铁生物利用度的遗传控制是独立于多种冬小麦绘制群体中的铁浓度

背景

贫血被认为会影响全球高达16亿人。低铁（Fe）吸收的主要贡献者之一是与人类饮食中的肉类和脉搏作物相比的谷物比例较高。由于现代食品选择和食品可用性，这现在已经成为发达国家和发展中国家的问题。面包小麦占人类消耗的20％，是蛋白质，维生素和矿物质的重要来源，这意味着它可能是为饮食带来更多的生物可利用Fe的主要车辆。

结果

为了探讨小麦籽粒更高浓度Fe的繁殖可以有助于增加Fe吸收，多种先进的跨越（魔法）人群，包括超过80％的英国小麦多态性，在英国的两个季节上生长。使用已建立的CaCO-2细胞生物测定的Fe浓度和Fe生物利用度对群体进行表型。结果发现，谷物中的增加的Fe浓度与较高的Fe生物利用度无关，并且控制谷物Fe浓度的潜在遗传区域与Fe Absoplate增加的不相同。此外，我们表明植物浓度与我们的小麦群体中的Fe生物利用度不相关，因此植物结合不足以解释Fe生物利用度和Fe浓度在小麦籽粒之间缺乏相关性。最后，我们在这些特征之间观察到没有（Fe生物利用度）或低（Fe浓度）相关性，确认两者都受到强烈的环境影响力。

结论

这表明，育种者不仅可以直接在谷物中选择Fe浓度，而且还增加了生物利用度。然而，使用许多对照和复制试验限制了许多育种者通过Caco-2细胞采用筛选的实用性。

人类的铁（Fe）缺乏症，也被称为贫血，估计在全球范围内实现超过16亿人，对人类健康的许多方面的重大影响[1]．在人们饮食大部分基于谷物的地方，贫血普遍，主要是由于谷物相对于肉类和脉搏作物等多种FE来源的FE的低生物利用度[2那3.]．尽管在全球范围内已经花费了大量的努力来尝试和治疗铁缺乏症，但贫血并不仅仅是发展中国家的问题。据最近估计，英国11到18岁的青春期女孩中有超过一半患有贫血[4.]．在许多发达国家，FE补充计划已经到达了几年，例如，在英国，在五十年代早期以来，设防计划已经到位。该强化要求要求英国加工的所有面粉均符合Fe> 1.65毫克/ 100克面粉的水平。设防努力背后的理由是小麦的高度渗透到英国估计的99％的家庭[5.]．尽管如此，即使使用这些计划，高水平的贫血在工业化国家持续存在[4.]．这些努力失败的原因被认为是由于目前添加Fe来强化面粉的形式[6.]．由于大多数国家使用不推荐的、低生物利用度的、雾化的、还原的或氢还原的铁粉作为面包粉的补充[6.]．目前解决人类缺铁问题的一项战略是通过生物强化，利用植物育种或基因工程技术来生产主要作物(如水稻、小麦、玉米、小米和豆类)含铁量较高的主食新品种。由于消费者对转基因食品的接受程度与传统育种品种不同，“自然”培育的生物强化作物一直是增加铁摄入量的首选途径，不管转基因法规和公众接受程度如何[7.那8.那9.]．

在面包小麦及其祖细胞中鉴定了小麦颗粒的Fe含量的大量自然遗传变异，Fe水平范围为19至71mg / kg [10.那11.那12.]．目前正在利用这种变异来选择生物侵入的铁富含基因型，希望能够改善谷物的铁吸收[13.那14.]．此外，最近强化谷物的不同部分的尝试表明，通过转基因手段和更传统的育种，可以改善整个谷物和胚乳水平的Fe水平[15.]．这种策略的一个大问题是通过育种粮食可以通过育种来改善谷物中的Fe浓度，这很少转化为人类的Fe吸收[14.那15.]．利用转基因手段提高铁的浓度和生物利用度方面已经取得了一些进展，但这些品种是否会被更多的消费公众所采用还有待观察[16.那17.那18.]．

