美国农业部水稻迷你核心集系中量子学和农艺性状的全基因组关联研究及不同作图方法的比较分析gydF4y2Ba

背景gydF4y2Ba

大米是一种重要的人类主食，易受重金属污染而引起严重关注。由于缺乏遗传知识和标记，低重金属污染的高产是全世界水稻育种家普遍但极具挑战性的目标。gydF4y2Ba

结果gydF4y2Ba

为了鉴定候选qtl并开发水稻产量和重金属含量的分子标记，从美国农业部水稻迷你核(mini-core)收集的191份材料中提取了320多万个SNPs，对qtl进行了研究。采用2个单变量(GLM和MLM)和2个多变量(MLMM和FarmCPU)的GWAS方法对16个作物的onomic性状和13个农艺性状进行了分析。离子淹水qtl为106个，离子未淹水qtl为47个，农艺性状qtl为97个gydF4y2BapgydF4y2Ba-value < 1.53 × 10gydF4y2Ba^{−8gydF4y2Ba}，由Bonferroni校正确定gydF4y2BapgydF4y2Ba-value为0.05。250个qtl中有49个(~ 20%)与先前报道的qtl /基因一致，约201个(~ 80%)为新qtl /基因。此外，通过对QTL区域的DNA序列、基因表达和同源性分析，还鉴定出几个新的与农艺性状控制相关的候选基因。我们的结果进一步表明，四种GWAS方法都可以识别独特的和常见的QTL，这表明使用多种GWAS方法在QTL识别中可以相互补充，特别是结合单变量和多变量方法。gydF4y2Ba

结论gydF4y2Ba

在此基础上，在水稻基因组中发现了200多个新qtl。此外，还鉴定出多个新的农艺性状候选基因。本研究为水稻的艺、农艺变异的遗传基础提供了新的认识，为水稻育种标记的开发和减少重金属污染、提高作物产量的进一步研究奠定了基础。最后，通过对GWAS方法的比较分析，表明每种方法都有各自的特点，不同方法可以相互补充。gydF4y2Ba

大米是一种重要的谷物，养活了世界上一半以上的人口。gydF4y2Ba1gydF4y2Ba］．随着全球人口的迅速膨胀，粮食安全已成为一项极具挑战性的任务。与此同时，采矿、冶炼、化工、能源相关工业等人类活动，以及农业中农药、化肥的广泛应用，导致土壤中镉(Cd)、锰(Mn)、镍(Ni)、类金属砷(as)等重金属污染频繁[gydF4y2Ba2gydF4y2Ba］．土壤中重金属元素过量会抑制植物的萌发和生长，导致作物产量下降[gydF4y2Ba3.gydF4y2Ba,gydF4y2Ba4gydF4y2Ba］．同时，植物从污染的土壤中吸收有毒的重金属元素，并积累在可食用的植物组织中，导致食品污染。gydF4y2Ba

淹水稻田的厌氧生长条件和水稻植物独特的生理机能使水稻能够高效地从水和土壤中吸收一些重金属，并将其封存在植物的不同器官中，包括人类消耗的谷物。即使土壤没有或有限的人为污染，米粒中的砷浓度也大约比同一地区种植的其他作物高10倍[gydF4y2Ba5gydF4y2Ba］．据报道，水稻对无机砷和有机砷的产生有很大贡献[gydF4y2Ba6gydF4y2Ba,gydF4y2Ba7gydF4y2Ba,gydF4y2Ba8gydF4y2Ba在世界上许多地区，人类的摄入量。自1997年以来，As被美国有毒物质和疾病登记署(ATSDR)列为危险物质优先清单的首位(gydF4y2Bahttps://www.atsdr.cdc.gov/spl/index.html#2017splgydF4y2Ba)．它也被许多其他国家列为有毒成分，并在食品安全检查中被视为关键污染物。镉是毒性最大的重金属之一，由于作物的强烈吸收，很容易进入食物链[gydF4y2Ba9gydF4y2Ba,gydF4y2Ba10gydF4y2Ba］．Cd一旦被吸收，就会有效地保留在人体内，并可能使其在整个生命周期中停留，估计在肾脏中的生物寿命为6至38年，在肝脏中为4至19年(美国贸易和毒物管理局，1999年)。gydF4y2Ba

与重金属相反，许多矿物元素对人体是必需的，但米粒中缺乏锌、钙和铁[gydF4y2Ba11gydF4y2Ba］．增加这些矿物质的浓度可以提高大米的营养价值，从而促进以大米为主食的人的健康。然而，由于对相关性状的遗传基础和分子机制缺乏了解，增加必需矿物质含量或减少重金属含量极具挑战性。此外，矿物或重金属浓度是否与农艺性状相关的研究还很少。虽然有多个水稻关联图谱研究分别涉及特定的矿物质、重金属和农艺性状，但这些研究使用的要么是不同的图谱群体，要么是不同的统计分析[gydF4y2Ba12gydF4y2Ba,gydF4y2Ba13gydF4y2Ba,gydF4y2Ba14gydF4y2Ba］．因此，每一项研究都揭示了水稻变异遗传基础的一些但不是全部方面。最近对综合序列数据的可访问性，以及促进使用更强大的统计分析的软件的发展，为更全面地研究和理解这些特征的遗传基础提供了机会。gydF4y2Ba

2002年，美国农业部采用分层随机抽样方法收集了约占整个NSGC (National Small Grains Collection)水稻收藏10%的水稻核心收藏，并对其进行了25个特征的综合评估，证明其极具代表性[gydF4y2Ba15gydF4y2Ba］．大米迷你核心系列约占核心系列的10% [gydF4y2Ba16gydF4y2Ba］．在淹水和非淹水生长条件下分析了籽粒矿物浓度[gydF4y2Ba17gydF4y2Ba]，并对核心藏品的农艺性状进行了评价[gydF4y2Ba18gydF4y2Ba］．但这些研究大多是在基因组测序数据可用之前完成的。gydF4y2Ba

双亲本遗传作图和全基因组关联研究(genome -wide association-study, GWAS)是两种不同的定量性状位点(Quantitative Trait Locus, QTL)作图工具。GWAS涉及研究具有更大历史重组事件的自然群体，这可以从更广泛的遗传变异中检测到更多的qtl [gydF4y2Ba19gydF4y2Ba］．因此，通过连锁作图研究双亲杂交后代，可以探索无法揭示的遗传资源[gydF4y2Ba20.gydF4y2Ba］．GWAS已成功应用于多种植物，包括gydF4y2Ba拟南芥gydF4y2Ba［gydF4y2Ba21gydF4y2Ba]，玉米[gydF4y2Ba22gydF4y2Ba,gydF4y2Ba23gydF4y2Ba]，大麦[gydF4y2Ba24gydF4y2Ba]，小麦[gydF4y2Ba25gydF4y2Ba]，大米[gydF4y2Ba26gydF4y2Ba,gydF4y2Ba27gydF4y2Ba]，大豆[gydF4y2Ba28gydF4y2Ba]和棉花[gydF4y2Ba29gydF4y2Ba］．它是作物改良的重要工具。gydF4y2Ba

