赤霉素不敏感基因与叶片长度的相关性研究Lolium perenne.L.综合品种

背景

关联研究对识别解释性状变异的基因具有重要意义，因为它们涉及的不仅仅是传统QTL分析那样的少数等位基因。它们通常使用代表广泛变异范围的集合来进行，但这可能呈现遗传的子结构。本文的目的是证明，关联研究可以使用经过几代恐慌后获得的合成品种进行。本研究以多年生黑麦草合成品种‘Herbie’的赤霉素不敏感基因(GAI)多态性与叶长多态性的关联为例进行了验证。

方法

采用3个重复，对216株Herbie的叶片生长参数(叶片长度、最大叶片伸长率(LERmax)和叶片伸长持续时间(LED))进行了测定。对GAI各株系370bp序列进行多态性分析。

结果

所有性状的遗传效应均极显著。叶长和LERmax的广义遗传力各期约为0.7，两期均为0.5,LED的广义遗传力各期约为0.4，两期均为0.3。GAI具有高度的多态性，两个连续snp之间的平均多态性为12 bp, 39个单倍型，其中9个多态。连杆不平衡随距离r迅速减小²值低于0.2，超过150 bp。GAI的序列多态性解释了8-14%的叶片生长参数变异。一个SNP解释了两个时期叶长4%的表型变异，即33 mm的平均差异为300 mm。

结论

连锁不平衡随距离迅速下降的合成品种适合使用“候选基因”方法进行关联研究。GAI多态性与叶长多态性相关，叶长多态性与LERmax的相关性大于与LED的相关性。这是一个很好的候选解释叶长变异在其他植物材料。

使用未知谱系的遗传结合研究越来越多地用于植物生物学中以鉴定解释特征变异的基因。实际上，与定量性状基因座（QTL）分析相比，这些研究呈现了I）的优势，同时若干等位基因，II）避免少数少数等位基因和III）利用几代人发生的重组事件[1-3.］．对于关联研究，根据连锁不平衡(LD)下降的模式，可以采用两种方法[4.］．第一种是用于LD快速下降群体的候选基因方法。第二种方法是全基因组扫描方法，用于显示LD缓慢下降的群体[4.］．这两种方法主要用于通过核心收集分析物种的遗传变异。然而，核心收集通常是基因结构，从而导致检测标记和特征的多态性之间的虚假关联[5.-7.］．为了避免发现虚假关联，考虑到核心集合的子结构，开发了不同的数据分析方法[5.］．然而，这些方法的使用仅允许在留下局部间可变性的同时研究组内变异性。理想情况下，用于关联研究的最佳植物材料应该是多个等位基因的，没有任何子结构。这是合成品种的情况，在几代泛造乘以几代人之后获得，如Auzanneau所示[8.］．然而，为了我们的知识，没有关于合成植物品种的协会研究的先前报道。

多年生黑麦草是温带气候中最播种的牧草和草坪草种，它被认为是牧草草系中基因组学的模型[9.］．与所有牧草一样，本种的叶长是影响营养产量的一个重要性状:10-12]， ii)奶牛摄食率[13]，III）光竞争的条件下植物生存[14］．此外，它是一个具有大变异性和高遗传力的数量性状[15-17］．

时至今日通过作用于赤霉素信号场在几个物种植物生长具有重要作用[18］．该基因的突变体存在于各种物种中，具有矮化或巨型表型。一些矮人突变体是OsGAI在水稻18]，Rht-D1在小麦[19),时至今日in.拟南芥[20.那21一些巨大的突变体是SLR1在水稻22]，SLN.在大麦[23那24]，和谍in.拟南芥[25］．此外,时至今日被定位在水稻的3号连锁基上[26]http://www.ncbi.nlm.nih.gov/entrez/viewer.fcgi?val=13699786&itemid=65&view=gbwithparts.在多年生黑麦草的4号键上[27］．此外，在4号连锁群上发现了一个叶片长度的QTL时至今日[28］．

本文的目的是证明在合成品种中可以进行候选基因方法后的关联研究。该示范基于赤霉酸不敏感基因之间的关联的举例（时至今日）在'herbie'中的多态性和叶长度多态性，多年生黑麦草的合成品种（Lolium perenne.L.）没有次结构和短暂的LD下降[8.］．此外，使用多年生黑麦草的核心集合，以比较在“Herbie”中观察到的表型可变性，以防止物种内存在的可变性。

