大豆(Glycine max (L.) Merr.)是重要食用植物蛋白质和油脂的主要来源,是我国最重要的经济作物之一,然而国内大豆生产明显不足,截至2000年我国由大豆出口国变为最大进口国,主要原因是产量偏低,因此,提高产量是大豆育种中最重要的目标之一。产量性状是受多个基因控制的数量性状,且易受环境条件的影响,定位大豆产量QTL对于改良产量相关性状具有理论与实践意义。近年来,随着分子遗传学和分子标记技术的迅速发展,构建遗传连锁图谱的分子标记密度逐渐增加,推动了大豆产量相关性状QTL定位的研究。

自1990年Keim等 [1]最开始大豆数量性状QTL分析以来,已经在大豆形态与产量等性状方面展开了大量研究。在大豆的产量相关性状中,百粒质量(SW) [2-8]、株高(PH)[9-12]、主茎节数(NN) [13-15]、单株粒数(NS) [16-18]等已有大量的研究和报道。Mansur等[19]利用PI27890 ×PI290136产生的后代重组自交系群体,检测到4个株高QTL,位于连锁群M、J、C2上。Wang等[20]利用IA2008×PI468916 产生的BC后代群体,检测到6个株高QTL,位于连锁群O、K、C2、E、M上,可解释表型变异率在0.74%～0.84%。Guzman等[21]利用Kenwood×LG94-1713产生的BC群体,检测到6个株高QTL,位于连锁群C2、M、J、G上,可解释表型变异率在0.81%～0.92%。Zhang等[12]利用CSSL3228×NN113822产生的F2后代群体,检测到2个株高QTL,位于连锁群F上。Mansur等[22]利用Noir 1×Minsoy 产生的后代重组自交群体,检测到2个单株粒数QTL,位于连锁群C2、M上。Funatsuki等[18]利用Toyomusume×Hayahikan杂交衍生F7后代群体,检测到2个单株粒数QTL,位于连锁群L上,可解释表型变异率为0.83%,Liang等[16]利用BD2×BX10产生的后代重组自交系群体,检测到4个单株粒数QTLs,位于连锁群B1、G、C1上,可解释表型变异率在0.64%～0.79%。Palomeque等[23]利用OAC Millennium ×黑农38产生的后代重组自交群体,检测到3个单株荚数QTL,位于连锁群C2、K上,可解释表型变异率在0.89%～0.96%。Yang等[24]利用Charleston×东农594产生的F2∶14-19后代重组自交群体,检测到1个单株粒数QTL,位于连锁群L上。Li等[17]利用合丰25×Maple Arrow产生的后代重组自交群体,检测到4个单株荚数QTL,位于连锁群D2、I、C2、C1上。Chen等[25]利用Charleston×东农594产生的后代重组自交群体,检测到7个主茎节数QTL,位于连锁群A1、B1、D1a上,可解释表型变异在7.93%～28.46%,Li等[17]利用合丰25×Maple Arrow为亲本杂交得到的F5∶6 RIL群体,定位到2个株高QTL,分布在连锁群H上,可解释表型变异率为8.09%,9.82%,4个单株荚数QTL,分布在连锁群D2、I、C2、C1上,可解释表型变异率在6.54%～11.00%,2个主茎节数QTL,分布在连锁群C2、I上,可解释表型变异率为6.79%,17.03%,3个百粒质量QTLs,分布在连锁群M、D2、C1上,可解释表型变异率在7.08%～20.29%。Liu等[9]利用Jinpumkong 2×SS2-2产生的后代重组自交群体,检测到2个主茎节数QTL,位于连锁群D1b、C2上。Hoeck等[26]利用A96-492058×A97-775026产生的后代群体,检测到11个百粒质量QTL,位于连锁群A2、D2、B2、C1、F1、H、L、M上,可解释表型变异在8.6%～28.8%,Kato等[27]利用Ohsuzu×PI595926产生的后代重组自交群体,检测到17个百粒质量QTL,位于连锁群D2、C1、G、K、E、F、O、D1b、I、H、A1上。Hu等[28]利用垦丰1×南农1138-2产生的后代重组自交群体,检测到2个百粒质量QTL,位于连锁群D1b、D1a上。Kulkarni等[29]利用Wiliams 82×PI366121产生的后代重组自交群体,检测到9个百粒质量QTL,位于连锁群D1a、D1b、C2、A2、B2、D2上。

