阐明象草中生物量消化率的候选基因(gydF4y2BaCenchrus紫色gydF4y2Ba）gydF4y2Ba

背景gydF4y2Ba

大象草(gydF4y2BaCenchrus紫色gydF4y2Ba(舒马赫)。Morrone]被用于生物能源和动物饲料。本研究旨在研究象草8个性状(株高、生物量、干生物量、酸性和中性洗涤纤维、木质素含量、生物量、生物量、生物量)的基因组关系信息和简单序列重复对预测精度的影响，以确定象草分子标记辅助选择的候选基因。生物量消化率和干物质浓度)与生物能学和动物饲养有关。gydF4y2Ba

结果gydF4y2Ba

我们使用单步、基于基因组的最佳线性无偏预测和基因组关联方法来调查预测准确性的变化，并利用基因组关系信息找到候选基因。遗传变异性(gydF4y2BapgydF4y2Ba< 0.05)。一般而言，各性状的总体手段在切割过程中有很大的差异，通过切割交互作用证实了显著的基因型。了解基因组关系提高了生物量品质性状预测的准确性。我们发现一个标记(M28_161)与高生物量消化率显著相关。该标记与另一个标记(M35_202)存在中度连锁不平衡，一般在生物量消化率低的基因型中检测到这种连锁不平衡。硅分析表明，这两个标记在其他C4禾本科植物中均有同源区域gydF4y2BaSetaria冬青gydF4y2Ba，gydF4y2Ba黍halliigydF4y2Ba,gydF4y2Ba黍virgatumgydF4y2Ba，这些区域位于与细胞壁分子(木葡聚糖和木质素)生物合成相关的候选基因附近，这支持了它们与生物量消化率的关联。gydF4y2Ba

结论gydF4y2Ba

这里鉴定的标记和候选基因对旨在改变象草中生物量消化率的育种计划是有用的。这些标记可用于不同用途的象草品种的标记辅助选择，如生物能源生产、生物基产品、副产品、生物活性化合物和动物饲料。gydF4y2Ba

大象草(gydF4y2Ba狼尾草purpureumgydF4y2Ba舒马赫。syn。gydF4y2BaCenchrus紫色gydF4y2Ba(舒马赫)。Morrone]是一种多年生的热带草，具有高的光合效率(C4光合途径)，在几个非洲国家自然发现[gydF4y2Ba1gydF4y2Ba］.它对不同的海拔、降水和土壤有一定的适应范围，并具有重要的农艺性状[gydF4y2Ba2gydF4y2Ba，特别是它的高生物量产量。根据环境和品种特点，绿色生物量可达300 Mg hagydF4y2Ba^{−1gydF4y2Ba}一年gydF4y2Ba^{−1gydF4y2Ba}［gydF4y2Ba3.gydF4y2Ba];因此，象草有多种用途，包括生产生物基化合物[gydF4y2Ba4gydF4y2Ba]及用于制药及工业的分子[gydF4y2Ba5gydF4y2Ba，gydF4y2Ba6gydF4y2Ba，gydF4y2Ba7gydF4y2Ba］.它已经成为生物能源项目的目标，因为它的年干物质产量高于甘蔗或桉树，而甘蔗和桉树是巴西使用最多的生物能源[gydF4y2Ba2gydF4y2Ba，gydF4y2Ba8gydF4y2Ba］.然而，在巴西，象草最常见的用途是用于动物饲料，特别是用于奶牛。gydF4y2Ba

象草是一种四倍体物种(2n = 4x = 28)，有两个基因组(a 'A 'BB) [gydF4y2Ba9gydF4y2Ba］.它的基因组与珍珠粟同源[gydF4y2Ba狼尾草glaucumgydF4y2Ba(l)r . Br。syn。gydF4y2BaCenchrus也gydF4y2Ba(l)Morrone]，并对这些物种进行了细胞遗传学研究，以确定杂种[gydF4y2Ba9gydF4y2Ba，gydF4y2Ba10gydF4y2Ba］.象草还没有被大量研究过，因此它的基因组信息与更重要的经济作物相比鲜为人知。一项RNAseq研究[gydF4y2Ba11gydF4y2Ba，两项有关基因组测序的研究[gydF4y2Ba12gydF4y2Ba，gydF4y2Ba13gydF4y2Ba，以及一项转录组学和代谢组学研究[gydF4y2Ba7gydF4y2Ba已被出版为象草。然而，下一代象草的繁殖仍有许多需要阐明的地方[gydF4y2Ba14gydF4y2Ba］.例如，由于分子标记利用率低，很少有性状标记关联的研究，但简单序列重复(SSR)标记已经从珍珠粟转移到象草[gydF4y2Ba15gydF4y2Ba]，并用于遗传多样性研究，以增加基因库的多样性[gydF4y2Ba16gydF4y2Ba］.虽然SSR标记在基因组中出现的频率低于单核苷酸多态性(SNPs)，但它们可以用于基因组关联研究。例如，SSR标记已被用于鉴定与棉花产量构成因素和纤维品质相关的基因座[gydF4y2Ba17gydF4y2Ba),抗gydF4y2Ba菌核病sclerotiorumgydF4y2Ba在gydF4y2Ba芸苔属植物显著gydF4y2Ba［gydF4y2Ba18gydF4y2Ba]，以及影响甘蔗产量的数量性状[gydF4y2Ba19gydF4y2Ba］.一般来说，在性状标记关联研究中使用的SSR标记很多，但在序列信息有限的物种中，很少有SSR标记能提供令人满意的结果，如匍匐草(gydF4y2BaAgrostis多茎目gydF4y2Bal .) [gydF4y2Ba20.gydF4y2Ba］.gydF4y2Ba

基因组关联研究识别与重要性状相关的候选基因和标记。在考虑多用途性状(即具有不同目的的性状，如动物饲养和生物能源)时，基于分子标记的选择程序的发展可以从根本上简化和加速象草的改良[gydF4y2Ba21gydF4y2Ba］.象草的农艺性状(高度、绿色生物量和干生物量)和品质性状(酸性和中性洗涤纤维、木质素含量、生物量消化率和干物质浓度)是培育象草用于饲料和生物能源利用的适宜指标。由于象草是植物繁殖和杂交不广泛使用，利用种质收集进行关联图是基于历史和自然发生的重组事件。gydF4y2Ba