单变量GWAS是一种已成功用于植物和动物基因定位的定位方法。然而，由于群体结构、亲缘关系和标记物之间的混淆问题，大量基因可能无法检测到(假阴性qtl)。群体结构导致未链接位点之间的全基因组连锁失衡，导致全基因组关联研究中的统计混淆。混合模型已被证明能很好地处理扩散背景中大量小效应位点的混杂效应，但它们并不总是能解释大效应位点[gydF4y2Ba30.gydF4y2Ba］．多变量GWAS方法考虑了协变量与检测标记物之间的混淆问题，可以检测出更多的qtl，既往报道显示，与单变量GWAS方法相比，多变量GWAS在使用相同阈值时FDR更低[gydF4y2Ba30.gydF4y2Ba］．近年来，人们开发了大量多元GWAS方法，包括MLMM (multi-locus mixed-model，多位点混合模型)[gydF4y2Ba30.gydF4y2Ba]， FarmCPU(固定随机模型循环概率统一)[gydF4y2Ba31gydF4y2Ba]， mrMLM(多位点随机- snp效应MLM) [gydF4y2Ba32gydF4y2Ba]， FASTmrMLM(快速mrMLM) [gydF4y2Ba33gydF4y2Ba]， FASTmrEMMA(快速多位点随机- snp效应高效混合模型分析)[gydF4y2Ba34gydF4y2Ba]， pLARmEB(基于多基因背景控制的最小角度回归+经验贝叶斯)[gydF4y2Ba35gydF4y2Ba]， pKWmEB (Kruskal-Wallis检验与经验贝叶斯的整合)[gydF4y2Ba36gydF4y2Ba]， ISIS EM-BLASSO(迭代修正-确定独立筛选期望-最大化-贝叶斯最小绝对收缩和选择算子)[gydF4y2Ba37gydF4y2Ba]，以及GPWAS (Genome-Phenome Wide Association Study) [gydF4y2Ba38gydF4y2Ba］．MLMM [gydF4y2Ba30.gydF4y2Ba]使用正向向后逐步线性混合模型回归，正向逐步使用最显著的相关SNP作为新的固定效应协变量(协因子)并创建一个新模型，直到达到预先指定的最大正向步数，反向逐步意味着删除最不显著的SNP并创建一个新的更小的模型，直到只剩下一个选定的标记。而FarmCPU [gydF4y2Ba31gydF4y2Ba]在固定效应模型(FEM)中以相关标记作为协变量进行标记测试，然后在随机效应模型中分别对相关的协变量标记进行优化。这些多元GWAS方法已成功应用于几种不同的作物物种，包括棉花[gydF4y2Ba39gydF4y2Ba]，大米[gydF4y2Ba40gydF4y2Ba,gydF4y2Ba41gydF4y2Ba]，谷子[gydF4y2Ba42gydF4y2Ba]，大豆[gydF4y2Ba43gydF4y2Ba,gydF4y2Ba44gydF4y2Ba]，玉米[gydF4y2Ba45gydF4y2Ba,gydF4y2Ba46gydF4y2Ba]和小麦[gydF4y2Ba47gydF4y2Ba,gydF4y2Ba48gydF4y2Ba］．gydF4y2Ba

GWAS已广泛应用于水稻制图研究。然而，大多数研究使用单变量方法。多变量分析方法和深层DNA测序资源的开发还很薄弱。例如Yan et al.(2014) [gydF4y2Ba49gydF4y2Ba]仅使用155个分子标记(154个SSR标记和1个indel标记)对农艺性状进行了有限的GWAS。然而，由于标记物数量有限，本研究无法精确地确定相关位点。随着测序技术的发展，越来越多的标记，特别是SNP标记，在关联作图研究中已被证明是成功的[gydF4y2Ba50gydF4y2Ba,gydF4y2Ba51gydF4y2Ba］．微型堆芯的重测序数据已存入SRA数据库gydF4y2Bahttps://www.ncbi.nlm.nih.gov/sragydF4y2Ba(加入编号:PRJNA301661)最近[gydF4y2Ba52gydF4y2Ba]，这为我们利用更高密度的基因型数据改进GWAS，并评估不同GWAS分析方法的有效性提供了机会。为了识别所有可能的控制农艺性状的qtl，用于标记开发和基因表征，我们采用两种单变量GWAS方法(GLM和MLM)和两种多变量GWAS方法(MLMM和FarmCPU)对美国农业部水稻迷你核心集中的相关qtl进行检测。分析的离子性状包括As、Ca、Co、Cd、Cu、Fe、K、Mg、Mn、Mo、Ni、P、Rb、S、Sr、Zn)，农艺性状包括直链淀粉(amylose)、芒型(AWNTYPE)、花期(DAYSFLOWER)、壳色(HULLCOLOR)、盖度(HULLCOVER)、粒长(KERNELLEN)、粒宽(KERNELWID)、粒率(KERNELRAT)、粒重(KERNELWT)、倒伏(lodging)、穗型(PANICLETYPE)、株高(PLANTHT)、株型(PLANTTYPE)。结果表明，我们成功地重新定位了49个在水稻农艺性状控制中起重要作用的位点/基因。同时，发现了200多个涉及重金属、矿物质和农艺性状控制的新位点。此外，通过DNA序列、表达和同源分析，鉴定出多个参与调控艺、农艺性状的候选基因。这些研究为研究水稻生殖性状和农艺性状变异的遗传基础以及这些性状之间可能的相关性提供了新的视角。研究结果对进一步精细定位相关遗传位点和指导水稻育种具有重要的参考价值。gydF4y2Ba

snp的特征gydF4y2Ba

来自美国农业部水稻Mini Core的191个种质的高质量重测序原始数据(补充表SgydF4y2Ba1gydF4y2Ba)，检索自NCBI SRA数据库(编号:PRJNA301661) [gydF4y2Ba52gydF4y2Ba］．用GATK软件对191份资料进行基因分型。经小等位基因频率(≥0.05)和完整性(≥0.4)筛选，共获得3259,478个SNPs。由Beagle 5.0软件生成的估算SNPs [gydF4y2Ba53gydF4y2Ba]，用于进一步分析。表中总结了这些snp在基因组中的分布gydF4y2Ba1gydF4y2Ba和无花果。gydF4y2Ba1gydF4y2Baa，基因组整体SNP密度为114.51 (bp/SNP)。在12条水稻染色体上，SNPs的数量在212,238到375,296之间。4号染色体的标记密度最小，为127.23 (bp/SNP)， 11号染色体的标记密度最大，为每100.40 bp 1个SNP。gydF4y2Ba

人口结构与连锁失衡gydF4y2Ba

在最佳K模型(K = 4)下，将191份种质材料分为籼稻(63份)、Aus(37份)、温带粳稻(28份)和热带粳稻(31份)4个遗传系(图4)。gydF4y2Ba1gydF4y2Bab)，由最低CV(交叉验证误差)评分决定(图。gydF4y2Ba1gydF4y2Bac).由于各亚群体的比例低于70%，有32份被归为外加剂(ADM)。gydF4y2Ba

为了减少计算量，选择高质量的SNPs (SNPs完整性大于0.8)构建极大似然(ML)树来说明191份水稻种质的系统发育关系(图2)。gydF4y2Ba1gydF4y2Bad).将群体分为4个亚群体，根据admix分析结果确定每个分支的颜色。系统发育树分析结果与外加剂分析结果一致。gydF4y2Ba

基于3259,478个snp进行主成分分析。四个可以想象的亚种群由PC1、PC2和PC3分开。前三个主成分(PCs)解释了超过50%的遗传变异。第一个PC区区分了籼稻和粳稻亚群(35.70%)，第二个PC区区分了Aus和籼稻品种，而第三个PC区区分了温带粳稻和热带粳稻品种群(图2)。gydF4y2Ba1gydF4y2Bae和f).根据外聚物分析、系统进化树和主成分分析结果，将种群分为4个亚群。此外，在所有种群中，snp之间的物理距离随LD的衰减发生在191 kb处(gydF4y2BargydF4y2Ba^2gydF4y2Ba= 0.2)(图gydF4y2Ba1gydF4y2BaG)，与之前的研究结果相似[gydF4y2Ba54gydF4y2Ba］．籼稻亚群体LD衰减最快，温带粳稻亚群体LD衰减时间最长。gydF4y2Ba