查询SoyBase大豆数据库(https://www.soybase.org/)最新公布的数据发现定位到的大豆产量及相关性状的QTL数量已经超过655个,其中百粒质量229个、株高229个、单株荚数48个、主茎节数37个、单株粒数23个,几乎覆盖所有的连锁群。以往研究中利用2个亲本杂交产生重组自交系,检测产量相关性状的QTL,如亲本遗传差异不大,基因位点无差异,许多QTL不能被检测到。而本试验利用4个亲本杂交产生的后代群体,能克服这个难题。本试验利用四向重组自交系群体多等位基因的优势,探寻有利于产量改良的优异等位基因,为大豆产量性状的改良提供理论依据与技术支撑。

1 材料和方法

1.1 遗传群体设计

用大豆产量相关性状差异较大的4个大豆亲本垦丰14、垦丰15、黑农48和垦丰19,配制双交组合(垦丰14×垦丰15)×(黑农48×垦丰19),F1进行杂交,采用单粒传方法获得RIL群体160个株系的四向重组自交系群体(FW-RIL)。

1.2 田间试验设计

将4个亲本和FW-RIL分别于2013年种植在哈尔滨(E1)和克山(E2)、2014年种植于哈尔滨(E3)、2015年种于克山(E4)和哈尔滨(E5),其中4个亲本各种植一行,田间试验采取随机区组试验设计,小区行长5 m,宽2 m,垄距6 cm,株距5 cm,3行区,3次重复,田间管理同一般大田栽培。

1.3 性状调差

在成熟后,于每个小区随机收获家系10株用于考种,以10株平均值作为小区的代表。调查株高(Plant height,PH)、主茎节数(Main stem node number,NN)、单株荚数(Pod number per plant,NP)、单株粒数(Seed number per plant,NS)、百粒质量 (100-seed weight,SW)等产量相关性。

1.4 遗传连锁图谱的构建

用该FW-RIL群体构建用于数量性状QTL定位的遗传连锁图谱。图谱包含275个SSR引物和20个连锁群,在大豆基因组上覆盖的长度范围是3 636.26 cM,标记间平均长度为15.47 cM。每个连锁群包含遗传标记6～20个,长度在49.36～319.02 cM。

1.5 统计分析

对每个小区10株的数据的平均值进行分析,采用SAS (Statistics Analysis System)9.2的Proc ANOVA对各性状进行方差分析,Proc Varcomp估计的遗传方差、环境方差和基因型与环境互作方差,进而估计广义遗传率。估算公示如下：

其中：h2为遗传率，为基因型方差，为基因型×环境互作方差，σ2为误差方差，r是重复数，e是环境数。

基于前文已经构建的遗传图谱[30],应用完备区间作图法(Inclusive Composite Interval Mapping,ICIM)进行QTL定位[31]。首先利用逐步回归的方法在所有标记中筛选重要的标记并估算其效应值,然后利用得出的线性模型调整性状表型值,最后以一维扫描的方法定位 QTL,扫描步长为 1 cM,LOD 值≥2.5。利用软件 GAPL V1.0实现上述运算,得出 QTL定位结果。

2 结果与分析

2.1 描述性分析

对5个环境下各产量相关性状的描述性分析(表1)可看出,FW-RIL的5个产量相关性状在不同环境下都存在较大的变异,各性状存在超亲遗传,说明该群体中各性状有较大分离,该群体对该性状的研究可以有较大的统计推断空间。

2.2 方差分析和遗传率估计

不同基因型间及环境间效应达到极显著水平(表2),说明群体内这些性状在遗传上有较大差异,并且不同环境下遗传基础亦可能存在较大差异,在不同环境下应用该群体进行基因定位，可能定位到不同的QTL；各性状的遗传力有较大差异,其顺序为株高(0.80)>主茎节数(0.55)>单株粒数(0.42)>百粒质量(0.37)>单株荚数(0.33),表明这些性状的遗传基础不同,受到环境的影响程度不同,检测到QTL的数量也不相同。

注：**表示效应在P<0.01水平显著。

Note：**represents the effect significant at the level of P<0.01.

