对无芒雀麦抗旱性标记 - 性状关联分析GY.dF4y2Ba

背景GY.dF4y2Ba

利用标记-性状关联(MTA)分析光滑雀麦抗旱性相关性状的研究还很少。本研究的目的是在多杂交衍生的不同基因型中，鉴定与光滑雀麦重要农艺性状和耐旱性指标相关的标记位点，并筛选稳定的关联。表型评估在两种灌溉制度下进行(正常灌溉和亏缺灌溉)2年;并对626个SRAP标记进行关联分析。GY.dF4y2Ba

结果GY.dF4y2Ba

群体结构分析结果表明，3个主要亚群体具有显著的遗传差异。在正常灌溉条件下，利用一般线性模型(GLM)和混合线性模型(MLM)分别鉴定出68个和57个标记-性状组合。在亏缺灌溉条件下，有61个标记和54个标记与控制性状的基因相关。一些标记与不止一个性状相关。结果表明，Me1/ Em5-11、Me1/ Em3-15和Me5/ Em4-7标记与耐旱性指标一致。GY.dF4y2Ba

结论GY.dF4y2Ba

经过标记验证后，本研究报告的mta可作为启动正常灌溉和亏缺灌溉条件下雀麦草标记辅助选择(MAS)和定向性状导入的有用工具，并可能对其潜在基因和qtl进行精细定位和克隆。GY.dF4y2Ba

光滑的雀麦草(GY.dF4y2BaBromus inermis.GY.dF4y2Ba是一种长寿的冷季草[GY.dF4y2Ba1gydF4y2Ba，gydF4y2Ba2gydF4y2Ba适应于干旱地区，主要为干草、牧场和土壤保持而种植[GY.dF4y2Ba1gydF4y2Ba］．GY.dF4y2Ba

干旱是影响全球作物的生长和生产力的主要非生物约束[GY.dF4y2Ba3.gydF4y2Ba，gydF4y2Ba4gydF4y2Ba］．开发更耐旱的适宜品种对提高植物的可持续生产至关重要，并为缓解气候变化的影响提供了一种战略[GY.dF4y2Ba5gydF4y2Ba］．然而，耐旱性是一个复杂的数量性状，包括多种代谢途径。鉴定和选择与抗旱性相关性状相关的遗传标记(标记辅助选择;MAS)。MAS的主要前提是与基因或数量性状位点(qtl)紧密相连的标记的可用性，可用于选择难以测量或依赖于发育阶段的性状[GY.dF4y2Ba6gydF4y2Ba，gydF4y2Ba7gydF4y2Ba］．GY.dF4y2Ba

分子标记的应用可以定位基因组中感兴趣的基因，从而避免了育种计划所需的时间和空间[GY.dF4y2Ba8gydF4y2Ba］．序列相关的扩增多态性（SRAP）是一种基于PCR的分子标记技术，可用于各种目的，包括遗传多样性分析，地图结构，基因标记，基因组和cDNA指纹识别，以及基于地图的克隆[GY.dF4y2Ba9gydF4y2Ba，gydF4y2Ba10.gydF4y2Ba］．此外，它是一种先进的分子标记，用于草和饲料物种的遗传研究，利用任意核苷酸序列的两个引物，因此可以检测核苷酸序列多态性[GY.dF4y2Ba11.gydF4y2Ba］．对SRAP数据的分析经常被用于构建连锁图[GY.dF4y2Ba12.gydF4y2Ba，gydF4y2Ba13.gydF4y2Ba] QTL的鉴定[GY.dF4y2Ba14.gydF4y2Ba，gydF4y2Ba15.gydF4y2Ba］．然而，利用SRAP进行禾草和牧草的研究，如光雀麦草的关联分析，却很少。GY.dF4y2Ba

迈向MAS的第一步是加速品种改善和遗传利率的重要工具，是解剖标记性关联（MTA）[GY.dF4y2Ba16.gydF4y2Ba］．分析数量复杂性状的两种方法是关联作图法和连锁分析法[GY.dF4y2Ba17.gydF4y2Ba，gydF4y2Ba18.gydF4y2Ba］．然而，QTL定位的分辨率较低，需要大量的时间和资源[GY.dF4y2Ba19.gydF4y2Ba，gydF4y2Ba20.gydF4y2Ba］．近年来，全基因组关联研究(GWAS)或关联作图已成为QTL作图鉴定植物群体mta的一种流行选择[GY.dF4y2Ba21.gydF4y2Ba，gydF4y2Ba22.gydF4y2Ba］．与联动映射相比，GWA克服了QTL映射的几个缺点。它提供更高的映射分辨率，耗时较少，资源较少，并迅速评估各种各样的等位基因[GY.dF4y2Ba23.gydF4y2Ba，gydF4y2Ba24.gydF4y2Ba］．GY.dF4y2Ba

