跳到主要内容

引种黑杨木种群物候适应的遗传基础(毛果杨托。&灰色)

摘要

背景

进入和退出冬季休眠是北纬地区生长和生存之间的重要权衡。许多森林树木在与这些物候过渡相关的性状上表现出跨纬度的局部适应。将一个物种转移到其本地范围之外,将该物种引入新的环境条件组合,可能需要不同的等位基因组合来优化生长和生存。在这项研究中,我们进行了全基因组关联分析和选择扫描P毛果从本地采集并引入瑞典的无性系之间的杂交获得的图谱群体。GWAS分析是利用在两个季节和一个受控的人工气候室实验中收集的表型数据进行的。

结果

我们发现了与春季和秋季候选性的584个候选基因,以及生长。许多地区含有与叶子血管和叶秋着着色的发起显着相关的变化,在本地环境中似乎在阳性选择下已经不断发展P毛果. 通过比较在本地环境中进行的早期GWAS分析结果确定的候选基因,发现春季物候性状的重叠比秋季物候性状的重叠小,与早期的观察结果一致,春季物候转换比秋季物候转换有更复杂的遗传基础。

结论

在一个小巧的结构介绍的人口中P毛果,我们发现了所有物候和生长性状背后的复杂遗传结构,并确定了多个假定的候选基因,尽管研究群体的局限性。

同行评审报告

背景

在北纬地区,冬季条件不利于植物的生长,因为低温、霜冻和光条件的结合导致多年生植物通过进入冬季休眠(以后称为休眠)来避免这些条件[1].从积极的生长到休眠和休眠到主动生长的转变由不同的环境线索控制,其中到休眠过渡的主要被光周期的变化诱导[2]或质量轻[3.]而休眠的解除是由于长期暴露在低温下,随后温度升高,重新激活了生长[4].已知物候转换的时间不正确会导致由于长时间休眠而失去潜在生长,或由于暴露于不利条件甚至死亡而损害分生组织和叶子等重要组织,从而导致实现生长的损失。因此,休眠是生命史上生长与生存之间的一种重要权衡。适应不良的个体很可能遭受繁殖成功率和/或生物量产量降低的影响,这两者都可能对生态和经济产生重大影响[5].

广泛物种的群体通常会显示对其本地环境的表型和遗传适应的签名,即使在群体之间具有相当大的基因流动的物种[6].这种现象,称为局部适应,往往是从阳性选择产生的[7,从而在整个基因组中留下独特的、可检测的特征[89].选择的强度以及局部重组率和基因流动是选择签名的范围和大小的主要决定因素[910].此外,个体基因组中的分离多态性与其表型或其出生环境的测量之间的关联可以通过进行全基因组关联研究(GWAS)来探索[11].在大量具有南北分发范围内的大量物种中观察到局部适应气候和光周期,包括拟南芥7],Picea amies12),震颤杨13]. 实证研究表明,局部适应的遗传基础可能是高度多基因的,其中大多数具有局部适应的基因座和等位基因的影响很小[14虽然在某些系统中观察到大效果基因座(例如[[15])。由于这些特征的多基因性质,局部适应气候的遗传建筑在甚至密切相关的物种之间可以非常多样化,尽管通过非常相似的环境条件驱动(例如[1516])。

属于属的种类杨树是落叶的早期演替树木,在北半球分布广泛,从赤道到树木生长的北部界限。快速生长速度和产生自然无性系的能力[1718刺激了对该属动物的经济兴趣[17],而该属的许多物种也被认为是其自然栖息地的关键物种[19].杨树物种经常用于森林工业的生物量生产,即使在自然分配范围之外也是[20]. 在北欧,生物质生产杨树由于商业育种品种的物候不适应,物种是一种未充分利用的选择[21].因此,商业利益的存在是为了适应外来人口杨树物种在北欧条件下生长,但缺乏必要的遗传资源和对相关性状的了解[22]. 黑杨木(毛果杨)是一种原产于北美的落叶树,从加利福尼亚到阿拉斯加,在北美的西部和西北部持续分布。人们对该物种在其自然范围内进行了彻底的研究,发现该物种在其自然范围内显示出对气候和光周期的局部适应特征[1623].将该物种引入瑞典北部的新环境,可以进一步探索这些性状的遗传结构,有可能揭示与它们相关的新基因,并与自然范围的选择结果和签名进行比较,为进一步揭示这些性状在新条件下的适应细节和潜在限制提供了机会。最后,探索适应潜力[22]引种所产生的小种群遗传基础也将有助于深入了解如何在林木中进行经济高效的育种。

在这项研究中,我们进行了田间试验和控制环境人工气候试验,以收集春季和秋季物候和生长性状的数据P毛果.我们利用这些数据分析了这些性状的遗传基础,采用了群体基因组学方法和全基因组关联研究。我们比较了在连续两年以及在田间和植物中发现的候选基因,以确定对不同物候性状有可靠影响的基因。最后,我们将我们鉴定的候选基因与早期在自然范围内进行的关联研究的结果进行比较P毛果对本地和新颖环境下酚类特性的遗传控制进行造影。

结果

表型变异和遗传性

所有的性状(见缩写表)在年内和年间都显示出变异,尽管BB2排名靠前(图。1E)和BS2(图。1F) 与其他性状相比,变异性明显较小(图。1). 田间性状有极显著差异(P < 0.001) 2017年与2018年的差异。除BB2-top和BS2外,所有所选性状均具有明显的广义和狭义遗传力(H2> 0.4, h2 > 0.15) with only BB2-top having narrow sense heritability less than 0.05 and BS2 having broad sense heritability below 0.25. There were signs of overfitting for CO8-18 and LS5-18 of the field traits and BS2, BS7, BB2-top, BB4-top, BB2-brn, BB4-brn and BB2-stt, which all were potentially overfitted in the model for BLUP -estimation for calculating the broad sense heritability estimations, as the values approached a singularity fit (TableS7). 虽然BB2-stt和BB4-stt,BB4-stt和BB4-stb,以及CO3-17和CO8-17都具有很高的相关性(r2>(图0.8)。S2).

图1
图1

所有研究特征的表型。一个芽破裂(BB),b秋天着色(CO),c叶子棚(LS),d野外的胸径(胸径)及(e)芽爆发及(f芽集(BS)。在方框图中,方框图跨越了第一个到第三个四分位数,中间值标记为粗黑线。须的跨度最多是盒子长度的1.5倍,任何距离都被标记为离群值

在植物实验(BRN,STB,STT和顶部)的植物不同部位之间的发芽突发的开始明显不同。然而,这些差异在很大程度上消失了3研发阶段为brn, STB和top,而STT在4TH.阶段。在第五阶段,植物的不同部位的行为都是相似的。21)。英石2018年8月,在第二季春季之前,植物冬季冬季冬季发生故障,导致模拟冬季温度为4°C(表S5)转向高达21°C几个小时,一旦冬季条件恢复,某些切屑的早期芽和随后的芽损伤。当比较具有受损或缺乏顶端芽的个体时,STT的芽突发定时(图。2B) 和机顶盒(图。2C) 而分枝则无明显差异(图。2D).芽集后期也存在显著差异(图4)。2E)。

图2
figure2

人工气候室性状达到阶段(x轴)的平均天数和95%置信区间。一个完整顶芽下的四种不同芽型,b茎顶芽(BB-STT)根据完整(红色)和受损/死(蓝色)顶部芽,c茎下芽(BB-stb)在完整和受损/死亡的顶端芽下,d在完整和受损/死亡的顶芽和e在完整和受损/死顶部芽下的芽套(BS)

