艺性状基因(quantitative tra

12、it locus,QT L的定位结果也难以用于指导作物育种实践。作物分子设计育种将在庞大的生物信息和育种家的需求之间搭起一座桥梁,在育种家的田间试验之前,对育种程序中的各种因素进行模拟筛选和优化,提出最佳的亲本选配和后代选择策略,从而大幅度提高育种效率。1作物分子设计育种相关基础研究现状及发展趋势近年来,主要作物的基因组学研究,特别是拟南芥、玉米、水稻和小麦基因组学研究取得了巨大成就,基因定位和QT L作图研究为分子设计育种奠定了良好基础,计算机技术在作物遗传育种领域的广泛应用为分子设计育种提供了有效的手段。国内外生物领域的高技术飞速发展,主要表现在以下5个方面。111生物信息学遗传信息数据库

13、中的数据呈“爆炸式”增长在过去的几年里,由于基因组学和蛋白组学的飞速发展,3大核酸序列数据库,即欧洲生物信息研究所(European Bioin formatics Institute,E BI维护的E M BL数据库、美国国家生物技术信息中心(National Center for Biotechnology In formation,NC BI的G enBank 数据库和日本国立遗传学研究所(Japan NationalInstitute of G enetics Center for In formation Biology的DDB J数据库,截至1992年1月总计收录核酸序列数据只有5

14、9317条,共77805556碱基对;截至2005年3月,3大数据库收录的核酸序列已经达到43118204条,共计47099081750碱基对,年份间呈几何级数增长。2002年,国际3大机构PIR(Protein In formation Res ources,蛋白质信息资源,美国国家健康研究所、E BI和SI B(S wiss Institute of Bioin formatics,瑞士生物信息研究所将3个蛋白质数据库PIR、SWISS2PROT和TrE M BL合并组建了单一的权威性蛋白质数据库UniProt,截至2005年5月24日已经收录了1748002条蛋白质序列共计5551584

15、14个氨基酸。在这些数据库中,有关植物DNA序列主要来源于拟南芥、玉米、水稻和小麦等。水稻作为模式植物和世界上最重要的粮食作物之一,其基因组学研究一直走在其他作物的前列,是第一个完成测序的重要农作物。我国在2002年完成了世界首张籼稻基因组草图5,与Syngenta公司完成的粳稻基因组草图同时发表在Science6。随后完成了粳稻(日本晴4号染色体的精确测序7,是世界上首先完成的2条精确测序水稻染色体之一。同时还完成了籼稻(广陆矮4号4号染色体80%的精确测序以及水稻4号染色体着丝粒的序列分析829。上述工作的完成使我国水稻基因组测序研究处于世界领先水平。所有这些序列以及基因和蛋白质结构和功能

16、的数据成为全世界科学界的宝贵资源和财富,这些海量的序列信息给高效、快速的基因发掘和利用提供了新的契机,在若干研究领域实现跨越式发展甚至“革命”的时机已经到来10。但是,如何收集和处理这些DNA和蛋白质信息,并在作物改良中加以应用仍是一个巨大的挑战。112分子标记技术发展日新月异自20世纪80年代以来,先后开发出基于S outhern杂交的第一代分子标记(RF LP为代表和基于PCR的第二代分子标记(SSR为代表。随着植物基因组学研究的发展,全基因组序列、EST及全长cDNA数量迅猛增长,成为开发新型分子标记的新资源。因此目前全世界正在大力开发基于基因序列的第三代分子标记,即来自cDNA序列的S

17、SR和S NP 标记。这类分子标记具有数目多、适于高通量检测的优点;更重要的是,由于EST和cDNA全长序列是表达基因序列,通过对现有的EST或全长cDNA数654作物学报第32卷据进行标记查寻,再进行合适的标记引物设计和多态性检测,就可以找到稳定可靠的基于表达基因的特定分子标记。因为标记来自基因的转录区域11,因此这些标记能更好地对基因功能的多样性进行更直接的评估。cSSR标记还具有一个优点,即部分标记可以跨物种应用,因为在不同物种中的表达基因大多数是相似的,针对这些表达基因设计的SSR标记就可以在物种间通用。此外,根据EST序列信息或根据不同种质资源中的基因序列比较分析,还可以开发出针对特