谷物中铁生物利用度差的根本原因很复杂，因为这种微量矿物的活性性质使其与谷物中影响铁生物利用度的其他成分产生强烈的相互作用。植酸、某些多酚和酚酸是植物食物中影响铁吸收的主要成分[19.那20.]．谷粒中的50％至60％的铁与肌醇六磷酸（IP6）或戊磷酸盐（IP5）结合，在晶粒和胚芽的阿列酮层中形成植酸盐[20.那21.]．据信这被认为是小麦的低Fe生物利用度的主要原因，因为植物过量的植物络合物络合FE并限制了腔Fe对铁运输器的交换，因此防止了肠道中的吸收[22.那23.]．除了植物之外，已知谷物的籽粒层，含有多酚和酚醛酸，其中大部分小麦是酚酸，其既可以通过肠道促进和抑制Fe的吸收[19.那24.]．已经提出，小麦可能不含有或产生许多这些多酚和/或大的环境效应可以大大改变谷物中这些化合物的相对量，因此可能是较低报告的FE值的潜在原因之一小麦的生物利用度[24.那25那26]．最近，最近的颗粒本身的不同部分已被证明抑制来自谷物的Fe的吸收，并且可以考虑物质的Fe浓度的五倍差异，而实际的Fe吸收[27]．

以上因素是单纯增加铁摄入量并不一定会导致更多铁吸收的主要原因;因此，要正确评估食物中铁的营养质量，主要是根据铁的化学性质和植物化学物质能够结合铁并以高摩尔过量存在的程度。

虽然大多数研究表现出到谷物的Fe的生物利用度的机制上，但无需调查这种复杂性状的遗传建筑。为了这样做，必须将FE浓度和FE生物利用度一起解决，单独可以帮助增加FE的交付，或者如果生物利用度是不同的特质，是为了评估各种绘图群体中的特征，并映射定量特征基因座（QTL）底层。在这里，我们使用8创始人魔法（多个父母先进的交叉口）人口，包括超过英国面包小麦的80％以上的遗传多态性[28]，鉴定Fe籽粒浓度和生物利用度下面的QTL。使用已建立的CaCO-2细胞生物测定法用于Fe生物利用度，筛选人群进行生物利用度。该模型提供了来自给定量的样品的可吸收Fe的相对测量，从而提供了Fe递送的实际措施。在本研究中，从两种单独的场段中收集的样品中测量Fe浓度和Fe递送（即生物利用度），以鉴定Fe浓度和生物利用度的QTL的稳定性以及可能的QTL离子化。

现场实验

从随机1M中生长的1100种魔术重组自交系中取样种子²在2015 - 2016年（“1”）和2016-2017（“第2岁”）的苗圃（“第2岁”）在英国剑桥的NiaIb实验农场（“2”）赛季，使用了所详细的农艺系包。表格1。此人口以前在NIAB创建，并在我们的剑桥现场网站上以前的田间季节增长[29]．在1,244年，独立的BC1F8后代行加上Fe含量和Fe生物利用度测量魔术群的所有八种创始人行。在第2年，测量了288个独立的BC1F9后代线，包括来自第1年的所有行，但只有两个创始人行中只有两个。将每条线的二十克种子用锤磨机（Glen Creston）干燥并研磨，其中1mm筛用于后面的实验。

ICP-AES.

通过电感耦合等离子体发射光谱（ICP-AES）进行所有样品的Fe含量。使用的方法是从Glahn等人。，2019年[27]．对于每个样品，将0.5g面粉干燥，然后用3.0mL 60:40 HNO处理_3.和hclo._4.在Pyrex玻璃管中的混合物并留过夜以破坏有机物。然后将混合物加热至120℃持续2小时，加入0.25ml40μg/ g的钇作为内标，以补偿随后的电感耦合等离子体原子发射光谱仪（ICP-AES）分析期间的任何漂移。然后将加热块的温度升至145ºC2小时。然后，将加热块的温度升至190℃升至10分钟并冷却。然后将管中的冷却样品稀释至20ml，涡旋并转移到自动样品管中以通过ICP-AE分析。使用的ICP的模型是一个Thermo ICAP 6500系列（Thermo Jarrell Ash Corp.，Franklin，Ma，USA）。所有测试的线都采用了三种技术复制。