在此背景下，本研究的目标是(gydF4y2Ba我gydF4y2Ba)利用统计模型中的基因组关系信息研究预测准确性的变化，(gydF4y2Ba2gydF4y2Ba)研究SSR标记与8个性状之间的显著关联，在象草基因型的种质资源收集的不同扦插评价，和(gydF4y2Ba3gydF4y2Ba)识别与这些性状相关的候选基因，并分别注释。通过实现这些目标，我们旨在提高不同目的的象草养殖的速度和准确性。gydF4y2Ba

遗传变异，通过切断相互作用的基因型，以及使用单步、基于基因组的最佳线性无偏预测(ssGBLUP)模型的预测准确性gydF4y2Ba

首先，使用ssGBLUP模型拟合整个数据集，以研究遗传变异性和切割交互作用的基因型，剩余遗传变异性和切割交互作用的基因型。遗传变异性(gydF4y2BapgydF4y2Ba7个性状(株高、绿色生物量、干生物量、干物质浓度、酸性洗涤纤维、中性洗涤纤维和木质素含量)均< 0.05，但生物量消化率未检测到(图2)。gydF4y2Ba1gydF4y2Ba）.对于切割互作的基因型，显著影响(gydF4y2BapgydF4y2Ba< 0.05)。gydF4y2Ba1gydF4y2Ba）.值得注意的是，在每次切割的个体分析中，所有性状都检测到显著的遗传变异。gydF4y2Ba

对数似然比检验显示残留遗传效应显著(gydF4y2BapgydF4y2Ba< 0.05)，而生物量品质性状(即干物质浓度、酸性洗涤纤维、中性洗涤纤维、生物量消化率、木质素含量)则不受影响(gydF4y2BapgydF4y2Ba>(图0.05)。gydF4y2Ba1gydF4y2Ba）.通过切割相互作用有一个显著的残留基因型(gydF4y2BapgydF4y2Ba< 0.05)为绿色生物量、干生物量、干物质浓度和木质素(图。gydF4y2Ba1gydF4y2Ba）.gydF4y2Ba

ssGBLUP模型的预测精度(考虑gydF4y2BaHgydF4y2Ba^{−1gydF4y2Ba}基质)的变化范围从0.58(生物量消化率)到0.84(酸性洗涤纤维、干物质浓度和木质素)。当模型不包括基因型之间的关系(简单重复性加上通过切割交互模型得到的基因型)时，精度为0.59(生物量消化率)至0.89(干生物量)。在ssGBLUP模型中加入关系矩阵提高了生物量品质性状的准确性(图2)。gydF4y2Ba2gydF4y2Ba)，但生物量消化率除外。gydF4y2Ba

每次切割的总体方法和精度gydF4y2Ba

因为基因型通过切割交互作用对所有性状都有显著影响(ssGBLUP模型，图。gydF4y2Ba1gydF4y2Ba)进行性状标记关联分析。每一次切割的总体平均值和精度如图所示。gydF4y2Ba3.gydF4y2Ba．精度值从0.47(第5次切割的酸性洗涤纤维和生物量消化率和第一次切割的生物量消化率)到0.88(第二次切割的干物质浓度)。总的来说，各性状的总体手段在各插穗之间差异很大，通过插穗互作证实了显著的基因型。例如，第二次刈割高度、绿色生物量、干生物量、酸性洗涤纤维、中性洗涤纤维和木质素的消化率最高，但生物量消化率最低。gydF4y2Ba

基因组协会研究gydF4y2Ba

本研究分析了90个具有表型数据和SSR等位基因的象草基因型，鉴定出一个与生物量消化率显著相关的M28标记等位基因(M28_161)。这种关联仅在第一次切割时被检测到。曼哈顿的情节(图。gydF4y2Ba4gydF4y2Ba，右)显示−log(gydF4y2BaPgydF4y2Ba−gydF4y2Ba价值gydF4y2Ba)，分位数-分位数(QQ)图(图3)。gydF4y2Ba4gydF4y2Ba显示观测到的−log的显著偏差(gydF4y2BaPgydF4y2Ba−gydF4y2Ba价值gydF4y2Ba)。gydF4y2Ba

为了识别所有标记的连锁，我们进行了连锁不平衡分析(图。gydF4y2Ba5gydF4y2Ba）.在这项分析中，我们感兴趣的是识别可能与M28_161相关的标记，而M28_161与高生物量消化率显著相关。SSR标记M35的一个等位基因(M35_202)显示中度连锁不平衡(gydF4y2BargydF4y2Ba^2gydF4y2Ba= 0.20) ~ M28_161，总体而言，在生物量消化率较低的象草基因型中存在。所有其他的gydF4y2BargydF4y2Ba^2gydF4y2Ba-值小于0.11，范围在0.00到0.11之间。gydF4y2Ba

M28_161和M35_202标记在硅途径分析中的注释和等位基因贡献gydF4y2Ba

BLAST搜索结果显示，这两个SSR标记(M28_161和M35_202)与其他禾草中已注释功能的候选基因非常接近gydF4y2Ba1gydF4y2Ba）.在某些情况下(例如，gydF4y2BaSetaria冬青gydF4y2Ba3号染色体gydF4y2Ba黍halligydF4y2BaM28_161与受植物激素(水杨酸或脱落酸)影响的途径相关的候选基因很接近。然而，在大多数情况下，M28_161和M35_202与参与细胞壁成分合成的候选基因有关。在gydF4y2Bap . halligydF4y2Ba， M28_161与参与木质素生物合成过程和细胞壁组织的候选基因(染色体7)相近gydF4y2Ba黍virgatumgydF4y2Ba，与木质素分解过程和氧化还原过程相关的候选基因(位于8号染色体上)相近gydF4y2Ba美国绿冬青gydF4y2Ba， M28_161和M35_202均有同源区域。M28_161与3号染色体上参与木葡聚糖生物合成的候选基因比较接近，而M35_202与7号染色体上参与木质素生物合成的候选基因比较接近。为gydF4y2BaSetaria italicagydF4y2Ba，对M28_161序列进行BLAST搜索，但未发现与消化率相关的候选基因。然而,对于gydF4y2Bac也gydF4y2Ba，使用M28和M35序列未获得BLAST结果。gydF4y2Ba

切割交互作用的遗传变异和基因型gydF4y2Ba

我们通过切割交互作用观察到基因型对所有8个性状的显著影响，因此基因组关联研究是考虑一次单个切割。ssGBLUP分析所揭示的遗传变异(即生物量消化率)的缺乏并不意味着没有遗传变异，因为交互作用可能降低了遗传变异。剩余项被添加到ssGBLUP模型中以捕获非加性效应。对于表现出无性繁殖而不是线的作物(如象草)，非加性效应代表上位性和显性效应[gydF4y2Ba22gydF4y2Ba，加性效应不能用基因组关系矩阵来解释，因此这些效应不会夸大残差估计或叠加其他效应。生物质品质性状的残留遗传效应不显著，说明在这些性状遗传结构中起作用的加性部分只能用少数标记(87个等位基因)来解释。对形态农艺性状，残留遗传效应显著，因此87个标记构建的基因组关系矩阵不能解释高度、绿生物量和干生物量的加性遗传比例。gydF4y2Ba