2.3 QTL的分析

共有28个产量相关性状的QTL在2个以上环境重复检测到(表3、图1),其中10个株高QTL,分布在连锁群B1、B2、C1、C2、D1b、F、G、H、N、O上。qPH-G-2具有最大的可解释表型变异率(Phenotypic variation explained，PVE)和LOD值, 分别为11.72%和8.36,增效基因来自于垦丰14、垦丰15；其他株高QTL为qPH-B1-1、qPH-B2-1、qPH-C1-1、qPH-C2-1、qPH-D1b-3、qPH-F-3、qPH-H-1、qPH-N-1、qPH-O-1。3个主茎节数QTL qNN-G-2、qNN-H-2、qNN-L-1,分别位于连锁群G、H、L上,可解释表型变异率分别为6.55%,5.70%,3.77%,LOD分别为值5.26,3.29,3.23,qNN-G-2、qNN-H-2增效基因来于垦丰14、垦丰15,qNN-L-1增效基因来于垦丰14、垦丰19。9个单株荚数QTLs,分布在连锁群A2、C2、D1a、E、L、M、N、O上,位于连锁群M上的qNP-M-2具有最大的可解释表型变异率和LOD值,分别为11.25%和4.54,增效基因来于垦丰15、垦丰19；其他的单株荚数QTL为qNP-A2-3、qNP-C2-1、qNP-C2-2、qNP-D1a-1、qNP-E-1、qNP-L-1、qNP-N-1、qNP-O-1。2个单株粒数QTL qNS-D2-1和qNS-E-1,分布在连锁群D2、E上,可解释表型变异率分别为8.58%和7.52%,LOD值分别为4.25和4.46。4个百粒质量QTL qSW-A2-3、qSW-D2-3、qSW-F-2、qSW-M-2,分布在连锁群A2、D1、F、M上,可解释表型变异率分别为6.13%,3.83%,5.58%,9.35%, qSW-M-2位于连锁群M上Satt245～Satt677区间内,具有最大的可解释表型变异率9.35%,增效基因来于垦丰14、黑农48,qSW-F-2位于连锁群F上Sat_240～Satt595区间内,具有最大LOD值4.34,增效基因来于垦丰15、黑农48。

3 讨论

3.1 关于多环境检测QTL

国内外关于产量及产量相关性状QTL的研究日益增多,研究方法也有所不同。以往研究多是单环境下定位QTL,无法确定该QTL定位结果的准确性,基于目前多种QTL定位的方法只是将定位结果简单比较,在多个环境下定位QTL是非常必要, 采用多环境数据分别进行定位,寻找在多环境下重复定位的QTL,互相验证真实性,提高QTL定位的准确性,另外,综合多个环境的分析结果,能增大QTL的检测强度,准确估计QTL的位置和效应。因此,应用多年多点试验进行QTL研究已经成为一种趋势。本研究利用WinQTL Car完备区间作图法(ICIM)对同一研究材料在5个环境下大豆产量相关性状表型数据进行分析,定位到28个产量相关QTLs,这些QTL经过多环境下被重复定位,可认为是真实的。

3.2 关于四向群体

本研究中,试验群体是稳定的重组自交系群体,RIL是通过单粒传法(Single seed descent method,SSD)在F2开始分离单株经多代自交构建而成,大大提高了亲本间遗传多样性的保存,群体内个体基因型纯合,是可以长期使用的永久性分离群体,适合用于图谱的构建和QTL的定位,RIL既可以进行连续性累积,又能方便不同课题间合作。因其永久性群体的特点,还能用来多年多点种植进行基因型和环境互作研究。QTL定位的准确性与群体大小息息相关,群体过小准确性不高,群体过大,准确性提高,但试验工作量太大,费用过高,所以确定合适的群体至关重要,所以本试验选用160个家系作为群体,大小适宜,精确定位到QTL,也减少工作量。本试验不但采用重组自交系群体而且利用四向杂交设计,四向杂交设计群体在每个位点有2个以上的等位基因,与两向杂交设计相比,有3个优势可以提高QTL检测能力。①四向重组自交系群体比双亲本衍生的群体具有更多的多态性遗传标记；②遗传标记具有更高的密度和多态性,增大了统计推断的遗传空间；③连锁群同一位点涉及4个复等位基因,大大提高了QTL检测效率。

本研究在利用前期研究中已经构建的四向重组自交系群体(FW-RIL),用于产量相关性状QTL定位,原始数据来自于3 a 5个环境的田间记录调查和实验室分析,从而定位在多年多点条件下稳定表达的主效QTL位点。可以对定位到的控制产量性状的QTL加以利用来提高大豆的产量。

