Development of SSR markers based on transcriptome of Camellia japonica and analysis of genetic relationship
-
摘要: 【目的】开发基于山茶转录组的EST-SSR分子标记，并应用该标记进行山茶种质的亲缘关系分析。【方法】本研究以山茶叶片转录组测序所获得的50 518条Unigenes为背景数据，利用MISA软件搜索SSR标记，设计并筛选SSR多态性引物，对8份山茶种质进行了UPGMA聚类。【结果】共检索到13 197个SSR位点，SSR的发生频率和分布频率分别为19.52%、26.12%，平均分布距离为4.33 kb；在6种SSR重复类型中，以单、二、三核苷酸这3种重复类型为主，分别占48.420%、34.917%和15.473%；出现频率高的基序类型为A/T、AG/CT和AT/TA，占总SSR位点的79.61%；三核苷酸中以AAG/CTT、ACC/GGT、AAT/ATT类型居多；在设计出的10 974对引物中，随机选用其中90对引物进行多态筛选，73对引物扩增产物与预期大小一致，有效扩增率为81.11%，29对引物存在扩增多态性，占39.73%。扩增得到72个等位基因，有效等位基因数平均达到3.264；观察杂合度和期望杂合度的平均值分别为0.208和0.638，引物多态信息含量平均为0.496；8份山茶种质在相似系数为0.58时，可以分为4类：山茶原种为Ⅰ类，‘黑蛋石’、‘红叶黑魔法’和‘黑骑士’为Ⅱ类，‘黑魔法’和‘金华美女’分别为Ⅲ类和Ⅳ类。【结论】山茶转录组测序的Unigenes信息可作为SSR标记开发的有效来源，为山茶的遗传多样性研究、亲缘关系鉴定以及分子标记辅助育种等奠定了一定的理论基础。Abstract: [Objective] Develop the EST-SSR markers based on transcriptome sequencing and apply these markers to analyze the genetic relationships of Camellia germplasms. [Method] Using 50 518 Unigenes obtained from the transcriptome sequencing of C. ‘Red Leaved Black Magic’ leaves as background data, SSR markers were searched out, and polymorphic primers were then designed and screened to construct the UPGMA evolutionary tree for 8 Camellia germplasms. [Result] 13 197 SSR sites were founded out. The occurrence frequency and the distribution frequency were estimated to be 19.52% and 26.12%, respectively, with the average distribution distance of 4.33 kb. Among the 6 types of SSR repeat motifs, mono-nucleotide, di-nucleotide and tri-nucleotide were the frequent dominant motifs, accounting for 48.420%、34.917% and 15.473%, respectively. The types of motifs with high occurrence frequency included A/T, AG/CT and AT/TA, accounting for 79.61% of the total SSR loci; AAG/CTT, ACC/GGT, AAT/ATT were in the majority among the tri-nucleotides; 10 974 pairs of primers were designed, and 73 pairs of primers were finally used to amplify effectively based on 90 pairs selected randomly, resulting in the rate of effective amplification of 81.11%; 29 primers showed some amplification polymorphism, accounting for 39.73%. The average number of effective alleles was estimated to be 3.264 with a total of 72 alleles. The mean values of observed heterozygosity (Ho) and expected heterozygosity (He) were measured to 0.208 and 0.638 respectively, as well as the average polymorphic information content (PIC) of 0.496; genetic relationship and cluster analysis indicated that eight Camellia germplasms could be classified into four categories at a similarity coefficient of 0.58: wild C. japonica in group Ⅰ; C. ‘Black Opal’, C. ‘Red Leaved Black Magic’ and C. ‘Night Rider’ together in group Ⅱ; C. japonica ‘Black Magic’ and C. japonica ‘Jinhua Meinǖ’ in group Ⅲ and group Ⅳ respectively. [Conclusion] The result showed that Camellia transcriptome Unigenes can be used as an effective source for SSR markers exploiting, which lays a theoretical foundation for studies on genetic diversity, identification of genetic relationship and marker-assisted breeding of Camellia.