预测的准确性gydF4y2Ba

可能影响饲料消化率的细胞组分包括纤维素、木质素、半纤维素和细胞壁蛋白[gydF4y2Ba23gydF4y2Ba］.因此，生物质消化率依赖于几个组成部分，这使得它成为一个复杂的性状，这可能是由于考虑到基因组信息的准确性是中等大小的事实。最近的转录组学和基因组学研究[gydF4y2Ba7gydF4y2Ba，gydF4y2Ba11gydF4y2Ba，gydF4y2Ba12gydF4y2Ba，gydF4y2Ba13gydF4y2Ba]和象草单核苷酸多态性的发展[gydF4y2Ba12gydF4y2Ba的准确性提高了，使用分子标记的研究对SNP标记的发展非常重要。新的基因分型、测序和生物信息学工具提高了准确性，并降低了每个测序碱基或分子基因型的价格[gydF4y2Ba14gydF4y2Ba]，以及甄选时间[gydF4y2Ba24gydF4y2Ba］.gydF4y2Ba

Trait-marker关联分析gydF4y2Ba

所有农艺性状(株高、绿色生物量和干生物量)和4个品质性状(酸性和中性洗涤纤维、干物质浓度和木质素含量)均与SSR标记无关。这可能与使用的SSR标记数量较少(来源于87个等位基因的18个SSR标记)有关，而象草的基因组规模最近估计为2.1 Gb [gydF4y2Ba13gydF4y2Ba］.利用SSR标记M28_161对第一次切割数据集进行分析，发现M28_161与品质性状(生物量消化率)相关。该标记与M35_202存在连锁不平衡，与生物量消化率相关。然而，这些标记与不同的生物量消化率相关，因为M28_161与生物量消化率高相关，而M35_202在生物量消化率低的基因型中更容易检测到。这是一个有趣的结果，考虑到消化率是许多植物物种的一个重要特性，了解其对植物质量的影响和与之相关的基因组区域一直是许多研究小组的重点[gydF4y2Ba25gydF4y2Ba，gydF4y2Ba26gydF4y2Ba，gydF4y2Ba27gydF4y2Ba］.gydF4y2Ba

这里使用的SSR标记以前是为珍珠谷子开发的[gydF4y2Ba28gydF4y2Ba，gydF4y2Ba29gydF4y2Ba，并被我们的小组发现，以交叉扩增象草基因组[gydF4y2Ba15gydF4y2Ba］.目前尚不清楚这些标记在象草基因组中的分布程度，但我们的分析表明，一些标记存在中度连锁不平衡。巴西农业研究公司(Embrapa Gado de Leite)保存的107份象草活跃种质资源库(获得基因型)的平均相似系数为0.651，表明遗传变异[gydF4y2Ba15gydF4y2Ba］.此外，Azevedo等人[gydF4y2Ba15gydF4y2Ba]对本研究中使用的基因型只检测到一组相似性。在这种情况下，无论是使用的标记数量少，还是没有群体结构校正，都不是检测标记M28_161与生物量消化率显著相关的障碍。虽然可以使用非特异性标记(如多样性阵列技术)或SNP基因分型进行性状标记关联分析，但当基因组测序和生物信息学不是简单的任务时，SSR标记是重要的。gydF4y2Ba

标记注释和在硅途径gydF4y2Ba

利用标记M28_161和M35_202与相关C4禾草基因组序列进行BLAST搜索gydF4y2Ba美国italicagydF4y2Ba，gydF4y2Ba美国绿冬青gydF4y2Ba，gydF4y2Bap . virgatumgydF4y2Ba，gydF4y2Bap . halligydF4y2Ba,gydF4y2Bac也gydF4y2Ba．这些物种与象草关系密切[gydF4y2Ba30.gydF4y2Ba，gydF4y2Ba31gydF4y2Ba］.结果未发现gydF4y2Bac也gydF4y2Ba基因组序列，这是出乎意料的，因为这里使用的SSR标记是从珍珠粟[gydF4y2Ba15gydF4y2Ba而象草的A ' A '基因组与珍珠粟的A基因组是同源的[gydF4y2Ba9gydF4y2Ba，gydF4y2Ba10gydF4y2Ba］.对于其他物种，鉴定了六个与细胞壁分子生物合成相关的候选基因。gydF4y2Ba

注释在第3号染色体上的一个候选基因gydF4y2Ba美国绿冬青gydF4y2Ba(Sevir. 3G340800)与位点AT2G20370同源gydF4y2Ba拟南芥gydF4y2Ba，以及木葡聚糖半乳糖转移酶的编码，该酶负责不同的功能，包括细胞壁物质的合成。木葡聚糖是植物细胞壁的组成部分，它是一种半纤维素，能够与纤维素结合，通过氢键形成纤维素-木葡聚糖网络(参见Pauly和Keegstra的综述[gydF4y2Ba23gydF4y2Ba])。目前尚不清楚木葡聚糖是否会降低生物量的消化率，但它与木质素有关，木质素是一种细胞壁成分，通常会对消化率产生负面影响。木葡聚糖与纤维素结合形成聚合体，在某些类型的细胞中，可以嵌入含有木质素的基质中[gydF4y2Ba23gydF4y2Ba］.然而，值得注意的是，尽管木葡聚糖是双子叶植物初生细胞壁中含量最高的半纤维素，但在象草等禾草中，它的含量较低[gydF4y2Ba23gydF4y2Ba］.木葡聚糖半乳糖基转移酶对象草中生物量消化率的影响应谨慎评估。gydF4y2Ba