Fe生物利用度的生物测定

根据已建立的生物测定条件，对整个谷物研磨的小麦粉样品进行模拟的胃和肠消化[30.]．肠道消化是在底部由半透膜封闭的圆柱形插入物中进行的，并放置在含有浸在培养基中的Caco-2细胞单层的孔中。上腔体是通过将Transwell插入环(康宁)的底部与15,000 Da分子量截止(MWCO)膜(Spectra/Por 2.1, Spectrum Medical, Gardena, CA)相连接而形成的。透析膜用硅胶环固定(Web Seal, Rochester, NY)。Caco-2细胞单层对铁的摄取情况如前所述，并通过测量细胞中的铁蛋白浓度进行评估[30.]．将细胞维持在Dulbecco的改性鹰培养基加上1％抗生素/抗致溶液，25mmol / L Hepes和10％胎牛血清中。在实验前四十八小时，从培养孔中除去生长培养基，洗涤细胞层，并在pH7.0下用最小基本培养基（MEM）替换生长培养基。将MEM补充有10mmol / L管，1％抗生素/抗催乳剂溶液，4mg / L氢化体，5mg / L胰岛素，5μg/ L硒，34μg/ L三碘甲醇和20μg/ L表皮生长因子。该富集的MEM含有少于80μgFE/ L.从Gibco（Rockville，MD）获得细胞培养基的所有成分和补充剂。在接种后13天在Fe摄取实验中使用细胞。在这些条件下，在每个孔中测量的细胞蛋白的量在孔之间高度一致。在实验日，将1.5ml消化的样品加入到插入式上腔室中并孵育2小时。然后，除去插入物，加入1ml MEM。 Cell cultures were incubated for 22 h at 37 °C.

先前描述了Caco-2细胞铁蛋白和细胞总蛋白质含量分析的方案[30.]．简而言之，通过抽吸从培养物中除去生长培养基，并用含有140mmol / L NaCl，5mmol / L KCl和pH 7.0的10mmol / L管的溶液洗涤细胞两次。通过加入等分试样的去离子水来收获细胞，并将它们放入超声波仪（实验室仪器，Melrose Park，IL）中。用单级夹心免疫放射性测定法（FER-II II铁蛋白测定，RAMCO实验室，休息，TX）和比色测定（Bio-rad DC蛋白质测定分别是生物rad，赫拉克勒斯，加利福尼亚州）。Caco-2细胞合成铁蛋白响应于细胞内Fe浓度的增加而增加。因此，我们使用铁蛋白/总蛋白（表达为Ng Ferritin / Mg蛋白）的比例作为细胞Fe摄取的指标。

在具有内部对照的6个孔板上运行每个样品，由扁豆面粉样品，抗坏血酸加feCl组成₂，FECL.₂和单独的MEM媒体。此外，八种创始系列用作跨天数的重叠控制（每天1-2个创始人）。2年级，除了另一个控件之外，创始人克莱尔还在每个板上运行。最后，每天都在所有线条和控制的技术复制。

植物测量

根据制造商的指示，使用Megazyme植物植物肽（Beley，Ireland）测量植物酸。唯一的变化在2.2ml管中在1.8ml HCl（0.66μm）中消化了每种面粉的每种面粉，置于旋转器混合器中，在室温下在恒定的RPM中，在室温下恒定，而不是完整的1g样本。每个样品通过整个方法采用三种不同的面粉样品，以确定测试的每条线的植物量。

数据分析

绘制和目视检查谷物Fe浓度读数，存在一些极端的异常值，通常超过80ppm。检查高读数，如果测量与从相同样品中取出的其他技术复制基本上不同，或者从数据中取出的高Al和Ti籽粒浓度。这些读数可能是土壤污染物。从每条线的三个技术复制计算绝对值，并在QTL分析中使用。1年级，有四行有两个复制样本。从这些复制一般性遗传性（H²)以线均值为基础计算，由Genstat [VSN International]中的VHERITABILITY函数实现。Genstat for Windows，第19版;Hemel Hempstead, UK]，它使用了一种估计H²由Cullis等人提出[31]．复制的样本来自同一个字段，所以H²计算提供了测量可重复性的估计。

为了解释Fe生物利用度的每日测量变化，在第一年的每个测量日期，将一个扁豆面粉样品作为标准化阳性内部对照(IC1)。为了改善第二年的调整，在每个测量日期都包括两个对照:硬质小麦粉样本被用作标准化内部控制(IC2)和MAGIC创始人“克莱尔”。混合效应线性模型使用不同的控制作为随机和固定因素的组合，以及响应比例模型，其中内部控制的日平均值从相应的MAGIC线的测量值中减去，采用赤池信息标准Genstat和样本(基因型)效应显著性检验进行比较。虽然两年间技术重复间的方差一般较低，但第二年技术重复间存在一些高方差的异常值。导致这些技术重复之间高差异的个别读数被删除。第二年，去除3个基因型和1个内部对照，这些基因型在所有重复中有较大的差异，表明可能存在污染。从最佳模型中提取最佳线性无偏预测(blup)并用于后续分析。第一年，将两个铁蛋白/mg蛋白含量很高的基因型的校正平均值作为可能的污染物从数据集中移除。同样的计算H²用于Fe浓度用于生物利用度。在计算中使用了技术复制的手段，所有剩余的复制来自采样相同的场图和H²估计是测量重复性的近似。在R中估计了群体间的交叉性状和跨年相关性[32]使用Pearson相关系数。