植物材料

我们研究了“Herbie”的216株植物，这是一个选择的合成品种，因为它的变化很大，因为LD迅速减少[8.］．它于2000年在法国首次注册。我们使用最初多交后的第四代乘法，其中有336个亲本，有4个不同的起源(图)1；Thieu Pustjens珀耳斯。com)。种子在2003年夏季单独播种，并在10°C以上的温室中储存，每天至少有14小时的光照，以避免春化，直到2004年2月24日。到目前为止，每株有一个主分蘖的3个无性系用于春季表型，一个无性系用于保存。这最后一个克隆体在秋天被用来制造三个新的克隆体。为了最大限度地增加地理来源(François bal傅里叶，pers)，我们从一个欧亚核心收集中选择了100个生态型(每个群体一株)。com。那Supplementary data). For convenience, we named these 100 ecotypes: core collection (Cc). Seeds of this collection were sown in February 2004 in individual pots and stored above 10°C with at least 14 hours of light per day in a greenhouse until the 30th of September 2004. At this date, three clones per plant of one main tiller were produced.

表型

在温室中进行了两个试验，每个试验3个重复:第一个试验是在2004年春季进行Herbie基因型试验，第二个试验是在2004年秋季进行Herbie基因型和Cc基因型试验。对于每一株，在两个时期都种植一个主分蘖及其子分蘖。为了避免任何胁迫，植物都需要浇水和施氮。经过三个星期的生长期后，植物被剪掉。在这次落叶之后出现的第3和第4片未割的叶子在每株一个分蘖上进行测量，从它们出芽到成熟，每周测量3次。热时间以生长度日数(°Cd)计算，以切割日为起点，采用0°C以上的日平均气温简单相加。春季实验于2004年3月17日开始，5月12日结束。然而，这些植物被跟踪到7月底，以确认它们没有花茎的营养状态。秋季实验于2004年10月21日开始，2005年1月12日结束。在秋季试验期间，对温室进行加热，使温度保持在10°C以上。

以第三和第四未割叶的终叶长和叶片生长动力学为表型特征进行关联分析。为了估计叶片生长动力学的参数，每个植物的叶片长度测量值和叶片与热时间的关系被拟合为一个受欧拉积分启发的函数[12那29那30.,,:

对于tc≤t≤te和tc≤tm < te．为t > te，eq。1减少到y = ym.．

y(mm)为任何时候的叶长，Ym(mm)为最终叶长，tc叶片开始生长的时间(°Cd)，tm叶片伸长率达到最大值的时间(°Cd)和te为叶片生长结束的时间(°Cd)。模型拟合采用SAS的NLIN程序[31］．使用Levenberg-Marquardt迭代方法进行优化参数，具有分析部分衍生物的自动计算[32那33］．种子值如下：tc从0到10增加1范围;tm范围从10.001到1000增加10和te范围从150到1200增加10。对于每一个叶子,Ym值由其最大测量长度给出。只对有第三和第四叶片数据的植物进行了分析。举个例子。1适合数据2．

它源于情商。1叶片伸长的持续时间LED.，表示为热时间单位(°Cd)，由差值给出te-tc．然而，由于拟合程序产生了一些负值，没有生理意义tc，以避免不连贯的估计LED.，我们用数值估计了任何叶子长5毫米的时间，并称之为这个值tc_5.．LED.然后估算如下：

Eq的一阶导数。1给叶伸长率，林，随时这样做：

最大叶片伸长率，Lermax.，每个叶片的数值由式。3.．综上所述，研究了春季和秋季两个生长期的三个变量:最终叶长(Llength），叶伸长的持续时间（LED.）和最大叶伸长率（Lermax.）.

DNA提取

对于每个Herbie基因型，使用甲酰基三甲基溴化铵（CTAB）方案从1g幼叶中提取DNA [34那35］．用琼脂糖凝胶对样品的DNA含量和质量进行评价。

基因分型

在LG1上标记B4D7，在LG2上标记G02-049，在LG3上标记G07-058，在LG4上标记G03-10，在LG5上标记gs397，在LG6上标记G04-56，在LG7上标记G02-004 [36那37］．PCR反应和扩增产物分离按Barre中SSRs的方法进行[28］．