为了避免在关联分析中识别标记和性状之间的虚假关联，以及避免两种类型的错误(I型和II型)，有必要从混合模型方法评估群体结构和使用[GY.dF4y2Ba6gydF4y2Ba，gydF4y2Ba25.gydF4y2Ba，gydF4y2Ba26.gydF4y2Ba］．采用一般线性模型(GLM)和混合线性模型(MLM)进行关联分析。在传销中，亲属关系矩阵(K)和群体结构(Q)都被合并，而在传销中，仅利用群体结构信息作为协变量[GY.dF4y2Ba6gydF4y2Ba］．GY.dF4y2Ba

近年来，关联分析在牧草应用在几个报告进行了讨论。在多年生黑麦草（GY.dF4y2Ba多年生黑麦草GY.dF4y2Ba)研究了关联作图法在花期、叶长、碳水化合物含量、耐淹性、耐盐性和耐旱性等性状的应用[GY.dF4y2Ba27.gydF4y2Ba，gydF4y2Ba28.gydF4y2Ba，gydF4y2Ba29.gydF4y2Ba，gydF4y2Ba30.gydF4y2Ba，gydF4y2Ba31.gydF4y2Ba］．在高羊茅(GY.dF4y2BaFestuca arundinacea.GY.dF4y2Ba)、与农艺性状相关的SSR位点[GY.dF4y2Ba32.gydF4y2Ba]和热耐受性相关性状[GY.dF4y2Ba33.gydF4y2Ba]已被检测到。肯普夫等人。（2017）在施加的标记 - 性状关联分析SRAP和SSR标记为红豆草的农艺和组成性状（GY.dF4y2BaOnobrychis viciifoliaGY.dF4y2Ba）[GY.dF4y2Ba7gydF4y2Ba］．在果园草中，已经开展了与耐旱性、种子产量、牧草产量相关的基因座检测的研究[GY.dF4y2Ba34.gydF4y2Ba，防锈性[GY.dF4y2Ba35.gydF4y2Ba]，以及标题日期[GY.dF4y2Ba36.gydF4y2Ba］．这些研究表明，GWA是鉴定与复杂的定量性状相关的基因组区域的有效方法。然而，在光滑的北美准则中，关联映射在鉴定基因或标记之间具有复杂定量特征的链接的应用仍处于其初期。本研究进行了：I）鉴定使用SRAP标记的正常和水缺损条件下与关键农艺性状和耐旱性相关的遗传基因座;II）发现与农艺和干旱耐受相关性状相关的稳定标记基因座。GY.dF4y2Ba

表现型GY.dF4y2Ba

大多数测定性状在灌溉制度之间存在显著差异。水分亏缺条件下，除旗叶长(FLL)、旗叶宽(FLW)、穗长(PL)和冬季生长活力(WGV)外，其他性状的平均产量均显著降低。干物质产量(DMY)平均降低42%(见表)GY.dF4y2Ba1gydF4y2Ba）.GY.dF4y2Ba

变异的变异系数（PCV）显示出在正常灌溉的植物高度（pH）的4.89％至23.77％的茎状物（NS）的数量为23.77％，并且对于NS的50.89％至37.42％至27.42％。在赤字灌溉（表GY.dF4y2Ba1gydF4y2Ba）.正常灌溉条件下，大豆的遗传变异系数(GCV)为6.08% ~ 27.32%，亏缺灌溉条件下，大豆的遗传变异系数(GCV)为7.07% ~ 30.87%。除树冠直径(CD)外，亏缺灌溉的遗传变异值均高于正常灌溉(表1)GY.dF4y2Ba1gydF4y2Ba）.GY.dF4y2Ba

广义遗传力为每个灌溉制度的估计值列在表GY.dF4y2Ba1gydF4y2Ba．在灌溉制度下，针对所有评估的特征观察到中度至高值的可遗传性估算。该参数的范围在正常灌溉下的WGV至94.05％的61.33％，在赤字灌溉制度下，DMY为DMY的66.01％至95.13％，占穗射出（DPE）。对于所有特征，在正常灌溉的遗传性估算比缺陷灌溉的正常灌溉较高（表GY.dF4y2Ba1gydF4y2Ba）.GY.dF4y2Ba