-
Keywords:
- Camellia japonica /
- transcriptome /
- SSR /
- marker /
- genetic relationship
-
在树木的生活史中，幼树阶段的生长和定居非常关键，决定着其种群的更新与发展[1]。分析幼树的生长状况、空间分布与环境之间的相互关系有助于揭示其在生活史早期对环境的适应机制，对制定科学的物种保育措施有着重要的意义[2]。幼树生活在森林下层，光照是其生长发育的主要限制因子[3]，受到林冠层结构的影响显著[4]。此外，林下幼树生长还与物种的耐阴性有关[5−6]。
林窗是群落中因树木死亡而形成的不连续的林冠空隙[7]，对森林更新具有重要意义。林窗会改变林下的光照强度[8]、温湿度[9]以及化感作用[10]等环境条件，增加了林分空间结构的复杂性和林下生境的异质性，并显著影响林下幼树的分布和生长发育[11]。精确的林窗描述可以更好地模拟林窗干扰对林下幼树的作用，推断生态学机制[12−14]。研究林窗对林下幼树的影响，如何准确得量化林窗空间结构是关键。传统方法常使用鱼眼镜头拍摄、椭圆模型拟合等方法得到冠层林窗结构，但是这些都很难测定林窗连续的空间变化和准确结构信息。激光雷达能够精确得呈现目标物的三维结构信息以获得这些极具价值但过去难以测量的林分参数，相较于传统方法，可以更加真实的提取到林窗的面积、形状和位置等特征。
黄檗（Phellodendron amurense）是芸香科（Rutaceae）黄檗属（Phellodendron）的落叶乔木[15]，在2021年公布的《国家重点保护野生植物名录》中被列为国家二级重点保护野生植物。由于过去人为破坏严重，致使其种群数量急剧减少，因此开展黄檗的迁地保护研究对其种群的恢复非常重要。我们于2014年在北京百花山自然保护区实验区内的两块样地中随机种植了800株黄檗幼树，经过7年自然淘汰后，于2021年调查了存活黄檗的生长状况和空间分布情况，本文据此数据揭示了黄檗幼树对环境的适应，尤其是对林窗引起的环境变化的适应，以期为黄檗的迁地保护提供理论依据。
1. 研究区概况与研究方法
1.1 研究区概况
百花山国家级自然保护区位于北京市门头沟区清水镇境内（ 115°25′ ~ 115°42′E，39°48′ ~ 40°05′N），总面积为21 743.1 hm2。该地区年平均降水量450 ~ 720 mm，年平均温度6 ~ 7 ℃，最热月8月份，平均温度22 ℃；最冷月1月份，平均温度−5.7 ℃，全年无霜期110 d左右。土壤为本地区地带性土类褐色土。百花山国家级自然保护区分布有野生黄檗种群，气候适宜黄檗的生长。
课题组于2014年在自然保护区实验区内建立2块40 m × 40 m的固定样地。两个样地均为1970年开始营造的人工林，未经择伐和抚育。样地A（115°34′56″E，39°50′11″N）是以胡桃楸（Juglans mandshurica）和华北落叶松（Larix gmelinii var. principis-rupprechtii）为建群种的针阔混交林，伴生树种有蒙古栎（Quercus mongolica），郁闭度0.7，林分密度为650株/hm2，平均胸径18.3 cm，平均树高11.1 m，平均冠幅4.8 m。样地B（115°34′49″E，39°49′52″N）是以胡桃楸和华北落叶松为建群种的针阔混交林，伴生树种有白桦（Betula platyphylla）、北京丁香（Syringa pekinensis）等，郁闭度0.7，林分密度为600株/hm2，平均胸径21.1 cm，树高12.1 m，平均冠幅5.3 m。研究区域位于自然保护区封闭区域，人为干扰较弱，群落中的乔木树种均为野生黄檗的常见伴生树种。在每个样地内随机种植黄檗幼树400株，共800株，平均密度0.25株/m2，栽种的黄檗幼树为同一批次苗圃苗，其平均基径为1 cm，平均高度为1 m。
1.2 数据收集与处理
（1）样地植物数据的收集。经过7年自然生长和淘汰，我们于2021年9月对样地内的黄檗进行了调查，调查样地内所有存活黄檗幼树的基径、冠幅、树高并记录在样地内的相对坐标。同时对样地中的枯立木和幼龄乔木也进行了调查，记录树种、胸径、树高和冠幅。枯立木通过树皮和枝干形态辨认种类，其冠幅通过样地中同种个体的胸径和冠幅比计算。
（2）样地环境数据的收集与处理。使用Li Backpack DGC50背包式激光雷达对样地进行采样，获取样地内所有植物的三维点云数据，采样路径如图1所示。
![]()
图 1 行走路径规划①为起点，沿Z字形走到② Start from ① and walk along the Z-shaped path to ②Figure 1. Walking path planning使用LiDAR360软件对样地的点云数据进行去噪、滤波、根据地面点分类、根据地面点归一化等预处理。地面激光雷达点云是从冠层下面获取，可以清晰地识别树干，并以此分割出单木，使用点云分割工具将预处理完的点云数据进行单木分割，然后用单木点云编辑工具将林下高度低于6 m的低矮乔灌点云删除后，再按树ID提取点云[16]，得到样地的冠层图（图2）。最后将点云数据转为栅格大小为0.1 m的TIFF文件，导入到ArcGIS 10.2中进行下一步分析。
由于研究目的和研究区域不同，对林窗的判定标准存在差异[17−19]。依据前人研究，我们将面积大于4 m2的林间空隙定义为林窗区域[20−21]，并按照Omelko等[22]的方法，依据个体所处位置来划分其与林窗的关系类型，由于黄檗幼树树冠平均半径为1 m，在林窗边缘1 m范围内的黄檗幼树树冠不是完全处于林窗或林冠下的，所以我们将林窗边缘向林冠内1 m和向林窗中心1 m的范围定为林窗边缘，以此将样地的林冠覆盖情况分为林窗中心、林窗边缘和林冠区3类生境。
1.3 数据分析
1.3.1 空间点格局分析
点格局以每个树木个体的空间坐标为基本数据，所有个体构成了二维空间上种群空间分布的点图[23]，Ripley’s K（r）函数可以从多尺度上研究种群分布格局，是空间格局分析最主要的方法[24]。Ripley’s K（r）函数是以任意点为圆心，r为半径的圆内期望点数与样方点密度的比值[25]，公式为