不同性状的相关性gydF4y2Ba

水淹环境下籽粒离子组学与农艺性状的相关性分析(补充图S .gydF4y2Ba1gydF4y2Baa)非水淹环境下籽粒离子学与农艺性状之间的关系(补充图SgydF4y2Ba1gydF4y2Bab)，以及淹水与非淹水生长条件下的晶粒离子学(补充图SgydF4y2Ba1gydF4y2BaC)进行。结果表明，淹水和未淹水情况下，花期与Rb有很强的相关性(0.53)gydF4y2Ba1gydF4y2BaA和b)环境。淹水环境和非淹水环境下水稻籽粒中Cd、Mo和Rb的积累呈相关性gydF4y2BargydF4y2Ba= 0.52, 0.81, 0.60(补充图SgydF4y2Ba1gydF4y2Bac)。gydF4y2Ba

单变量GWAS和多变量GWAS的全基因组关联研究gydF4y2Ba

淹水和非淹水条件下的16项籽粒特征(As、Ca、Co、Cd、Cu、Fe、K、Mg、Mn、Mo、Ni、P、Rb、S、Sr和Zn)与报道相同[gydF4y2Ba17gydF4y2Ba］．13个农艺性状，包括直链淀粉、AWNTYPE、DAYSFLOWER、壳色、壳盖、KERNELLEN、KERNELWID、KERNELRAT、KERNELWT、倒伏、圆锥型、植株型和植株型[gydF4y2Ba18gydF4y2Ba]由Yan分享，如所述[gydF4y2Ba55gydF4y2Ba,gydF4y2Ba56gydF4y2Ba]并使用Li等人描述的方法进行记录[gydF4y2Ba57gydF4y2Ba,gydF4y2Ba58gydF4y2Ba,gydF4y2Ba59gydF4y2Ba］．采用两种单变量GWAS (GLM和MLM)和两种多变量GWAS (MLMM和FarmCPU)方法对所有这些性状进行分析，以鉴定qtl。共有106个显著qtl (gydF4y2BapgydF4y2Ba-value < 1.53 × 10gydF4y2Ba^{−8gydF4y2Ba})与淹水条件下水稻籽粒中Cd、Co、Cu、K、Mo、Ni、Rb、Sr和Zn 9个离子系性状的浓度相关，其中GLM、MLM、MLMM和FarmCPU分别鉴定出63、68、17和44个显著qtl(图2)。gydF4y2Ba2gydF4y2Ba和补充图SgydF4y2Ba4gydF4y2Bab). Cd共鉴定出28个显著qtl。其中三个位于已发表基因附近(gydF4y2BaCAL1gydF4y2Ba［gydF4y2Ba14gydF4y2Ba]，gydF4y2BaOsHMA2gydF4y2Ba［gydF4y2Ba60gydF4y2Ba]，gydF4y2BargMTgydF4y2Ba［gydF4y2Ba61gydF4y2Ba])，它们已被证明与Cd积累或抗性有关。其中7个是在以前使用单变量方法进行的制图研究中确定的(补充表SgydF4y2Ba2gydF4y2Ba)．在我们的研究中，所有7个qtl都通过单变量GWAS方法(GLM和MLM)识别，但其中只有2个qtl也通过多变量GWAS方法(MLMM和FarmCPU)检测到。对于Co，共检测到11个显著qtl。其中两个(一个用单变量方法鉴定，另一个用FarmCPU检测)与先前报道的qtl定位在一起。其中9个为本研究新发现的qtl, MLMM法发现2个显著qtl, FarmCPU法发现7个显著qtl。检测到3个与K显著相关的qtl，其中1个(仅由FarmCPU检测到)在之前的研究中也检测到[gydF4y2Ba62gydF4y2Ba］．对于Zn，确定了10个显著qtl，其中3个与先前报道的位点共同定位[gydF4y2Ba12gydF4y2Ba,gydF4y2Ba13gydF4y2Ba,gydF4y2Ba62gydF4y2Ba,gydF4y2Ba63gydF4y2Ba］．其中，单变量和多变量方法均检测到7号染色体约18001929 bp的一个显著QTL，该QTL位于已报道QTL附近gydF4y2BaqZN-7gydF4y2Ba［gydF4y2Ba13gydF4y2Ba］．其余2个qtl仅采用FarmCPU法检测。gydF4y2Ba

在非淹水环境中，仅检测到47个qtl与Cd、Fe、Mo、Ni和Zn浓度显著相关。其中，GLM、MLM、MLMM、FarmCPU分别鉴定出29、25、10和20个显著qtl。gydF4y2Ba2gydF4y2Ba和补充图SgydF4y2Ba4gydF4y2Bac).鉴定出23个与Cd相关的qtl, 1个位于Cd附近gydF4y2BaCAL1gydF4y2Ba基因(gydF4y2Ba14gydF4y2Ba]， 8个qtl与之前的研究共定位(补充表SgydF4y2Ba2gydF4y2Ba)．在8个共定位qtl中，5个通过单变量方法检测，3个通过多变量方法识别。对于Fe，确定了7个显著qtl，其中2个在之前的研究中也有报道[gydF4y2Ba62gydF4y2Ba,gydF4y2Ba63gydF4y2Ba]，而这两种情况仅在目前的研究中被FarmCPU检测到。我们注意到，对于使用GLM和MLM方法鉴定的qtl较多的性状，如Cd和Mo, MLMM和FarmCPU鉴定的qtl数量较少。当GLM和MLM方法鉴定失败或仅鉴定出少数显著qtl时，如Co、Fe、K和Zn浓度调控qtl鉴定时，MLMM和FarmCPU方法均能成功鉴定qtl(补充图S)gydF4y2Ba2gydF4y2Ba)．图S中的qq图gydF4y2Ba2gydF4y2Ba(c)显示了MLMM和FarmCPU的力量，这表明没有通货膨胀的证据，但有充分的证据表明实际影响。相比之下，图S中GLM和MLM的qq图gydF4y2Ba2gydF4y2Ba(c)为假阳性峰值趋势。这一观察结果在挖掘控制节间和农艺性状的关键候选基因时得到了进一步证实。有趣的是，在淹水生长条件下鉴定的106个(ionomic) qtl中，只有3个与未淹水生长条件下鉴定的qtl相同。3个qtl(在第5、6和12号染色体上标记有星号的qtl;无花果。gydF4y2Ba2gydF4y2Ba，补充图SgydF4y2Ba2gydF4y2Ba，及补充表SgydF4y2Ba2gydF4y2BaCd和Mo浓度的调控均与这3个qtl的性状相关，说明这3个qtl的性状不受水分条件的影响。此外，有几个位点与多个性状相关，表明这些qtl可能具有多效性。例如，2号染色体上15.5 Mb附近的区域与Cd和Mo有关(图2)。gydF4y2Ba2gydF4y2Ba)．gydF4y2Ba