基因分型GY.dF4y2Ba

30个SRAP引物组合共扩增出959条条带，其中626条条带为多态性条带(见表)GY.dF4y2Ba2gydF4y2Ba）.每个引物组合标记的条带数从13个(Me3/Em3)到28个(Me4/Em2)，平均21个。多态谱带百分率为55.17% (Me4/Em3) ~ 85.19% (Me3/Em4)，平均为69.85%。各标记的相对信息量可根据其PIC值进行评价。在本研究中，PIC值为0.35 (Me1/Em5) ~ 0.50 (Me2/Em4、Me3/Em4和Me5/Em3)，平均值为0.45。MI值最高为12.60 (Me4/Em2)，最低为5.85 (Me3/Em3)。Me4/Em2和Me3/Em1标记的R值最高，最低GY.dF4y2BaPgydF4y2Ba值,分别(表GY.dF4y2Ba2gydF4y2Ba）.GY.dF4y2Ba

种群结构与关联分析GY.dF4y2Ba

最大似然和DGY.dF4y2BaKgydF4y2Ba用于计算亚种群的最佳数量(GY.dF4y2BaKgydF4y2Ba）.D的最大值GY.dF4y2BaKgydF4y2Ba获得了在GY.dF4y2BaKgydF4y2Ba= 3，表明在光滑雀麦草面板中有3个亚居群GY.dF4y2Ba3.gydF4y2Ba；无花果。GY.dF4y2Ba1gydF4y2Ba和GY.dF4y2Ba2gydF4y2Ba）.这三个亚种群都有自己的特点。亚群体1包含G30、G31、G32、G33、G34、G35和G36 7个基因型(图1)。GY.dF4y2Ba2gydF4y2Ba）.这些基因型均属于匈牙利型，且具有较高的持久性。亚群体2包括基因型G11、G15、G21、G26、G28，除G15(伊朗基因型)外，均属于匈牙利。该亚群体的基因型开花早，生产力较低。其余基因型位于第三亚群体(图。GY.dF4y2Ba2gydF4y2Ba）.这种亚贫困显示出开花延迟，生产力比其他产品更高。除G12，G13和G25（匈牙利基因型）外，该亚群的所有基因型都是伊朗。如所观察到的，结构分析能够将基因型分离基于地理或生态数据。GY.dF4y2Ba

基于GLM和MLM模型分别进行了SRAP标记和特征的表型（多年和灌溉制度）之间的关联分析。在正常灌溉，基于GLM模型（GY.dF4y2BaPgydF4y2Ba在0.01的概率水平上，68个SRAP标记与所研究性状的平均值显著相关(表SGY.dF4y2Ba1gydF4y2Ba）.表型变异的百分比（测定系数，GY.dF4y2BaRgydF4y2Ba^2gydF4y2Ba）在11.75至31.32％的情况下解释的个体特质（表SGY.dF4y2Ba1gydF4y2Ba）.在亏缺灌溉条件下，61个标记与各性状呈极显著相关，且关联概率为0.01(表SGY.dF4y2Ba1gydF4y2Ba）.表型变异的百分比（GY.dF4y2BaRgydF4y2Ba^2gydF4y2Ba）从9.89到26.28％的特征不同（表SGY.dF4y2Ba1gydF4y2Ba）.然而，在传销模型中，亲属关系或亲缘矩阵被认为是一个因素，与GLM模型相比，显著标记的数量减少。因此，正常灌溉下57个标记和亏缺灌溉下54个标记在0.01概率水平上存在显著相关(表2)GY.dF4y2Ba4gydF4y2Ba）.在该模型中，正常灌溉的表型变异的百分比范围为7.71至20.89％，缺陷灌溉量从6.76变化到17.61％（表GY.dF4y2Ba4gydF4y2Ba）.此外，还对耐旱性和敏感性指标进行了关联分析。结果显示，19个标记点和20个标记点分别与基于GLM和MLM模型计算的指标显著相关(表1)GY.dF4y2Ba5gydF4y2Ba和sGY.dF4y2Ba2gydF4y2Ba）.GY.dF4y2Ba

根据GLM模型和传销模型的结果，一些标记同时与一个以上的性状相关。例如，根据GLM和传销模型，在正常灌溉和亏缺灌溉条件下，Me1/ Em6-7标记与DA、PH、FLL和FLW同时存在显著相关性。Me2/ Em5-21标记与DA、PH和FLL均存在显著相关(表2)GY.dF4y2Ba4gydF4y2Ba和sGY.dF4y2Ba1gydF4y2Ba）.在正常灌溉条件下，Me2/ Em1-14标记物与DPE、DA、PH、FLL、FLW显著相关;并显示出基于MLM模型的DPE，DA，pH和FLL的特征的显着关联。但是，在缺陷灌溉，该标记与基于两种模型的DA和pH有重大关联（表GY.dF4y2Ba4gydF4y2Ba和sGY.dF4y2Ba1gydF4y2Ba）.基于传销模型，Me1/ Em5-11标记在正常灌溉和亏缺灌溉条件下均与DMY和WGV存在相关性(表2)GY.dF4y2Ba4gydF4y2Ba）.此外，标记ME1 / EM5-11和ME1 / EM3-15基于GLM和MLM模型显示了与MP，GMP和STI的重要关联（表GY.dF4y2Ba5gydF4y2Ba和sGY.dF4y2Ba2gydF4y2Ba）.GY.dF4y2Ba