木质素含量与标记无关。木质素是地球上第二丰富的生物聚合物[gydF4y2Ba32gydF4y2Ba，是一种高度浓缩的苯丙素基质，相对不易被瘤胃微生物和肠道酶消化[gydF4y2Ba33gydF4y2Ba］.在许多植物物种中，木质素含量与消化率呈负相关[gydF4y2Ba34gydF4y2Ba，gydF4y2Ba35gydF4y2Ba，因为干物质消化率的小幅增加(1%)可以使肉牛的日增重增加3.2% [gydF4y2Ba36gydF4y2Ba］.一般来说，由于次生细胞壁沉积和厚壁组织细胞木质化，牧草成熟后质量下降。这并不意味着降低木质素含量是提高植物消化率的唯一途径，但人们普遍认为木质素是提高植物消化率的潜在目标。在这种情况下，候选基因Pahal。G00901、Pavir. 8KG357500和Sevir. 7G164200，注释在gydF4y2Bap . halligydF4y2Ba，gydF4y2Bap . virgatumgydF4y2Ba,gydF4y2Ba美国绿冬青gydF4y2Ba基因组分别是有用的资产。这些候选基因与in基因座AT5G48930、AT3G09220和AT5G48930同源gydF4y2Ba拟南芥gydF4y2Ba．AT5G48930是一种羟基肉桂酰辅酶，一种参与苯丙酸途径的shikimate/quinate羟基肉桂酰转移酶，并在作为木质素的基石的羟基肉桂酰醇(或单木质素)的生产中发挥作用[gydF4y2Ba37gydF4y2Ba］.木质素含量也会影响生物能生产[gydF4y2Ba38gydF4y2Ba，并可根据生物质如何用于发电而减少或增加。例如，为了将木质纤维素生物质转化为乙醇，细胞壁中的多糖需要被水解成单糖，然后发酵成乙醇[gydF4y2Ba39gydF4y2Ba］.在这种情况下，降低木质素含量可以通过常规生物质发酵增加乙醇产量[gydF4y2Ba38gydF4y2Ba］.然而，当考虑到生物质燃烧时，需要更多的木质素来进行高能量转换[gydF4y2Ba40gydF4y2Ba］.象草中木质素含量的分子基础尚不清楚，但本文鉴定的候选基因可以作为基因操作的靶点。通过转基因或基因编辑，操纵与木质素生产相关的基因可以产生理想的用于动物饲养或生物能源的种质[gydF4y2Ba35gydF4y2Ba，gydF4y2Ba38gydF4y2Ba，gydF4y2Ba41gydF4y2Ba，gydF4y2Ba42gydF4y2Ba］.gydF4y2Ba

一些候选基因与植物激素(水杨酸或脱落酸)有关，它们的相互作用在植物对胁迫的分子反应中起重要作用[gydF4y2Ba43gydF4y2Ba，其中两个涉及对生物和非生物压力源的反应。候选基因是Pahal。G00889(注释于第7号染色体gydF4y2Bap . halligydF4y2Ba)与基因座AT5G05190 in同源gydF4y2Ba拟南芥gydF4y2Ba，其中一种假想的蛋白质参与不同的功能，包括对真菌的反应[gydF4y2Ba44gydF4y2Ba］.候选基因是Pahal。E03247(也从gydF4y2Bap . halligydF4y2Ba)具有同源位点gydF4y2Ba拟南芥gydF4y2Ba(AT3G05880)编码了一种小的、高度疏水的蛋白质，这种蛋白质参与了高渗透盐度反应和对寒冷的反应。在象草中验证这些候选基因将增加我们对象草如何应对压力源的知识，如spittlebug(玳瑁科)攻击和干旱或洪水，这些是巴西繁殖计划的重要因素[gydF4y2Ba14gydF4y2Ba］.gydF4y2Ba

本研究表明，即使使用少量的SSR标记，也有可能鉴定与生物量消化率相关的候选基因。它还表明，通过整合基因组关系信息，有可能提高象草的预测精度。由于象草的基因组信息很少，我们的发现可能会改善象草的繁殖。例如，可以应用标记辅助选择，与生物量消化率相关的标记有潜力推动象草对不同用途(如生物能源生产和动物饲料)的选择。对候选基因的进一步验证可能有助于更好地理解生物量消化率变异及其基因组基础。gydF4y2Ba

植物资料及实验资料gydF4y2Ba

100种象草基因型(附加文件gydF4y2Ba1gydF4y2Ba(见表S1)，种植在0.20米深的沟中，80公斤公顷gydF4y2Ba^{−1gydF4y2Ba}PgydF4y2Ba_2gydF4y2BaOgydF4y2Ba_5gydF4y2Ba2011年12月23日播种时施化肥。巴西MG Coronel Pacheco的Embrapa Gado de Leite试验站(纬度21°33′18”S，经度43°15′51”W, 417 m.a.s.l.)的红黄红壤具有以下化学性质:pH (5.4)， H + Al (2.31 cmolc dm .)gydF4y2Ba^{−3gydF4y2Ba})， P (1.1 cmolc dm .gydF4y2Ba^{−3gydF4y2Ba})、K(23毫克糖尿病gydF4y2Ba^{−3gydF4y2Ba})和可交换阳离子AlgydF4y2Ba^{３＋gydF4y2Ba}(0.2 cmolc dmgydF4y2Ba^{−3gydF4y2Ba}), CagydF4y2Ba^{２＋gydF4y2Ba}(1.4 cmolc dmgydF4y2Ba^{−3gydF4y2Ba}),毫克gydF4y2Ba^{２＋gydF4y2Ba}(0.7 cmolc dmgydF4y2Ba^{−3gydF4y2Ba}）.地块由4米的行组成，并排种植，间隔1.5米。地块按10 × 10简单格子设计分配，有两次重复。在播种后30天，将地块割至留茬高度0.30 m(均割)。每个生长季节(扦插)的天数从这个时候开始。维持施肥300 kg hmgydF4y2Ba^{−1gydF4y2Ba}的阻燃剂gydF4y2Ba_2gydF4y2BaOgydF4y2Ba_5gydF4y2Ba- kgydF4y2Ba_2gydF4y2BaO配方(20:05:20混合粒状肥料)全部扦插后。根据土壤分析结果进行了施肥。gydF4y2Ba

共进行了六次岩屑切割:第一个切割(2012年9月28日)进行250天,再生第二(2013年6月5日)在250年再生的日子,315年第三(2014年4月16日)再生的日子,275年第四(2015年1月16日)在再生天,第五(2015年11月27日)315天,再生和第六届(2016年6月24日)在210年再生的日子。第四次切割采集了繁殖材料，即本次切割未获得表型数据。我们声明，本研究中的所有植物材料均为已保存在公共植物标本室(活性象草种质库)的凭据标本，并符合机构、国家和国际关于收集和栽培任何植物材料的指南。gydF4y2Ba