3.3 不同背景下QTL定位的比较

为验证定位QTL的真实性,将本研究中的定位QTL所在的公共图谱基因组区域与前人研究结果进行比较。本研究共定位到多个环境下稳定检测到的株高QTL 10个,其中,位于连锁群C2上Satt643～Satt363区间内的株高QTL qPH-C2-1在公共图谱上的位置与Mian 等[32]曾报道的株高QTL重叠,位于连锁群D1b上Sat_183～Sat_096区间内的株高QTL qPH-D1b-3在公共图谱上的位置与Sun等[33]曾报道的株高QTL重叠,位于连锁群H上Satt293～Sat_180区间内的株高QTL qPH-H-1在公共图谱上的位置与Lee等[34] 曾报道的株高QTL重叠,位于连锁群N上Satt125～Satt62区间内的株高QTL qPH-N-1在公共图谱上的位置与Sun等[33]、Kabelka等[35]、Kim 等[36]曾报道的株高QTL重叠；共定位到单株荚数QTL 9个,其中,位于连锁群A2上Sat_181～Satt228区间内的单株荚数QTL qNP-A2-3在公共图谱上的位置与Zhang等[37] 曾报道的单株荚数QTL重叠，位于连锁群C2上Satt291～Satt281区间内单株荚数QTL qNP-C2-1在公共图谱上的位置与Sun等[33] 曾报道的单株荚数QTL重叠,位于连锁群D1a上Satt580～AZ302047区间内的单株荚数QTL qNP-D1a-1在公共图谱上的位置与Kuroda等[8] 曾报道的单株荚数QTL重叠,位于连锁群L上Sat_405～Satt398区间内的单株荚数QTL qNP-L-1在公共图谱上的位置与Zhang等[37] 曾报道的单株荚数QTL重叠,位于连锁群A2上Sct_067～Sat _ 181区间内的百粒质量QTL qSW-A2-3在公共图谱上的位置与Han等[2]、Teng等[38] 曾报道的百粒质量QTL重叠,位于连锁群D2上的Satt582～Satt002区间内的百粒质量QTL qSW-D2-3在公共图谱上的位置与Gai等[14]、Zhang等[39]、Li等[17]、Chapman等[40]、Wang等[4]曾报道的百粒质量QTL重叠,位于连锁群F上Sat_240～Satt595区间内的百粒质量QTL qSW-F-2在公共图谱上的位置与Yang等[24]、Mian等[41] 曾报道的百粒质量QTL重叠,位于连锁群 M Satt245～Satt677区间内的百粒质量QTL qSW-M-2在公共图谱上的位置与Teng等[38]曾报道的百粒质量QTL重叠。

上述12个产量相关性状QTL位点与国内外报道过的均一致,说明QTL检测准确率较高。利用分子标记遗传图谱,定位控制产量相关性状的QTL,为利用分子标记改良大豆产量潜力提供了有力手段。

3.4 同时控制多种性状的基因组区域

本研究利用5个环境的数据构建遗传连锁图谱,对大豆5个主要产量性状(株高、主茎节数、单株荚数、单株粒数、百粒质量)进行QTL分析,检测到10个株高QTL、3 个主茎节数QTL、9个单株荚数QTL、2个单株粒数QTL、4个百粒质量QTL,但是这些QTL不均匀地分布在连锁群上,一些连锁群上成簇存在,然而其他连锁群包含少量或不包含QTL,大多产量相关性状的QTL集中在染色体的相同区域,即一个基因组区域同时控制多个产量性状,前人也曾报道过,在B1连锁群上的基因组区域Satt426～Satt509内定位到同时控制株高、单株荚数、主茎节数、百粒质量等性状的QTL[25,33,38],Satt197～Satt251内定位到同时控制株高、单株荚数、主茎节数等性状的QTL[25,33,37],Satt251～Satt509内定位到同时控制株高、单株荚数等性状的QTL[25],Satt197～Satt509内定位到同时控制主茎节数、百粒质量等性状的QTL[33],在连锁群C1上的基因组区域Satt565～Satt180内定位到同时控制单株荚数、百粒质量等性状的QTL[17],在连锁群C2上的基因组区域A397_1～A748_1内定位到同时控制株高、主茎节数、单株荚数等性状的QTL[14],在连锁群D2上的基因组区域Satt256～Satt458内定位到同时控制单株荚数、百粒质量等性状的QTL[17],在连锁群H上的基因组区域Satt317～Satt302内定位到同时控制株高、百粒质量等性状的QTL[3],在连锁群L上的基因组区域Sat_286～Satt664内定位到同时控制单株荚数、单株粒数、百粒质量等性状的QTL[8,41],在连锁群M上的基因组区域A343_2～R079_1内定位到同时控制株高、单株粒数等性状的QTL[22,42],本研究共定位到3个控制多个产量相关性状的基因组区域,Satt288～Sct_199同时控制株高、主茎节数等产量性状,Satt204～Satt263和Satt245～Satt677同时控制单株荚数、百粒质量等产量性状。可认为位于这些区间的QTL是多效的。对QTL分布密集的连锁区域进行深入研究，揭示相互间促使遗传信息稳定有序的协调和表达机制，对分子育种具有重要意义。