正常性的Shapiro-Wilk测试用于检查特征分布，随后，使用来自Illumina Infinium InElect 90k SNP小麦阵列的7367独特的映射SNP标记进行QTL映射。33]如加德纳等人所述。[29]．三种分析方法用于QTL检测：使用R / LME4（IBS，[34]），R / MPMAP中的间隔映射（IM，[35)，以及使用R/mpMap (CIM)实现最多三个协变量的复合区间映射。对于IBS，我们使用了两种校正多重检验的方法。首先，使用带有阈值的错误发现率(FDR)校正对R进行标准的多次测试校正P.< 0.05。第二种不那么严格的方法使用Bonferroni显著性阈值-log(10) = 3.68，基于α = 0.05/237，其中分母是基于图谱长度和重组事件的代数估计的种群中每个株系的平均单倍型数。第二种方法考虑到单倍型内的标记高度相关。对于IM/CIM分析，mpMap函数' findqtl '中使用了-log10p < 3的初始自由截断值和100个标记的窗口大小。然后应用mpMap函数' fit '， QTL保留该函数P. < 0.05 in the fitted model, as well as percentage variation explained > 1 %. In year 1, 237 and 235 MAGIC individuals were used for the QTL analysis of Fe concentration and bioavailability, respectively. In year 2, 284 individuals were used for both traits.

使用自定义R脚本，使用235个人的基因型数据完成功率分析。单个标记被随机作为焦平QTL的部位，在其他染色体上用100个其他标记用作较小QTL。功率分析完成，焦点QTL（5,10,25和50％）解释的4％变化，剩余变化在100个小QTL上共享。对于每个百分比变化，通过增加相对于每个遗传性的随机正常变化来模拟5000个可随机表型（0.15,0.25,0.50,0.75和0.90）。然后使用上面列出的相同阈值完成R / MPMAP中的间隔映射。当焦平QTL落在20厘米的显着QTL峰值时，记录阳性检测。

表型分析

铁浓度

采用3个技术重复的绝对平均值作为籽粒铁浓度的表型数据。MAGIC种群的Fe含量在第一年为20.4 ~ 44.2 ppm，第二年为21.7 ~ 47.9 ppm。在不同年份观测到非常相似的平均值(第1年= 32.8年和第2年= 32.3 ppm)。一旦错误的测量被删除，两个分布似乎是正常的(图。1；第1年：W. = 0.99,P. = 0.11; year 2:W. = 0.99,P.= 0.15)。在第一年，创始人Fe浓度仅从28.2 ppm(炼金术)到37.2 ppm (Robigus)变化，表明种群中存在严重的分离畸变(图。1一种）。然而，在第2年度克莱尔测量的两个创始人中的一个只有21.7的Fe浓度下降到最低3％的人群中（图。1b）。在第2年度测量的另一个创始人，与1年级相比，Robigus也表现出相当大的Fe浓度。此外，还有一个低H²观察到1年级粮食Fe浓度（H² = 0.19). These trends indicated either the measurement variance of the trait was high, and/or the Genotype x Environment (GxE) interaction was large between years. However, there was a weak but significant correlation between Fe concentrations in year 1 and year 2 across the whole population (r = 0.27,P. < 0.01, Fig.1F）。

生物利用度

观察到每个Caco-2板运行的魔法线的手段之间存在非常大的差异。为了尝试为板式变化进行规范化，在第1年中包含单个内部控制，然后在每天的2个田间季节样品中包含两个对照（内部控制2（IC2）和克莱尔）。预计控件应遵循与每次测量日期的线条手段相同的模式，假设每天使用随机线。在第1年，线路意味着IC1的弱跟踪。在2年，线条意味着大多数日子都遵循控件的趋势（Lock。图1）但IC2读数比克莱尔或线条手段高得多。