在农艺性状方面，共有97个显著qtl (gydF4y2BapgydF4y2Ba-value < 1.53 × 10gydF4y2Ba^{−8gydF4y2Ba}除KERNELWT和PLANTTYPE外，其余13个农艺性状均被检测。gydF4y2Ba3.gydF4y2Ba，补充表SgydF4y2Ba2gydF4y2Ba)．GLM、MLM、MLMM和FarmCPU分别鉴定出39、16、29和50个显著qtl(补充图SgydF4y2Ba4gydF4y2Ba一个)。gydF4y2Ba蜡gydF4y2Ba［gydF4y2Ba64gydF4y2Ba),gydF4y2Ba碱性gydF4y2Ba［gydF4y2Ba65gydF4y2Ba]基因被证明与直链淀粉含量显著相关，这与之前的报道一致。增重大小是一个重要的农艺性状，与产量和品质密切相关。许多qtl已被报道与水稻籽粒大小相关，籽粒大小可分解为籽粒长度、宽度和厚度(gydF4y2BaGS3gydF4y2Ba［gydF4y2Ba66gydF4y2Ba]，gydF4y2BaGS5gydF4y2Ba［gydF4y2Ba67gydF4y2Ba]，gydF4y2BaGW5gydF4y2Ba［gydF4y2Ba68gydF4y2Ba]，gydF4y2BaGW8gydF4y2Ba［gydF4y2Ba69gydF4y2Ba]，gydF4y2BaGL7gydF4y2Ba［gydF4y2Ba70gydF4y2Ba]，gydF4y2BaTGW6gydF4y2Ba［gydF4y2Ba71gydF4y2Ba),等等)。本研究以水稻粒长(KERNELLEN)、粒宽(KERNELWID)、粒率(KERNELRAT)和粒重(KERNELWT) 4类籽粒大小相关性状为研究对象。通过单变量和多变量GWAS方法共检测到13个qtl。其中3个采用单变量(GLM或MLM) GWAS方法检测，12个采用多变量(MLMM和FarmCPU) GWAS方法检测。13个qtl中分别有6个、2个和5个与KERNELLEN、KERNELWID和KERNELRAT相关。未发现与KERNELWT相关的显著QTL。值得注意的是，四种方法均检测到一个QTL(第3染色体位置16,733,441)(补充图SgydF4y2Ba3.gydF4y2Baf). QTL定位于基因上gydF4y2BaGS3gydF4y2Ba［gydF4y2Ba66gydF4y2Ba]，是调节颗粒大小和器官大小的主要基因。值得注意的是，FarmCPU还鉴定出了5个更显著的snp，其中一个位于第4染色体上，位于染色体附近gydF4y2BaNAL1gydF4y2Ba基因，已被证明与水稻产量有关[gydF4y2Ba72gydF4y2Ba］．对于KERNELWID性状，仅采用MLMM方法检测到两个显著qtl，其他方法均未发现候选qtl。其中一个qtl位于第5染色体的5364561 bp处，与一个著名的qtl相距约0.56 kbgydF4y2BaGW5gydF4y2Ba控制水稻粒宽的基因(补充图SgydF4y2Ba3.gydF4y2Bag) (gydF4y2Ba73gydF4y2Ba］．这些结果证明了GWAS的强大，尤其是多元(MLMM和FarmCPU) GWAS方法的强大。gydF4y2Ba

农艺相关性状候选基因的挖掘gydF4y2Ba

倒伏和株高均与细胞壁性质有关，细胞壁性质影响水稻产量。稳定生产需要适当的株高和结实的茎[gydF4y2Ba74gydF4y2Ba］．1号染色体上有一簇约33.4 Mb的SNP(宿位:33,010,693至33,975,764，领先SNP为33,469,251;株高:33,181,529至33,7300,067，其中领先SNP为33,363,796)与倒伏和株高显著相关(补充图SgydF4y2Ba3.gydF4y2Ba通过LD块分析，我们定义了一个72.37 kb的包含12个基因的块(33,458,683- 33,531,049)作为候选位点。在这些基因中，gydF4y2BaOsPME6gydF4y2Ba（gydF4y2BaOs01g0788400gydF4y2Ba)被注释为果胶甲基酯酶6，该酶与细胞壁修饰过程有关。我们进一步用gydF4y2Ba拟南芥gydF4y2Ba与拟南芥基因同源性高(E值= 3E-178)gydF4y2BaPME18gydF4y2Ba（gydF4y2BaAT1G11580gydF4y2Ba)(补充表SgydF4y2Ba3.gydF4y2Ba)．的表达式gydF4y2BaPME18gydF4y2Ba在超重力刺激下显著增加。据推测，果胶酯酶诱导果胶羧基去甲基化，通过钙桥增加了细胞壁中果胶凝胶的刚性[gydF4y2Ba75gydF4y2Ba］．因此，值得进行测试gydF4y2BaOsPME6gydF4y2Ba调节水稻倒伏和高度。gydF4y2Ba

开花时间是水稻生产的另一个重要特征。水稻是典型的短日开花植物，其开花受日长影响很大。许多基因[gydF4y2Ba76gydF4y2Ba,gydF4y2Ba77gydF4y2Ba,gydF4y2Ba78gydF4y2Ba,gydF4y2Ba79gydF4y2Ba]已被报道用于调节水稻开花时间。在本研究中，共有3个qtl与开花时间显著相关。其中2个仅在7号染色体和10号染色体上被FarmCPU检测到。6号染色体上的另一个QTL被四种不同的GWAS方法检测到(补充图SgydF4y2Ba3.gydF4y2Bac).单倍型分析显示该区域仅有2个基因(gydF4y2BaOsPLL9gydF4y2Ba而且gydF4y2BaOsPLL10gydF4y2Ba)．其中,gydF4y2BaOsPLL9gydF4y2Ba（gydF4y2BaOs06g0583900gydF4y2Ba)位于距离领先SNP 7.15 kb处。该基因是果胶裂解酶基因的同源物，可能在水稻穗部发育过程中起关键作用[gydF4y2Ba80gydF4y2Ba］．gydF4y2BaOsPLL9gydF4y2Ba雄蕊(开花前1天)、Palea(开花前1天)和Panicle5(抽穗期)高表达(补充图SgydF4y2Ba5gydF4y2Ba)．因此,gydF4y2BaOsPLL9gydF4y2Ba有可能成为水稻开花中起关键作用的候选基因。gydF4y2Ba

离子系性状候选基因的挖掘gydF4y2Ba

结果表明，在淹水环境和非淹水环境中分别检测到28个和23个与Cd浓度相关的显著qtl。附近的法gydF4y2BaCAL1gydF4y2Ba(chr2:25、190,487-25,191,188)与水稻籽粒Cd积累有关(Leading SNP;Chr2: 24,968,588)和未淹水状态(Leading SNP;Chr2: 25143071)。gydF4y2BaCAL1gydF4y2Ba被注释为一种防御素样蛋白，它可以通过将Cd从细胞质转运到细胞外间隙来调控水稻叶片Cd的积累，但对水稻籽粒没有作用[gydF4y2Ba14gydF4y2Ba］．然后，我们进一步分析了qtl周围的基因，发现有一个ABC转运体(gydF4y2BaOs01g0121700gydF4y2Ba)，在高Cd (100 μM CdCl)处理下，其磷酸化水平上调gydF4y2Ba_2gydF4y2Bah·2.5gydF4y2Ba_2gydF4y2BaO)，并已表明转运体降低了Cd的浓度gydF4y2Ba^{2 +gydF4y2Ba}通过将pc - cd输送到液泡中[gydF4y2Ba81gydF4y2Ba］．另一个QTL (Chr6: 29,733,715)也显示出与稻米Cd浓度密切相关。该QTL位于一个已知基因附近gydF4y2BaOsHMA2gydF4y2Ba(距离前导SNP约253 kb，但不在LD区)，可能通过抑制Cd的表达水平来降低水稻籽粒Cd浓度gydF4y2BaOsHMA2gydF4y2Ba［gydF4y2Ba60gydF4y2Ba］．此外，显著相关的SNP (Chr11: 29,014,045)位于附近gydF4y2BargMTgydF4y2Ba该基因是一种金属硫蛋白，对镉胁迫有反应gydF4y2Ba大肠杆菌gydF4y2Ba［gydF4y2Ba61gydF4y2Ba］．将本研究中检测到的qtl与之前报道的研究进行比较，我们发现超过15个qtl与报道的位点共定位。详细情况见补充表SgydF4y2Ba2gydF4y2Ba．同时，共鉴定出32个新的qtl。gydF4y2Ba