表型性状gydF4y2Ba

在第一次、第二次、第三次、第5次和第6次剪枝时，这些植株对下列每一个性状都进行了显型:(gydF4y2Ba我gydF4y2Ba)高度(m)由每个地块中随机选取的三株植物的高度的算术平均值计算而得，从地面到最后一片完全展开叶片的曲线测量;（gydF4y2Ba2gydF4y2Ba)绿色生物量(Mg ha .gydF4y2Ba^{−1gydF4y2Ba})，用汽油动力割草机在行中间3米的区域，在留茬高7.5厘米处进行切割，然后手工收集。3米的部分立即在现场称重，以提供绿色生物量的估计;（gydF4y2Ba3gydF4y2Ba)干生物量(Mg ha .gydF4y2Ba^{−1gydF4y2Ba})用绿色生物量乘以干物质浓度(%)定量;（gydF4y2Ba4gydF4y2Ba)酸性洗涤纤维(g KggydF4y2Ba^{−1gydF4y2Ba}）, (gydF4y2BavgydF4y2Ba)中性洗涤纤维(g KggydF4y2Ba^{−1gydF4y2Ba})和(gydF4y2Ba6gydF4y2Ba)木质素含量(g KggydF4y2Ba^{−1gydF4y2Ba})是根据戈林提出的方法确定的[gydF4y2Ba45gydF4y2Ba];（gydF4y2Ba7gydF4y2Ba)生物质消化率(g KggydF4y2Ba^{−1gydF4y2Ba})是由Tilley和Terry描述的方法确定的[gydF4y2Ba46gydF4y2Ba];和(gydF4y2Ba8gydF4y2Ba)干物质浓度(%)是通过从每个地块取样三株完整植物，称重(鲜重)后在窑中干燥，直到重量稳定。再次称重(干重)，干物质浓度由干重与鲜重之比确定。这一性状被用作估计生物量消化率的公分母。对于酸性洗涤纤维、中性洗涤纤维、木质素含量和生物量消化率，在切割试验小区前随机采集3个成套植物样本。这些样品在56°C的强制空气循环烘箱中干燥72小时。干燥后，样品在Wiley型研磨机中研磨成1毫米的小颗粒，并如上所述进行分析。采用近红外光谱法(NIRS)测定了第3、5、6次切屑的酸性和中性洗涤纤维、木质素含量、生物量消化率和干物质浓度。来自第一次和第二次扦插和其他实验(即生物量质量分析的传统方法)的数据被用于近红外光谱校准。表型数据见附加文件gydF4y2Ba2gydF4y2BaS2:表。gydF4y2Ba

基因分型、质量控制和归化gydF4y2Ba

利用18个SSR标记进行基因分型，如Azevedo等[gydF4y2Ba15gydF4y2Ba］.每个标记的等位基因显示在附加文件中gydF4y2Ba3.gydF4y2Ba:表S3。由于与象草多倍体相关的SSR标记具有多等位特性，每个等位基因被认为是一个标记(共111个标记)。根据Viana等人的研究，每个标记的个体编码为0(等位基因缺失)或1(等位基因存在)。[gydF4y2Ba47gydF4y2Ba］.缺失值超过15%的SSRs(即，呼叫率至少为85%)和/或小等位基因频率超过1%的SSRs被移除。对标记矩阵(gydF4y2BaMgydF4y2Ba_我gydF4y2Ba）：gydF4y2Ba\ ({M} _i = \ \{\{数组}{c}如果开始:{p} _i le 0.5 \ \ {M} _i = 0 \ \ \{}如果:0.5 < {p} _i le 1 \ \ {M} _i = 1 \{数组}\右结束。\)gydF4y2Ba,在那里gydF4y2BapgydF4y2Ba_我gydF4y2Ba等位基因频率是否与位点上的标记有关gydF4y2Ba我gydF4y2Ba．算法直接以R函数的形式实现。质量控制后共使用87个标记。根据以前的研究[gydF4y2Ba28gydF4y2Ba，gydF4y2Ba29gydF4y2Ba，gydF4y2Ba48gydF4y2Ba，gydF4y2Ba49gydF4y2Ba， SSR标记在珍珠粟的1、3、4、5、6、7号染色体上。gydF4y2Ba

ssGBLUPgydF4y2Ba

采用混合模型方法进行统计分析，使用ssGBLUP [gydF4y2Ba50gydF4y2Ba，gydF4y2Ba51gydF4y2Ba］.统计模型表示为:gydF4y2BaygydF4y2Ba=gydF4y2BaXmgydF4y2Ba+gydF4y2Ba咱gydF4y2Ba+gydF4y2BaZggydF4y2Ba+gydF4y2Ba白平衡gydF4y2Ba+gydF4y2Ba“透明国际”gydF4y2Ba+gydF4y2BaTrgydF4y2Ba+gydF4y2BaQpgydF4y2Ba+gydF4y2BaεgydF4y2Ba,在那里gydF4y2BaygydF4y2Ba是五次剪枝反应的载体(仅使用表型数据);gydF4y2Ba米gydF4y2Ba为测量-复制组合(假定为固定值)加到总体平均值的影响向量;gydF4y2Ba一个gydF4y2Ba是遗传效应的载体(假设为随机的);gydF4y2BaggydF4y2Ba为剩余遗传效应的载体(假设为随机);gydF4y2BabgydF4y2Ba是方块效果的向量(假设为随机);gydF4y2Ba我gydF4y2Ba为基因型剪切互作的载体;gydF4y2BargydF4y2Ba为切割互作剩余基因型的载体;gydF4y2BapgydF4y2Ba为永久环境影响的矢量(随机);gydF4y2BaεgydF4y2Ba为残差向量(随机);和gydF4y2BaXgydF4y2Ba，gydF4y2BaZgydF4y2Ba，gydF4y2BaWgydF4y2Ba，gydF4y2BaTgydF4y2Ba,gydF4y2Ba问gydF4y2Ba表示这些影响的关联矩阵。gydF4y2Ba