林德利评分和候选基因综述

林德利评分法确定了不同性状的0-80个显著斜率,得出了总共250个显著斜率(表1)1,也参见图1和图2.S3S4对于传统的曼哈顿和分位数的情节)。秋季物候性状LS5-17(图。3.A) ,LS2-17(图。3.B)和CO3-17分别具有80,25和21的显着斜坡数,其次是BB4-TOP,具有20个显着斜坡。最后,LS5-18,BB4-STB和BB4-BRN分别具有14,13和10个显着斜坡。其余的特征,包括BS7(图。3.C),有9个或更少的显著斜坡,没有确定的BB2-brn显著斜坡(表1).生长性状(DBH-17)具有4个显着斜率(图。3.D) 是的。

表1我们选择的23个秋季物候期、春季物候期和生活史生长场和植物激素性状的显著坡度和候选基因数(在显著坡度10 kbp以内)
图3
图3

四种典型特征的Lindley得分的曼哈顿图。一个2017年落叶完成(LS5-17),b芽分化(BS2),c芽爆裂发生在顶芽(BB2-top)和顶芽d乳房高度直径(DBH-17)。红线表示特定染色体的意义阈值

在0到101个基因之间位于所有特征的重要斜坡的10kbp内,整个特征有584个独特的基因(表1). 对这些基因进行GO术语富集分析,经过多次测试校正后,在我们的8个性状中产生了41个富集术语。其中生物过程类20种,细胞成分类13种,分子功能类8种。总的来说,13种显著富集的细胞成分中有5种是膜(表1)S8).

积极选择和转入富集的签名

一百八,106个SNP位于10 kbp内,在IHS选择扫描中,189位位于顶部0.1百分位数中(图。4A) 是的。类似地,120914个SNP(由于处理零重组值的差异而更高)位于显著斜率的10 kbp内,65个下降位于H12统计的0.1%的顶部(图。4b)。涵盖CO3-17和LS2-17的候选基因周围的SNP标记显着(P 在两种选择扫描中富集的<0.05)富含0.1个百分位数(表S9),使用超几何分布检验。710个和685个基因在最高峰值的10kbp范围内,对iHS和H12选择估计分别产生13和15个GO-term富集(图1)。5,表格S8).

图4
装具

两种选择扫描的曼哈顿情节。一个绝对iHS和bH12选择估计。灰点是显著坡度10 kbp范围内的标记

图5
figure5

丰富的秋季和春季候选和选择估算IHS和H12。一个领域和bPhytotron.

秋季候选

土壤和植物秋季物候性状的显著坡位分别为164个和6个,扩展坡位的候选基因分别为336个和30个。在366个候选基因中,34个基因在不同的秋季物候性状间具有相似性,6个基因在不同年份的同一性状上具有相似性。我们只观察到CO3和LS2在年份之间有重叠,而CO8和LS5没有重叠(图5)。S6,表格S10级).2个不同秋季物候性状间共有23个候选基因,4个秋季物候性状间共有5个候选基因。5个候选基因在CO3-17、CO3-18、LS2-17和LS5-18之间共享(表5S10级).

我们的研究和Evans [23和McKown [16].32个候选基因在Evans之间共享[23,我们的结果和一个候选基因在McKown [16]以及我们的结果(图。6一、表第11页). 长期富集分析得到13个秋季物候富集(图。5在BS中发现了10个(图。5b)。13个浓缩中的四种与选择估计共享,2带H12和3,IHS(图。5),其中一个在选择估计值和田间秋季物候性状之间共享(图。5一个)。

图6
figure6

在引入的种群和北美本土范围内假定的候选基因。我们之间的重叠(一)秋季物候学和(b)春季物候(芽变)候选基因和其他两项研究(Evans[22和McKown [16])

春季物候学

田间和人工气候室春季物候性状共观察到21个和55个显著斜率,扩展斜率分别包含61个和148个候选基因。同一性状在田间多年共有5个基因,在人工气候室中BB4-stb和BB4-brn共有2个基因。S6,表格S10级).这2个候选基因构成了植物芽猝发的唯一重叠部分,因为在两个阶段BB2和BB4的候选基因中,植物芽猝发的4个性状都没有出现阶段性重叠(图1)。7).这些阶段的植物加速器和野外估计也没有重叠(表S10级). 此外,至少一个秋季和一个春季物候性状共有7个候选基因。

图7
figure7

人工气候室中四种不同芽型的候选基因重叠。一个起始阶段(BB2)和(b)完成阶段(BB4)

对于春季物候性状,我们没有观察到我们的结果和McKown之间共享的候选基因[16),而我们的研究结果和Evans共有19个基因[23](芽破)(图。6B,表格第11页).在AT - GO-term分析中发现了28个春季物候性状的富集(图1)。5). 最后,在春季物候期和H12和iHS选择估计值之间分别共享了2个GO术语富集(图。5).

讨论

基因组宽协会研究问题

我们绘图人群的相关结构和研究人群的小规模都对进行无偏GWAS提出了挑战。即使我们使用的作图群体是小的和家庭结构,群体显示类似程度的LD比以前从野生个体获得的样本[2425],表明该结构和之前的任何选择都没有对种群中的LD水平产生重大影响。我们还试图通过在GWAS分析中包括亲属矩阵来减轻个体的亲缘关系问题[2627,尽管这不太可能完全消除亲缘关系的混淆效应。我们的研究人群规模较小,这可能给GWAS的力量带来另一个问题。然而,之前已经发现该种群在物候性状上存在大量的遗传变异,足以适应未来的变化[22]. 因此,虽然许多较小的效应结构可能仍然未被发现,但我们应该有能力在性状中找到至少较大的效应位点[151623尽管我们的人口规模很小。减轻这两个问题的另一个因素是我们选择使用Lindley方法[28],允许我们利用完整的7,076,549组SNP及其各自的连锁状态中包含的信息,尽管这不太可能完全消除该群体中由于较小的尺寸、结构和以前的选择而导致的假阳性。然而,尽管我们尽了最大努力来缓解这些问题,我们承认我们的GWAS结果并不适用于全球毛果杨作为物种,但具体到我们的研究群体,以进一步探索其更好地适应北欧的新条件的可能性,以繁殖目的。

表型变异和遗传性

尽管人口的尺寸和结构,绝大多数特征表现出明显的表型变化水平(图。1),具有明显的广义和狭义遗传力(表S7).对于BB2-TOP和BS2,这两种情况都显示出普遍缺乏表型变化以及用于估计广泛意义遗传性估算的模型中的模型中的低窄感觉百分之一和过度拟合。(图。1E&F,表格S7). 虽然对于大多数物种和性状来说,在受控环境中进行的测量通常会产生更高的遗传力估计值,但遗传力在不同的环境中是不同的[29],但我们的结果显示了相反的趋势。BB2-top和BS2通常分别是最能把握植物进入休眠和退出休眠时间的性状,其表型变异和遗传力的严重缺乏引起了人们的关注。然而,这至少可以部分解释为在我们的人工气候室实验中许多个体对顶芽的损伤。因此,我们决定从进一步的分析中排除这两个特征。最后,在用BB2-brn,BB2-stt的人工气候室中,过度拟合似乎是一个相当大的问题。BB2-top、BB4-brn、BB4-top以及芽集的起始和完成模型均为BLUP估计过拟合,而田间性状CO8-18和LS5-18均为过拟合。通常较少的观测次数至少可以部分解释过度拟合的问题,特别是在人工气候室中。