通过应用方法部分中提到的程序，我们获得了一个基因列表，这些基因代表了水稻中每个控制元素浓度的位点的因果基因的可能候选基因(补充表SgydF4y2Ba3.gydF4y2Ba和SgydF4y2Ba5gydF4y2Ba)．我们选择了三个与Cd相关的位点进行进一步的研究，以确定致病的新基因。在第1号染色体核苷酸附近的4,348,829 bp处鉴定出一个与Cd相关的显著QTLgydF4y2BapgydF4y2Ba-value 3.37E-10(传销方法)。该QTL定位在一个9.97 kb的区块内(Chr1: 4,345,517 - 4,355,489)，仅包含一个候选基因gydF4y2BaOsWRKY102gydF4y2Ba（gydF4y2BaOs01g0182700gydF4y2Ba)(图。gydF4y2Ba4gydF4y2Baa和b). BlastP分析表明gydF4y2BaOsWRKY102gydF4y2Ba（gydF4y2BaOs01g0182700gydF4y2Ba)高度同源(1.00E-58)gydF4y2Ba拟南芥WRKY13gydF4y2Ba（gydF4y2BaAT4G39410gydF4y2Ba)基因(补充表SgydF4y2Ba4gydF4y2Ba)．gydF4y2BaWRKY13gydF4y2Ba激活基因的表达gydF4y2BaPDR8gydF4y2Ba对Cd进行编码gydF4y2Ba^{2 +gydF4y2Ba}挤压泵，从而减少Cd的积累[gydF4y2Ba82gydF4y2Ba］．来自公开数据的表达式概要显示gydF4y2BaOsWRKY102gydF4y2Ba与其他组织相比，茎中表达明显更高(补充图SgydF4y2Ba6gydF4y2Baa).高浓度镉处理后，基因的表达水平gydF4y2BaOsWRKY102gydF4y2Ba茎部和根部均迅速增加(补充图SgydF4y2Ba6gydF4y2Bab).总体而言，结果表明gydF4y2BaOsWRKY102gydF4y2Ba对高镉处理有响应，调控水稻对镉的吸收和积累。另一个QTL(第5号染色体，约14,941,717)在洪水环境中被鉴定出来。通过LD分析，我们定义了一个18.65 kb的区块(Chr5: 14,930,444 - 14,949,090)，包含两个基因，gydF4y2BaOs05g0321600gydF4y2Ba而且gydF4y2BaOs05g0321900gydF4y2Ba．其中,gydF4y2BaOs05g0321900gydF4y2Ba（gydF4y2BaOsWRKY75gydF4y2Ba)被注释为dna结合的含WRKY结构域蛋白(图。gydF4y2Ba5gydF4y2Baa). BlastP分析发现该基因与gydF4y2BaWRKY55gydF4y2Ba（gydF4y2BaAT2G40740gydF4y2Ba)gydF4y2Ba拟南芥gydF4y2Ba它调节金的吸收和耐受性。值得注意的是，在两种生长环境下都发现了一个QTL(6号染色体11,906,590左右位置)。gydF4y2Ba5gydF4y2Baa和b).这个SNP是一个单例，我们没有为它定义haplotype block。为了进一步挖掘因果基因，我们扩展了我们在方法部分提到的区域。最后，我们发现了一个重要的基因gydF4y2BaOsMan07gydF4y2Ba（gydF4y2BaOs06g0311600gydF4y2Ba)距离领先SNP仅24.75 kb。该区域在之前的研究中有报道[gydF4y2Ba83gydF4y2Ba］gydF4y2Ba．gydF4y2BaBlastP分析发现该基因与(6E-108)具有较高的相似性gydF4y2Ba男3gydF4y2Ba（gydF4y2BaAT3G10890gydF4y2Ba)基因gydF4y2Ba拟南芥gydF4y2Ba(补充表S)gydF4y2Ba4gydF4y2Ba)．过度的gydF4y2Ba男3gydF4y2Ba增强Cd的积累和耐受性，而功能丧失gydF4y2Ba男3gydF4y2Ba导致Cd积累和耐受性下降[gydF4y2Ba84gydF4y2Ba］．所有位于Cd相关单倍型区域的基因表达模式见补充图SgydF4y2Ba7gydF4y2Ba．总的来说，除了之前Cd研究中报告的位点的精确鉴定外，还鉴定出32个新的qtl。gydF4y2Ba

PIP2; 6gydF4y2Ba已被建议参与砷浓度控制[gydF4y2Ba85gydF4y2Ba］．虽然没有bonferroni校正的显著阈值SNP -log 10(gydF4y2BapgydF4y2Ba)在7.81以上发现，有一个SNP峰值为-log(gydF4y2BapgydF4y2Ba)在4号染色体的6号附近gydF4y2BaPIP2; 6gydF4y2Ba(补充图SgydF4y2Ba2gydF4y2BaA)，暗示gydF4y2BaPIP2; 6gydF4y2Ba位于GWAS分析发现的一个候选QTL附近。gydF4y2Ba

单变量和多变量GWAS方法的比较gydF4y2Ba

我们的结果表明，没有一种方法能够检测到所有的qtl，而所有方法都能检测到许多位点。的gydF4y2BaGS3基因gydF4y2Ba四种试验方法均与籽粒长度相关。然而,gydF4y2BaGW5基因gydF4y2Ba仅通过多元GWAS检测到与颗粒宽度相关。同样，淹水条件下的Cu相关qtl和未淹水条件下的Fe相关qtl也仅采用多元方法检测。有趣的是，当单变量方法鉴定出大量qtl时，多变量方法鉴定出的qtl数量显著减少。例如，在淹水环境和非淹水环境中，单变量方法鉴定出了29个以上的Cd qtl，而多变量方法鉴定出的qtl只有6个。此外，在许多情况下，与单变量方法相比，多变量方法似乎能够更精确地确定qtl在染色体上的位置。详见补充图gydF4y2Ba3.gydF4y2BaF，单变量方法识别的峰值比多元方法识别的峰值宽得多。另一方面，单变量方法也只识别了许多位点。在LODGING的情况下，QTL(候选基因:gydF4y2BaOsPME6gydF4y2Ba)只被GLM检测到(补充图gydF4y2Ba3.gydF4y2Baj)，该基因与细胞壁形成的生物过程相关，表明在多变量方法中追求低FDR时，一些候选qtl可能被忽略。gydF4y2Ba