参考文献：

[1] Keim P,Dier B W, Olson T C, Shoemakert R C. RFLP mapping in soybean: Association between marker loci and variation in quantitative traits[J]. Genetics, 1990,126(3): 735-742.

[2] Han Y P, Li D M, Zhu D, Li H Y, Li X P, Teng W L,Li W B. QTL analysis of soybean seed weight across multi-genetic backgrounds and environments[J].Theoretical and Applied Genetics, 2012, 125(4): 671-683. doi：10.1007/s00122-012-1859-x.

[3] Eskandari M, Cober E R, Rajcan Ⅰ. Genetic control of soybean seed oil: Ⅱ. QTL and genes that increase oil concentration without decreasing protein or with increased seed yield [J].Theoretical and Applied Genetics, 2013, 126(6):1677-1687. doi:10.1007/s00122-013-2083-z.

[4] Wang J, Chen P Y, Wang D C, Shannon G,Shi A N, Zeng A L, Orazaly M. Identification of quantitative trait loci for oil content in soybean seed[J]. Crop Science, 2015,55(1):23-34. doi:10.2135/cropsci2014.04.0280.

[5] Yan L, Li Y H, Yang C Y, Ren S X, Chang R Z, Zhang M C, Qiu L J. Identification and validation of an over-dominant QTL controlling soybean weight using populations derived from Glycine max×Glycine soja[J]. Plant Breed, 2014, 133(5):632-637. doi:10.1111/pbr.12197.

[6] Zhang S, Meng L, Wang J, Zhang L Y. Background controlled QTL mapping in pure-line genetic populations derived from four-way crosses[J]. Heredity, 2017, 119 (4): 256-264. doi:10.1038/hdy.2017.42.

[7] Shim S, Kim M Y, Ha J M, Lee Y H, Lee S H. Identification of QTLs for branching in soybean (Glycine max (L.) Merrill)[J]. Euphytica, 2017, 213:225. doi:10.1007/s10681-017-2016-z.

[8] Kuroda Y, Kaga A, Tomooka N, Yano H, Takada Y, Kato S, Vaughan D. QTL affecting fitness of hybrids between wild and cultivated soybeans in experimental fields[J]. Ecology and Evolution, 2013, 3(7):2150-2168. doi:10.1002/ece3.606.

[9] Liu W X, Kim M Y, Van K, Lee Y H, Li H L, Liu X H, Lee S H. QTL identification of yield-related traits and their association with flowering and maturity in soybean [J].Crop Science,2011,14(1):65-70. doi:10.1007/s12892-010-0115-7.

[10] Bobby R, Bazelle R, Clark W, Kantartzi S K, Meksem K, Akond M, Kassem M A. Genetic analysis of yield components in the PI 438489B by ′Hamilton′ RIL line population of soybean (Glycine max (L.) Merr.)[J]. Journal of Agricultura Science,2012, 4(9):98-105.doi:10.5539/jas.v4n9p98.

[11] Rossi M E, Orf J H, Liu L J, Dong Z M, Rajcan I. Genetic basis of soybean adaptation to North American vs Asian mega-environents in two independent populations from Canadian Chinese crosses[J]. Theoretical and Applied Genetics,2013,126 (7): 1809-1823. doi:10.1007/s00122-013-2094-9.