为了评估稳定的协会，分别在每个灌溉制度中进行关联分析。总共，30和21 MTA分别基于GLM和MLM模型在灌溉制度上表现出充分稳定的表达。例如，在GLM型号中，标记ME1 / EM6-7，ME2 / EM1-14，ME2 / EM2-13，ME4 / EM6-22，ME2 / EM5-21，ME2 / EM3-19，ME2 / EM1-12，ME1 / EM6-16在灌溉制度中显示出显着稳定的协会。同样，标记ME1 / EM5-11，ME1 / EM5-24，ME2 / EM6-16，ME5 / EM2-20和ME1 / EM2-19在WGV中显示出灌溉制度的显着和恒定的关联（表S.GY.dF4y2Ba1gydF4y2Ba）.在MLM模型中，Me1/ Em6-7、Me2/ Em1-14、Me2/ Em2-13、Me4/ Em6-22和Me2/ Em5-21标记均与DA存在显著且稳定的关联。标记Me4/ Em4-14、Me4/ Em6-2、Me5/ Em2-1、Me1/ Em2-21和Me1/ Em1-13在两种湿度条件下均与FLW密切相关。同样，标记物Me1/ Em5-11与DMY相关GY.dF4y2Ba4gydF4y2Ba）.GY.dF4y2Ba

所有评估的性状的基因型之间的显着遗传变异证明了控制产量，其组分和耐旱的基因差异。此外，两种灌溉制度中基因型的非静态性能强调了标记物性能分析在两个水分环境中的重要性。GY.dF4y2Ba

大多数评估性状均显著受水分亏缺是由于净同化土壤和跌幅的下降水势和叶片光合作用[GY.dF4y2Ba37.gydF4y2Ba，gydF4y2Ba38.gydF4y2Ba］．其他研究也报告了类似的结果[GY.dF4y2Ba39.gydF4y2Ba，gydF4y2Ba40gydF4y2Ba］．所有评估性状观察到宽的遗传变异有望实现这些基因型的遗传进展。此外，非充分灌溉制度下的PCV和GCV高的估计与常规灌溉相比，表明水分亏缺增加了遗传变异的大部分研究特征，因此，在非充分灌溉的选择会更有效。我们在这种情况下，发现与阿卜塔希等人的报道一致。[GY.dF4y2Ba41.gydF4y2Ba和Saeidnia等人[GY.dF4y2Ba42.gydF4y2Ba］．然而，一些研究人员指出，在正常灌溉中通过选择的遗传进步更高[GY.dF4y2Ba39.gydF4y2Ba，gydF4y2Ba43.gydF4y2Ba］．对所有评估性状观察到的中等到高的遗传力估计表明，通过选择这些性状的改进是可能的，并强调这些性状的标记-性状关联检测是可能的[GY.dF4y2Ba44.gydF4y2Ba］．GY.dF4y2Ba

较高的多态性百分率表明，SRAP标记可以作为一种有效的工具来鉴别光滑雀麦的基因型。本研究结果还表明，多态性百分比最高、PIC、MI和RP指数值较高的引物组合Me4/Em2对光滑雀麦基因型的鉴定和鉴别具有足够的信息量和能力。GY.dF4y2Ba

通过群体结构分析，确定了3组基因型。正如预期的那样，结构分析能够根据起源分离基因型。对正常灌溉和亏缺灌溉下各性状的关联分析结果表明，传销模型的显著mta数量低于GLM模型。基于MLM模型结果识别的SRAP标记物可以被认为是MAS未来研究中最有趣的候选标记。有人说，Q和K矩阵的组合极大地降低了决定系数，并可能为种群结构提供了最好的校正[GY.dF4y2Ba45.gydF4y2Ba］．GY.dF4y2Ba

在正常灌溉和亏缺灌溉条件下，标记-性状关联差异较大。结果表明，在亏缺灌溉条件下参与性状控制的基因数量可能比正常灌溉条件下更多。所确定的关联解释的变异百分比较低(正常灌溉下为7.71 ~ 20.89%，亏水灌溉下为6.76 ~ 17.61%)。这种低GY.dF4y2BaRgydF4y2Ba^2gydF4y2Ba每个特征的价值可能归因于控制特征的许多次要基因的作用，突出了光滑的狂热，表现出轻微的定量效果，罕见等位基因和复杂等位基因相互作用的标志物[GY.dF4y2Ba46.gydF4y2Ba，gydF4y2Ba47.gydF4y2Ba］．这些结果与Lou等人的调查结果一致。[GY.dF4y2Ba32.gydF4y2BaSun等人[GY.dF4y2Ba33.gydF4y2Ba在高大的羊茅草中。GY.dF4y2Ba