在第1年度，最佳效果平滑的模型，逐年测量变化包括数据中的IC1测量，测量日期和基因型被视为随机因子。使用此模型，H²计算为0.20，用于生物利用度。2年，遵循类似的方法：数据的每日测量控制克莱尔和IC2（缩放与克莱尔相同的平均值）被包括在数据中，基因型和测量日被视为随机因子。在第2年，H²更高，估计为0.84。应该注意的是，“遗传性”仅在测量生物利用度的实验组的上下文中：实验中的所有复制样本都来自相同的场图。从拟合每年的两种型号，提取最佳线性无偏见预测（Blups）并在分析中使用。在第二年（Claire和Scaled IC2）中使用两个控件明显改善了模型。

在1年，生物利用度范围为2.7至8.1ng / mg的总蛋白质，其平均值为5.5 ng铁蛋白/ mg蛋白（表1)．雄蕊是具有最低生物利用度的创始人（5.2 Ng Ferritin / Mg蛋白），而克莱尔展示了最高（7.9 Ng Ferritin / Mg蛋白），再次表明人口显示了这种特性的大量越差的偏析。2年级，生物利用度从3.0到24.3显示得多，平均值为10.9 ng铁蛋白/ mg蛋白，相当高于1年（表1；无花果。1d）。此外，在第2年，克莱尔在9.4ng铁蛋白/ mg蛋白的生物利用度略微不同，而织布机中的11.9 ng铁蛋白/ mg蛋白质则大幅增加。正常性的Shapiro-Wilk测试表明，两个分布在分布中是非正常的（P. < 0.01); there was a slight left skew in year 1 and a more pronounced right skew in year 2, although we concluded the data skews did not warrant data transformation for QTL mapping. Bioavailability was not significantly correlated between the BLUPs from the different years (Fig.1e）。此外，包括两年的模型的可遗传性低。这表明年度场地环境方差矮人赋予由于测量误差引起的基因型效应和/或差异远大于基因型效应。在后一种情况下，效果似乎较为较强。此外，在两年的生物利用度和铁浓度之间没有检测到显着的相关性（图。1e）。

植物的作用作为小麦Fe生物利用度变化的解释

植酸在铁吸收中的作用已引起人们的广泛关注。为了了解铁含量和籽粒中植酸浓度的差异是否可以解释株系间生物利用度的某些差异，我们还对第二年开始的28个MAGIC种群个体进行了植酸测量。在被测个体中，植酸浓度从每100克面粉0.18到0.91克不等(增刊。表格2)．当相对于面粉中也存在于面粉中的Fe的植物（即，植物与Fe的摩尔比）相对于Fe，观察到的生物利用度没有显着趋势（P.= 0.45,无花果。2一种）。在植物（G / 100g）和生物利用度之间似乎存在轻微的负相关（R = -0.23）。但是，这并不重要（P.= 0.24,无花果。2b）。这些结果表明，单独的植物植物不能解释测试的生产线的生物利用度中所见的差异。

QTL定位

动力分析

功率分析结果如下所示。数字2。发现QTL的概率随着焦点QTL解释的较高百分比变异和与模拟表型相关的遗传性较高。生物利用度和Fe浓度估计H²第1年接近0。2。功率分析表明，该地区表型变异的解释率为50%的QTL的发现概率小于25%，表型变异解释率为5%的小QTL的发现概率小于5%。在第二年，估计H²生物利用度增加到0.84。在较高的遗传性下，找到解释50％表型变化的QTL的可能性增加到接近100％，而查找次要QTL的可能性（解释5％变化）约为20％。由于较数较多的代表，我们在这项研究中的遗传性估计并不是很精确。因此，真正的检测功率可能位于这两个极端之间。

铁浓度

两年来，使用5染色体识别五个QTL（表2；无花果。3.），虽然没有共同居住在多年之间。使用CIM，将五个QTL映射到相同的染色体，额外的QTL映射到2B的2B次数为29.5cm。通过IM和CIM的五个QTL大致映射到同一位置，不包括3D上的QTL使用CIM使用IM和180.1厘米映射到46.8cm。