K(r)=An2n∑i=1n∑j=1Ir(dij)Wij(i≠j) 式中：A为样地面积；n为样地内黄檗数量；Ir(dij)为指示函数，dij为圆心i和圆心j两点间的距离，当dij ≤ r时，Ir(dij) = 1，否则Ir(dij) = 0；Wij为边缘矫正的权重。
L（r）函数为K（r）函数的修正函数，可以更直观地解析种群空间格局，其公式为
L(r)=√K(r)/π−r 在自然群落中，很难区分幼树的空间分布格局是源于环境异质性，还是因由于种子扩散、母树分蘖等扩散限制因素所致[26]，通常会选择Thomas等聚集型性零模型模拟扩散限制以消除对幼树空间分布的影响[27]。本研究中黄檗幼树为随机栽种，样本之间相互独立，所以采用完全随机零模型来分析黄檗幼树的分布格局，使用Monte Carlo方法检验观测点的L（r）值偏离随机分布的显著程度。通过完全随机模拟技术得到显著性为95%的置信区间，如果L（r）值分布在置信区间内，则分布格局为随机分布；在置信区间之上为聚集分布，在置信区间之下为均匀分布[28]；研究尺度r的取值范围为0 ~ 15 m，在R 4.02中使用spatstat包完成。
1.3.2 生境关联性检验
生境关联分析时，首先要进行生境类型划分[29]，有多种方法和标准来决定分类结果，比如Zhang等[2]使用多元回归树进行划分，Zuleta等[30]使用了Ward最小方差法，但目前还没有固定统一的方法进行划分。本文以乔木层树冠覆盖情况作为变量划分生境类型，将40 m × 40 m的样地划分为1 600个1 m × 1 m的小样格，根据样地内的树冠和林窗的分布情况，利用ArcGIS的空间统计分析功能，将每个小样格划分为林窗中心、林窗边缘和林冠区3种生境类型（以下称为生境1、生境2、生境3）中的一种。
生境关联分析同样采用物种完全随机模型（complete spatial randomness，CSR）作为零模型，检验幼树与生境之间的关联性。利用CSR模型在空间上随机生成相同数量的植株，关联真实的生境地图，计算每种生境类型中黄檗幼树的多度，重复上述过程1 000次后得到黄檗幼树在不同生境中的多度分布（视其为零分布）。在显著水平α = 0.05条件下，比较幼树在不同生境中真实分布和模拟分布的多度 [2]。
1.3.3 幼树个体生长与生境的关系
由于研究中黄檗幼树均为同一批次、苗圃1年生黄檗幼树，所以本次测量的幼树基径、树高和冠幅可以视为黄檗的生长量，以表征植株对环境因子的响应。利用S-W检验样本正态性，使用独立样本t检验比较不同生境的黄檗幼树生长指标，并在R中进行统计分析和绘图。
2. 结果与分析
2.1 黄檗幼树的空间分布格局
两块样地中共有154株黄檗幼树存活。其中样地A存活79株，存活率19.75%；样地B存活75株，存活率18.75%。基于CSR模型的点格局分析显示（图3），存活黄檗幼树的空间分布呈现明显的聚集格局，样地A的幼树在2 ~ 15 m尺度上表现为聚集分布，样地B幼树在3 ~ 9 m尺度上表现为聚集分布。
![]()
图 3 黄檗幼树空间点格局分析Figure 3. Spatial point pattern analyses of Phellodendron amurense saplings2.2 黄檗幼树的生境关联性分析
黄檗样地的林窗空间格局如图4所示，2个样地共提取林窗15个，其中样地A 8个，样地B 7个，单个林窗面积4.1 ~ 155.4 m2。样地A中华北落叶松数量较多，树冠相对较小并且稀疏，林窗形状相对狭长；样地B中由于树木枯死，留下较大的冠层空隙。
按照上述生境划分的方法将样地划分为3种不同的生境类型（图5），样地A中林窗中心占总比例的7.31% （117个），林窗边缘占32.62% （522个），林冠区占60.06% （961个）；样地B中林窗中心占10% （160个），林窗边缘占29.43% （471个），林冠区占60.5%（969个）。物种完全随机模型检验结果表明（表1），黄檗幼树在2个样地的空间分布均与林窗边缘呈显著正相关，与林冠区显著负相关，与林窗中心没有明显倾向性。林窗中心密度为0.076株/m2和0.043株/m2，林窗边缘为0.088株/m2和0.093株/m2，林冠区为0.024株/m2和0.029株/m2。黄檗幼树在各生境类型中的存活密度梯度为林窗边缘 > 林窗中心 > 林冠区，林冠结构与存活黄檗幼树的空间分布有显著关联性，林窗边缘的生境条件最适宜黄檗存活。
![]()
图 5 样地生境类型划分每个小样格为1 m × 1 m。小样格内的数字表示生境类型。不同的颜色代表不同的生境类型，蓝色为林窗中心，标记为生境类型1；黄色为林窗边缘，标记为生境类型2；绿色为林冠区，标记为生境类型3。The size of each plot is 1 m × 1 m. The number in the small square indicates the habitat type. Different colors represent varied habitat types, blue indicates the center of forest gaps, marked as habitat type 1; yellow indicates the edge of forest gaps, marked as habitat type 2; green indicates the area of canopy, marked as habitat type 3.Figure 5. Classification of habitat types in the sample plot表 1 幼树与每种生境类型的关联性Table 1. Association between saplings and each habitat type样地
Sample plot生境1 Habitat 1 生境2 Habitat 2 生境3 Habitat 3 幼树数量