温度和水分利用率可能对物候转换有影响

在2017年和2018年的大田试验中,我们观察到温度和降水的显著差异。2018年更热,从4月到8月,月平均气温持续上升至少~ 2℃,4月、5月和7月的气温差异更大(3-5℃)。2017年5月至10月平均气温在5℃以上,平均气温为12.8℃,而2018年4月至10月平均气温在5℃以上,平均气温为13.9℃。平均气温的差异很大程度上是由于2018年7月的早春和异常热浪造成的。此外,2018年的降水量较低,而且生长季节的结束可能也受到了水资源减少的影响S2),尽管可用性没有直接测量。

温度是许多一年生和多年生植物春季物候转变的主要驱动力,包括杨树4].此外,已经看到较高的温度导致其他物种中的芽爆来更快地完成[30.31.]. 因此,与2018年相比,我们观察到2017年春季物候转变的开始和完成更早并不奇怪(图。1).即使秋季候选的启动在很大程度上是在一天的长度杨树2],有一些证据表明温度和水可用性均可能影响秋季候选转型的误区和完成,特别是在叶候中[32.33.34.].也有一些证据表明早春物候转变导致早秋物候转变[35.]. 同样地,水的可利用性和降雨模式已经被认为影响秋季物候的开始和速度,尽管这些影响的方向似乎依赖于物种[33.]. 我们的发现与先前建立的温度、降雨量、水分利用率和春季物候之间的关系是一致的。因此,2018年的情况很可能影响了该年秋季衰老的提前开始和完成,尽管我们尚不清楚这些关系中哪些是因果关系。除了观察到的表型差异之外,我们还发现2018年秋季物候性状的显著斜率明显低于2017年(表1)1),这可能表明2018年秋季物候的遗传控制存在差异,不过需要进一步的工作来证实这种说法。

物候与生长的遗传结构

连锁不平衡(LD)平均衰减超过10 kbp(图。S5)在我们的P毛果人口,这与早期的研究相似P毛果在其本地范围[24].基于LD的这种程度,我们在任一方向上增加了10kb的所有显着斜率,以识别可能的候选基因。我们在研究具有足够的遗传变异的情况下识别出共250个重要的斜坡。在该特征中,LS5-17具有比具有下一个最高斜率数量的特性多三倍多的斜坡(图。3.一、表1).这支持秋季候选性的复杂遗传基础的早期证据P毛果1623].对于生长(DBH-17),我们只识别了4个显着斜坡(图。3.D,表格1)可能是由于增长性状的高度多基本性质和低功率来检测由于我们人口的小尺寸和由于较小的效果,并且由于程度较小,即使是现代GWAS方法的限制[36.37.].

脂质和蛋白质代谢的变化以前已经被观察到在植物物候转换过程中杨树和其他树种[38.39.].各种膜的脂质含量是确定的细胞状态指标,如耐寒性[39.40].我们的转运分析支持这一点,因为我们在BB-18,BS和Co-17中发现的前期膜结构(GO:0,005,886)直接与膜结构直接相关的特征,这是遍布我们的特征的浓缩。S8).

积极选择和转入富集的签名

积极的选择往往推动当地适应[7],在整个基因组的遗传变异中留下可检测的特征。使用两个测试统计,iHS[41.]和h12 [42.[我们在我们的基因组中确定了在多个位置的肯定选择的明确签名P毛果学习人口。我们在估计扫描的估计选择值的估计选择值的顶部0.1百分位中观察到数百kBb的数百kBp标记(图。4).因此,我们识别的许多重要斜率可能也对应于我们研究人群父母的本土环境中的基因组区域。

一步一步分析假定的候选基因的选择也产生了充实质膜(:0005886)的统计,叶绿体被膜(iHS: 0009941),膜(H12: 0016020),进一步支持了膜结构适应北方气候的重要性(39.40].其他值得注意的富集是对低温反应(GO:0,009,409)的iHS(表S8)由于已经发现两者的某些方面,直观地连接到秋季和春季候选,以依赖于温度杨树2].

秋季候选

先前已经观察到芽组和叶片衰老的引发是相同树木的年份和条件之间的一致性,这表明对秋季候选性的引发更严格的遗传控制[22243.]. 我们的结果与此一致,因为我们发现的11个候选基因在不同年份之间共享,只在早期发现(CO3和LS2)(图。S6,表格S10级).同样,秋季候选性状以前已经显示有一定程度的共享遗传建筑[16并在这个群体中具有遗传相关性[22].我们的研究结果支持了这一观点,因为我们观察到不同的秋季物候性状之间的候选基因有显著的重叠,包括四个田间性状中的五个候选基因的共享关联。最大的重叠发生在CO3-18和LS5-18之间,包含15个候选基因(表1)S10级),可能会被视为进一步证明对热和/或干旱的系统应力反应(表S10级,表格S2). 在模式种中观察到了这些胁迫的加速衰老作用[1644.这与我们2018年的观察结果非常吻合。我们观察到的重叠部分可能是由误报导致的,可能是由于种群的生长和适应的早期选择。然而,即使后者是正确的,它也不能改变这样一个事实,即相同的基因在性状上受到了人工选择,因此对于适应新条件很可能是重要的。

我们鉴定了两个秋季物候性状的候选基因,这两个基因在早期的Evans研究中也得到了鉴定[23和McKown [16] (图。6一个)。这些基因是LS2-18之间的葡聚糖合成酶样12(Potri.003G214200)和两种埃文斯的芽组合[23和McKown [16]以及后者中的额外特征,如黄化和叶片下降,以及在Mckown的LS5-17和叶片下降之间共享的血糖醛酸酶2(Potri.015G049100)[16]巴德在埃文斯[23].由于这两者都具有复合碳水化合物代谢的功能(https://uniprot.org),它们可能在细胞壁降解或储存碳水化合物的产生中起作用。我们在这项研究中确定的另外34个候选基因也与Evans共享[23但只有一个基因与McKown共享[16] (图。6A) 是的。这些重叠在程度上与以前的比较相似[45.]并建议秋季候选性遗传结构的一些较大效果基因座在本地和新颖的环境中共用,即使在小型和结构化人口中也可观察。然而,相对大量的研究特异性候选基因也可以在可变的自然条件下暗示这些性状的复杂性。在我们的两年间,在我们的北部北部的新条件下,在两年内分享的基因之间缺乏重叠,并在本土范围内的两项研究中发现的基因[1623]可以表明,在非本地条件下有新的压力,突出了最佳适应所需的独特等位基因组合的需求。

选择统计数据均显示出CO 3-17和LS2-17的顶部0.1百分位中的GWAS次数的显着富集(表格S9). 这表明秋季物候转变的开始是一种比完成更重要的适应,这一观点已在本世纪早期的研究中得到支持杨树2].此外,我们观察到这两个特征中的重要浓缩,但未能检测到2018年相应特征的任何浓缩,以支持我们认为不同的环境因素在两年内驾驶秋季衰老。这些观察结果表明,来自2017年常规年份,特别是我们识别的候选基因的结果与驾驶局部适应更有关系。