根据GLM和MLM模型的结果，一些标记同时具有多于一个特质的重要关联。这些标记可以有效地用于同时改善几个特征[GY.dF4y2Ba33.gydF4y2Ba，gydF4y2Ba34.gydF4y2Ba］．不同性状之间的多关联可能是由数量性状位点或e- qtl的表达介导的共表达[GY.dF4y2Ba48.gydF4y2Ba］．例如，Me1/ Em6-7标记与DA、PH、FLL和FLW同时存在显著的相关性。同样，标记物Me2/ Em5-21与DA、PH和FLL同时显示显著相关。在正常灌溉条件下，Me2/ Em1-14标记物与DPE、DA、PH、FLL、FLW显著相关;并与DPE、DA、PH、FLL呈显著相关。在亏缺灌溉条件下，该指标与土壤含水量和PH均存在显著相关。这些与多个性状同时关联的标记可能归因于多效性效应或影响多个性状的几个紧密相连的基因[GY.dF4y2Ba33.gydF4y2Ba，gydF4y2Ba49gydF4y2Ba］．GY.dF4y2Ba

确定抗旱性的遗传基础，需要将分子标记的出现与预测DNA基因组区域的表型得分联系起来，这涉及到影响植物响应的有效因素[GY.dF4y2Ba50gydF4y2Ba］．基于GLM和MLM模型，分别鉴定了19个和20个与抗旱性和易感性相关的基因座。其中，基于GLM和MLM模型，SRAP标记Me1/ Em5-11和Me1/ Em3-15与MP、GMP和STI显著相关。此外，在两种模型中，Me5/ Em5-9和Me5/ Em3-10标记均与DSI显著相关。如果这些区域在抗旱性遗传控制方面的有效性得到证实，这些标记将有可能用于提高雀麦草的抗旱性。GY.dF4y2Ba

大多数MTA都在正常和赤字灌溉下不同，表明环境因素影响了这些协会[GY.dF4y2Ba51gydF4y2Ba］．这些结果表明，不同的基因可能在不同的环境中对同一性状有效[GY.dF4y2Ba52gydF4y2Ba]或者在两种环境中同一基因的表达水平可能发生了变化[GY.dF4y2Ba48.gydF4y2Ba］．在本研究中，有21个标记与两种灌溉方式下的不同性状表现出稳定的关联。Diapari等[GY.dF4y2Ba53gydF4y2Ba]指出，在两个或更多不同环境中检测到的相关标记比仅在一个环境中存在的标记更可靠。GY.dF4y2Ba

总之，阐述了关联分析方法作为鉴定和检测基因的强大工具的效率，并被说明了与农业和经济重建的复杂性状相关的基因和标记。对于多交群体的研究性状，观察到令人满意的多态性水平。在光滑的熟蠕虫基因型中鉴定了三个亚群;在对比水条件下，使用GLM和MLM模型检测到90个显着的MTA。其中，鉴定了三种MTA用于干旱耐受性。此外，证明SRAP标记可用于未来的育种计划，以增强平稳的熟火的耐旱性。一些SRAP标记与该物种的关键农艺性状有关。MTA的环境特异性显示基因型×环境相互作用对关联分析有效;然而，30和21只MTA分别在基于GLM和MLM模型的两种灌溉制度上表现出显着稳定的表达。本研究中鉴定的标志物是MAS的有用的基因组资源，在未来的光滑狂热的繁殖计划中。GY.dF4y2Ba

植物材料和现场实验GY.dF4y2Ba

2006年，伊斯法罕科技大学研究农场建立了一个光滑雀麦草的复制苗圃(包含1000个样本)。其中一些植物材料是由匈牙利Tapioszele的匈牙利农业植物学研究所提供的。伊朗生态型是由一个草本物种领域的专家小组从伊朗广泛的地理区域收集的自然生态型。这些样本最初是在伊朗伊斯法罕的福泽维研究中心进行评估的。经过正式鉴定和验证后，这些生态型被用于伊斯法罕理工大学(IUT)的研究项目。GY.dF4y2Ba