为了扩增GAI基因的片段Lolim为L.，简并引物设计上的对位OsGAIhttp://www.ncbi.nlm.nih.gov/entrez/viewer.fcgi?val=13699786&itemid=65&view=gbwithparts.那rht-d1a.（AJ2425311），SLN-1(AF460219)和DWARF8（AJ242530）同源时至今日分别在水稻、小麦、大麦和玉米中发现。层序为370 bp时至今日在编码区被放大(图3.）.在96孔PCR平板中在50μL体积中设置PCR反应。每种PCR反应用40ng模板DNA进行，每个引物的0.4μm（5'-gacytggagccsttcatgctgct-3'; 5'-gtacacctcsgacatgacct-3'），2 mm mgso_4.为0.2mm的dNTP，1U白金Taq DNA聚合酶高保真（Invitrogen）和1×PCR缓冲液（Invitrogen）中。使用具有以下程序的PTC100热循环仪中进行的扩增：在94℃10分钟，随后94℃的35个循环1分钟，58.7℃进行1分钟和68℃2分钟，最后延伸的在68℃下10分钟。使用QIAquick多井PCR纯化试剂盒（QIAGEN）纯化各样品的PCR产物并将其发送到MILLEGEN，法国图卢兹用于与正向引物的PCR产物的直接测序。该PCR产物的直接测序允许获得每个SNP的基因型但不SNP之间的相位。为190“金龟”基因型获得GAI的序列。

表型数据分析

对于“Herbie”和CC分开，在SAS 8.1中使用GLM程序（SS类型3）进行方差分析[31］．利用模型分析各试验中各性状的基因型效应:

借y_IJ.基因型的价值我在街区拍摄j， μ总体平均值，G._我基因型的效果我那B._jblock的效果j和E._IJ.残余。对于每个特征，广泛的感人能力（h²）估计是：

基因型方差（{\sigma }_{\mathrm{G.}\mathrm{E.}}^2）残差方差（{\sigma }_{\mathsf{\text{E.}}}^{\mathsf{\text{2}}})，采用SAS的VARCOMP程序进行估算残差极大似然算法reml [31］．

关于“金龟”，方差拍摄的一般分析考虑也进行测量（春/秋季）的两个周期。在春季和秋季使用植物是独立的克隆，这样使用的模型是：

借y_ijk基因型的价值我在街区拍摄j在这个时期K.，μ平均人口的，G._我基因型的效果我(随机效应)_K.周期效应K.（固定效果），（G×P）_IK.相互作用基因型×周期(随机效应)B._j（P._K.）块的效果j嵌套的时期K.（固定效果）和e_ijk残余（随机效应）。G.和P.使用效果使用ģ×P相互作用是剩余的ģ×P用模型残差检验相互作用。

对于每个特征，广泛的感人能力（h²）估计是：

基因型方差（{\sigma }_{\mathrm{G.}\mathrm{E.}}^2)，基因型×周期互作方差({\sigma }_{\mathrm{G.}\mathrm{E.}\mathrm{X.}\mathrm{P.}\mathrm{E.}\mathrm{R.}我\mathrm{O.}\mathrm{D.}}^2）残差方差（{\sigma }_{\mathsf{\text{E.}}}^{\mathsf{\text{2}}}）使用SAS的VARCOMP程序进行估计，方法REML [31］．

采用SAS的CORR程序，按基因型调整平均数(GLM程序的选项LSMEANS)计算性状间的Pearson相关性[31］．

人口子结构分析

Structure软件2.3版[5.用来估计'herbie'的子结构。烧坏周期的长度为50,000，燃烧后的MCMC复制数量为100,000。给定数量的群体（k）在1和10之间变化。计算每k值50次。

丐帮了多态性分析

利用NCBI上的BLASTN检测扩增序列的同源性http://www.ncbi.nlm.nih.gov/BLAST/．使用Staden封装1.6.0对准序列并手动检查http://staden.sourceforge.net/．使用三丙醇格式化数据http://bioweb.ensam.inra.fr/tritipol/和refseqv5（pers。com。fabienne renier，inra，凡尔赛，法国）。使用阶段2.1软件估计SNP之间的单倍型相[39那40］．推测每个个体的单倍型数和单倍型基因型。

LD分析

r.²SNP之间的游戏LD值根据Hill和Robertson来确定[41]对PHASE使用DNAsp软件推断的单倍型[42］．使用GENEPOP软件计算每对SNP或SSR之间的基因型LD [43］．