春季物候学

顶端单位具有比具有顶端优势的物种的腋生分生成品更多。一种这种额外的功能是通过顶部产生的植物蛋白抑制腋芽[46.47.]基本上沿着茎向芽中运输[48.]. 在人工气候室试验中,我们研究了不同类型芽的芽爆发时间,结果反映了顶端优势效应,因为顶端芽(顶部)比其他类型的芽更早开始芽爆发(图。2此外,茎顶50%芽(stt)和茎底50%芽(stb)在存在功能性顶芽的条件下,芽爆发的时间有显著差异(图4)。2B&C)。因此,我们的研究结果符合先前的抑制其他芽的报告通过顶端芽[46.47.].我们的研究结果强调了顶端芽在春季候选过程中抑制茎芽的芽爆的重要性。然而,分支芽似乎独立于顶部芽操作,无损坏和损坏的芽之间没有显着差异(图。2D) 是的。

越高数量的重要基因观察在人工气候室结合普遍缺乏之间的候选基因重叠芽破裂特征不仅在我们的研究可以支持的观点,即芽破裂是一个高度塑料特征也已经是一个复杂的遗传基础(1623].在植物实验中芽突发性质之间鉴定的候选基因中缺乏重叠表明,控制植物不同部位的芽爆的基因是独特的(图。7),这可能会影响研究之间结果的可比性。虽然这些结果可能看起来很惊人,但值得记住的是,我们的小而有结构的群体需要对Lindley分数使用严格的阈值,而与芽突性状的关联性较弱,因此可能会被过滤掉,并代表假阴性。然而,我们的结果显示,在植物不同部位的芽爆发或不同年份之间,没有大的效应位点是共享的。

共鉴定出5个芽裂候选基因,其中2个和3个在芽裂起始阶段BB2和完成阶段BB4之间共有。这与之前发现的基因相关性非常吻合[22]但有点令人惊讶的是,这表明,在不同年份的芽爆裂中,遗传控制比在秋季物候中更为一致(图。S6). 将我们的结果与Evans进行比较[23[我们观察到20个基因候选基因的重叠,表明在原生和新环境之间的芽爆的遗传控制中存在一定程度的相似性。然而,这种重叠显着降低了我们对秋季候选性的观察到的(图。6A和B)。

候选基因适应北欧的候选基因综述

两年中物候性状的候选基因为植物的适应性改良提供了潜在的靶点P毛果尽管由于我们人群的弱点,需要补充研究来确认特定候选基因的作用,但北欧的情况在两个非常不同的年份是稳定的。总的来说,我们观察到在生长素代谢、脂质代谢和as解旋酶中具有功能的候选基因(表1)S10级)每一个都有直观的拟合函数,用于物候转变的时间或速度。生长素在延缓植物衰老方面有着广泛的作用[49.50.].衰老开始的时间以前被观察到是在严格的遗传控制下杨树22243.]说明秋季衰老的开始而不是完成对适应更为重要。各种膜的脂质含量是细胞状态的指标,如耐寒性[39.40],这是冬季休眠的关键部分。春秋的候选转型代表了北纬近期植物年龄寿命的转录组变化[51.].多年生植物在这些过渡过程中表现出的许多变化也依赖于先决条件的满足。例如,在杨树被观察到芽组是叶子棚的先决条件[2]. 由于2018年夏天非常温暖,CO和LS之间共享的大量基因可以为应激诱导的衰老提供洞察。性状间共享的基因似乎与先前确定的细胞壁和细胞因子在物候转换中的作用一致[50.51.].

结论

这里提出的研究是第一个研究人口中候权性状的遗传基础P毛果传入北欧的。我们发现了大部分物候和生长性状的表型变异和复杂的遗传结构,并确定了多个假定的候选基因,尽管研究群体规模小且结构合理。我们发现的许多候选基因在细胞膜或细胞壁中具有功能,它们在北欧新环境中的物候转换过程中都具有重要的生物学功能。将候选基因与在本地范围内进行的研究进行比较,结果显示秋、春季物候变化有一些重叠,尽管后者的重叠要少得多。除了这些观察之外,我们还发现了在秋季物候转换的起始步骤中,在显著坡度的选择下,SNPs显著富集的证据。这些发现与早期的观察结果一致,即与完成秋季物候过渡和春季物候的一般情况相比,更明确地控制了秋季物候开始的基因定义。连同理查兹的结果[22在相同的人群中,我们的小动物似乎有潜力进行适应性改进P毛果人口,尽管这些结果可能具有高度的人口特异性和任何应用的结果在这里提出的其他人口P毛果应该小心地做。我们在这里的发现将有希望鼓励小规模的树木繁育者,表明大规模的收集不一定需要适应高度异交物种的新条件。

方法

植物材料,现场实验和气候数据的表型

在本研究中使用的树是第一代或第二代杂交后代P毛果从西北美国西部的自然范围收集的树木(表S1).利用筛选试验,从34个家庭中选择了生长速度高、物候时机适应良好的个体,每个家庭有1 ~ 21个全同胞兄弟姐妹。然后选择的个体进行无性复制,并于2003年在瑞典乌普萨拉附近的克鲁森伯格(Krusenberg)(北角59°44′44.2”北角17°40′31.5”东经)的5个完整的街区中与一些亲本和非亲本树木一起种植。在本研究期间(2017-2018年),来自109个独特基因型的564个活分株留在了现场,所有这些分株都与另外12个非现场个体进行了基因分型。现场的气候数据来自SLU Ultuna气候站(表1)S2).对植物材料进行取样不需要获得许可。

在2017(17)和2018(18)两个连续年份中,每2-5天对树木进行一次表型分析,包括芽突(BB)(春季物候)和叶脱落(LS)以及秋季着色(CO)(秋季物候)。芽集(BS)是最相关的测量季节结束增长[2],但在成熟的树木中很难精确测量。叶脱落和秋季着色是衡量芽集的指标,因为它们在成年树中很容易测量,而且只有在芽集后才发生[2].这些树木的胸径(DBH)是在2017年测量的,并作为终生生长的代理指标。

芽爆裂是用一个有六个步骤的量表来评分的,从完全休眠的芽开始[1]完全开放的芽,叶展开,芽生长活跃[6] (桌子S3).叶片脱落的程度从1到5不等,每个阶段描述20%的叶片脱落的窗口(第1阶段:0%到20%的叶片脱落,第5阶段:80%到100%的叶片脱落)。这两年对秋季颜色的测量略有不同,2017年使用1到5的刻度,2018年使用1到8的刻度(表)S4),根据叶冠黄变程度,1为全绿叶,5/8为全黄叶。

植物材料,条件和表型植物实验

2018年2月,在Krusenberg田间试验中,从99个无性系中采集了插条。这些插条取自生长在稀疏个体的树桩或成熟树木的树枝上的根吸盘的茎,并在-4°C下储存,直到2018年3月种植在花盆中。两条长度相似的插条(~ 每盆种植同一无性系的10厘米。这是在三个重复,以产生一个3区随机设计。发芽后,不太有力的切割被删除,只留下一个切割每盆。然后将插条放入表中描述的两个模拟季节S5

在第二个模拟季节测定了芽裂和芽集S5).在现场试验中使用的六步规模(表格)之后得分芽突发S3),但幼树上的芽被分为4类,分别得分。这些类是最长的顶芽茎(上),分支芽(brn)组成的味蕾侧向分支上如果存在,前50%的茎芽(stt)和底部50%的茎芽(机顶盒)组成的味蕾在顶部和底部分别干线的一半。按照罗德[Rohde] [Rohde] [Rohde] [Rohde] [Rohde] [Rohde] [43.]舞台编号的微小变化,从生长的顶端商品(1在我们的编号中,rohde 3中的343.])完全定芽(我们的编号是7,罗德的编号是0)[43.])。