用于本研究包括从一个大的苗圃随机选择的216个克隆的基因型面板，由从无芒雀麦的36个亲本生态型所得1800单间隔植物polycrossed后代（GY.dF4y2BaBromus inermis.GY.dF4y2Ba）.这36个基因型是从一组25个亲本基因型的多杂交后代中随机抽取的GY.dF4y2Ba6gydF4y2Ba）.从上述苗圃中随机选择亲本基因型。2012年冬季，216个无性系在温室中繁殖，然后按照RCBD进行空间种植(50 cm网格)，共6个重复。2014-2015年在正常和水分亏缺两种灌溉水平下进行基因型评价。在正常和水分亏缺条件下，分别在根区消耗土壤有效水分的50%和90%时进行灌溉[GY.dF4y2Ba54gydF4y2Ba］．GY.dF4y2Ba

这项实验是在伊斯法罕理工大学研究农场进行的，该农场位于伊朗伊斯法罕纳贾夫-阿巴德的拉瓦克(32°30 ' N, 51°20 ' E, 1630 m amsl)，为期2年。该地区年平均气温为14.6°C，年平均降水量为141毫米，夏季一般不下雨，因此在此期间作物生长需要补充灌溉。GY.dF4y2Ba

表现型GY.dF4y2Ba

在植物建立的那一年(2013年)没有记录数据。按我们之前的研究方法测定了穗出苗天数(DPE)、开花天数(DA)、株高(PH)和冬季生长活力(WGV) [GY.dF4y2Ba39.gydF4y2Ba，gydF4y2Ba55gydF4y2Ba］．标志叶长度（FLL），标志叶宽度（FLW），穗长度（PL）和每株植物（NS）的茎数在授粉阶段测量。完全开花（关于夏季初期）后，通过将草从地面5厘米的夏季，深秋季和深秋地区从地面上切割出来而产生的每种基因型的产生的饲料。然后将收获的材料在75℃下干燥48小时并称重以获得干物质收率（DMY）。三种切口的平均散痕重量（每株植物G）用于分析。在第一次收获后，植物基础盖的宽度被认为是冠直径（​​CD）。GY.dF4y2Ba

五个选择指标，包括容忍指数(TOL) [GY.dF4y2Ba56gydF4y2Ba]，平均生产力(MP) [GY.dF4y2Ba56gydF4y2Ba]，几何平均生产力（GMP）[GY.dF4y2Ba57gydF4y2Ba]、干旱易感指数(DSI) [GY.dF4y2Ba58gydF4y2Ba]，和胁迫耐受性指数（STI）[GY.dF4y2Ba57gydF4y2Ba]是基于在正常和水分亏缺灌溉的干物质产量计算，根据下面的配方：GY.dF4y2Ba

在YGY.dF4y2Ba_SI.gydF4y2Ba指定在缺陷灌溉下生长的ITH基因型的产量，YGY.dF4y2Ba_PI.gydF4y2Ba为在正常灌溉条件下生长的第i基因型，YGY.dF4y2Ba_{多发性硬化症gydF4y2Ba}在亏缺灌溉条件下，所有基因型的平均产量是多少GY.dF4y2Ba_MP.gydF4y2Ba是在正常灌溉下生长的所有基因型的平均产量。GY.dF4y2Ba

基因分型GY.dF4y2Ba

根据Murray和Thompson改进的方法从幼叶组织中提取基因组DNA [GY.dF4y2Ba59gydF4y2Ba］．用1%琼脂糖凝胶电泳测定提取的DNA的质量和浓度。采用Li和Quiros方法进行SRAP标记基因分型[GY.dF4y2Ba9gydF4y2Ba］．利用聚合酶链反应(PCR)筛选出30个引物组合。PCR反应量为10GY.dF4y2BaμGY.dF4y2BaL，使用BIO-RAD热循环仪。每个PCR反应的组成1.5GY.dF4y2BaμGY.dF4y2BaL (DNA)等于1GY.dF4y2BaμGY.dF4y2BaL正向引物，1GY.dF4y2BaμGY.dF4y2Bal逆向底漆，5GY.dF4y2BaμGY.dF4y2BaL主混合物（扩增子）和1.5GY.dF4y2BaμGY.dF4y2BaL是蒸馏水。在SRAP分析中，样品暴露于以下热剖面:前5个循环分别在94°C 1 min(变性)、35°C 1 min(退火)和72°C 1 min(延伸)下运行。然后将退火温度提高到50°C，再进行35个循环，然后在72°C下再延长10分钟。采用12%非变性聚丙烯酰胺凝胶电泳分离扩增产物;然后用AgNO3溶液对产物进行染色[GY.dF4y2Ba60gydF4y2Ba］．GY.dF4y2Ba