18、定等位基因的S NP标记,这些S NP 标记将大大方便对有利基因的分子标记辅助选择12。113基因和QT L定位研究广泛深入作物重要农艺性状大多是数量性状,受多基因控制,这些基因间存在复杂的相互作用,基因的表达容易受环境因素的影响。分子标记技术的飞速发展,极大促进了基因定位特别是数量性状基因定位的研究,定位数量性状的基因位点(QT L,阐明它们的效应、上位性以及与环境的互作,是当代遗传育种研究的一个重要方向。目前,植物QT L定位方面应用较广的方法有:区间作图13、复合区间作图14和基于混合线性模型的复合区间作图15等。利用这些方法,对主要农作物的数量性状进行了大量的定位研究,截止2005年4

19、月仅C AB(国际农业和生物学中心文摘数据库收录的各种QT L定位的论文就有3497篇,其中植物方面的QT L定位研究论文1581篇,研究比较深入的作物有水稻、玉米、小麦和番茄等。研究者从不同角度分析了QT L的主效应、QT L之间的互作效应、QT L与环境的互作效应等,采用的作图群体包括重组自交系(RI L、加倍单倍体(DH、F2及其衍生群体、回交群体、随机交配群体和染色体片段置换系(CSS L群体等16218;在此基础上,进行单基因分解、精细定位和图位克隆研究18221。等位基因变异的检测与表型性状的深入鉴定相结合已成为从种质资源中发掘新基因的有效手段。自1995年以来,Eshed和Z a

20、mir22倡导利用高代回交导入系结合定向选择,大规模发掘种质资源中有利基因,从而获取QT L的复等位基因在不同遗传背景下的表达效应,以便将QT L定位研究与植物育种紧密结合起来,为分子设计育种提供全面、准确的遗传信息。114基因电子定位与电子延伸得到应用利用EST或cDNA全长序列等信息对表达序列直接进行作图已成为发掘新基因和比较基因组学研究的重要途径之一。EST是目前发现新基因的主要信息来源之一,尤其是对尚未进行全基因组测序的小麦和玉米等作物来讲,EST是了解基因组中基因序列特征、开发基因特异性标记的重要信息基础。例如,通过把与抗病基因或防御反应基因相似的EST在水稻染色体上进行作图,发现部

21、分EST定位在以前就已明确含有抗病基因的染色体区域23。通过EST序列还可以鉴定出那些编码特定代谢途径中的酶类基因24,因此EST也是揭示作物代谢途径的重要方法。NC BI利用BLAST技术把EST数据进行了整理和分析,建立了dbEST数据库;为了更好地利用EST 数据,NC BI还根据基因序列对EST进行了分类,进一步建立了UniG ene数据库,其中来自水稻、小麦和玉米的序列数分别为20607条、22959条和13193条(2003年7月数据。研究表明,通过将EST或cDNA全长序列等信息对表达序列直接进行作图,可以把不同基因定位在染色体上。例如,Wu等25用6591个水稻EST进行了转录

22、图的构建,明确了各表达基因在染色体上的位置。这些数据与全基因组序列的基因注释信息结合起来,已使人们对水稻中的基因有了更清晰的认识。115转基因技术和标记辅助选择方法取得一定进展利用转基因技术进行作物品种改良已取得一定进展。但是,目前转基因技术还仅限于利用主基因改良单一目标性状,对于由多基因控制的大多数重要农艺性状,转基因技术尚无法发挥其优势。另一方面,国内外对分子标记辅助选择育种做了不少有益的尝试,但对主基因控制的性状,分子标记辅助选择并不比传统的选择方法有明显优势;对多基因控制的重要农艺性状,由于QT L在遗传上的复杂性、背景依赖性以及与环境的复杂互作,现有的QT L定位成果很难直接用于指导