基因分型,SNP呼叫和过滤

从2016年秋季的Krusenberg试验中收集叶样品,并用硅胶储存,直至DNA提取物。使用来自用于植物实验的切屑的叶片对少数克隆重复DNA提取。根据制造商的说明,使用Macherey-NagelNucleospin®工厂套件提取基因组DNA。使用纳米玻璃分光光度计评估DNA的质量和浓度。瑞典斯德哥尔摩生命实验室科学基础设施的所有样本构建了350年BP的嵌入式尺寸的配对结束序列库。使用具有2×150bp配对端读数的Illumina Hiseq X平台进行目标深度的全基因组测序,平均每样产生47.6米,每个样本具有21.6的中值深度。

所有载体的测序读数都针对参考基因组映射P毛果V3.0,使用BWA-MEM(v0.7.17)[52.使用默认参数。评估了覆盖的深度和广度,以确认所有样本的最低覆盖范围为10倍(范围从12倍到49倍,见表)S6)映射后过滤删除未映射的读取(samtools v1.10) [53.]并标记重复读取(Picard Markduplicates v2.10.3)(http://broadinstitute.github.io/picard/),不超过14%(由3至13.8%不等)。

我们使用了gatk v3.8 [54.来调用变量。我们使用RealignerTargetCreator和IndelRealigner(默认参数)对indel执行局部重新对齐。使用HaplotypeCaller调用样本变量,生成gVCF文件(-ERC gVCF)。使用combinegvcf将样本分层合并到中间的gVCF文件中,最终与genotypegvcf联合调用。使用selectvariantfiltering (QD < 2.0;FS > 60.0;MQ < 40.0;ReadPosRankSum < -8.0;琼> 3.0;MQRankSum < -12.5)。 SNPs were pruning with vcf/bcftools [53.55.移除深度最大的位置(min- meandp16, max- meandp33;这些阈值对应于平均深度±一个标准差),在超过30%的样本中缺失,非双等位基因的等位基因频率小于0.05,或snp显示出过量的杂合度(FDR < 0.01)。结果得到一个包含7,297,862个snp的数据集。对单核苷酸多态性进行筛选,发现等位基因数= 2,次要等位基因频率(MAF)为> 0.05,与Hardy-Weinberg平衡(HWE)的极端偏差< 106.过滤后,7,076,549个SNPs被保留并用于所有下游分析。

缺少数据和表型数据估算

在田间试验中,在两个连续的表型之间,个别树木有时会经历一个以上的表型阶段。为了解释这些缺失的表型,我们首先将每个序数阶段转换成朱利安天数(从1月1日开始测量),当一棵树的某一阶段首次被观察到时。这样做是为了消除数据集中由于不同观察者主观评分的差异或通过黄叶脱落(有时某些树木出现明显的“绿化”)而在低频率下发生的物候期意外逆转。一旦一棵树过渡到下一个物候期,朱利安日期就被记录下来,任何随后的逆转都被丢弃了。对于春季和秋季物候的第一(1)阶段,我们使用最后一次观察的日期作为观察点,因为第一阶段表示“没有变化”,使得对该阶段的早期观察没有关于物候进展的信息。

通过过渡日拟合局部回归模型(黄土),分别估计每个个体的缺失阶段过渡日。该方法拟合一条非线性曲线,该曲线不受约束,可以分别拟合每个个体的先验分布。这使得我们能够估计这些个体进入每个有序发育阶段的日期,从而在下游分析中包括在各阶段之间的过渡中未观察到的个体(更多信息见Richards)[22]). 然后计算每个克隆的平均值,并在随后的所有分析中用作该基因型的阶段特异性表型。我们观察到估计的BLUP和平均值之间的差异可以忽略不计(图。S1)由于我们实验设计的简单性。

选择阶段

使用在各个阶段高度相关的多个阶段进行酚素性状的表型(图。S2). 在生长期和易受伤害性方面,大多数信息是由初始过渡(阶段1到2)和最终过渡阶段提供的,因此我们选择这两个阶段作为数据中物候过渡的代表性时间点。芽分化期和叶脱落期分别为第二期和最后一期。对于秋季着色,选择最后一个阶段来代表物候转变的结束,但在这里我们使用第三个阶段来代表起始阶段,因为第三个阶段在这两个年份都是直接表现型的(表1)S4).对于芽突发,选择第二阶段的开始作为候选转变的开始,选择第四阶段作为转换结束,因为这代表叶子开始出现和展开活跃光合作用时的阶段。

对田间物候性状进行Welch 2样本t检验,验证两年间的物候时间差异是否具有统计学意义。广泛(H2)和狭义遗传力(h2还使用R包(R核心团队,2014)“INTI”来计算我们每个所选择的特征,利用CULLIS -Method [56.]使用简单的模型来估算Blup的模型,其中顶芽(如果适用)的重复和状态是固定效应,并且在嵌段和基因型内重复是随机效应,并且“遗传性”,一种专门为工厂数据开发的标记的方法[57.],利用GEMMA中计算的标准化亲属矩阵[27]和顶端芽状态(如果适用)为Covariate,使用每个单独的算术表型作为每种克隆的重复,以估计表型变异的程度是可遗传的(表S7).

GWAS和Lindley得分

虽然结构小而且严重结构,但先前已经发现研究人群涉及适应的候选性的足够遗传变异[22].因此,我们利用GEMMA (v. 0.98.1)实现的单变量线性混合模型,对23个选择的性状进行了全基因组关联研究。由于上述数据中的亲缘关系结构,包括从全同胞到无亲缘关系的混合个体,我们使用了亲缘关系矩阵(GEMMA中产生的)来部分缓解由亲缘关系结构引入的混淆效应引起的问题。所有的田间性状都没有协变量,但在植物芽中测量的性状中,采用二元协变量来指示顶端分生组织的状态(受损/未受损),以解释植物芽问题的影响(见结果). 为了利用现有的大量标记,更好地利用相邻标记间连锁不平衡所包含的信息,进一步减轻我们的小群体和相关群体的影响,我们使用了Bonhomme提出的基于Lindley评分的方法[28].使用从多个相邻SNP的信息计算本地林德利分数,从而限制使用所有可用数据时执行的测试数。每个p-超过用户设定的阈值(ξ,在对数尺度上)的值将对局部Lindley得分产生正贡献,对于低于阈值的snp,反之亦然。林德利分数不能低于零,无论有多少p值低于给定的阈值。如果足够多的相邻检验具有显著性或单个检验具有高度显著性,则局部Lindley评分将高于染色体特异性显著性水平,表示感兴趣的区域,这对于突出显示包含多个弱显著性标记的区域尤其有用。该阈值分别为每个链接的、自相关的snp集确定,并且基本上是所述标记集的空分布[28].林德利分数是定向过程的结果,前缘坡(以下简称坡)是感兴趣的领域。

LD衰减,候选基因和候选基因比较

为了确定由局部Lindley评分分析所揭示的显著斜率附近的候选基因,采用Wang方法估计连锁不平衡(LD)的衰减率[25]. 简单地说,SNP标记被随机稀释到100000个标记使用plink1.9[58.]和剩余的标记物用于计算相关系数的平方(r2)在50 kbp非重叠窗口中,使用PLINK 1.9对所有SNP对进行检测。然后利用成对的非线性回归估计了LD在物理距离上的衰减r2对碱基对中位点之间的物理距离[59.]. LD平均衰减超过10 kbp(图。S5)在我们的P毛果人口,我们使用该信息来确定在GWA中显示出显着关联的区域的推定候选基因。显着斜坡的边界延长±10 kbp以使用该基因搜寻基因P毛果v3.1注释(60.]载于Phytozome 12 (https://phytozome.jgi.doe.gov/pz/portal.html).