协会的研究分析

关联研究通过使用每个基因型调整后的平均值对每个测量周期独立进行。采用三种不同的方法来检验多态性之间的关联时至今日和叶伸长参数：

1)叶片伸长参数与snp之间的多元线性回归分析。采用逐步法拟合一般形式的线性模型:

在哪里易任何因变量（在我们的例子：Llength, LERmax or LED);X1, X2，…, Xn是自变量(在本例中:20个单核苷酸多态性），β0，β1，β2，...，βn，回归系数和εi的错误项。它使用SAS中的REG过程的逐步选项计算了[31］．

2）Scheffe对正交线性对比的多个比较分析[44来测试每一种不罕见的单倍型(即超过10株拥有单倍型)的存在与缺失的影响。它是用SAS中的GLM程序计算的[31]以下由等式给出的模型。4.．

3）对单倍型树的表型数据的树扫描分析。它是用佛雷斯南1.0进行的http://darwin.uvigo.es/software/treescan.html.[45那46］．该方法允许测试为系统发育树的每个分支获得的两组之间的性状的平均差异。单倍型在人口中出现超过10次，用于用Phylip 3.67构建系统发育树http://evolution.genetics.washington.edu/phylip.html使用最大的吝啬。在执行TREESCAN程序时，排列次数为5000次，最小班级大小设置为5次。

表型分析

Llength那Lermax.和LED.在秋季和秋季和秋季的春季和秋季的100株植物中测定了216株植物，秋季的多年生黑麦核心集合（CC）。使用了三次重复。对于Herbie和CC的所有特征以及生长期间，遗传效应非常重要。遗传性很高Llength和Lermax.和媒介LED.（表1）.所有性状在‘Herbie’中均检测到显著的基因型×周期互作，两个周期的遗传力均为中等(见表)2）.'herbie'的变异性与“cc”的可变性一样高（表3.）.变量间的相关值如表所示4.对于'herbie'，包括春季和秋季测量。对于“CC”，秋季变量之间的相关性非常重要（P.值<0.001）之间Llength和两个Lermax.(0.87)和LED.(0.46)，但不显著(P.Lermax和LED之间的值> 0.05）。在“herbie”和'cc'中，叶长度与两者都显着相关Lermax.和LED.为更高的值Lermax.．另一方面，Lermax.和LED.不是或弱相关。春季测得的叶片参数与秋季测得的叶片参数具有较强的相关性Llength和Lermax.比LED.．

人口子结构分析

通过结构软件的分析结果，每连杆组使用一个单一序列重复（SSR）标记，在“Herbie”中没有显示子结构的证据（表5.）.此外，如预期的那样，在一个没有亚结构的群体中，未检测到对SSRs之间的显著基因型LD。

盖多态性

在'herbie'的370 bp gai序列中检测到二十个snps（表6.）.这相当于两个连续snp之间的平均12个bp。其中6个为频率低于10%的罕见等位基因，1个(GAI206)为非同义等位基因。PHASE软件显示存在39个单倍型(表7.）.其中9种存在于10多种基因型中。

LD分析

游戏LD随着距离而迅速下降（图4.）.实际上,r²值变得低于0.1超出150bp的。基因型LD结果与配子LD结果一致（数据未显示）。如果距离超过150bp的降低，SNP对35％以上呈现的显著LD（在阈值0.01 Bonferroni校正后）。然而，超出150个碱基，SNP对没有提出从连锁平衡任何显著偏差。

GAI与叶片生长参数的相关性研究

使用三种统计学方法来检测表型多态性和GAI多态性之间的关联。

第一种方法是叶参数和GAI的20个SNPs之间的逐步回归在“金龟”（等式8）找到。结果列于表8.．结果表明，根据叶片参数，3 ~ 6个SNPs解释了8 ~ 14%的表型变异(R²）.一个名为SNP069的一个SNP似乎特别有趣，因为它在春季和秋季解释了每个参数方差的2-5％。它解释了等于42mm的叶长度等于42mm的差异，平均叶长度为312毫米，在弹簧和等于30mm的差异，平均为303mm，在秋季。值得注意的是，为在SNP069处显示超互连效应的杂合子，获得了叶生长参数的最高值。