1年级，在染色体2b，3d，5d和6a上发现qtl（表2；无花果。3.)．这些命中最重要的是2b（217.5cm）。对于这种QTL，Xi19和Rialto单倍型具有最积极的效果，并且Brompton和Hereward Haplotypes对晶粒中的Fe浓度具有最负面影响。同样在第1年，通过IBS方法将QTL映射到该相同的区域，在220.7cm的22b中发现峰值标记为-log10（P.)的3.95(附表3.)．对于2B (29.5 cM)上的其他QTL和6a上的单个QTL, Xi19单倍型对Fe浓度的影响最大。对于CIM方法中在5D上识别的QTL, Xi19也贡献了最积极的效果，尽管这与IM方法不一致。通过IM和CIM在5D上鉴定的QTL分别为175.5 cM和199.08 cM。在这些QTL中，Rialto单倍型对该性状的负面影响最大，CIM中的Claire次之，IM中的Claire和Robigus次之。通过IBS方法，在5D 181.1 cM处也发现了一个QTL， -log10 (P.）值为4.55（表3.)，在峰值标记(BS00032035_51)上，创始人Rialto、Claire和Robigus都有相同的等位基因，表明这是在IM和CIM中发现的相同的QTL。在IM识别的3D QTL中，Rialto对该性状的负面影响最大。但在3D上通过CIM发现的QTL中，Rialto的贡献更为积极，说明这些位点可能是不同的QTL。所有QTL解释的百分比变异均不大于10%。结果表明，在6 a区(8%)的QTL中，Rialto单倍型对该性状的贡献率最高。

在第2年，没有发现IBS映射的重要QTL，只有IM和CIM方法发现单个QTL：在2A染色体上，用溴普隆和Xi19单倍型具有最积极的效果和织布酶和柔软剂单倍型对Fe浓度的最负面影响。该QTL解释了6.3％的特质变异。总体而言，对于在第1和第2年映射的Fe浓度QTL，Xi19单倍型通常导致对特性的最积极的影响，而制革机和Rialto单倍型通常具有负效应。在创始者的表型变异中未观察到这种模式（图。1A和B）罗比乌斯在两年内具有最高的Fe集中，尽管在第2年中只测量了两个创始人。

Fe BioAvailability.

发现比Fe浓度的生物利用度更少。此外，没有针对特征的共同定位QTL，并且QTL简档是完全不同的（图。3.）对于IM在1年，在167.3和193.7厘米的峰值1A上发现了两种QTL（表2)．图2中所示的QTL配置文件包括：3.表明这两个峰与同一个QTL相连，这是由于在相当大比例的1a上存在一个长而杂乱的峰，但需要注意的是，亲本效应在QTL之间并不一致(表12)．然而，由于多年之间没有显着的相关性，因此可以推测确定父母效应的准确性。1A上的IM命中最重要的是映射到194厘米，接近通过CIM出现的相同击中，达到195厘米。在该基因座上，克莱尔单倍型对Ng铁蛋白/ Mg蛋白质的阳性作用最大，并且Brompton单倍型具有最负面影响。在染色体2a和7b上通过CIM检测到另外两个QTL，在1年中，这些QTL在比1 A QTL上解释了比表型方差的较低百分比（表2)．通过5B的IBS映射找到额外的QTL（表3.），通过IM和CIM没有找到。

在第2年，使用CIM确定了两个重要的QTL。将一个QTL映射到2.5厘米的2 A A，并解释了4.5％的表型变异。在这个QTL，炼金术和这里的单倍型对该特征贡献了最负面影响。该QTL还通过IBS方法映射，在2A上具有略微不同的峰值18厘米（表3.），在峰值标记（Excalibur_rep_c110303_320）炼金术中，这里与其他创始人共享替代等位基因。通过CIM发现的第二个QTL在4B上映射到55.7厘米，并解释了4.4％的表型变异（表2)．QTL在第1年映射到Fe生物利用度的2A映射到2年内的2 A QTL与2年级的QTL相同。它们分开77厘米，而在1年级，Rialto创始人单倍型贡献了对特性最负面影响的影响，而对于2年QTL，Rialto为特质贡献了第三次积极影响。2年内Fe浓度的QTL也被映射在2A中，但该QTL位于染色体（253厘米）的另一端。因此，所有这三个QTL都很可能是不同的基因座。

已经提出了Fe浓度的增加是农作物中人类改善营养的主要育种目标[37那38.那39.那40那41.那42.那43.那44.]．然而，重要的是要注意，增加铁浓度的目标假定更多的铁将被传递到吸收。鉴于铁的化学性质及其与植物化学物质(如植酸、酚酸和多酚)的相互作用，最近的研究表明，在评价铁浓度的同时，也必须评估铁的输送(即铁的生物有效性)[45.那46.]．