在田间性状的年份间和人工气候室试验的不同芽变性状间,对发现的候选基因进行了比较。这些比较的结果用维恩图加以说明。我们比较了春季和秋季物候期的候选基因与在美国早期两项研究中发现的候选基因P毛果,Evans(所有站点和测试结果汇编)[23和McKown [16],揭示基于瑞典,加拿大,加拿大或植物实验的共同花园数据鉴定的候选基因中的任何相似性。

通过合并各个阶段的候选基因,对每个研究性状进行GO-term富集分析。这项分析是在PopGenIE (https://popgenie.org)在现场表演拟南芥使用工具的默认设置的同义词。Popgenie使用Fisher的确切测试使用False Discovery速率(FDR)校正,默认情况下,校正的p值阈值为0.05,最小值最小。

正选择的签名

我们计算了两个基于单倍型的检验统计来检测阳性选择,综合单倍型得分iHS, [41.]和H12,它测量单倍型纯合性,特别是在寻找软选择扫描有用[42.].两个测试统计数据都使用selscan v1.2.0a [61.].所有SNP标记的遗传地图位置基于使用LDHAT估计的群体平均重组率计算[25将缺失的值设置为零。iHS不会对导致两种方法之间的估计数略有不同的零值进行估计。对于这两个统计数据,前0.1%被用作选择签名的阈值。为了检测显示正选择证据的snp和GWAS显著snp之间的可能富集,我们分别对每个性状进行了超几何分布检验。然后在R.中使用ggpmisc包(Aphalo, 2020)确定每一次选择扫描的峰值SNP。峰值是以该SNP为中心的20001 bp窗口内所有SNP中选择扫描得分最高的SNP。只有前0.1个百分位中的峰值(以下简称峰值)被用于两个估计的下游分析。鉴定了10 kbp内的基因,并与GWAS候选基因进行了比较。使用PopGenIE富集分析工具的默认设置,对选择峰周围的基因进行go富集分析。

数据和材料的可用性

RAW测序读取从研究号PRJEB38910的欧洲核苷酸存档(ENA)提供的所有样品读取(https://www.ebi.ac.uk/ena/browser/view/PRJEB38910). 分析中使用的所有表型性状的育种值可从zenodo.org获得,DOI编号为10.5281/zenodo.4059259(http://dx.doi.org/10.5281/zenodo.4059259).用于分析的其他脚本和文件可以在下面找到https://github.com/parkingvarsson/CLAP

缩写

硬件:

哈代-温伯格平衡

GWAS:

全基因组关联研究

空气流量:

次等位基因频率

身份证号码:

连锁不平衡

黄土:

当地的回归模型

FDR:

假发现率

BB:

萌芽

LS:

叶子棚

有限公司:

秋天着色

BS:

蕾丝集

胸径:

胸高直径

(2) 或(3):

特质的启动阶段

(4) ,(5),(7)或(8):

特质收尾阶段

(17):

2017年

(18):

2018年

brn编号:

分支机构

机顶盒:

杆底部

stt:

茎上顶部

顶部:

在最长的茎上的顶端分生组织

参考

  1. 1.

    关于木本植物芽休眠的文献综述。Meded van Landbouwhogesch Wageningen/nederl。1953; 53(1): 24。

    谷歌学者

  2. 2.

    关键词:白杨,秋衰老,防治,植物学报植物杂志。2009;149(4):1982 - 91。

    CAS.PubMed.公共医学中心文章谷歌学者

  3. 3.

    Clapham DH, Dormling I, Ekberg I, Eriksson G, Qamaruddin M, vincent - prue。在光周期控制花芽和扩展生长中对远红外光的需求纬向渐变Picea amies(挪威云杉)。生理植物。1998;102:71–8.

  4. 4.

    Singh RK, Maurya JP, Azeez A, Miskolczi P, Tylewicz S, Stojkovič K等。介导杂交杨树芽裂控制的遗传网络。Nat Commun。2018;9(1):4173。

  5. 5。

    高度生长速率的权衡决定了树木在北方和南方的生长范围。J Biogeogr。1998;25:735-42。

    文章谷歌学者

  6. 6。

    豪GT、艾特肯SN、尼尔DB、杰姆施塔德KD、惠勒NC、陈THH。从基因型到表型:揭示林木冷适应的复杂性。我可以叫J机器人。2003;81(12):1247–66.

    CAS.文章谷歌学者

  7. 7。

    Fournier级A,Korte A,Cooper MD,Nordborg M,Schmitt J,Wilczek Am。本地适应地图拟南芥. 科学(80-)。2011;334(6052):86–9.

    CAS.文章谷歌学者

  8. 8。

    Maynar Smith J,Haigh J。有利基因的搭便车效应。Genet Res.1974年;23(1):23–35.

    文章谷歌学者

  9. 9

    自然发生的DNA多态性水平与基因重组率相关D黑胃病大自然。1992;356(6369):519 - 20。

    CAS.PubMed.文章谷歌学者

  10. 10

    Vitti JJ, Grossman SR, Sabeti PC。在基因组数据中检测自然选择。2013;47(1): 97-120。

    CAS.PubMed.文章谷歌学者

  11. 11

    约瑟夫埃布,斯丁奇科姆小,赖特西。Tansley回顾了全基因组关联研究能告诉我们什么关于维持数量性状遗传变异的进化力量?新植物醇。2017;214(1):21–33.

  12. 12

    贝克E。新疆种群芽萌发时间对气候变化的适应樟子松l .,Picea amies(l)岩溶。树杂志。1994;14(7):961 - 70。

    文章谷歌学者

  13. 13。

    杨树自然物候变化(英文)震颤杨):SwAsp集合。树基因组。2008;4(2):279–92.

  14. 14。

    Rockman MV。QTN程序和重要的等位基因对演变有关:所有的黄金都没有闪闪发光。进化(n y)。2012; 66(1):1-17。

    谷歌学者

  15. 15.

    王军,丁军,谭波,孙建平,等。一个主要位点控制多年生植物的局部适应和适应性生活史的变化。基因组医学杂志。2018;19(1):17。

    文章CAS.谷歌学者

  16. 16。

    Mckown AD,KlápštěJ,Guy RD,Geraldes A,Porth I,Hannemann J,et al.基因组范围的关联暗示了许多基因潜在的自然种群生态性状变异毛果杨.新植醇。2014;203(2):535 - 53年。

    CAS.PubMed.文章谷歌学者

  17. 17。

    泰勒G.杨树:林业拟南芥。我们需要一个模型树吗?Ann Bot。2002; 90(6):681-9。

    CAS.PubMed.公共医学中心文章谷歌学者

  18. 18。

    林义聪,王杰,德尔霍姆N,希夫泰勒B,桑德斯特伦G,祖科洛A,等。中国的功能和进化基因组推断杨树通过美洲和欧洲白杨的基因组和群体测序。国家科学院学报。2018;115:E10970–8。

    CAS.PubMed.公共医学中心文章谷歌学者

  19. 19

    杨树是许多濒危物种的主要宿主,但在芬兰的老森林保护区,这种植物的长期生存正面临危险。[J] .自然资源学报,2004;12:41-52。

    文章谷歌学者

  20. 20

    Dickmann DI,Kuzovkina J。世界杨树和柳树,重点是重要的造林树种。杨树柳树。2014;22:8.