考虑以下随机效应的分布:gydF4y2Ba\ (\ sim N \离开(G \ bigotimes{\σ}_a ^ 2 \) \)gydF4y2Ba；gydF4y2Ba\ (g \ sim N \离开(我\ bigotimes{\σ}_ {rg} ^ 2 \) \)gydF4y2Ba；gydF4y2Ba\ (b \ sim N \离开(我\ bigotimes{\σ}_b ^ 2 \) \)gydF4y2Ba；gydF4y2Ba\(我\ sim N \离开({G} _i \ bigotimes{\σ}_i ^ 2 \) \)gydF4y2Ba；gydF4y2Ba\ (r \ N sim \离开(我\ bigotimes{\σ}_ {ri} ^ 2 \) \)gydF4y2Ba；gydF4y2Ba\ (p \ sim N \离开(我\ bigotimes{\σ}_p ^ 2 \) \)gydF4y2Ba；和gydF4y2Ba\(varepsilon \sim N\left(I\bigotimes {sigma}_e^2\right) \)gydF4y2Ba,在那里gydF4y2BaGgydF4y2Ba是基因组相加关系的矩阵，gydF4y2Ba我gydF4y2Ba是一个合适维度的单位矩阵，gydF4y2BaGgydF4y2Ba_我gydF4y2Ba是基因组相互作用(通过切割相互作用的基因型)的矩阵，gydF4y2Ba\({\σ}_a ^ 2 \)gydF4y2Ba，gydF4y2Ba\({\σ}_ {rg} ^ 2 \)gydF4y2Ba，gydF4y2Ba\({\σ}_b ^ 2 \)gydF4y2Ba，gydF4y2Ba\({\σ}_i ^ 2 \)gydF4y2Ba，gydF4y2Ba\({\σ}_ {ri} ^ 2 \)gydF4y2Ba，gydF4y2Ba\({\σ}_p ^ 2 \)gydF4y2Ba和gydF4y2Ba\({\σ}_e ^ 2 \)gydF4y2Ba分别为加性分量、残差遗传分量、块性分量、切割互作残差基因型分量、切割互作残差基因型分量、永久环境分量和残差方差分量。Oakey等人认为，上述模型包括切割相互作用的残留遗传效应和残留基因型[gydF4y2Ba22gydF4y2Ba］.gydF4y2Ba

一种可加关系矩阵结构(gydF4y2BaGgydF4y2Ba)，根据Resende等人[gydF4y2Ba24gydF4y2Ba，并用表达式表示gydF4y2Ba\ (G = \压裂{Z ^ {\ ast} {Z} ^ {\ ast \ '}} {\ sum_i ^ n p {} _i \离开(1 - p {} _i \右)}\)gydF4y2Ba,在那里gydF4y2BaZgydF4y2Ba^∗gydF4y2Ba=gydF4y2BaZgydF4y2Ba−gydF4y2BaPgydF4y2Ba,在这gydF4y2BaZgydF4y2Ba基质是否含有标记基因型和gydF4y2BaPgydF4y2Ba是一个矩阵gydF4y2BapgydF4y2Ba_我gydF4y2Ba元素列gydF4y2Ba我gydF4y2Ba．gydF4y2Ba

由于存在10个非基因型的基因型，基因组关系矩阵(gydF4y2BaHgydF4y2Ba^{−1gydF4y2Ba})，根据Legarra等人[gydF4y2Ba50gydF4y2Ba］.该表达式声明gydF4y2Ba\ ({H} ^{1} ={一}^{1}+左\[开始\{数组}{cc} 0 & 0 & 0 \ \ {} {G} ^ {\ ast 1} -{一}_{22}^{1}{数组}\ \端]\)gydF4y2Ba,在那里gydF4y2Ba一个gydF4y2Ba^{−1gydF4y2Ba}是不是系谱关系与所有象草基因型相反呢gydF4y2Ba\ ({} _ {22} ^ {1} \)gydF4y2Ba是系谱关系的逆型，仅为象草基因型。gydF4y2Ba一个gydF4y2Ba和gydF4y2Ba一个gydF4y2Ba_22gydF4y2Ba是本研究的身份矩阵，因为没有系谱的信息。精确地计算…的倒数gydF4y2BaGgydF4y2Ba组成的gydF4y2BaHgydF4y2Ba^{−1gydF4y2Ba}矩阵，我们使用了算法gydF4y2BaGgydF4y2Ba^∗gydF4y2Ba= 0.95gydF4y2BaGgydF4y2Ba+ 0.05gydF4y2Ba一个gydF4y2Ba_22gydF4y2Ba［gydF4y2Ba52gydF4y2Ba］.gydF4y2Ba

从矩阵gydF4y2BaHgydF4y2Ba^{−1gydF4y2Ba}， ssGBLUP过程按照指定的模型运行。对于模型的随机效应，采用单自由度卡方检验评估似然比检验的显著性。使用ASReml 4.1软件执行ssGBLUP [gydF4y2Ba53gydF4y2Ba］.gydF4y2Ba

的准确性(gydF4y2Bar \({} _{\帽子{一}}\)gydF4y2Ba)考虑ssGLUP模型的加性效应估计为gydF4y2Bar \({} _{\帽子{一}}= \√6{1 - \压裂{PEV_a}{{\σ}}{\帽子_a ^ 2}} \)gydF4y2Ba,在那里gydF4y2BaPEVgydF4y2Ba_{一个gydF4y2Ba}为加性效应的混合模型方程左侧对角线元反求得到的预测误差方差。gydF4y2Ba

简单重复性加基因型剪切(G × C)互作模型gydF4y2Ba

模型运行时不考虑基因型之间的关系(简单重复性+ G × C互作模型)，如下:gydF4y2BaygydF4y2Ba=gydF4y2BaXmgydF4y2Ba+gydF4y2BaZggydF4y2Ba+gydF4y2Ba白平衡gydF4y2Ba+gydF4y2Ba“透明国际”gydF4y2Ba+gydF4y2BaQpgydF4y2Ba+gydF4y2BaεgydF4y2Ba,在那里gydF4y2BaygydF4y2Ba是五次剪枝反应的载体(仅使用表型数据);gydF4y2Ba米gydF4y2Ba为测量-复制组合(假定为固定值)加到总体平均值的影响向量;gydF4y2BaggydF4y2Ba是遗传效应的载体(假设为随机的);gydF4y2BabgydF4y2Ba是方块效果的向量(假设为随机);gydF4y2Ba我gydF4y2Ba为基因型剪切互作的载体;gydF4y2BapgydF4y2Ba为永久环境效应矢量(随机);gydF4y2BaεgydF4y2Ba为残差向量(随机);和gydF4y2BaXgydF4y2Ba，gydF4y2BaZgydF4y2Ba，gydF4y2BaWgydF4y2Ba，gydF4y2BaTgydF4y2Ba,gydF4y2Ba问gydF4y2Ba表示这些影响的关联矩阵。gydF4y2Ba