因此，我们的目标是了解小麦中较高的铁浓度如何在增加铁吸收/生物利用度方面发挥作用。我们测定了一个高度多样性作图群体> 200个品系在两个田间季节的铁含量和吸收。在目前的研究中，Fe浓度的年际相关性相对较弱(r = 0.27)。这可能部分是由于高测量变异的特征。然而，我们成功地鉴定了4个QTL，解释了第一年总铁含量遗传变异的30%左右，这些QTL与第二年发现的单个QTL不同，且年份间的QTL分布明显不同(图1)。3.)．因此，我们得出结论，谷物中Fe浓度的基因型X环境（GXE）相互作用，这可能对Fe浓度增加的育种成功产生了影响[11.那40那42.那47.那48.]尽管有一些重要谷物物种的QTL变异的证据表明[11.那16.那42.那47.那49.那50.]．然而，应该注意的是功率分析(增刊。数字2)强调，找到一个与带有aH²对于QTL解释的所有测试百分比表型变异，0.2的0.2％低于30％。对于Fe浓度，H²估计为0.19年1，这意味着在多年内发现一致的小QTL的可能性非常低。这里鉴定的QTL不同于使用当前在墨西哥种植的小麦的小麦研究，或在面包小麦祖先发现的QTL [13.那49.]．

用于生物利用度的Caco-2测定的日常变异具有显着的分析挑战，我们的1年数据具有不足的分布式控制，以准确估计分析方法（H²= 0.20)。我们可以在第二年改进它(H²= 0.84)，但如果测试大量样品，建议对该系统使用更多的控制(除内部控制外，每天至少运行三条控制线)。这限制了使用Caco-2系统用于育种目的的适用性，但它仍然比在人体上测试要快得多。两年间的生物利用度评分之间没有相关性，再次表明该性状可能存在较高的GxE变异，尽管第一年性状平均估计的低准确性可能是缺乏年份间相关性的一个重要因素。同样值得注意的是,生物利用度分数的范围之间的人口是非常不同的两年内(2.7 - -8.1,平均5.5 ng铁蛋白/毫克蛋白1年,3.0 - -24.3,平均10.9 ng铁蛋白/毫克蛋白2年后)。此外,增加变异性较高的特征值(如控制IC2增刊。图1)表明，测量误差可能不是线性的，这将进一步负向影响年之间的相关性。但两年中均检测到少量弱qtl，虽然贡献率相对较低。附录中的功率分析。从图2中可以看出，如果第二年估计的QTL值为50%，那么很有可能找到一个可以解释50%表型变异的主效QTLH²对于生物利用度是准确的（这里测量的遗传性仅在铁蛋白实验组内）。缺乏清晰的QTL吸收可能是在这里未占的审判中的大现场生育效应的结果。具有生物复制的更大的试验设计将更适合控制这些效果，并且可以改善我们在多年内找到一致的小QTL的机会。鉴于特质分布和侵袭分离（图。1），我们认为，最有可能是通过多种小效果的多个基因座来控制Fe生物利用度，其中大部分在此处都无法检测到。这是由电源分析（图2）的支持，显示出在不同年度中的任何一个发现的较小QTL（百分比变化= 5％）的概率很低H²估计，这也解释了为什么多年来我们没有发现一致的基因位点。对于这个群体的未来工作，我们建议增加使用的MAGIC个体的数量，这将增加在多个环境中发现一致的次要QTL的概率。我们还建议使用更大的重复田间设计来调整田间肥力效应。我们所知,这是迄今为止最大的单一试验测量和地图在小麦、生物利用度和缺乏主要QTL在一个非常多样化的人口,占很大比例的英国多态性提供了一些深入了解为什么生物利用度映射和育种的进展一直缓慢。结果表明，两年中Fe浓度与生物利用度之间均无相关性，QTL在各性状间无共定位，与QTL谱图也无相关性。3.)这两种特征的区别是完全不相关的。这表明，育种者不仅可以直接在谷物中选择Fe浓度，而且还增加了生物利用度。