23、分子标记辅助选择育种26229。2我国开展分子设计育种的时机已经成熟模式植物拟南芥和水稻的全基因组序列测定的完成,使得植物基因组学研究由结构基因组向功能基因组等各种“组学”迅猛发展。基因组学和蛋白组学借助生物信息学的力量让人们从分子水平上了解植物亚细胞生理活动及真核生物的多细胞是如何组成并实现其复杂的功能,各种“组学”把传统生物学754第3期万建民:作物分子设计育种迅速带入了系统生物学的新时代,这一革命性的改变催生了分子设计(m olecular design的概念30233。目前,已有许多研究机构在做前期准备工作,朝此方向发展。美国农业部已投资在十几个研究单位建立各种作物的数据库,这些数据库

24、的整合将成为未来分子设计育种的重要基础。其他比较有影响的研究机构如美国的先锋公司、澳大利亚的昆士兰大学和CSIRO,以及国际玉米小麦改良中心在基因型到表型建模、基因型与环境互作分析及育种模拟等方面开展了研究122,34237。中国水稻所2004年提出水稻基因设计育种的概念,就是在水稻全基因组测序完成后,在主要农艺性状基因功能明确的基础上,通过有利基因的剪切、聚合,培育在产量、米质和抗性等多方面有突破的超级稻新品种。目前我国开展分子设计育种的时机已经成熟,其主要表现有以下4个方面。(1我国已拥有生物信息学的研究力量和技术。我国是世界上首次对水稻全基因组测序并对水稻第4染色体精细测序的国家之一。在

25、测序的过程中,生物信息学手段是完成序列组装和分析的关键。能完成这些大量的测序任务,本身就说明我国已拥有很高的生物信息学研究水平。另外,从基因组序列、EST信息和全长cDNA 序列中发掘新标记和新基因的工作也已取得了一定进展。(2已开展虚拟分子育种。我国利用分子数量遗传学和计算机技术研究QT L作图、QT L与环境之间的关系方面位于国际同等水平,国家高技术研究发展计划(863计划已经资助开展主要农作物的虚拟育种研究,在回交育种、聚合育种、杂种优势预测和亲本选配的计算机模拟研究等方面已经取得了一定进展。(3已拥有建立大型的数据搜集和处理系统的技术和经验。我国的国家作物种质资源信息系统已建立多年,目

26、前该系统中储存的数据已达数千万项,在大型数据库的建立、完善和维护方面积累了丰富的经验。(4已拥有基因作图、比较基因组学研究、等位基因多样性研究等关键技术。我国在作物的基因作图方面开展得比国外晚,但近年来进步很大,并且涉及到各种重要作物的大多数重要性状。利用DNA和蛋白质序列信息,针对特定基因或基因类型进行作图在水稻之外的其他作物上也发展很快。此外,我国已开展小麦族内的物种之间、禾本科作物之间的比较基因组学研究,并取得了一定进展,正在开展的等位基因多样性研究也已取得阶段性成果。与国外同类研究相比,我们的差距主要存在以下3个方面。(1主要农艺性状基因发掘和功能研究存在不足。近十年来,我国利用分子标

27、记,在水稻、小麦、玉米等主要作物中已经开展了大量的基因(特别是QT L定位研究,积累了大量的遗传信息。但这些信息还处于零散的状态,缺乏集中、归纳和总结;对不同遗传背景和环境条件下QT L效应、QT L 的复等位性以及不同QT L之间的互作研究不够系统全面,不利于QT L定位的成果转化为实际的育种效益;重要农艺性状的遗传基础、形成机制和代谢网络研究还很欠缺,而这些正是分子设计育种的重要信息基础。同时,缺乏拥有自主知识产权的计算机软件,限制了将已有的基因或QT L信息应用到实际育种中去。(2分子设计育种相关的信息系统不够完善。在国家高技术研究发展计划(863计划和国家重点基础研究发展计划(973计