Sapling number显著性
Significance幼树数量
Sapling number显著性
Significance幼树数量
Sapling number显著性
SignificanceA 9 N 46 + 24 − B 7 N 44 + 24 − 注：+.正关联；−.负关联；N.中性。Notes: +, positively associated; −, negatively associated; N, neutral. 2.3 幼树个体发育与其所处位置的关系
物种对不同生境的响应和利用存在差异，其基径、树高和冠幅大小等性状是植株对其所处生境适应性的表现。黄檗幼树长势的t检验结果表明（图6），冠层结构对林下黄檗幼树的生长产生了显著的影响，黄檗幼树基径的生长状况在林窗边缘显著高于林窗中心和林冠区（P < 0.01），但在林冠区与林窗中心之间没有显著差异。黄檗的冠幅和树高则呈现显著的梯度变化（P < 0.05），即林窗边缘 > 林冠区 > 林窗中心。
![]()
图 6 黄檗幼树在各生境类型中的生长状况Figure 6. Growth status of Phellodendron amurense saplings in various habitat types3. 讨 论
分析树木的空间分布可以推断该种群对环境的适应性[12]，幼树空间分布主要受生境异质性和扩散限制因素的影响[31−32]，在已经排除扩散限制的前提下，样地中存活黄檗的空间格局在0 ~ 4 m的小尺度上没有表现出明显的倾向性，但随着尺度增大，逐渐表现为聚集分布格局（图3），说明黄檗的分布格局主要受到生境异质性的影响。林下的微生境条件通常分布不均匀，有限资源的斑块状分布会影响植株的空间格局[33]，导致黄檗个体在样地中的某些区域中存活率更高，经过7年的自然生长和死亡，我们发现黄檗对不同生境的适应性不同。
林窗对林下生境最直接的影响是改变生境中的光照条件，但林下的光环境并不是同质的，大林窗比小林窗可获得更多的光照，林窗中心的光照强度高于林窗边缘[34−35]。黄檗幼树基径的生长状况在林窗边缘的显著高于其他区域，而在林冠区和林窗中心之间没有显著差异；黄檗幼树的冠幅和树高则呈现显著的梯度变化（P < 0.05），即林窗边缘 > 林冠区 > 林窗中心（图6）。耐阴的树种在弱光环境中会在基径、树高和树冠中进行碳的重分配以适应低光环境，通常会通过降低基径来增加树高和冠幅生长的方式以最大程度获取阳光[3]，植株表现为“细长”而“冠大”的特征。林冠区的黄檗幼树可能采取了类似的生长策略，将更多碳分配于植株高度和树冠的生长，以提高其对光的截获能力，所以其树高和树冠相较于林窗中心长势更好；在林窗中心，由于光照相对更强烈，树木暴露在无遮蔽的强光下，得到的有效光辐射可能超出了它们所能利用的最高水平，抑制了其树冠和树高的生长；在林窗边缘的中等遮蔽条件下，黄檗的生长状况好于林窗中心和林冠下，这与前人研究结论一致，李霞等[36]和张玲等[37]对不同遮荫条件下黄檗形态特征、生理指标的研究中发现轻度和中度遮蔽处理有利于黄檗植株地上形态生长，并增加叶绿素含量以适应遮荫环境，但重度遮蔽会降低其可溶性糖的积累。
不适宜的生境会抑制植物的生长速度，甚至导致个体死亡，存活个体的空间分布可以表示其对特定生境的倾向性[38]。生境关联分析的结果表明，存活黄檗幼树的空间分布与林窗边缘呈显著正关联，与林冠区显著负关联，而林窗中心对其存活没有显著影响（表1），黄檗幼树在各类生境的存活密度梯度为林窗边缘 > 林窗中心 > 林冠区，这与黄檗生长状况的结果存在差异，虽然黄檗树高和树冠的长势在林冠下高于林窗中心，但可能是其在弱光环境胁迫下引起的徒长现象[39]，长期的逆境胁迫最终会导致其死亡。
即使在相同的林冠环境下，不同植物的幼苗存活率也可能存在显著差异，这与该物种对林下遮蔽环境的耐受性[40]有关，顶级种的幼苗通常生活在郁闭度高的森林下层，其幼年期可以忍耐较荫蔽的环境，而先锋种幼苗则需要较强的光照[41]。在野生黄檗分布及生长的研究中，通常认为黄檗为喜光植物[15,42−43]，而试验条件下的黄檗幼苗在全光照下受到抑制，更适宜中等遮蔽的光照条件[36−37]。这可能是因为研究中黄檗的生活史阶段不同，对野生黄檗的研究多为成年木，而试验条件下的黄檗为幼年期。结合前人研究，我们认为黄檗在幼树期具有一定的耐阴性，但如其他演替后期物种一样[44]，黄檗需要借助林窗的帮助以到达主林层，所以林窗边缘的中等光照条件最适宜其定植。
此外，枯立木和幼龄乔木可以表示样地的林分动态和冠层结构变化情况。森林中的枯木分解时间较长，枯立木可以证明其所处位置在过去几年曾有过树冠遮蔽。在样地调查过程中，我们对研究区域的枯立木及幼龄乔木的数量和分布进行了记录（图5），但研究区域的枯立木数量很少，这可能有两个原因：（1）关于冠层扰动的研究表明，在10年尺度上的冠层扰动不会很多[22]，我们的样地布置时间相对而言仍较短；（2）人类活动干扰造成的树木死亡是林窗形成的重要原因，我们的研究区域位于自然保护区中且没有进行人工择伐和抚育，人类干扰较弱，从而没有较多的冠层扰动情况。幼龄乔木可以代表其所处位置在过去几年可能没有树冠遮蔽，我们在点云数据处理时，已将低矮的幼龄乔木去掉。所以本文认为冠层动态在研究区域较弱，没有进行冠层动态对林下黄檗幼树影响的研究。
4. 结 论
本文分析了林窗空间格局对林下黄檗幼树生长和分布的影响，研究结果表明，林窗空间结构导致的林下异质性生境是影响黄檗幼树生长发育和空间分布的重要原因，林窗中心和林冠区都会对黄檗幼树的生长发育产生抑制，林窗边缘的生境条件更适宜黄檗存活。如果对黄檗进行迁地保护，建议在微生境选择上，以林窗边缘为宜，或者在其偏上方开辟人工林窗，可以为黄檗幼树的生长和存活提供适宜的生境条件。
-
![]()
图 1 山茶‘红叶黑魔法’转录组中SSR重复次数分布
Figure 1. Distribution of SSR repeats frequency in C. ‘Red Leaved Black Magic’ transcriptome
![]()