[12] Zhang X L, Wang W B, Guo N, Zhang Y Y, Bu Y P, Zhao J M, Xing H. Combining QTL-seq and linkage mapping to fine map a wild soybean allele characteristic of greater plant height[J]. BMC Genomics, 2018, 19:226. doi:10.1186/s12864-018-4582-4.

[13] Moongkanna J, Nakasathien S, Novitzky W P, Kwanyen P. SSR Markers linking to seed traits and total oil content in soybean[J]. Journal of Agricultura Science, 2011, 44(4):233-241.

[14] Gai J Y, Wang Y J, Wu X L, Chen S Y. A comparative study on segregation analysis and QTL mapping of quantitative traits in plants-with a case in soybean[J]. Frontiers of Agricultura in China,2007, 1(1):1-7. doi:10.1007/s11703-007-0001-3.

[15] Yao D, Liu Z Z, Zhang J, Liu S Y, Qu J, Guan S Y, Pan L D,Wang D, Liu J W,Wang P W. Analysis of quantitative trait loci for main plant traits in soybean[J]. Genetics and Molecular Research,2015, 14(2):6101-6109. doi:10.4238/2015.June.8.8.

[16] Liang Q, Cheng X H, Mei M T,Yan X L,Liao H. QTL analysis of root traits as related to phosphorus efficiency in soybean[J]. Annals of Botany, 2010, 106(1):223-234. doi:10.1093/aob/mcq097.

[17] Li D M, Sun M M, Han Y P, Teng W L, Li W B. Identification of QTL underlying soluble pigment content in soybean stems related to resistance to soybean white mold (Sclerotinia sclerotiorum)[J]. Euphytica, 2010, 172(1):49-57.doi:10.1007/s10681-009-0036-z.

[18] Funatsuki H, Kawaguchi K, Matsuba S, Sato Y, Ishimoto M. Mapping of QTL associated with chilling tolerance during reproductive growth in soybean[J]. Theoretical and Applied Genetics, 2005, 111(5):851-861. doi:10.1007/s00122-005-0007-2.

[19] Mansur L M, Orf J, Lark K G. Determining the linkage of quantitative trait loci to RFLP markers using extreme phenotypes of recombinant inbreds of soybean (Glycine max L. Merr.)[J].Theoretical and Applied Genetics, 1993, 86(8):914-918. doi:10.1007/BF002 11041.

[20] Wang D, Graef G L, Procopiuk A M, Diers B W. Identification of putative QTL that underlie yield in interspecific soybean backcross populations[J].Theoretical and Applied Genetics, 2004, 108(3): 458-467. doi:10.1007/s00122-003-1449-z.

[21] Guzman P S, Diers B W, Neece D J, Martin S K S, LeRoy A R, Grau C R, Hughes T J, Nelson R L.QTL associated with yield in three backcross-derived populations of soybean[J].Crop Science,2007, 47(1):111-122. doi:10.2135/cropsci2006.01.0003.

[22] Mansur L M, Orf J H, Chase K,Jarvik T,Cregan P B, Lark K G. Genetic mapping of agronomic traits using recombinant inbred lines of soybean[J].Crop Science, 1996, 36(5): 1327-1336. doi:10.2135/cropsci1996.0011183X003600050042x.

[23] Palomeque L, Liu L J, Li W B, Hedges B, Cober E R, Rajcan I. QTL in mega-environments: Ⅱ. Agronomic trait QTL co-localized with seed yield QTL detected in a population derived from a cross of high-yielding adapted high-yielding exotic soybean lines[J].Theoretical and Applied Genetics, 2009, 119(3):429-436. doi:10. 1007/s00122-009-1048-8.

[24] Yang Z, Xin D W, Liu C Y, Jiang H W, Han X, Sun Y N, Qi Z M, Chen Q S. Identification of QTLs for seed and pod traits in soybean and analysis for additive effects and epistatic effects of QTLs among multiple environments[J]. Molecular Genetics and Genomics, 2013, 288(12):669. doi:10.1007/s00438-013-0793-1.

[25] Chen Q S, Zhang Z C, Liu C Y, Xin D W, Qiu H M, Shan D P, Shan C Y, Hu G H. QTL analysis of major agronomic traits in soybean[J]. Agricultural Sciences in China,2007, 6(4):399-405. doi：10.1016/S1671-2927(07)60062-5.