28、划等项目的大力支持下,主要农作物主要经济性状遗传研究取得了很大进展,国家已全面启动水稻等主要粮食作物主要经济性状的功能基因组研究,但是距全面了解作物所有性状的遗传基础还比较遥远。我国现有的生物信息数据库中,已明确功能和表达调控机制的基因信息比较匮乏;在转录组学、蛋白组学、代谢组学以及表型组学等方面的研究与国际上存在较大差距,作物种质资源信息系统中,能被分子设计育种直接应用的信息还很有限。(3分子设计育种理论研究相对滞后。目前,国内已经开始意识到分子设计育种将会成为未来作物育种的发展方向,但大多尚停留在概念上,还没有真正开展分子设计育种的理论建模和软件开发工作。3我国作物分子设计育种的研究重点我

29、国的作物分子设计育种研究应集中在以下3个方面。311重要农艺性状基因QT L高效发掘构建水稻、小麦、玉米、大豆和棉花等作物的高代回交导入系群体,通过大规模回交导入系并结合定向选择,消除复杂的遗传背景对基因QT L定位精度的不良影响,高效发掘种质资源中重要农艺性状的基因QT L。通过不同轮回亲本和供体亲本配制的高代回交组合定位结果的分析比较,探明基因QT L 的一因多效、多因一效、同一基因QT L位点的复等位性、基因QT L之间的上位性互作、基因QT L与遗传背景之间的互作、基因QT L与环境互作等信息。高代回交导入的遗传背景高度纯化,便于直接对主854作物学报第32卷效应大、表达稳定的基因QT

30、 L 进行精细定位。312建立核心种质和骨干亲本的遗传信息链接核心种质以最小的资源数代表最大的遗传多样性,即保留尽可能小的群体和尽可能大的遗传多样性;骨干亲本则是当前作物育种中广泛使用并取得较好育种成效的育种材料,其中含有大量有利基因资源。发掘这两类材料中的遗传信息并建立其分子设计育种信息系统和链接,可以快速获取亲本携带的基因及其与环境互作的信息,为分子设计育种模型精确预测不同亲本杂交后代在不同生态环境下的表现提供信息支撑。313建立主要育种性状的GP 模型G P (G enotype to phenotype 模型描述不同基因和基因型、以及基因和环境间是如何作用以最终产生不同性状的表型,从而

31、可以鉴定出符合不同育种目标和生态条件需求的目标基因型,因此G P 模型是分子设计育种的关键组成部分。G P 模型利用发掘的基因信息、核心种质和骨干亲本的遗传信息链接提供的信息,结合不同作物的生物学特性及不同生态地区育种目标,对育种过程中各项指标进行模拟优化,预测不同亲本杂交后代产生理想基因型和育成优良品种的概率,大幅度提高育种效率。4分子设计育种实例Peleman 和van der Voort 对“设计育种”(Breeding by design 这一名词进行了商标注册38,他们认为分子设计育种应当分3步进行:(1定位所有相关农艺性状的QT L ;(2评价这些位点的等位性变异;(3开展设计育种

32、。这里结合我们在水稻上的一些研究结果说明分子设计育种的过程。411研究育种目标性状的QT L这一过程包括构建作图群体、筛选多态性标记、构建标记连锁图谱、评价数量性状的表现型和QT L 分析等步骤。这里有一包含65个染色体片段置换系(chrom os ome segment substitution line ,CSS L 的群体,产生这一群体的2个亲本分别为粳稻As ominori (背景或轮回亲本和籼稻IR24(供体或非轮回亲本18,20,39240。每个CSS L 包含一个或几个来自IR24的染色体片段,其余染色体来自背景亲本As omin ori 。所有供体染色体片段覆盖了IR24的整个