图 2 山茶转录组SSR的基序类型分布
A、B、C分别表示单核苷酸重复、二核苷酸重复、三核苷酸重复的基元比例。A, B, C, reperesent the ratio of mono-nucleotide repeats, di-nucleotide repeats and tri-nucleotide repeats in Camellia.
Figure 2. Distribution of SSR types in Camellia
![]()
图 3 引物32对8份山茶种质的PCR扩增信号图
Figure 3. PCR amplification signal figure of primer 32 in 8 Camellia germplasm
表 1 山茶材料及采样地点
Table 1 List of Camellia collections and locations
编号 No. 名称 Genotype 种源地 Origin 编号 No. 名称 Genotype 种源地 Origin 1 山茶
C. japonica浙江杭州
Zhejiang Hangzhou5 黑魔法
C. japonica ‘Black Magic’浙江金华
Zhejiang Jinhua2 黑蛋石
C. ‘Black Opal’[11-13]浙江杭州
Zhejiang Hangzhou6 黑魔法
C. japonica ‘Black Magic’[11-13]浙江杭州
Zhejiang Hangzhou3 红叶黑魔法
C. ‘Red Leaved Black Magic’浙江杭州
Zhejiang Hangzhou7 黑骑士
C. ‘Night Rider’[11-13]浙江杭州
Zhejiang Hangzhou4 金华美女
C. japonica ‘Jinhua Meinǖ’[14]浙江杭州
Zhejiang Hangzhou8 黑骑士
C. ‘Night Rider’浙江金华
Zhejiang Jinhua
下载: 导出CSV
表 2 山茶叶片转录组中SSR的分布情况
Table 2 Distribution of SSR loci in the transcriptome of Camellia leaves
SSR类型 SSR type 数量 Number 比例 Percentage/% 出现频率 Distribution frequency/% 平均距离Average distance/kb 单核苷酸 Mono-nucleotide 6 390 48.420 12.649 8.94 二核苷酸 Di-nucleotide 4 608 34.917 9.121 12.40 三核苷酸 Tri-nucleotide 2 042 15.473 4.042 27.97 四核苷酸 Tetra-nucleotide 128 0.970 0.253 446.25 五核苷酸 Penta-nucleotide 14 0.106 0.028 4 080.04 六核苷酸 Hexa-nucleotide 15 0.114 0.029 3 808.04 总计 Total 13 197 100 26.123 4.33
下载: 导出CSV
表 3 山茶转录组29对SSR引物信息及多态性信息
Table 3 29 pairs of SSR primers and polymorphic information of C. japonica transcriptome
引物编号
Primer No.来源
Gene ID引物序列
Primer sequenceSSR基元
SSR motif有效等位基因
Effective alleles观察杂合度
Observed heterozygosity期望杂合度
Expected heterozygosity多态信息含量
Polymorphism
information contentP1 c105034.graph_c0 F:CTTCTTCTCGATCCACAGCC （GAG）5 4.414 0.250 0.773 0.556 R:CGATCTCCTCCGTAACAAGC P6 c123499.graph_c0 F:GGACAATCTTTTTGGGAGCA （ATT）5 1.556 0.143 0.357 0.375 R:CCCTACACAACCAGGAAACC P10 c126182.graph_c0 F:CCTTAACAATCAGCAATGCC （AAC）5 3.122 0.375 0.680 0.455 R:TGCCATGTACCACATACCCA P12 c129722.graph_c0 F:TCAAAAGAGACCTTGGGCTG （GTA）7 4.741 0.375 0.789 0.545 R:GGGGACTTCCGATAACACAA P16 c133766.graph_c0 F:GTCCCGAAAAATCCCAAAAT （CT）6 4.235 0.500 0.764 0.778 R:AATTTGTCTGCAATGGCTCC P17 c133791.graph_c0 F:TGAATCACAATCTTGGCTGG （GA）8 2.909 0.500 0.656 0.417 R:GGTGGCCTAATACAAGCTGC P18 c133791.graph_c0 F:TGAATCACAATCTTGGCTGG （A）12 2.667 0.500 0.625 0.417 R:GGTGGCCTAATACAAGCTGC P21 c134194.graph_c1 F:ATGGTGGCAAGGAATCAAAG （TGG）5 4.000 0.750 0.750 0.500 R:TGTAAGCTCCTGTGCTGTGG P22 c135100.graph_c0 F:TTCCTCTTTCAAATGCCAATG （TA）6 2.844 0.125 0.648 0.333 R:TTAACGGGGAGCCATATCAA P24 c135126.graph_c1 F:GTGAAACAAAGCCGGAGAGT （GA）7 5.565 0.625 0.820 0.615 R:ACCTGGTTCAATCTATGGCG P25 c136711.graph_c1 F:CGTTTCAAGGGCAATATCGT （TTG）5 2.390 0.429 0.582 0.400 R:GCTACCATGAAGCTCCAACC P26 c137110.graph_c0 F:AGATTTGCAAGGTTGGGTTG （GCA）6 2.579 0.286 0.612 0.375 R:TCTACCACACTCCCACTCCC P28 c137365.graph_c0 F:TGGTTGCTGTTGTTGAGGAG （TGG）6 3.200 0.250 0.688 0.444 R:CCGCCTAATCAGAACCCTTT P32 c138380.graph_c1 F:TCGTTAAGGCAGCTCTCGAT （CGT）7 2.723 0.750 0.633 0.286 R:CCACCACTGTGTACGGTCAA P37 c141066.graph_c0 F:ACACACGAACCACTCCATCA （TAA）6 2.844 0.375 0.648 0.273 R:TTTGGTTGTTGGCATTTTCA P40 c142086.graph_c0 F:AACAATACCCGACTCCTCCC （CAT）6 5.333 0.500 0.813 0.583 R:CCTATGGCGAGACGTTCAAT P41 c142086.graph_c1 F:AATAGCACGGTAATCACGGC （CAT）7 4.129 0.125 0.758 0.556 R:GAATTTTCTGGGCCATCTGA P42 c143100.graph_c0 F:TTCCACAATTCCCACCCTTA （ACC）5 3.200 0.250 0.688 0.500 R:CCAGTCAAGCCCTGTAGCTC P44 c143532.graph_c1 F:CACCATCACCAAAGAAGGCT （CCA）6 4.455 0.429 0.776 0.600 R:TGCAAGAATTTTAACCAAACG P45 c144082.graph_c1 F:AATACCTTGGCAAATGACGC （AGA）5 3.161 0.571 0.684 0.364 R:CGCCAACCTATCTTCAAAGC P47 c144342.graph_c0 F:CGTCCAGCATTTCTCCATTT （TTC）6 3.122 0.125 0.680 0.556 R:CAAGAAGGCTCTGGAGGATG P61 c147427.graph_c0 F:GGGGAGTAGAAGAAGGGACG （GTG）5 3.657 0.125 0.727 0.556 R:TGATCTCTCACTCCGACACG P70 c148755.graph_c0 F:TGGTGGAGCTCAGAACAAGA （GGT）6 3.657 0.375 0.727 0.455 R:TCCATTGAAGTATCCACCGC P71 c148777.graph_c3 F:CTCGCGTCTCAAAACTTTCC （AAG）5 2.977 0.125 0.664 0.556 R:ATCACTGGCTCATCTCCGTC P75 c151957.graph_c0 F:GGGGGCAGGTTAACTTTGTT （TA）7 2.977 0.250 0.664 0.500 R:CCCGTCCTGATCTACCTCCT P78 c151961.graph_c0 F:TCCCCATGTAGACTCTTCCG （CCG）5 5.818 0.750 0.828 0.500 R:AAGACATGTTCGGTTCCGTC P84 c153951.graph_c1 F:CCCACATGTTTCCTCCACTT （TTA）5 3.556 0.625 0.719 0.385 R:TAGGGCAGAATTTGGGTTTG P85 c154034.graph_c0 F:GCGTTGATCATGGTTTATCG （ATG）5 4.900 0.571 0.796 0.636 R:CCGTTGATCCCTTCGACTTA P89 c76886.graph_c0 F:AGATCTATTGGCCACGGATG （TCT）5 4.414 0.375 0.773 0.456 R:GTTGCGAAAAGACGAAGAGG 平均值 Average − − − 3.264 ± 0.158 0.208 ± 0.029 0.638 ± 0.020 0.496 ± 0.038
下载: 导出CSV
表 4 8份山茶种质的遗传相似系数
Table 4 Genetic similarity coefficients of 8 Camellia germplasms
编号 No. 1 2 3 4 5 6 7 8 1 1.000 0 2 0.260 9 1.000 0 3 0.217 4 0.752 2 1.000 0 4 0.449 0 0.693 9 0.489 8 1.000 0 5 0.367 3 0.612 2 0.693 9 0.576 9 1.000 0 6 0.347 8 0.521 7 0.565 2 0.445 0 0.671 4 1.000 0 7 0.461 5 0.692 3 0.692 3 0.545 5 0.618 2 0.538 5 1.000 0 8 0.375 0 0.666 7 0.625 0 0.549 0 0.627 5 0.500 0 0.814 8 1.000 0
下载: 导出CSV
-
[1] Noormohammadi Z, Rahnama A, Sheidai M. EST-SSR and SSR analyses of genetic diversity in diploid cotton genotypes from Iran[J]. The Nucleus, 2013, 56(3): 171−178. doi: 10.1007/s13237-013-0094-4