[26] Hoeck J A, Fehr W R, Shoemaker R C, Welke G A, Johnson S L,Cianzio S R. Molecular marker analysis of seed size in soybean[J].Crop Science, 2003, 43(1):68-74. doi:10.2135/cropsci2003.6800.

[27] Kato S, Sayama T, Fujii K, Yumoto S, kono Y, Hwang T Y, Kikuchi A, Takada Y, Tanaka Y, Shiraiwa T, Ishimoto M. A major and stable QTL associated with seed weight in soybean across multiple environments and genetic backgrounds[J]. Theoretical and Applied Genetics, 2017, 127(6): 1365-1374. doi:10.1007/s00122-014-2304-0.

[28] Hu Z B, Zhang H R, Kan G Z, Ma D Y, Zhang D, Shi G X, Hong D L, Zhang G Z, Yu D Y. Determination of the genetic architecture of seed size and shape via linkage and association analysis in soybean (Glycine max L. Merr.)[J].Genetica, 2013, 141(4):247-254.doi:10.1007/s10709-013-9723-8.

[29] Kulkarni K P, Asekova S, Lee D H, Bilyeu K, Song J T, Lee J D. Mapping QTLs for 100-seed weight in an interspecific soybean cross of Willias 82 (Glycine max) and PI 366121(Glycine soja)[J].Crop Pasture Science, 2017, 68(2):148-155. doi:10.1071/CP16246.

[30] 宁海龙，白雪莲，李文滨，薛红，庄煦，李文霞，刘春燕.大豆四向重组自交系群体蛋白质含量与油分含量 QTL 定位[J].作物学报，2016, 42(11): 1620-1628.doi: 10.3724/SP.J.1006.2016.01620.

Ning H L, Bai X L, Li W B, Xue H, Zhuang X, Li W X, Liu C Y. Mapping QTL protein and oil contents using population from four-way recombinant inbred lines for soybean (Glycine max L.Merr.)[J].Acta Agronomica Sinica,2016,42(11):1620-1628

[31] 李珊珊, 王建康, 张鲁燕. QTL与环境互作的完备区间作图方法研究[C].北京：中国作物学会学术年会, 2014.

Li S S, Wang J K, Zhang L Y. Research on inclusive composite interval mapping of QTL interaction with environment[C].Beijing:Annual Conference of Chinese Crop Society, 2014.

[32] Mian M A R, Ashley D A, Vencill W K, Boerma H R. QTLs conditioning early growth in a soybean population segregating for growth habit[J]. Theoretical and Applied Genetics, 1998, 97(8):1210-1216.doi:10.1007/s001220051012.

[33] Sun D S, Li W B, Zhang Z C, Chen Q S, Ning H L,Qiu L J, Sun G L. Quantitative trait loci analysis for the developmental behavior of soybean (Glycine max L. Merr.) [J].Theoretical and Applied Genetics, 2006, 112(4):665-673. doi:10.1007/s00122-005-0169-y.

[34] Lee S, Jun T H, Michel A P, Mian M A R. SNP markers linked to QTL conditioning plant height, lodging and maturity in soybean[J]. Euphytica, 2015, 203(3):521-532. doi: 10.1007/s10681-014-1252-8.

[35] Kabelka E A, Diers B W, Fehr W R, LeRoy A R, Bainu I C, You T, Neece D J, Nelson R L. Putative alleles for increased yield from soybean plant introductions[J]. Crop Science, 2004, 44(3):784-791. doi:10.2135/cropsci 2004.7840.

[36] Kim K S, Diers B W, Hyten D L,Mian M A R, Shannon J G, Nelson R L. Identification of positive yield QTL alleles from exotic soybean germplasm in two backcross populations[J]. Theoretical and Applied Genetics,2012, 125: 1353-1369. doi:10.1007/s00122-012-1944-1.

[37] Zhang D, Cheng H, Wang H, Zhang H Y, Liu C Y, Yu D Y. Identification of genomic regions determining flower and pod numbers development in soybean (Glycine max L.Merr.)[J].Journal of Genetic and Genomic,2007, 37(8):545-556. doi:10.1016/S1673-8527 (09)60074-6.

[38] Teng W L, Han Y P, Du Y P, Sun D S, Zhang Z C, Qiu L J, Sun G L, Li W Y. QTL analyses of seed weight during the development of soybean (Glycine max L. Merr.)[J]. Heredity, 2009, 102(4):372-380. doi:10.1038/hdy.2008.108.