33、基因组,不同染色体片段用不同的RF LP 标记表示。根据粒长的观测值,可以通过分析不同标记基因型间粒长的差异显著性来判断哪些片段上携带有影响粒长的QT L 。存在QT L 的可能性常用LOD 值的大小来衡量(图12A ,图12A 清楚表明标记M23和M34代表的染色体片段上包含有控制粒长的QT L ,它们分别解释粒长表型变异的3619%和819%,因此可视为主效QT L ,尤其是M23染色体片段上的QT L 。但这2个QT L 加性效应的方向相反(图22 B ,即对于标记M23上的QT L 来说,来自IR24的等位基因使粒长增加,来自As ominori 的等位基因使粒长减小;对于标记M34上

34、的QT L 来说,来自IR24的等位基因则使粒长减小,来自As ominori 的等位基因使粒长增加。图1利用粳稻Asominori 和籼稻IR 24构建的染色体片段置换系群体对粒长性状的QT L 定位结果Fig 11QT L m apping for grain length in the CSSL population derived from the tw o rice p arents japonica Asominori and indica IR 24954第3期万建民:作物分子设计育种460 作 物 学 报 第 32 卷 QT 的信息 , 包括 QT 在染色体上的位置 、 L L

35、 遗传效 色体片段 , 即 M1 、 、 M6 M23 和 M25 。在 65 个 CSSL 中 ,CSSL5 包 含 片 段 M6 ; CSSL16 包 含 片 段 M1 和 M23 ;CSSL19 包含片段 M25 ; 因此可以作为产生设计 基因型的亲本材料 。但 CSSL19 包含有我们不需要 的片 段 M12 , 在 选 择 过 程 中 需 要 将 其 替 换 为 Asominori 的片段 。 面影响 , 此时可选择较低的 LOD 临界值 , 如 110 , 以 保证效应较小的 QT 也能鉴定出来 。在上面的实 L 例中 ,当采用 0183 的临界值时 ( 对应于显著性水平 0105

36、 ,我们一共鉴定出 13 个控制粒长的 QT ,8 个 L 控制粒宽的 QT ,同时也鉴定出一些上位性 QT 。 L L 412 结合育种目标设计目标基因型 413 达到目标基因型的途径分析 实践中 ,可根据不同研究目的选择 LOD 临界值 去判定 QT 的存在 ,如果研究目的在于 QT 的克隆 L L 和功能分析 ,则判定 QT 存在时应选择较高的 LOD L 临界值 ,如 310 或更高 , 以避免假阳性 ; 如果目的在 于预测基因型 ,则假阳性不会对结果造成较大的负 这一过程利用已经鉴定出的各种重要育种性状 应 、 L 之间的互作 、 L 与背景亲本和环境之间的 QT QT 互作等 ,模

37、拟预测各种可能基因型的表现型 ,从中选 择符合特定育种目标的基因型 。 在我们的例子中 ,Asominori 是短粒和宽粒型品 种 ,IR24 是长粒和窄粒型品种 ,但它们的 CSSL 后代 在 2 个性状 4 个方向上均有超亲分离现象 ,因此 2 个 性状的增效 QT 和减效 QT 在 2 个亲本中应该分 L L 散分布 。通过对粒长的 QT 作图 ,发现在染色体片 L 获得图 2 中的设计基因型 ,需要 IR24 的 4 个染 3 个亲本间的三交 ( 又称顶交 组合有可能将我 段 M6 、 、 、 和 M25 上的 5 个 QT 具有正 M12 M14 M23 L 效效应 ,即对于这些座位