考虑以下随机效应的分布:gydF4y2Ba\ (g \ sim N \离开(我\ bigotimes{\σ}_g ^ 2 \) \)gydF4y2Ba；gydF4y2Ba\ (b \ sim N \离开(我\ bigotimes{\σ}_b ^ 2 \) \)gydF4y2Ba；gydF4y2Ba\(我\ sim N \离开({G} _i \ bigotimes{\σ}_i ^ 2 \) \)gydF4y2Ba；gydF4y2Ba\ (p \ sim N \离开(我\ bigotimes{\σ}_p ^ 2 \) \)gydF4y2Ba；和gydF4y2Ba\(varepsilon \sim N\left(I\bigotimes {sigma}_e^2\right)， \)gydF4y2Ba在哪里gydF4y2Ba我gydF4y2Ba单位矩阵是否具有合适的维数和gydF4y2Ba\({\σ}_g ^ 2 \)gydF4y2Ba，gydF4y2Ba\({\σ}_b ^ 2 \)gydF4y2Ba，gydF4y2Ba\({\σ}_i ^ 2 \)gydF4y2Ba，gydF4y2Ba\({\σ}_p ^ 2 \)gydF4y2Ba和gydF4y2Ba\({\σ}_e ^ 2 \)gydF4y2Ba分别为遗传、区段、基因型切割交互作用、永久环境和残差方差分量。ASReml 4.1中采用简单重复性加G × C交互模型[gydF4y2Ba53gydF4y2Ba］.gydF4y2Ba

的准确性(gydF4y2Bar \ ({} _ {\ g帽子{g}} \)gydF4y2Ba)的基因型效应(遗传效应)估计为简单重复性加G × C互作模型gydF4y2Bar \ ({} _ {\ g帽子{g}} = \√6{1 - \压裂{PEV_g}{{\σ}}{\帽子_g ^ 2}} \)gydF4y2Ba,在那里gydF4y2BaPEVgydF4y2Ba_ggydF4y2Ba为遗传效应混合模型方程左侧对角线元反求得到的预测误差方差。gydF4y2Ba

基因组协会研究gydF4y2Ba

基因分型和表现型的90个象草基因型被用于基因组关联研究。R包“sommer”(GWAS2函数[gydF4y2Ba54gydF4y2Ba)显示标记与表型性状之间存在显著的相关性。通过切割相互作用的基因型被纳入使用该模型的每个切割的关联研究gydF4y2BaygydF4y2Ba=gydF4y2BaXmgydF4y2Ba+gydF4y2BaμgydF4y2Ba+gydF4y2Ba咱gydF4y2Ba+gydF4y2BaZggydF4y2Ba+gydF4y2Ba白平衡gydF4y2Ba+gydF4y2BaεgydF4y2Ba,在那里gydF4y2BaygydF4y2Ba为每次切割的响应向量;gydF4y2Ba米gydF4y2Ba为复制效应(假定为固定)加到总体平均值的向量;gydF4y2BaugydF4y2Ba为标记向量(假定为固定);gydF4y2Ba一个gydF4y2Ba是遗传效应的载体(假设为随机的);gydF4y2BaggydF4y2Ba为剩余遗传效应的载体(假设为随机);gydF4y2BabgydF4y2Ba是方块效果的向量(假设为随机);gydF4y2BaεgydF4y2Ba为残差向量(随机);和gydF4y2BaXgydF4y2Ba，gydF4y2BaMgydF4y2Ba，gydF4y2BaZgydF4y2Ba,gydF4y2BaWgydF4y2Ba表示这些影响的关联矩阵。gydF4y2Ba

考虑以下随机效应的分布:gydF4y2Ba\ (\ sim N \离开(G \ bigotimes{\σ}_a ^ 2 \) \)gydF4y2Ba，gydF4y2Ba\ (g \ sim N \离开(我\ bigotimes{\σ}_ {rg} ^ 2 \) \)gydF4y2Ba，gydF4y2Ba\ (b \ sim N \离开(我\ bigotimes{\σ}_b ^ 2 \右),\)gydF4y2Ba和gydF4y2Ba\(varepsilon \sim N\left(I\bigotimes {sigma}_e^2\right) \)gydF4y2Ba．在这些表达式,gydF4y2BaGgydF4y2Ba是基因组相加关系的矩阵，gydF4y2Ba我gydF4y2Ba单位矩阵的维数合适吗gydF4y2Ba\({\σ}_a ^ 2 \)gydF4y2Ba，gydF4y2Ba\({\σ}_ {rg} ^ 2 \)gydF4y2Ba，gydF4y2Ba\({\σ}_ {b} ^ 2 \)gydF4y2Ba和gydF4y2Ba\({\σ}_ {\ varepsilon} ^ 2 \)gydF4y2Ba分别为加性、残差遗传、区段和残差方差。gydF4y2Ba

标记−log(gydF4y2BaPgydF4y2Ba−gydF4y2Ba价值gydF4y2Ba)达到错误发现率(FDR)阈值则视为候选标记。为了计算FDR，一个0.02的阈值水平和gydF4y2BapgydF4y2Ba< 0.05。gydF4y2Ba

我们使用R包LDcorSV中的LD.Measures函数来计算连杆不平衡(gydF4y2BargydF4y2Ba^2gydF4y2Ba)，正如Hill和Robertson所描述的[gydF4y2Ba55gydF4y2Ba]：gydF4y2Ba\ ({r} ^ 2 = \压裂{{\离开[p (AB) p - p (A) (B) \]} ^ 2} {p (A) (B) \左左[1 - p(一)\]\ [1 - p (B) \]} \)gydF4y2Ba,在那里gydF4y2BapgydF4y2Ba（gydF4y2BaABgydF4y2Ba)是单倍型AB和的频率gydF4y2BapgydF4y2Ba（gydF4y2Ba一个gydF4y2Ba),gydF4y2BapgydF4y2Ba（gydF4y2BaBgydF4y2Ba)分别为等位基因A和B的频率。因此,gydF4y2BargydF4y2Ba^2gydF4y2Ba范围从0(当两个标记完全平衡)到1(当两个标记提供相同的信息)。曼哈顿地块和QQ地块是通过“sommer”包获得的[gydF4y2Ba54gydF4y2Ba在R中[gydF4y2Ba56gydF4y2Ba］.gydF4y2Ba