[2] Kirungu J N, Deng Y, Cai X, et al. Simple sequence repeat (SSR) genetic linkage map of D genome diploid cotton derived from an interspecific cross between Gossypium davidsonii and Gossypium klotzschianum[J]. International Journal of Molecular Sciences, 2018, 19(1): 204−225. doi: 10.3390/ijms19010204
[3] Taheri S, Lee A T, Yusop M R, et al. Mining and development of novel SSR markers using next generation sequencing (NGS) data in plants[J]. Molecules, 2018, 23(2): 399−419. doi: 10.3390/molecules23020399
[4] Han Z, Ma X, Wei M, et al. SSR marker development and intraspecific genetic divergence exploration of Chrysanthemum indicum based on transcriptome analysis[J]. BMC Genomics, 2018, 19(1): 291−301. doi: 10.1186/s12864-018-4702-1
[5] Oliya B K, Kim M Y, Lee S H. Development of genic-SSR markers and genetic diversity of Indian lettuce (Lactuca indica L.) in South Korea[J]. Genes & Genomics, 2018, 40(6): 615−623.
[6] Zhai S H, Yin G S, Yang X H. Population genetics of the endangered and wild edible plant Ottelia acuminata in Southwestern China using novel SSR markers[J]. Biochemical Genetics, 2018, 56(8): 1−20.
[7] 魏秀清, 许玲, 章希娟, 等. 莲雾转录组SSR信息分析及其分子标记开发[J]. 园艺学报, 2018, 45(3):541−551. Wei X Q, Xu L, Zhang X J, et al. Analysis on SSR information in transcriptome and development of molecular markers in wax apple[J]. Acta Horticulturae Sinica, 2018, 45(3): 541−551.
[8] 张亚利, 宋垚, 奉树成. SSR分子标记在山茶属观赏资源遗传多样性研究中的应用[J]. 植物科学学报, 2016, 34(5):755−764. doi: 10.11913/PSJ.2095-0837.2016.50755 Zhang Y L, Song Y, Feng S C. Application of SSR for the analysis of genetic diversity in Camellia[J]. Plant Science Journal, 2016, 34(5): 755−764. doi: 10.11913/PSJ.2095-0837.2016.50755
[9] 胡兴华, 王燕, 邹玲俐, 等. 茶花品种SSR指纹图谱分型技术反应体系优化[J]. 中国农学通报, 2013, 29(1):127−131. doi: 10.3969/j.issn.1000-6850.2013.01.026 Hu X H, Wang Y, Zou L L, et al. The study on SSR-PCR fingerprints map classification for Camellia japonica cultivars[J]. Chinese Agricultural Science Bulletin, 2013, 29(1): 127−131. doi: 10.3969/j.issn.1000-6850.2013.01.026
[10] 李琳琳, 黄万坚, 刘信凯, 等. 应用SSR分子标记技术鉴定张氏红山茶杂交F1代真实性的研究[J]. 广东园林, 2014, 36(2):44−47. doi: 10.3969/j.issn.1671-2641.2014.02.012 Li L L, Huang W J, Liu X K, et al. Verity identification of hybrid F1 derived from Camellia changii using SSR markers[J]. Guangdong Landscape Architecture, 2014, 36(2): 44−47. doi: 10.3969/j.issn.1671-2641.2014.02.012
[11] 高继银, 陈绍云, 徐碧玉. 世界名贵茶花[M]. 杭州: 浙江科学技术出版社, 1998. Gao J Y, Chen S Y, Xu B Y. The world ’s best Camellia cultivars[M]. Hangzhou: Zhejiang Science and Technology Publishing House, 1998.