38、上的 QT 来说 , 来自 IR24 L 的等位基因使粒长增加 ; 对于粒宽 , 只有一个 QT L 具有正效效应 , 说明增加粒宽的大多数基因来自 Asominori 。除 此 之 外 还 发 现 一 些 染 色 体 片 段 如 M10 、 、 和 M23 ,同时携带有既控制粒长又控 M12 M14 们需要的染色体片段聚合在一起 , 产生三交组合的 方式有 3 种 , 即三交组合 1 : ( CSSL5 × CSSL16 × CSSL19 ; 三交组合 2 : ( CSSL5 × CSSL19 × CSSL16 和三交组合 3 : ( CSSL16 &

39、#215; CSSL19 × CSSL5 。假定 © 1994-2008 China Academic Journal Electronic Publishing House. All rights reserved. 有负向的一因多效现象 , 不可能获得一个基因型既 具有图 2 中最大粒长又具有最大粒宽 。经模拟我们 发现一个设计基因型 , 其粒长为 6105 mm , 粒宽为 3100 mm , 接近最大粒长 6121 mm 和最大粒宽 3107 mm ( 图 2 。至此我们设计出一个最符合长粒和宽粒 型这一育种目标的基因型 。 产生 100 个三交 F1 个体 ,每个

40、产生 30 个 F2 个体 ,利 标基因型 ; 标记选择方案 2 : 产生 100 个三交 F1 个 用单粒传共产生 3 000 个 F8 家系 , 然后从中选择目 体 ,通过标记辅助选择只保留含有目标染色体片段 的个体 ,每个中选个体产生 30 个 F2 个体 ,利用单粒 传产生 F8 家系 ,然后从中选择目标基因型 。以上过 程借助遗传育种模拟工具 QuCim 实现 。 对每个三交组合 ,2 种标记选择方案得到的 F8 1 , 37 制粒宽的 QT ; 在片段 M10 上 ,QT 对粒长和粒宽效 L L 应都是正向的 ; 在其他片段上 ,QT 对粒长和粒宽效 L 应却相反 。这一点与根据表

41、型估计的相关系数 r = 3 3 - 0134 一致 。 三交组合 3 平均获得 1118 个 ( 表 1 。但从 2 种标记 根据上面的信息 , 可以预测各种可能的基因型 的表现型 ( 图 2 , 发现最小和最大粒长基因型的粒 长分别是 4120 mm 和 6121 mm , 最小和最大粒宽基 因型的粒宽分别是 2112 mm 和 3107 mm 。假定育种 目标是长粒和宽粒型 ,由于一些 QT 在 2 个性状上 L 家系数相等 ( 表 1 。从三交组合 1 平均获得 716 个 目标基因型 F8 家系 ,三交组合 2 平均获得 2318 个 , 采用标记辅助方法选择目标基因型 , 可供选择

42、的方 案有很多 ,这里只考虑其中的 2 种 ,标记选择方案 1 : 3期 第 万建民 : 作物分子设计育种 461 选择方案需要测试的 DNA 样品数和每个中选的 F8 家系需要测试的 DNA 样品数来看 ,2 种标记选择方 案有着巨大的差异 。以三交组合 1 为例 , 利用标记 选择方案 1 需要测试 3000 个 DNA 样品 , 而利用标 记选择方案 2 需要测试 459 个 DNA 样品 ; 对标记选 择方案 1 来说 ,每个中选的 F8 家系需要测试的 DNA 样品数是 395 ,对标记选择方案 2 来说 , 这个数字只 有 60 。因此 ,包含两个阶段标记选择的方案 2 在基 因聚

43、合过程中可以大大地降低实验室测定标记的 花费 。 表1 不同三交组合和选择方案的育种功效分析 Table 1 E fficiency of each top cross and selection strategy 标记辅助选择方案 Scheme for marker assisted selection 选择前 F2 个体数 F2 size before selection 100 100 选择后 F2 个体数 F2 size after selection 选择前 F8 家系数 F8 families before selection 选择后 F8 家系数 ( 标准差 F8 familie