统计分析GY.dF4y2Ba

表型数据分析GY.dF4y2Ba

数据正态性采用Kolmogorov-Smirnov检验，方差齐性采用Bartlett检验。基于时间(年)分裂图模型，采用SAS版本9.4的Proc GLM对正常灌溉和水分亏缺灌溉进行方差分析[GY.dF4y2Ba61gydF4y2Ba］．方差的部件计算出各灌溉制度，根据钢的Torrie [方法GY.dF4y2Ba62gydF4y2Ba］．广义遗传(hGY.dF4y2Ba^2gydF4y2Ba_bgydF4y2Ba)对Nguyen和Sleper所描述的两种灌溉制度进行了估计[GY.dF4y2Ba63gydF4y2Ba]：gydF4y2Ba

其中，GY.dF4y2BaσGY.dF4y2Ba^2gydF4y2Ba_gGY.dF4y2Ba基因型,GY.dF4y2BaσGY.dF4y2Ba^2gydF4y2Ba_GY.gydF4y2Ba为基因型×年，GY.dF4y2BaσGY.dF4y2Ba^2gydF4y2Ba_rg.gydF4y2Ba是基因型×rep，和GY.dF4y2BaσGY.dF4y2Ba^2gydF4y2Ba_egydF4y2Ba为残差，y为年数，r为重复次数。通过计算表型变异系数(PCV)和遗传变异系数(GCV)来估计遗传变异水平:GY.dF4y2Ba

在σGY.dF4y2Ba_pGY.dF4y2Ba是表型方差的标准偏差，σGY.dF4y2Ba_gGY.dF4y2Ba是基因型方差的标准偏差，并且μ是平均表型[GY.dF4y2Ba64gydF4y2Ba］．GY.dF4y2Ba

分子数据分析GY.dF4y2Ba

以存在(1)或不存在(0)的二元数据对多态SRAP标记进行评分。对于每个SRAP标记，计算以下指标。多态性信息含量(PIC)根据Roldán-Ruiz等的公式确定[GY.dF4y2Ba65gydF4y2Ba]：gydF4y2Ba

在哪里我是第i个底漆，fGY.dF4y2Ba_{我GY.dF4y2Ba}扩增等位基因的频率，和(1-fGY.dF4y2Ba_{我GY.dF4y2Ba})是零等位基因的频率。分辨率(RP)估计为:GY.dF4y2Ba

标记指数（MI）是根据Powell等人计算。[GY.dF4y2Ba66gydF4y2Ba]：gydF4y2Ba

其中nGY.dF4y2Ba_{我GY.dF4y2Ba}是第i个底漆的总带，以及bGY.dF4y2Ba_{我GY.dF4y2Ba}为第i个引物的多态谱带百分比。GY.dF4y2Ba

种群结构与关联分析GY.dF4y2Ba

基于Structure软件2.3.4版本的SRAP标记数据，对研究群体进行结构分析，并将其分层为不同遗传结构的亚群体[GY.dF4y2Ba25.gydF4y2Ba］．该分析采用了一个混合模型，经过10,000次迭代和100,000次蒙特卡罗马尔可夫链(MCMC)重复。各基因型的隶属度在K = 2 ~ K = 10的遗传簇(K)范围内计算，每个遗传簇5个重复GY.dF4y2BaK.三角洲GY.dF4y2BaEvanno等人描述的k方法[GY.dF4y2Ba67gydF4y2Ba用结构收割机来确定使用结构收割机的最佳数量[GY.dF4y2Ba68gydF4y2Ba］．GY.dF4y2Ba

关联分析由GLM和MLM共同进行[GY.dF4y2Ba26.gydF4y2Ba] 计算GY.dF4y2BaPgydF4y2Ba- 使用Tassel版本4.2.1 [GY.dF4y2Ba69gydF4y2Ba］．超过2年的特征的表型平均值（p矩阵）用于识别正常和水赤字灌溉下的重要关联。为了校正GLM和MLM模型中的群体结构，将源自结构分析（最大DK）衍生的Q矩阵作为协变量。此外，基于使用流苏4.2.1版的标记基因型数据的结果计算亲属矩阵（K-矩阵）[GY.dF4y2Ba69gydF4y2Ba并用于传销。使用FDR(错误发现率)方法，使用QVALUE R包对多次测试进行了校正[GY.dF4y2Ba70gydF4y2Ba］．GY.dF4y2Ba

在当前研究中使用和/或分析的数据集在附加支持文件中显示。Isfahan University of Technology, Isfahan, Iran(伊斯法罕，伊朗)GY.dF4y2Bahttps://iutbox.iut.ac.ir/index.php/s/Y3pWLqm8QF4SYbrGY.dF4y2Ba）.GY.dF4y2Ba