GWAS分析的可靠性gydF4y2Ba

在本研究中，许多先前报道的重要农艺性状位点被重新发现。直链淀粉控制位点gydF4y2Ba蜡gydF4y2Ba［gydF4y2Ba86gydF4y2Ba四种分析方法均重新发现了基因gydF4y2Ba碱性gydF4y2Ba［gydF4y2Ba87gydF4y2Ba用两种单因素分析方法进行基因定位。船体覆盖基因gydF4y2BaOsTCL2gydF4y2Ba［gydF4y2Ba88gydF4y2Ba),gydF4y2BaOsWOX3gydF4y2Ba［gydF4y2Ba89gydF4y2Ba]用GLM和MLM方法进行映射。核长基因gydF4y2BaGS3gydF4y2Ba［gydF4y2Ba66gydF4y2Ba]被所有四种方法映射gydF4y2BaNAL1gydF4y2Ba［gydF4y2Ba72gydF4y2Ba]通过FarmCPU方法进行映射。核速率基因gydF4y2BaGS3gydF4y2Ba采用GLM、MLMM和FarmCPU方法进行了基因定位gydF4y2BaGW5gydF4y2Ba［gydF4y2Ba73gydF4y2Ba]通过MLMM方法进行映射。两个倒伏基因(gydF4y2BaOsSPL14gydF4y2Ba［gydF4y2Ba90gydF4y2Ba］gydF4y2Ba和OsCESA9gydF4y2Ba［gydF4y2Ba91gydF4y2Ba])也通过单变量方法成功映射。此外，已知的三种Cd相关基因(gydF4y2BaCAL1gydF4y2Ba［gydF4y2Ba14gydF4y2Ba］gydF4y2Ba, OsHMA2gydF4y2Ba［gydF4y2Ba60gydF4y2Ba］gydF4y2Ba，和rgMTgydF4y2Ba［gydF4y2Ba61gydF4y2Ba])采用GLM和MLM方法进行映射。由于已有49个已知功能的基因/位点被成功重新映射，结果证实了所估算的SNP数据集的准确性和用GWAS进行qtl映射的能力。更重要的是，这些观察结果也表明，本研究发现的201个新qtl值得进一步验证。gydF4y2Ba

不同的GWAS分析方法各具特色，相互补充gydF4y2Ba

虽然四种测试的GWAS方法都能映射出许多位点，但每种方法都只识别了一些已知的功能位点。一个核长QTL仅在产量相关基因附近被FarmCPU法鉴定gydF4y2BaNAL1gydF4y2Ba［gydF4y2Ba72gydF4y2Ba］．粒宽基因gydF4y2BaGW5gydF4y2Ba［gydF4y2Ba73gydF4y2Ba在第5染色体上仅用MLMM法进行了定位。倒伏基因gydF4y2BaOsSPL14gydF4y2Ba［gydF4y2Ba90gydF4y2Ba仅用GLM法鉴定了8号染色体上的基因gydF4y2BaOsCESA9gydF4y2Ba［gydF4y2Ba91gydF4y2Ba只有FarmCPU绘制了地图。在四种测试方法中，只有两种或三种方法可以定位许多基因。例如，直链淀粉基因gydF4y2Ba碱性gydF4y2Ba［gydF4y2Ba87gydF4y2Ba]采用单变量GLM和MLM方法对6号染色体进行定位;核速率基因gydF4y2BaGS3gydF4y2Ba［gydF4y2Ba66gydF4y2Ba通过GLM、MLMM和FarmCPU对3号染色体进行定位。上述结果清楚地表明，这四种方法都可以有效地用于GWAS分析，并能够识别一些已知的位点。然而，没有一种方法能识别所有先前报道的基因座。同时，每一种方法都成功地映射了部分位点，而其他三种方法都无法识别。因此，当我们的目标是识别尽可能多的相关位点时，测试每一种方法都是值得的。此外，值得注意的是，与单变量和多变量方法之间的差异相比，单变量方法内部或多变量方法内部的差异较小。因此，我们的结果表明，最好在GWAS分析中至少包括一个单变量和一个多变量方法，以获得qtl的最佳覆盖率。gydF4y2Ba

水稻籽粒离子含量与环境的关系gydF4y2Ba

本研究对水稻在淹水环境和非淹水环境下进行了分类学试验。结果表明，淹水环境和非淹水环境下大部分矿物质和重金属的积累存在显著差异，说明水稻籽粒中元素的积累受到水条件的影响，这与前人的研究相一致[gydF4y2Ba92gydF4y2Ba］．然而，一些矿物质和重金属的含量受水条件的影响较小。其中，Mo在淹水和非淹水条件下的累积一致性最高，相关效率为0.81,Rb次之，相关效率为0.60,Cd为0.52(补充图SgydF4y2Ba1gydF4y2Bac).对于已鉴定的qtl，也得到了相似的结果。两个Mo qtl (Chr5:5.77 Mb和Chr12:25.93 Mb)在淹水和非淹水生长条件下均被重复检测到。这一趋势与之前的研究一致[gydF4y2Ba93gydF4y2Ba]，表明水稻Mo积累稳定，不受环境影响显著。对于Rb，我们仅在淹水环境中鉴定出显著qtl，这与相关研究结果不一致。对于排名第三的元素Cd，我们分别在淹水和非淹水环境中重复鉴定了一个QTL (Chr6: 11.91 Mb)。另外两个与Cd浓度相关的qtl位于第2染色体25 Mb附近(淹水条件下24.97 Mb，未淹水条件下25.14 Mb)。上述结果表明，水分条件对Mo和Cd在水稻籽粒中的积累影响不大，而本研究分析的其他元素则依赖于灌溉条件。gydF4y2Ba

候选新基因和重要qtl在未来研究和育种中的潜在应用gydF4y2Ba

在研究中重新发现了49个在矿物、重金属或重要农艺性状控制中具有已知功能的qtl或基因。此外，还鉴定出201个新的QTL位点，这些位点在调控这些性状中起着关键作用。更重要的是，通过编程和人工对小型核心收集的QTL位点进行序列分析，确定了多个候选基因。由于人类活动造成的广泛污染及其对人类的高毒性，镉和砷污染是全球水稻生产的一个主要问题[gydF4y2Ba2gydF4y2Ba］．镉在人体内的半衰期非常长，尤其是在肾脏和肝脏中[gydF4y2Ba94gydF4y2BaAs是一种强致癌物。我们鉴定了18个在Cd含量控制中起作用的qtl /基因和32个新的qtl。此外，我们的分析结果表明，基因gydF4y2BaOsWRKY102gydF4y2Ba（gydF4y2BaOs01g0182700gydF4y2Ba)，gydF4y2BaOsWRKY75gydF4y2Ba（gydF4y2BaOs05g0321900gydF4y2Ba),gydF4y2BaOsMan07gydF4y2Ba（gydF4y2BaOs06g0311600gydF4y2Ba)是水稻Cd控制的潜在候选基因。我们的结果还表明gydF4y2BaPIP2; 6gydF4y2Ba基因可能是参与As对照的QTL，从而为先前的报道提供了遗传学证据gydF4y2BaPIP2; 6gydF4y2Ba基因在水稻中的表达gydF4y2Ba非洲爪蟾蜍光滑的gydF4y2Ba卵母细胞和gydF4y2Ba拟南芥gydF4y2Ba［gydF4y2Ba85gydF4y2Ba］．参与重金属含量调控的候选基因是了解重金属控制机制和农业育种的重要资源。我们发现gydF4y2BaOsPME6gydF4y2Ba是否有潜力调节水稻倒伏和高度gydF4y2BaOsPLL9gydF4y2Ba有可能成为水稻开花中起关键作用的候选基因。株高、倒伏和开花时间调控是直接影响作物产量的重要性状。这些候选基因的鉴定为水稻育种中标记的开发以及倒伏和花期调控机制的分子研究提供了新的资源。但值得注意的是，这些候选基因都是根据qtl的序列、表达和同源分析确定的，在得出最终结论之前，还需要进一步的试验来确认结果。gydF4y2Ba