    文章谷歌学者

  21. 21.

    Karacic A, Verwijst T, Weih M.瑞典农用短轮作杨树人工林地上生物量的生产。黄志明,刘志明,刘志明,等。2003;18(5):427-37。

    文章谷歌学者

  22. 22.

    李建平,张建平,李建平,等。毛白杨(Populus trichocarpa)适应物候性状的数量遗传结构分析。植物生理学报,2014,54(5):771 - 778。和灰色)。遗传(Edinb)。2020; 125:449-58。

    CAS.文章谷歌学者

  23. 23.

    Evans LM、Slavov GT、Rodgers-Melnick E、Martin J、Ranjan P、Muchero W等。毛果杨群体基因组学鉴定了选择和适应性状关联的特征。纳特·吉内特。2014;46(10):1089–96.

    CAS.PubMed.文章谷歌学者

  24. 24.

    Slavov GT,Difazio SP,Martin J,Schackwitz W,Muchero W,Rodgers Melnick E,et al.基因组重测序揭示了林木的多尺度地理结构和广泛的连锁不平衡毛果杨.新植醇。2012;196(3):713 - 25所示。

  25. 25.

    Wang J,街号,Scofield DG,英格瓦松PK。自然选择和重组率变异形成了杨树三个近缘种基因组的核苷酸多态性。遗传学。2016;202(3):1185–200.

    CAS.PubMed.文章谷歌学者

  26. 26.

    Yu J, Pressoir G, Briggs WH, Bi IV, Yamasaki M, Doebley JF,等。关联映射的一个统一的混合模型方法,它考虑了多层次的关联。Nat麝猫。2006;38(2):203 - 8。

    CAS.PubMed.公共医学中心文章谷歌学者

  27. 27.

    周X,斯蒂芬斯M.基因组 - 广泛的效率混合模型分析进行关联研究。NAT Genet。2012; 44(7):821-4。

    CAS.PubMed.公共医学中心文章谷歌学者

  28. 28.

    Bonhomme M,Fariello Mi,Navier H,Hajri A,Badis Y,Miteul H,等。当地得分方法改善了GWAS分辨率并检测了较小的QTL:对Medicago Truncatuca的应用对多个Aphanomyces欧脲分离物的定量疾病抵抗力。遗传(Edinb)。2019; 123(4):517-31。

    CAS.文章谷歌学者

  29. 29.

    阿里A,约翰逊DL。自然和控制条件下小扁豆抗寒性的遗传力估计。植物品种。2000;119:283–5.

    文章谷歌学者

  30. 30

    Nicotra Ab,atkin ok,bonser sp,Davidson Am,Finnegan EJ,Mathesius U等。植物表型可塑性在不断变化的气候中。趋势植物SCI。2010; 15(12):684-92。

    CAS.PubMed.文章谷歌学者

  31. 31

    Tansey CJ,Hadfield JD,Phillimore AB.估计植物在春季物候最适期对温度介导的变化进行可塑性跟踪的能力。全球昌生物。2017;23(8):3321–34.

    PubMed.文章谷歌学者

  32. 32

    Ghelardini L,Berlin S,Weih M,Lagercrantz U,Gylenstrand N,Rönnberg-Wästljung AC.柳属春季和秋季物候的遗传结构。BMC植物生物学。2014;14(1):1–18.

    文章CAS.谷歌学者

  33. 33

    谢Y,王X,威尔森AM,西兰贾。秋季物候预测:落叶树种对气候胁迫的反应。阿格里克为Meteorol。2017;2018(250–251):127–37.

    谷歌学者

  34. 34

    Kalcsits LA,Silim S,Tanino K。温加速短光周期诱导的杨树生长停止和休眠诱导。树结构函数。2009;23(5):971–9.

    文章谷歌学者

  35. 35

    秋季衰老的时间受到春季物候期时间的影响:预测模型的意义。全球昌生物。2015;21(7):2634–41.

    PubMed.文章谷歌学者

  36. 36

    杜Q,龚C,王q,周d,杨h,pan w等。综合定量性状基因座(QTL)分析及关联研究展示杨树生长特征的遗传建筑。新植物。2016; 209(3):1067-82。

    CAS.PubMed.文章谷歌学者

  37. 37。

    Müller BSF, de Almeida Filho JE, Lima BM, Garcia CC, misaggia A, Aguiar AM等。独立和联合gwas的生长性状,通过组装全基因组数据,3373个体横跨四个育种群体。新植醇。2019;221(2):818 - 33所示。

    PubMed.文章CAS.谷歌学者

  38. 38。

    Hoffman DE,Jonsson P,BylesjöM,Trygg J,Antti H,Eriksson ME,et al.杨树转录组和代谢组内日变化模式对光周期变化的响应。植物细胞环境。2010;33(8):1298–313.

    CAS.PubMed.公共医学中心谷歌学者

  39. 39。

    Lee YK、Alexander D、Wulff J、Olsen JE。挪威云杉茎尖在短日诱导冬季芽发育和长日诱导芽冲洗过程中代谢产物谱的变化。代谢组学。2014;10(5):842–58.

    CAS.文章谷歌学者

  40. 40.

    Kedrowski RA。春季解硬期引种和本地阿拉斯加常绿植物抗寒性的变化与水分和脂肪含量的关系。48杂志。1980;(3):438 - 42。

    CAS.文章谷歌学者

  41. 41

    Voight BF,Kudaravali S,Wen X,Pritchard JK。人类基因组最近正选择的图谱。公共科学图书馆。2006;4(3):0446–58.

    CAS.文章谷歌学者

  42. 42

    Garud Nr,Messer PW,Buzbas Eo,Petrov Da。最近在北美的选择性扫描果蝇黑胶基显示软扫描的签名。公共科学图书馆Genet。2015;11(2):1–32.

    文章CAS.谷歌学者

  43. 43

    Rohde A,Storme V,Jorge V,Gaudet M,Vitacolonna N,Fabbrini F,et al.《杨树芽集——自然和杂交群体中复杂性状的遗传解剖》。新植物醇。2011;189(1):106–21.

    CAS.PubMed.文章谷歌学者

  44. 44

    Munné-Bosch S, Alegre L. Die and let live:叶片衰老有助于植物在干旱胁迫下存活。植物生物学杂志。2004;31(3):203-16。

    PubMed.文章谷歌学者

  45. 45.

    张敏,苏仁H,贺利迪JA。表型和基因组的局部适应跨越纬度和海拔毛果杨. 基因组生物进化。2019;11(8):2256–72.

    CAS.PubMed.公共医学中心文章谷歌学者

  46. 46.

    查特菲尔德SP、施蒂恩伯格P、福德BG、莱瑟O。拟南芥腋芽生长的激素调控。植物J。2000;24(2):159–69.

    CAS.PubMed.文章谷歌学者

  47. 47.

    植物生长素与细胞分裂素协同草莓小穗腋芽的休眠和生长。中国生物医学工程学报,2019;

    文章谷歌学者

  48. 48.

    关键词:拟南芥,生长素,生物合成,稳态控制植物j . 2001; 28(4): 465 - 74。

    CAS.PubMed.文章谷歌学者

  49. 49.

    Mueller-Roeber B,Balazadeh S.植物征及其在植物衰老中的作用。J工厂增长调节。2014; 33(1):21-33。

    CAS.文章谷歌学者

  50. 50.

    Woo HR,Kim HJ,Lim Po,Nam Hg。叶片衰老:系统和动力学方面。Annu Rev植物Biol。2019; 70(1):347-76。

    CAS.PubMed.文章谷歌学者

  51. 51.