CD:GY.dF4y2Ba

皇冠直径GY.dF4y2Ba

大卫·爱登堡:GY.dF4y2Ba

天到开花GY.dF4y2Ba

DMY:GY.dF4y2Ba

干物质产量GY.dF4y2Ba

DPE：GY.dF4y2Ba

天能出现穗GY.dF4y2Ba

DSI：GY.dF4y2Ba

干旱敏感性指数GY.dF4y2Ba

FLL：GY.dF4y2Ba

旗帜叶长度GY.dF4y2Ba

FLW：GY.dF4y2Ba

旗叶宽度GY.dF4y2Ba

GCV：GY.dF4y2Ba

遗传变异系数GY.dF4y2Ba

glm：GY.dF4y2Ba

一般线性模型GY.dF4y2Ba

GMP:GY.dF4y2Ba

几何平均生产力GY.dF4y2Ba

GWAS:GY.dF4y2Ba

全基因组关联研究GY.dF4y2Ba

MAS:GY.dF4y2Ba

分子标记辅助选择GY.dF4y2Ba

传销:GY.dF4y2Ba

混合线性模型GY.dF4y2Ba

议员:GY.dF4y2Ba

意思是生产力GY.dF4y2Ba

MTA:GY.dF4y2Ba

Marker-trait协会GY.dF4y2Ba

NS:GY.dF4y2Ba

每株茎数GY.dF4y2Ba

PCV:GY.dF4y2Ba

表型变异系数GY.dF4y2Ba

PH值:GY.dF4y2Ba

株高GY.dF4y2Ba

PL：GY.dF4y2Ba

圆锥花序长度GY.dF4y2Ba

QTL:GY.dF4y2Ba

定量特质基因座GY.dF4y2Ba

SRAP:GY.dF4y2Ba

序列相关扩增多态性GY.dF4y2Ba

STI:GY.dF4y2Ba

抗逆性指标GY.dF4y2Ba

托：GY.dF4y2Ba

公差指数GY.dF4y2Ba

WGV:GY.dF4y2Ba

冬季增长活力GY.dF4y2Ba

作者要感谢伊朗国家科学基金会（INSF）[守则No.98025737]和Isfahan理工大学（IUT）支持这项工作。GY.dF4y2Ba

本研究得到了伊朗国家科学基金会(INSF)[代码98025737]和伊斯法罕理工大学(IUT)的资助。资助方在研究设计、数据收集和分析、决定发表或手稿准备方面没有作用。GY.dF4y2Ba

隶属关系GY.dF4y2Ba

1. 伊斯法罕理工大学农学院农艺与植物育种系，伊朗伊斯法罕84156-83111GY.dF4y2Ba

   F. Saeidnia，M. M.Majidi＆A. MirlohiGY.dF4y2Ba

贡献GY.dF4y2Ba

FS、MMM和AM对实验进行了构思和设计;FS在MMM和AM的监督下进行实验，分析数据，撰写稿件;所有的作者讨论了结果并审查了手稿。作者阅读并批准了最终的手稿。GY.dF4y2Ba

作者的信息GY.dF4y2Ba

伊斯法罕大学农业学院农业学院农业与植物育种系，伊斯法山，84156-83111。GY.dF4y2Ba

通讯作者GY.dF4y2Ba

对应到GY.dF4y2BaM. M.马基迪GY.dF4y2Ba．gydF4y2Ba

伦理批准和同意参与GY.dF4y2Ba

不适用。GY.dF4y2Ba

同意出版GY.dF4y2Ba

不适用。GY.dF4y2Ba

相互竞争的利益GY.dF4y2Ba

两位作者宣称他们没有相互竞争的利益。GY.dF4y2Ba

出版商的注意GY.dF4y2Ba

施普林格《自然》杂志对已出版的地图和机构附属机构的管辖权要求保持中立。GY.dF4y2Ba

开放访问GY.dF4y2Ba本文是基于知识共享署名4.0国际许可,允许使用、共享、适应、分布和繁殖在任何媒介或格式,只要你给予适当的信贷原始作者(年代)和来源,提供一个链接到创作共用许可证,并指出如果变化。本文中的图像或其他第三方材料都包含在本文的知识共享许可中，除非在该材料的信用额度中另有说明。如果资料不包括在文章的知识共享许可协议中，并且你的预期用途没有被法律规定允许或超过允许用途，你将需要直接从版权所有者获得许可。如欲查阅本许可证副本，请浏览GY.dF4y2Bahttp://creativecommons.org/licenses/by/4.0/GY.dF4y2Ba．Creative Commons公共领域奉献豁免（GY.dF4y2Bahttp://creativecommons.org/publicdomain/zero/1.0/GY.dF4y2Ba)适用于本文提供的数据，除非在数据的信贷额度中另有说明。GY.dF4y2Ba

再版和权限GY.dF4y2Ba