本研究采用两种单变量方法和两种多变量方法，对基于3259,478个SNPs的农艺性状进行了综合GWAS分析。在标准下gydF4y2BapgydF4y2Ba-value < 1.53 × 10gydF4y2Ba^{−8gydF4y2Ba}在淹水环境、非淹水环境和农艺性状中分别鉴定出106个、47个和97个qtl。在淹水环境下，与Cd、Co、Cu、K、Mo、Ni、Rb、Sr和Zn相关的qtl分别为28、11、4、3、40、3、4、3和10个。在非淹水条件下，分别检测到23、7、7、7和3个与Cd、Fe、Mo、Ni和Zn相关的显著qtl。另外，18、3、5、19、6、5、2、28、4和7个显著qtl分别与直链淀粉浓度、开花时间、壳色、盖度、粒长、粒率、粒宽、倒伏、穗型和株高密切相关。对qtl的详细分析表明，所鉴定的qtl中有49个分别位于相关性状的已知功能基因/ qtl附近或共定位，新发现的qtl有201个。此外，qtl的序列、表达和同源性分析表明，3个候选基因(gydF4y2BaOsWRKY102gydF4y2Ba,gydF4y2BaOsWRKY75gydF4y2Ba,gydF4y2BaOsMan07gydF4y2Ba)与Cd浓度密切相关gydF4y2BaPIP2; 6gydF4y2Ba基因可能在水稻As调控中起作用。此外,gydF4y2BaOsPME6gydF4y2Ba或邻近基因可调节株高和gydF4y2BaOsPLL9gydF4y2Ba或者它附近的基因可能在花期控制中发挥作用。结果表明，4种GWAS方法均能识别出其特有的和常见的QTL，多种GWAS方法在QTL识别中可以互补。强烈建议在GWAS研究中使用至少一种单变量和一种多变量方法以获得更好的结果。我们利用美国农业部迷你核心收集的大规模DNA测序数据对农艺性状进行了全面的GWAS分析，为进一步研究矿物、重金属和农艺性状调控的遗传和分子生物学奠定了基础。gydF4y2Ba

植物材料和表型gydF4y2Ba

16种籽粒特征(As、Ca、Co、Cd、Cu、Fe、K、Mg、Mn、Mo、Ni、P、Rb、S、Sr、Zn) [gydF4y2Ba17gydF4y2Ba]和13个农艺性状(直链淀粉、awn型、日花、壳色、壳盖、粒型、粒型、粒鼠、粒型、倒伏、圆锥型、株型和株型)[gydF4y2Ba18gydF4y2Ba]与报告的相同。在德克萨斯州的Beaumont，在淹水(厌氧)和非淹水(好氧，冲洗灌溉)灌溉方案下种植了不同的水稻品种，以测试离子组学。种植、田间管理和收获方法见报道[gydF4y2Ba55gydF4y2Ba,gydF4y2Ba56gydF4y2Ba,gydF4y2Ba57gydF4y2Ba,gydF4y2Ba58gydF4y2Ba,gydF4y2Ba59gydF4y2Ba］．采用Pearson相关法计算各性状间的相关性，并采用R corrgram包进行可视化[gydF4y2Ba95gydF4y2Ba］．样品的详细情况见补充表SgydF4y2Ba1gydF4y2Ba．gydF4y2Ba

基因分型gydF4y2Ba

为了获得高质量的测序数据，原始reads从NCBI下载(编号:PRJNA301661)。通过表型与现有基因分型资料的比较，筛选出191份重叠的材料进行进一步分析。原始数据首先由NGS QC Toolkit (v2.3.3)进行过滤，默认设置[gydF4y2Ba96gydF4y2Ba］．然后，将高质量的序列定位到Nipponbare MSU7.0基因组参考(gydF4y2Bahttp://rice.plantbiology.msu.edu/index.shtmlgydF4y2Babwa程序(版本0.7.17)使用默认参数[gydF4y2Ba97gydF4y2Ba］．PCR重复序列用Picard (version 2.18)标记。然后利用GATK的HaploypeCaller进行snp的识别。用PLINK软件过滤原始snp，参数为“—maf 0.05—geno 0.6—snp -only”。Beagle 5.0对其余3,259,478个snp进行基因型imputation [gydF4y2Ba97gydF4y2Ba]作进一步分析。gydF4y2Ba

群体结构，遗传分析，连锁不平衡分析gydF4y2Ba

提取完整性高于0.8的原始SNPs(181448个SNPs)用于估计个体祖先并构建系统发育树。一个PLINK软件工具[gydF4y2Ba98gydF4y2Ba]用参数——indep- pairs 50 10 0.2计算潜在的未链接snp。可能未链接的snp被提交给admix [gydF4y2Ba99gydF4y2Ba]以评估K从2到10的种群结构。计算每个K的交叉验证误差，选择交叉验证误差最小(K = 4)的聚类模型。使用在线软件Pophelper显示人口结构(gydF4y2Bahttp://pophelper.com/gydF4y2Ba)．每个个体根据遗传血统来源≥70%被分配到四个亚群体中的一个，来自一个特定亚群体的遗传血统来源< 70%的被分配到称为“Admix”的第五组。以成对遗传距离矩阵为基础，利用SNPhylo [gydF4y2BaOne hundred.gydF4y2Ba]，参数设置为“default”。采用GAPIT默认参数，对3259,478个snp进行主成分分析(PCA)和亲属矩阵(K矩阵)[gydF4y2Ba101gydF4y2Ba］．LD(连锁不平衡)在每个亚群体和整个微核群体中的衰减距离由软件PopLDdecay [gydF4y2Ba102gydF4y2Ba］．gydF4y2Ba

全基因组关联研究(GWAS)gydF4y2Ba

对191份来自美国农业部迷你核收集的优质SNPs进行了GWAS分析。利用基因组关联和预测集成工具(GAPIT)，采用单变量GWAS方法(GLM和MLM)和多变量GWAS方法(MLMM和FarmCPU)评估籽粒和农艺性状的性状- snp关联[gydF4y2Ba101gydF4y2Ba］．主成分分析(PCA)结果作为协变量，校正了Mini Core中由于亚种群的种群结构。GWAS的全基因组显著阈值(gydF4y2BapgydF4y2Ba-value = 1.53 × 10gydF4y2Ba^{−8gydF4y2Ba})按0.05/n (n为标记数)测定[gydF4y2Ba93gydF4y2Ba]，且较高的显著性阈值为3.06 × 10gydF4y2Ba^{−9gydF4y2Ba}(0.01 / n) (gydF4y2Ba103gydF4y2Ba］．GWAS的Manhattan和QQ图使用R包CMplot (gydF4y2Bahttps://github.com/YinLiLin/R-CMplotgydF4y2Ba)．选择每个重要SNPs簇的前导snp (200kb)显示qtl的位置。gydF4y2Ba

单倍型块估计gydF4y2Ba

使用PLINK软件计算包含至少两个SNP的单倍型块[gydF4y2Ba98gydF4y2Ba'——blocks no-pheno-req——blocks-max-kb 2000——blocks-info -frac 0.95——blocks-strong-highci 0.98——blocks-recomb-highci 0.9 '。每个显著SNP的单倍型块由Gabriel [gydF4y2Ba104gydF4y2Ba］．LD热图采用Haploview软件可视化[gydF4y2Ba105gydF4y2Ba］．从RAP-DB中提取每个单倍型区块上的注释基因(gydF4y2Bahttps://rapdb.dna.affrc.go.jp/gydF4y2Ba)(补充表SgydF4y2Ba5gydF4y2Ba)．gydF4y2Ba

基因表达数据gydF4y2Ba

从CREP (Collection of Rice expression Profiles)中获得了胚乳、愈伤组织、种子、胚根、根、胚芽、茎、苗、芽、鞘、叶、穗、小穗、外稃和雄蕊15个组织的基因表达谱:gydF4y2Bahttp://crep.ncpgr.cn/crep-cgi/home.plgydF4y2Ba［gydF4y2Ba106gydF4y2Ba］．不同镉浓度处理水稻植株的基因表达数据[gydF4y2Ba107gydF4y2Ba,gydF4y2Ba108gydF4y2Ba来源于TENOR (Rice Transcriptome ENcyclopedia Of Rice):gydF4y2Bahttps://tenor.dna.affrc.go.jp/gydF4y2Ba．gydF4y2Ba