第二种方法包括Scheffé分析，以测试存在的效果与在每个特征上没有不同的单倍型（表9.）.显著差异的平均数比较见表10．

第三种方法是单倍型和叶参数之间的关联的树扫描分析。单倍型树在图中呈现5.乍顾分析的结果呈现在表中11．在所有特征上的系统发育群体的最强烈效果林在单倍型组之间的春季：2,9,10和15之间，以及单倍型组：24,25,27,30,37。这两组可以通过SNP069的多态性分离（表7.）.这种分离也对Llength在春天。在…上发现了一种效果林Max在春季和秋季介于24和25单倍型组之间，以及包括所有其他单倍型组之间。在考虑9个最丰富的单倍型时，可以用SNP114和SNP138将这两个类群分开，这两个类群处于完全连锁不平衡状态(表1)7.）.对于所有测试，纠正效仿P.-值高于0.05。

表型分析

‘Herbie’的表型变异性非常高，与核心集合(Cc)中观察到的表型变异性相似。这种“Herbie”的高度可变性也在分子数据中被观察到[8.］．可以通过初始多边形中的大量父母（336）来解释这种可变性。这种多样性表明，即使在各种内，选择应该是高效的。

叶长和最大叶伸长率(Lermax.）测量每个周期内。同时考虑到春秋战国时观察到较低的遗传力。这些结果是根据在牧草从不同的研究值[16那17那47-49］．重要的基因型×周期相互作用表明基因型对环境条件的响应没有遵循相同的轨迹。这被弹簧和秋叶长度之间的相关值或Lermax.只有中等高(表4.）.如上文Ghesquière所述[17]、叶片伸长持续时间(LED.）遗传性较低。这可以通过缺乏精确度来部分解释LED.因为没有测量估计可能在叶片生长的开始期间隐藏阶段进行。

“Herbie”中的春天和秋天的叶子长度平均不会显着不同。然而，这些类似的叶子长度没有通过叶生长的相同动态达到。它被观察到更高Lermax.和一个短LED.这可以解释为春季的温度(平均16°C)高于秋季(平均13°C)。

叶长度与叶片长度之间的相关性Lermax.高于叶子长度之间的一个LED.在春天和秋天，为'herbie'和核心收藏。Ghesquière观察到类似的结果[17结果表明，黑麦草晚抽穗期生态型的成年叶长与平均叶伸长率的相关系数为0.86和0.53LED.分别。可以通过以下事实解释：在叶片生长过程开始时，长期缓慢增长，对最终叶长度没有显着影响。但是，取决于植物材料，影响的影响Lermax.和LED.在最终的叶子长度可能有很大差异（未发布数据）。由于这两个特征看起来不佳，因此给定的最终叶长度可以是由各种组合的不同组合产生LED.和林值。

盖多态性

SNPs的密度非常高，但与多年生黑麦草中其他基因获得的SNPs相当，请记住，这个参数在基因组中是高度可变的[50那51］．然而，在‘Herbie’中观察到的单倍型数量相对于预期的单倍型数量较弱。在‘Herbie’品种初始多交中有336个个体，且无亲缘关系的情况下，在LD完全缺失的假设下，预计有672个单倍型，但仅观察到39个单倍型，其中30个单倍型的频率低于2%。这说明‘Herbie’亲本是亲缘关系，一些单倍型被高度选择。

子结构和LD分析

在分析216株植物的基础上，我们证实，Herbie没有介绍盖南盖恩基因的LD衰变非常短8.基于对47种植物的分析。由于亲本数量多，初始多交的变异性大，因此在Herbie品种中缺乏亚结构和LD随遗传距离的迅速下降是预料之中的。此外，多年生黑麦草的LD下降普遍迅速，超过约1 kb后由于其远系繁殖系统而变得不显著[51-53］．这种快速的LD下降和缺乏子结构在该基因组区域中允许“候选基因”方法[4.]

GAI与叶片生长的相关性研究

本研究在高度多样化各种赫比，发现该基因GAI对叶片生长参数显著效果：叶长，最大叶伸长率和伸长叶持续时间，在这两个春季和秋季生长期。该基因共定位与叶片长度的QTL中发现的弹簧，并与叶长的QTL和LER在冬季发现在连锁群428］．一个SNP，SNP069，在春季和秋季中解释了所有叶子长度参数的变化的一部分。在树扫描分析中也发现了重要的。然而，该SNP不会诱导氨基酸变异。考虑到快速的LD下降，“Herbie”中负责叶片生长变异性的突变应非常接近，与SNP069非常接近。在拟南芥中，小麦和玉米，负责矮化表型的突变体在Della结构域中缺失[19那21］．对整个基因序列的相关性研究将有助于发现因果突变。SNP069变异与‘Herbie’叶片长度变异之间可能的联系只是偶然的，而SNP069与因果突变(假阳性)之间没有任何物理联系。这意味着SNP069和基因组其他地方的一个因果突变处于连锁不平衡状态。这个LD不能来自种群的子结构，因为我们证明了种群中缺乏结构。它可能来自于由于取样数量有限的个体(216)而产生的漂移，但这似乎不太可能考虑到SNP069在叶子长度上的高度重要性。然而，为了测试SNP069和叶长因果突变之间的真实物理联系，创建具有GG或CC的SNP069群体并比较它们的叶长将是有趣的。