[39] Zhang W K, Wang Y J, Luo G Z, Zhang J S, He C Y, Wu X L, Gai J Y, Chen S Y. QTL mapping of ten agronomic traits on the soybean (Glycine max L. Merr.) genetic map and their association with EST markers[J]. Theoretical and Applied Genetics, 2004, 108:1131-1139. doi:10.1007/s00122-003-1527-2.

[40] Chapman A, Pantalone V R, Usten A, Allen F L, Landau-Ellies D, Trigiano R N, Gresshoff P M. Quantitative trait loci for agronomic and seed quality traits in an F2 and F4∶6 soybean population[J]. Euphytica, 2003, 129(3):387-393. doi:10.1023/A:1022282726117.

[41] Mian M A R, Bailey M A, Tamulonis J P, Shipe E R, Carter T E, Parrott W A, Ashley D A, Hussey R S, Boerma H R. Molecular markers associated with seed weight in two soybean populations[J]. Theoretical and Applied Genetics, 1996, 93(7):1011-1016. doi:10.1007/BF00230118.

[42] Lark K G, Chase K, Adler F, Mansur L M, Orf J H. Interactions between quantitative trait loci in soybean in which trait variation at one locus is conditional upon a specific allele at another[J].Proceedings of the National Academy of Sciences of the United States of America, 1995, 92(10):4656-4660.

QTL Identification of Yield-related Traits Using Four-way Recombinant Inbred Population in Soybean

WANG Yanshu1, TIAN Yu1, ZHANG Jianan1, XU Shichao1, DONG Quanzhong2, LI Wenbin1, LI Wenxia1,NING Hailong1

(1.Agronomy College, Northeast Agricultural University, Key Laboratory of Soybean Biology, Ministry of Education, Key Laboratory of Soybean Biology and Breeding (Genetics), Ministry of Agriculture,Harbin 150030,China;2.Keshan Branch of Heilongjiang Academy of Agricultural Sciences, Keshan 161606,China)

Abstract： The purpose of this study was to explore the correlation between soybean yield and yield-related such as plant height, main stem node number, pod number per plant, seed number per plant and 100-seed weight and to localize QTLs for controlling these traits so as to improve soybean yield.This experiment, the four-way recombinant inbred line population(FW-RIL)with 160 lines derived from four soybean parents (Kenfeng 14× Kenfeng 15)×(Heinong 48× Kenfeng 19) with significant difference in yield-related characters was used as materials and planed in Harbin (2013-2015) and Keshan (2013,2015). Obtaining phenotypic data of plant height, main stem node number,pod number per plant, seed number per plant, 100-seed weight combined with constructed genetic map containing 275 SSR markers to map QTL for yield-related traits. Experimental results showed that 28 yield-related QTLs were detected repeatedly in multi-environments and 10 of them were plant height QTLs, phenotypic variation explained was between 3.20% and 11.72%. Three main stem node number QTLs, phenotypic variation explained was 6.55%，5.70%，3.77% respectively. Nine pod number per plant QTLs, phenotypic variation explained was between 2.60% and 11.25%. Four 100-seed weight QTLs, phenotypic variation explained was between 3.83% and 9.35%.Two seed number per plant QTLs, phenotypic variation explained was 8.58%,7.52% respectively .28 repeated detected yield traits QTLs were located,16 new yield-related QTLs were detected and 12 of them were consistent with the QTLs for yield-related traits reported at home and abroad, indicating a high accuracy of QTLs detection. Using molecular marker genetic map to locate QTLs for controlling yield-related traits provides a powerful means for using molecular marker to improve soybean yield potential.

Key words: Soybean; Yield; QTL mapping; Four-way recombinant inbred population

中图分类号：S565.03

文献标识码：A

文章编号：1000-7091(2020)03-0079-08

doi:10.7668/hbnxb.20190471

收稿日期：2019-12-22

基金项目：黑龙江省自然科学基金留学归国项目(LC2016010)

作者简介：王艳殊(1990-),女,内蒙古赤峰人,硕士,主要从事作物遗传育种研究。

通讯作者：李文霞(1974-),女,黑龙江哈尔滨人,副教授,博士,硕士生导师,主要从事大豆遗传育种研究。宁海龙(1975-),男,黑龙江哈尔滨人,教授,博士,博士生导师,主要从事大豆遗传育种研究。