44、s after selection (standard error 716 (3127 716 (3137 测试 DNA 样品数 T otal DNA samples to be tested 3000 459 3000 845 3000 326 每个中选 F8 家系 的测试样品数 DNA samples per selected F8 family 395 60 123 36 268 26 三交组合 1 Top cross 1 : (CSSL5 × CSSL16 × CSSL19 方案 1 Scheme 1 方案 2 Scheme 2 方案 1 Scheme 1 方案 2

45、 Scheme 2 方案 1 Scheme 1 方案 2 Scheme 2 100 3000 1210 359 三交组合 2 Top cross 2 : (CSSL5 × CSSL19 × CSSL16 100 100 3000 100 2418 745 三交组合 3 Top cross 3 : (CSSL16 × CSSL19 × CSSL5 100 100 3000 100 715 226 5 分子设计育种展望 不同三交组合获得目标基因型的几率有显著差 异 。三交组合 2 的几率最高 ,达 0181 % ,组合 1 的几 率最低 ,只有 0125 %

46、 。因此三交组合 2 结合标记选 择方案 2 是最佳的实现目标基因型的途径 。 种的理论和技术水平 ,带动传统育种向高效 、 定向化 发展 。 References 作物分子设计育种是一个新的概念 , 它以生物 信息学为平台 ,以基因组学和蛋白组学等若干个数 据库为基础 ,综合作物育种学流程中的作物遗传 、 生 理、 、 、 生化 栽培 生物统计等所有学科的有用信息 ,根 据具体作物的育种目标和生长环境 , 在计算机上设 计最佳方案 ,然后开展作物育种试验的分子育种方 法 。与常规育种方法相比 , 作物分子设计育种首先 在计算机上模拟实施 , 考虑的因素更多 、 更周全 , 因 而所选用的亲本

47、组合 、 选择途径等更有效 ,更能满足 育种的需要 ,可以极大地提高育种效率 。值得指出 的是 ,分子设计育种在未来实施过程中将是一个结 合分子生物学 、 生物信息学 、 计算机学 、 作物遗传学 、 育种学 、 栽培学 、 植物保护 、 生物统计学 、 土壤学 、 生 态学等多学科的系统工程 。 作物分子设计育种是一个综合性的新兴研究领 域 ,将对未来作物育种理论和技术发展产生深远的 影响 。因此 ,我们应该把握机遇 ,充分利用植物基因 组学和生物信息学等前沿学科的重大成就 , 及时开 展品种分子设计的基础理论研究和技术平台建设 。 实现分子设计育种的目标 , 将会大幅度提高作物育 

48、9; 1994-2008 China Academic Journal Electronic Publishing House. All rights reserved. 1 Wang J , van G inkel M , Podlich D , Ye G, Trethowan R , Pfeiffer W , DeLacy I , Cooper M , Rajaram S1 Comparison of two breeding strategies by computer simulation1 Crop Sci , 2003 , 43 : 1764 1773 2 Wang J , Eag

49、les H A , Trethowan R , van G inkel M1 Using computer simulation of the selection process and known gene information to assist in parental selection in wheat quality breeding1 Australian J Agric Res , 2005 , 56 : 465 473 3 Allard R W1 Principles of Plant Breeding1 New Y : John Wiley and ork Sons , 1

50、960 4 Bernardo R1 What if we knew all the genes for a quantitative trait ? Crop Sci , 2001 , 41 : 1 4 5 Yu J , Hu S , Wang J , Wong G K S , Li S , Liu B , Deng Y, Dai L , 2 Zhou Y, Zhang X , Cao M , Liu J , Sun J , Tang J , Chen Y, Huang X , Lin W , Ye C , T ong W , Cong L , Geng J , Han Y, Li L , L