除了SNP069上的所有叶片生长参数，还发现了超互补效应Lermax.在秋天。这可能是由于两个非常紧密的SNP，具有良好的效果，具有良好的屈服等位基因。这种超级效应也可以通过单个SNP的实际互补效果来解释。无论超级效应的起源如何，这种观察应该对育种策略产生后果。因此，分子辅助选择的目的是将两种等位基因组合，而不是固定有利等位基因。

用于协会研究的三种方法的结果都是一致的。然而，使用SNP的回归分析发现了最大关联数，这似乎更有效，因为它解释了比其他两种方法更高水平的表型方差。可能的解释是单倍型累积几个SNP的等位基因，这可能具有相反的效果，从而降低单倍型之间的差异。

在目前的研究中，一个单一的恐慌群体，一个合成品种，使我们能够检测到SNP多态性和一个性状之间的强关联。在对Skot的研究中[53]在LPHD1基因的一个SNP：4443之间检测到强烈关联和标题（HD）。使用九棵腹团的9种群体，每个植物包括96株植物。尽管SNP的整体协会：4443和HD，但这种协会根据人口或多或少强劲。这表明LD在一些人群中导致群体的群体之间变化，但不在其他人群中。关于这种观察，将有兴趣地在持痛苦群体中进行关联研究，而不是使用来自几个人群的个人。实际上，可以根据使用的人口找到不同的协会。

与荆棘莓的结果不同[54]，我们没有观察到GAI基因对‘Herbie’抽穗期的影响(数据未显示)。然而，我们只研究了该基因的一小部分。

在这项研究中，我们发现，ⅰ）关联研究可以按照在合成各种具有广泛的遗传基础的“候选基因”的方式来执行，以及ii）表型多态性和序列多态性之间的关联的检测是使用SNP多态性更强大的比单倍型多态性。这些意见可能在远交物种的影响在植物育种中使用分子信息的方式，尤其如此。事实上，重要性状的遗传基础，可以直接在饲养员的人口和用于增加有利等位基因的分子标记检测。

盖:

赤霉素不敏感

Llength:

叶子长度

LER：

最大叶伸长率

领导:

叶子伸长寿命

SNP：

单核苷酸多态性

QTL:

数量性状位点

LD：

连锁不平衡

答:

核心集合

Llength:

叶子长度

SSR：

简单序列重复。

我们感谢F. Balfourier进行巧妙选择的CC人群种子。我们感谢M Barillot，JF Bourcier，D Cadier，M Caillaud，P Cormenier，Faure，F Gelin，C Gibbelin，J Jousse，C Largeaud为他们的技术帮助和Corinne Melin帮助参考管理。我们感谢Cameleyre和S Flajoulot在分子生物学中的建议。J Auzanneau从RégionPoitou-Charentes获得博士授予。

隶属关系

1. Inra，Ur4，UnitédeCheridisciplinaire大草原et plantesfourragères，Lechêne，Rd 150，Lusignan，86600，法国

   JérômeAuzanneau，Christian Huyghe，Abraham J Escobar-Gutiérrez，Bernadette Julier，FrançoisGastal＆Philippe Barre

通讯作者

对应到菲利普·巴雷．

作者的贡献

Ja表型和基因分为Herbie和CC种群。AEG估计LER和LED使用BETA函数。BJ和FG分别参与了遗传和生态学中数据的解释。PB和CH协调项目，并对项目的概念和设计作出了实质性的贡献。PB，JA和AEG进行了统计分析并写了稿件。所有作者都阅读并批准了最终手稿。

开放获取本文由BioMed Central Ltd授权发表。这是一篇开放获取的文章，是根据知识共享署名许可协议(https://creativecommons.org/licenses/by/2.0）提供任何介质中的不受限制使用，分发和再现，所以提供了正确的工作。

再版和权限