    Howe GT,Horvath DP,Dharmawardhana P,Priest HD,Mockler Tc,Strauss Sh。广泛的转录组在杨树中自然发病和营养芽休眠的释放。前植物SCI。2015; 6(DEC):1-28。

    谷歌学者

  52. 52

    李H,德宾R。利用Burrows-Wheeler变换快速准确地进行短读对准。生物信息学。2009;25(14):1754–60.

    CAS.PubMed.公共医学中心文章谷歌学者

  53. 53

    Li H,Handsaker B,Wysoker A,Fennell T,Ruan J,Homer N等.序列比对/映射格式和SAMtools。生物信息学。2009;25(16):2078–9.

    PubMed.公共医学中心文章CAS.谷歌学者

  54. 54

    Van der Auwera Ga,Carneiro Mo,Hartl C,Poplin R,Del Angel G,Levy-Moonshine A等人。从FASTQ数据到高置信变量调用:基因组分析工具包最佳实践管道。Curr协议生物形式。2013; 43:11.10.1-11.10.33。

  55. 55

    DaneCek P,Auton A,Abecasis G,Albers Ca,Banks E,Depisto Ma,等。变体呼叫格式和vcftools。生物信息学。2011; 27(15):2156-8。

    CAS.PubMed.公共医学中心文章谷歌学者

  56. 56

    Cullis Br,Smith Ab,Coombes ne。关于相关数据的早期种类试验的设计。JAgric Biol Environ Stat。2006; 11(4):381-93。

    文章谷歌学者

  57. 57

    本文主要介绍了一种新型的水动力学模型,即Kruijer W, Boer MP, Malosetti M, Flood PJ, Engel B, Kooke R等。不朽群体遗传力的标记估计。遗传学。2014;199(2):379 - 98。

    PubMed.公共医学中心文章谷歌学者

  58. 58

    Purcell S,Neale B,Todd Brown K,Thomas L,Ferreira MAR,Bender D,et al.《PLINK:全基因组关联和群体连锁分析的工具集》。我是吉英。2007;81(3):559–75.

    CAS.PubMed.公共医学中心文章谷歌学者

  59. 59

    Remington DL,Thornsberry JM,Matsuoka Y,Wilson LM,Whitt SR,Doebley J,et al.玉米基因组连锁不平衡结构和表型关联。美国国家科学院学报。2001;98(20):11479–84.

    CAS.PubMed.公共医学中心文章谷歌学者

  60. 60.

    图斯肯(Tuskan)等。黑杨木的基因组,毛果杨(托尔。&灰色)。科学。2006; 313(5793):1596-604。

    CAS.PubMed.文章谷歌学者

  61. 61.

    Selscan:一个高效的多线程程序,用于执行基于ehh的阳性选择扫描。中国生物医学工程学报。2014;31(10):2824-7。

    CAS.PubMed.公共医学中心文章谷歌学者

下载参考

确认

作者感谢生命科学实验室和国家基因组基础设施(NGI)对大规模平行测序(项目P7512和P11086)的支持。瑞典国家计算基础设施(SNIC)通过乌普萨拉高等计算科学多学科中心(UPPMAX)在SNIC 2017/7-291、SNIC 2018/3-552、SNIC 2019/3-597和sllstore2017050项目下提供了对计算基础设施的访问。作者非常感谢娜塔莉亚·库索肯在建立和维持人工气候室实验方面给予的帮助。这份手稿已经在bioRxiv上作为预印本发行http://dx.doi.org/10.1101/2020.06.17.156281

基金

瑞典农业科学大学提供的开放存取资金。该项目由瑞典研究理事会Formas资助,作为气候适应杨树(CLAP)项目(项目编号942–2016-1)的一部分。资助者在设计实验和解释结果方面没有任何作用。

作者信息

从属关系

作者

贡献

ACW和PKI设计研究,RPA、TR、AK和ACW收集所有野外和人工气候室数据,RPA、TR、MR和PKI进行所有数据分析,RPA和PKI编写手稿,RPA、TR、MRT、AK、ACW和PKI编辑手稿。所有作者都已阅读并批准了手稿。

通讯作者

对应于Par k Ingvarsson

道德宣言

出版许可

不适用。

相互竞争的利益

提交人声明他们没有竞争利益。

额外的信息

出版商的注意事项

《自然》杂志对已出版的地图和附属机构的管辖权主张保持中立。

补充信息

以下是电子补充材料的链接。

附加文件1

表S1:父母个人之间的交叉产生的交叉和数量的示意图。母亲在左边(黄色)和顶部的父亲(蓝色)。Krusenberg现场试验中存在大胆的父母和所有后代。表S2: 2017年及2018年月平均气温及雨量资料。表S3:花蕾发育6个阶段的绘图、图片及描述。表中所示为现场记分员,缺少阶段3和阶段5和6的图片。图纸经立陶宛农业和林业研究中心所有者Alfas Pliura许可复制。表S4:2017-2018年秋季着色评分方案。原始2017和2018描述了相应年份使用的原始评分系统。转换后的2017显示,在2018评分系统中,原始2017分数对应的阶段。表S5:植物模拟季节温度、光照条件和湿度信息。模拟的冬季呈灰色。2018年7月下旬和8月初,气候室发生故障,导致模拟冬季(标有*)被高温中断,然后恢复模拟冬季温度。表S6:测序的广度和深度覆盖了121个测序个体。数值四舍五入到三位小数。基因型的亲本和非亲本非后代个体呈灰色。表S7:所选性状的可遗传性。广义遗传力的计算采用Cullis方法。*明显过度拟合。表S8: GO -term富集分析结果。表S9:超高度测试结果。结果舍入为3个小数。表S10:所有在显著坡度10kbp范围内发现的候选基因。表S11:我们的结果与Evans等人(2014)和McKown等人(2014)之间共享候选基因。图S1:Pearson's BLUP与A)2017年芽萌发开始(BB2-17),B)2018年秋季着色开始(CO3-18),C)芽集完成(BS7)和D)胸径(DBH-17)平均值之间的相关性*p<2.2-16。图S2:斯皮尔曼的相关矩阵和我们选择的23个特征的热图。图S3:对数第-价值曼哈顿阴谋。图S4:对数第-价值QQ图。图S5: LD水平作为距离的函数。图S6A)芽裂起始(BB2)、B)芽刺完成(BB4)、C)秋季着色起始(CO3)、D)秋季着色完成(CO8)、E)叶片脱落起始(LS2)和F)叶片脱落完成(LS5)两年份候选基因的维恩图。

权利和权限

开放存取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包括在文章的创作共用许可中,除非在材料的信用线中另有说明。如果材料没有包含在文章的创作共用许可证中,而您的预期使用不被法律法规允许或超过允许的使用,您将需要直接获得版权持有人的许可。如欲浏览本许可证的副本,请浏览http://creativecommons.org/licenses/by/4.0/. 知识共享公共领域放弃(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。

重印和权限

关于这篇文章

通过交叉标记验证货币和真实性

引用这篇文章

Apuli,RP.,Richards,T.,Rendón-Anaya,M。et al。引种黑杨木种群物候适应的遗传基础(毛果杨,托尔和灰色)。BMC植物BIOL.21,317 (2021). https://doi.org/10.1186/s12870-021-03103-5

下载引文

关键字

  • 毛果杨
  • 物候学
  • 局部适应
  • 萌芽
  • 叶片衰老
  • 引进人口