比对、候选基因和基因注释gydF4y2Ba

利用植物比较基因组学门户Phytozome, BLAST通过设置默认参数组装候选基因列表[gydF4y2Ba57gydF4y2Ba]基于相关物种(参考基因组;例如,gydF4y2Ba美国italicagydF4y2Ba，gydF4y2Ba美国绿冬青gydF4y2Ba，gydF4y2Bap . virgatumgydF4y2Ba,gydF4y2Bap . halligydF4y2Ba）.BLAST搜索gydF4y2Bac也gydF4y2Ba美国国家生物技术信息中心网站(gydF4y2Bahttps://blast.ncbi.nlm.nih.gov/Blast.cgigydF4y2Ba）.利用引物M28R (CGAATACGTATGGAGAACTGCGCATC)和M35R (ATCCACCCGACGAAGGAAACGA)的序列进行搜索。基因注释，同源基因gydF4y2Ba答:芥gydF4y2Ba利用拟南芥信息资源数据库检索[gydF4y2Ba58gydF4y2Ba］.gydF4y2Ba

本研究期间产生或分析的所有数据均包含在本发表的文章及其补充信息文件中。本文中使用的所有植物材料都属于Embrapa Gado de Leite管理的活性象草种质资源库，在合理要求和签署材料转让协议的情况下，可从通信作者处获得。gydF4y2Ba

阿坝:gydF4y2Ba

脱落酸gydF4y2Ba

ADF:gydF4y2Ba

酸性洗涤纤维gydF4y2Ba

BAGCE:gydF4y2Ba

活跃的象草种质库gydF4y2Ba

爆炸:gydF4y2Ba

基本的局部对齐搜索工具gydF4y2Ba

削减。代表:gydF4y2Ba

切割柱和代表柱的连接gydF4y2Ba

省:gydF4y2Ba

多样性阵列技术gydF4y2Ba

DB:gydF4y2Ba

干重gydF4y2Ba

挖掘:gydF4y2Ba

生物质消化率gydF4y2Ba

糖尿病:gydF4y2Ba

干物质含量gydF4y2Ba

罗斯福:gydF4y2Ba

错误发现率gydF4y2Ba

G×C:gydF4y2Ba

切割互作基因型gydF4y2Ba

遗传算法:gydF4y2Ba

基因组协会gydF4y2Ba

GB:gydF4y2Ba

绿色生物量gydF4y2Ba

创:gydF4y2Ba

基因型gydF4y2Ba

Int(警官):gydF4y2Ba

切割互作基因型gydF4y2Ba

闲逛。gydF4y2Ba

木质素gydF4y2Ba

NDF:gydF4y2Ba

中性洗涤剂纤维gydF4y2Ba

检测:gydF4y2Ba

近红外光谱gydF4y2Ba

体育:gydF4y2Ba

永久的环境gydF4y2Ba

QQ情节:gydF4y2Ba

Quantile-quantile情节gydF4y2Ba

代表:gydF4y2Ba

复制gydF4y2Ba

Res G × C:gydF4y2Ba

通过切割相互作用残留基因型gydF4y2Ba

Res G:gydF4y2Ba

剩余的基因gydF4y2Ba

山:gydF4y2Ba

水杨酸gydF4y2Ba

SNP:gydF4y2Ba

单核苷酸多态性gydF4y2Ba

ssGBLUP:gydF4y2Ba

单步，基于基因组的最佳线性无偏预测gydF4y2Ba

苏维埃社会主义共和国:gydF4y2Ba

简单序列重复gydF4y2Ba

我们感谢Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)、Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)、Empresa Brasileira de Pesquisa Agropecuária (EMBRAPA)和Fundação de Amparo à Pesquisa do Estado de Minas Gerais (FAPEMIG)的资金支持。我们还感谢Associação para o Fomento à Pesquisa de Melhoramento de forrageira (UNIPASTO)的伙伴关系。gydF4y2Ba

这项研究的部分资金来自Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - Brasil (CAPES) - Finance Code 001。我们还获得了Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)、Empresa Brasileira de Pesquisa Agropecuária (EMBRAPA)、Fundação de Amparo à Pesquisa do Estado de Minas Gerais (FAPEMIG)和Associação para o Fomento à Pesquisa de Melhoramento de forrageira (UNIPASTO))的资金支持。JRASCR和TSM获得博士奖学金，FVS获得硕士奖学金。ACS获得FAPEMIG理科硕士奖学金。PCSC和MDVR获得了CNPq的研究资助。资助机构支付与研究相关的费用(实验费用和出版费用)，但在研究的设计、数据的收集、分析和解释以及手稿的撰写中没有发挥作用。gydF4y2Ba

从属关系gydF4y2Ba

1. Universidade Federal de Viçosa, Viçosa, MG, 36570-900，巴西gydF4y2Ba

   João Romero do Amaral Santos de Carvalho Rocha, Tiago de Souza Marçal, Felipe Vicentino Salvador, Adriel Carlos da Silva & Pedro Crescencio Souza CarneirogydF4y2Ba

2. 巴西农业研究公司，科伦坡，83411-000，巴西gydF4y2Ba

   Marcos Deon Vilela de ResendegydF4y2Ba

3. Embrapa Gado de Leite, Juiz de Fora, MG, 36038-330，巴西gydF4y2Ba

   Jailton da Costa Carneiro, Ana Luisa Sousa Azevedo, Jorge Fernando Pereira & Juarez Campolina MachadogydF4y2Ba

贡献gydF4y2Ba

PCSC和JCM构思和设计了实验;JRASCR、ALSA、JCC和JCM进行试验;JRASCR、TSM、FVS、ACS、PCSC、MDVR、ALSA、JFP、JCM分析数据;JRASCR, PCSC, ALSA, JFP和JCM撰写了手稿。所有作者阅读并批准了手稿的最终版本。gydF4y2Ba

相应的作者gydF4y2Ba

对应到gydF4y2Ba华雷斯Campolina马查多gydF4y2Ba．gydF4y2Ba

伦理批准和同意参与gydF4y2Ba

不适用。gydF4y2Ba

同意出版gydF4y2Ba

不适用。gydF4y2Ba

相互竞争的利益gydF4y2Ba

作者宣称，这项研究是在没有任何商业或财务关系的情况下进行的，这些关系可以被解释为潜在的利益冲突。gydF4y2Ba

出版商的注意gydF4y2Ba

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。gydF4y2Ba

开放获取gydF4y2Ba本文遵循知识共享署名4.0国际许可协议(gydF4y2Bahttp://creativecommons.org/licenses/by/4.0/gydF4y2Ba)，它允许在任何媒体上无限制地使用、分发和复制，前提是你给予原作者和来源适当的荣誉，提供一个到知识共享许可协议的链接，并指出是否作出了更改。创作共用及公共领域专用豁免书(gydF4y2Bahttp://creativecommons.org/publicdomain/zero/1.0/gydF4y2Ba)适用于本条提供的数据，除非另有说明。gydF4y2Ba

再版和权限gydF4y2Ba