在文献中通常突出植物在Fe吸收中发挥的作用，因为谷物中的近2/3的Fe被认为是植物的结合[21.]．然而，当在相同的样品上测量植物酸盐，Fe浓度和吸收的直接测量时，植物浓度不解释在通过CaCo-2细胞吸收的Fe能力中所见的变异。这表明多酚或其他尚未鉴定的组分如诸如多酚或其他尚未鉴定的组分的其他因素在增加Fe吸收而不是本身的植物中可能更重要。植物：Fe摩尔比对于测量的样品很高，这可能是鉴定没有显着相关性的原因。试图提高小麦的Fe的生物利用度的一个主要问题是，许多已被发现促进铁的吸收的酚酸，主要来自豆类，似乎在小麦中产生[19.那51.那52.那53.]．目前还不清楚小麦是否不能合成这些化合物，或者是否需要其他因素来诱导它们的生产。至少，我们没有发现任何对生物利用度变化的简单解释，这进一步表明它是一个复杂的多基因性状。

最后，只有在本研究中测试了全谷物，可以了解存在于谷物的其他部分中存在的表型变异，并且如果可以鉴定出同样的QT1，以增加Fe浓度和胚乳和胚芽中的吸收。玉米的最近研究表明，胚芽本身可以是Fea吸收的颗粒的主要抑制部分，因此通过转基因手段在小麦中进行的胚乳的强化可能是增加生物可利用铁的可行途径[15.那27]．胚乳的Fe浓度和酚酸被认为是低的，这表明收集到迄今为止的数据不会有助于增加白面的Fe吸收[53.]．由于70％的电流消耗面包是白面包，而不是含有酚酸的全麦，这级分的增加可能比纯粒/全麦面包更重要。

之间的大量的年变化特征和潜在的QTL,没有任何关联的铁浓度和生物利用度,为生物利用度和缺乏主要的QTL,所有强调为什么小遗传进展在解决贫血从谷物饮食。我们的结果表明，传统育种最好的方法是关注铁的生物利用度，而不是铁浓度，而且结果将通过周期性选择(通过基因组预测增强)逐步实现，而不是通过快速部署少量的主QTL等位基因。否则，传统育种可能不能完全解决面包小麦铁吸收低的问题。

本出版物中使用的小麦线可自由地提供签名的MTAhttps://www.niab.com/research/agricultural-crop-research/resources/niab-magic-population-resources.。请在MTA签名和日期，并通过邮寄或电子邮件作为扫描文件将其返回James Cockram。（james.cockram@niab.com）

QTL：

定量特质基因座

菲:

铁

魔法:

多亲本高级代杂交

IP5：

磷酸盐

IP6：

六磷酸盐

icp - aes:

电感耦合等离子体原子发射光谱

集成电路:

内部控制

SNP:

单核苷酸多态性

肠易激综合症:

相同的国家

我是：

间隔映射

CIM：

复合间隔映射

罗斯福:

假发现率

结影：

最好的线性无偏见预测

H²：

遗传性

GXE：

环境基因型

MEM:

最小的必要媒体

N/A

这项工作得到了BBSRC / ISCF Agri-Food Technology播种催化剂奖2017-18的支持。

从属关系

1. NIAB，93 Lawrence Weaver Road，CB3 0LE，剑桥，英国

   塔利I.C.赖特，基思A.加德纳和马修J.米尔纳

2. Robert W. Holley农业与健康中心，美国农业部，美国农业部，14853，纽约州伊萨卡

   雷蒙德P. Glahn.

贡献

MM和RG执行了实验，TW分析了来自KG的支持，MM和Tw写下了纸张。所有作者TW，KG，RG和MM编辑纸张，并对提交感到满意。作者读并批准了最终的稿件。

相应的作者

对应于马修J. Milner.。

伦理批准和同意参与

获得了许可或许可，以发展魔法人口，并遵守相关的机构，国家和国际指导方针和立法。出版的同意：n / a。

利益争夺

没有竞争利益。

出版商的注意事项

Springer Nature在发表地图和机构附属机构中的司法管辖权索赔方面仍然是中立的。

开放访问本文根据创意公约归因于4.0国际许可证，这允许在任何中或格式中使用，共享，适应，分发和复制，只要您向原始作者和来源提供适当的信贷，提供了一个链接到Creative Commons许可证，并指出是否进行了更改。除非信用额度另有说明，否则本文中的图像或其他第三方材料包含在文章的创造性公共许可证中，除非信用额度另有说明。如果物品不包含在物品的创造性的公共许可证中，法定规定不允许您的预期用途或超过允许使用，您需要直接从版权所有者获得许可。要查看本许可证的副本，请访问http://creativecommons.org/licenses/by/4.0/。Creative Commons公共领域奉献豁免（http://creativecommons.org/publicdomain/zero/1.0/）适用于本文中提供的数据，除非另有用入数据的信用额度。

再版和权限