51、i W , Hu G, Huang X , Li W , Li J , Liu Z , Li L , Liu J , Qi Q , Liu J , Li L , Li T , Wang X , Lu H , Wu T , Zhu M , Ni P , Han H , Dong W , Ren X , Feng X , Cui P , Li X , Wang H , Xu X , Zhai W , Xu Z , Zhang J , He S , Zhang J , Xu J , Zhang K, Zheng X , Dong J , Zeng W , Tao L , Ye J , Tan J ,

52、 Ren X , Chen X , He J , Liu D , Tian W , Tian C , Xia H , Bao Q , Li G, Gao H , Cao T , Wang J , Zhao W , Li P , Chen W , Wang X , Zhang Y, Hu J , Wang J , Liu S , Yang J , Zhang G, Xiong Y, Li Z , Mao L , Zhou C , Zhu Z , Chen R , Hao B , Zheng W , Chen S , Guo W , Li G, Liu S , Tao M , Wang J , Z

53、hu L , Yuan L , Yang H1 A draft sequence of the rice genome ( Oryza sativa L1 ssp1 indica 1 Science , 2002 , 296 : 79 92 6 G S A , Ricke D , Lan T H , Presting G, Wang R , Dunn M , off 2 G lazebrook J , Sessions A , Oeller P , Varma H , Hadley D , Hutchison D , Martin C , Katagiri F , Lange B M , Mo

54、ughamer T , Xia Y, Budworth P , Zhong J , Miguel T , Paszkowski U , Zhang S , Colbert M , Sun W L , 2 Chen L , Cooper B , Park , Wood T C , Mao L , Quail P , Wing R , Dean R , Yu Y, Zharkikh A , Shen R , Sahasrabudhe S , Thomas A , Cannings R , Gutin A , Pruss D , Reid J , Tavtigian S , Mitchell J ,

55、 Eldredge G, Scholl T , Miller R M , Bhatnagar S , Adey N , Rubano T , Tusneem N , 2413 (7106 2313 (7116 1112 (5145 1213 (5114 462 作 物 学 报 第 32 卷 Robinson R , Feldhaus J , Macalma T , Oliphant A , Briggs S1 A draft sequence of the rice genome ( Oryza sativa L1 spp1 japonica 1 Science , 2002 , 296 :

56、92 100 7 Feng Q , Zhang Y, Hao P , Wang S , Fu G, Huang Y, Li Y, Zhu J , Liu Y, Hu X , Jia P , Zhang Y, Zhao Q , Y ing K, Yu S1 Sequence and analysis of rice chromosome 41 Nature , 2002 , 420 : 316 320 8 Zhao Q , Zhang Y, Cheng Z , Chen M , Wang S , Feng Q , Huang Y, Li Y, Tang Y, Zhou B , Chen Z ,

57、Yu S , Zhu J , Hu X , Mu J , Y K, ing Hao P , Zhang L , Lu Y, Zhang L S , Liu Y, Yu Z , Fan D , Weng Q , Chen L , Lu T , Liu X , Jia P , Sun T , Wu Y, Zhang Y, Lu Y, Li C , Wang R , Lei H , Li T , Hu H , Wu M , Zhang R , Guan J , Zhu J , Fu G, Gu M , Hong G, Xue Y, Wing R , Jiang J , Han B1 A fine p

58、hysical map of the rice chromosome 41 Genome Res , 2002 , 12 : 817 823 9 Feng Q , Zhang Y, Hao P , Wang S , Fu G, Huang Y, Li Y, Zhu J , Liu Y, Hu X , Jia P , Zhang Y, Zhao Q , Y ing K, Yu S1 Sequence and analysis of rice chromosome 41 Nature , 2002 , 420 : 316 320 10 Stemmer W P C1 Rapid evolution of a protein in vitro by DNA shuffling1 Nature , 1994 , 370 : 389 391 11 Eujayl I , Sorrells M E , Baum M , Wolters P1 Isolation of EST derived 2 microsatellite markers for genotyping the A and B genomes of wheat1 Theor Appl Genet , 2002 , 104 : 399 407