挖掘因果候选基因gydF4y2Ba

四种不同的GWAS方法鉴定的qtl为了解水稻农艺和离子学的遗传结构提供了重要线索。为了探索每个qtl的候选基因，我们提取了所有位于前导snp单倍型区块的基因，并考虑了它们的注释(补充表SgydF4y2Ba5gydF4y2Ba)．对于未位于单倍型区块的前导SNP，我们将边界定义在距离该位点190 kb以内。此外，同源基因在gydF4y2Ba拟南芥gydF4y2Ba并利用TENOR等已发表数据库中相应胁迫下的基因表达变化来缩小候选基因的范围。gydF4y2Ba

本研究分析的基因型数据集可在NCBI SRA数据库(登录号:PRJNA301661)中获得，所分析的表型性状可在已发表的文章“world Genetic Diversity for Mineral Element concentration in Rice Grain”和网站上获得gydF4y2Bahttps://npgsweb.ars-grin.gov/gringlobal/descriptors.aspxgydF4y2Ba

ADM:gydF4y2Ba

掺合料gydF4y2Ba

直链淀粉:gydF4y2Ba

直链淀粉gydF4y2Ba

为:gydF4y2Ba

砷gydF4y2Ba

有毒物质:gydF4y2Ba

有毒物质和疾病登记署gydF4y2Ba

AWNTYPE:gydF4y2Ba

芒类型gydF4y2Ba

Cd:gydF4y2Ba

镉gydF4y2Ba

CREP:gydF4y2Ba

水稻表达谱的收集gydF4y2Ba

DAYSFLOWER:gydF4y2Ba

开花的时间gydF4y2Ba

FarmCPU:gydF4y2Ba

固定和随机模型循环概率统一gydF4y2Ba

FASTmrEMMA:gydF4y2Ba

快速多位点随机- snp效应高效混合模型分析gydF4y2Ba

FASTmrMLM:gydF4y2Ba

快mrMLMgydF4y2Ba

有限元法:gydF4y2Ba

固定效应模型gydF4y2Ba

GAPIT:gydF4y2Ba

基因组关联和预测集成工具gydF4y2Ba

GPWAS:gydF4y2Ba

全基因组-表型关联研究gydF4y2Ba

GWAS:gydF4y2Ba

Genome-wide-association-studygydF4y2Ba

HULLCOLOR:gydF4y2Ba

船体颜色gydF4y2Ba

HULLCOVER:gydF4y2Ba

船体封面gydF4y2Ba

伊希斯EM-BLASSO:gydF4y2Ba

迭代修正-确定独立筛选期望-最大化-贝叶斯最小绝对收缩与选择算子gydF4y2Ba

KERNELLEN:gydF4y2Ba

内核的长度gydF4y2Ba

KERNELRAT:gydF4y2Ba

内核速度gydF4y2Ba

KERNELWID:gydF4y2Ba

内核宽度gydF4y2Ba

KERNELWT:gydF4y2Ba

粒重gydF4y2Ba

LD:gydF4y2Ba

连锁不平衡gydF4y2Ba

住宿:gydF4y2Ba

住宿gydF4y2Ba

ML:gydF4y2Ba

最大似然gydF4y2Ba

MLMM:gydF4y2Ba

多位点混合模式gydF4y2Ba

米歇尔。内格罗蓬特:gydF4y2Ba

锰gydF4y2Ba

mrMLM:gydF4y2Ba

多位点随机- snp效应传销gydF4y2Ba

倪:gydF4y2Ba

镍gydF4y2Ba

NSGC:gydF4y2Ba

全国小粮收藏gydF4y2Ba

PANICLETYPE:gydF4y2Ba

圆锥花序类型gydF4y2Ba

主成分分析:gydF4y2Ba

主成分分析gydF4y2Ba

电脑:gydF4y2Ba

主成分gydF4y2Ba

pKWmEB:gydF4y2Ba

Kruskal-Wallis检验与经验贝叶斯的整合gydF4y2Ba

PLANTHT:gydF4y2Ba

株高gydF4y2Ba

PLANTTYPE:gydF4y2Ba

植物类型gydF4y2Ba

pLARmEB:gydF4y2Ba

基于多基因背景控制的最小角度回归加上经验贝叶斯gydF4y2Ba

QTL:gydF4y2Ba

数量性状位点gydF4y2Ba

SD:gydF4y2Ba

白天短gydF4y2Ba

男高音:gydF4y2Ba

水稻转录组百科全书gydF4y2Ba

不适用。gydF4y2Ba

该项目部分得到了美国农业部-农业研究所SCA协议编号5860667081和密西西比州水稻促进委员会的支持。资助机构在研究设计、数据收集、分析和解释以及撰写手稿方面没有发挥任何作用。gydF4y2Ba

作者指出gydF4y2Ba

1. 刘帅和钟华对这项工作做出了同样的贡献。gydF4y2Ba

从属关系gydF4y2Ba

1. 密西西比州立大学生物化学系，分子生物学，昆虫学和植物病理学，斯塔克维尔，MS, 39762，美国gydF4y2Ba

   刘帅，小西孟，彭兆华gydF4y2Ba

2. 武汉大学生命科学学院，杂交水稻国家重点实验室，农业部籼稻杂种优势研究与利用重点实验室，武汉gydF4y2Ba

   钟华，孙彤，李阳生gydF4y2Ba

3. Dale Bumpers国家水稻研究中心，美国农业部农业研究所，斯图加特，AR, 72160，美国gydF4y2Ba

   香农·r·m·平森gydF4y2Ba

4. 密西西比州立大学沿海研究推广中心海鲜加工实验实验室，帕斯卡古拉，39567，美国gydF4y2Ba

   张国昌gydF4y2Ba

贡献gydF4y2Ba

SL、ZP共同设计作品;SL、XM、TS、SP和YL收集数据集;SL和HZ进行分析并完成草案工作;每位作者都对其进行了实质性的修订。所有作者均已阅读并批准稿件。gydF4y2Ba

相应的作者gydF4y2Ba

对应到gydF4y2BaZhaohua彭gydF4y2Ba．gydF4y2Ba

伦理批准并同意参与gydF4y2Ba

不适用。gydF4y2Ba

发表同意书gydF4y2Ba

不适用。gydF4y2Ba

相互竞争的利益gydF4y2Ba

作者宣称他们之间没有利益冲突。gydF4y2Ba

出版商的注意gydF4y2Ba

施普林格自然对出版的地图和机构从属关系中的管辖权主张保持中立。gydF4y2Ba

开放获取gydF4y2Ba本文遵循知识共享署名4.0国际许可协议，允许以任何媒介或格式使用、分享、改编、分发和复制，只要您对原作者和来源给予适当的署名，提供知识共享许可协议的链接，并注明是否有更改。本文中的图像或其他第三方材料包含在文章的创作共用许可协议中，除非在材料的信用额度中另有说明。如果材料未包含在文章的创作共用许可协议中，并且您的预期使用不被法定法规所允许或超出了允许的使用范围，您将需要直接获得版权所有者的许可。如欲查看本牌照的副本，请浏览gydF4y2Bahttp://creativecommons.org/licenses/by/4.0/gydF4y2Ba．创作共用公共领域奉献弃权书(gydF4y2Bahttp://creativecommons.org/publicdomain/zero/1.0/gydF4y2Ba)适用于本条所提供的资料，除非在资料的信用额度中另有说明。gydF4y2Ba

转载及权限gydF4y2Ba