[12] 高继银, 苏玉华, 胡羡聪. 国内外茶花名种识别与欣赏[M]. 杭州: 浙江科学技术出版社, 2007. Gao J Y, Su Y H, Hu X C. The Iidentification and appreciation of the world ’s outstanding Camellias[M]. Hangzhou: Zhejiang Science and Technology Publishing House, 2007.
[13] Savige J T. The international Camellia Register [M]. Sydney: Fine Arts Press Pty. Limited, 1993.
[14] 管开云, 李纪元, 王仲朗. 中国茶花图鉴[M]. 杭州: 浙江科学技术出版社, 2014. Guan K Y, Li J Y, Wang Z L. Camellias of China[M]. Hangzhou: Zhejiang Science and Technology Publishing House, 2014.
[15] 陈琪, 杨华, 韦朝领, 等. 基于茶树芽叶转录组序列的EST-SSR分布特征研究[J]. 安徽农业大学学报, 2016, 43(2):170−175. Chen Q, Yang H, Wei C L, et al. Density and characterization of EST-SSR in tea (Camellia sinensis) bud and leaf transcriptome[J]. Journal of Anhui Agricultural University, 2016, 43(2): 170−175.
[16] 李海波, 王珊, 丁红梅, 等. 普通油茶转录组EST-SSR分子标记开发[J]. 植物生理学报, 2017, 53(7):1267−1278. Li H B, Wang S, Ding H M, et al. Development of EST-SSR molecular markers based on transcriptome sequencing of Camellia oleifera[J]. Plant Physiology Journal, 2017, 53(7): 1267−1278.
[17] 邵阳, 范文, 黄连冬, 等. 基于RNA-seq的崇左金花茶EST-SSR标记开发[J]. 复旦学报(自然科学版), 2015, 54(6):761−767. Shao Y, Fan W, Huang L D, et al. Development of EST-SSR markers in Camellia chuongtsoensis based on RNA-seq[J]. Journal of Fudan University (Natural Science), 2015, 54(6): 761−767.
[18] Biswas M K, Chai L, Mayer C, et al. Exploiting BAC-end sequences for the mining, characterization and utility of new short sequences repeat (SSR) markers in Citrus[J]. Molecular Biology Reports, 2012, 39(5): 5373−5386. doi: 10.1007/s11033-011-1338-5
[19] Sharma R K, Bhardwaj P, Negi R, et al. Identification, characterization and utilization of unigene derived microsatellite markers in tea (Camellia sinensis L.)[J]. BMC Plant Biology, 2009, 9(1): 53−77. doi: 10.1186/1471-2229-9-53
[20] 赵衡. 湿地松EST-SSR引物开发及其亲缘关系的研究[D]. 南昌: 江西农业大学, 2016. Zhao H. EST-SSR primer design and analysis the genetic relationship in Pinus elliottii[D]. Nanchang: Jiangxi Agricultural University, 2016.
[21] 张振, 张含国, 莫迟, 等. 红松转录组SSR分析及EST-SSR标记开发[J]. 林业科学, 2015, 51(8):114−120. Zhang Z, Zhang H G, Mo C, et al. Transcriptome sequencing analysis and development of EST-SSR markers for Pinus koraiensis[J]. Scientia Silvae Sinicae, 2015, 51(8): 114−120.
[22] Chagné D, Chaumeil P, Ramboer A, et al. Cross-species transferability and mapping of genomic and cDNA SSRs in pines[J]. Theoretical & Applied Genetics, 2004, 109(6): 1204−1214.
[23] 杜改改, 孙鹏, 索玉静, 等. 基于柿雌雄花芽转录组测序的SSR和SNP多态性分析[J]. 中国农业大学学报, 2017, 22(10):45−55. Du G G, Sun P, Suo Y J, et al. SSR and SNP polymorphism analysis based on persimmon (Diospyros kaki) transcriptome[J]. Journal of China Agricultural University, 2017, 22(10): 45−55.
[24] 梅利那, 范付华, 崔博文, 等. 基于马尾松转录组的SSR分子标记开发及种质鉴定[J]. 农业生物技术学报, 2017, 22(6):991−1002. Mei L N, Fan F H, Cui B W, et al. Development of SSR molecular markers based on transcriptome sequences and germplasm identification in masson pine (Pinus massoniana)[J]. Journal of Agricultural Biotechnology, 2017, 22(6): 991−1002.
[25] 贺润丽, 韩毅丽, 王芳, 等. 蒙古黄芪转录组SSR标记开发及遗传多样性研究[J]. 中国中药杂志, 2018, 43(9):1838−1843. He R L, Han Y L, Wang F, et al. Development of SSR markers and genetic diversity of Astragalus mongolica transcriptome[J]. China Journal of Chinese Materia Medica, 2018, 43(9): 1838−1843.
[26] 饶龙兵, 杨汉波, 郭洪英, 等. 基于桤木属转录组测序的SSR分子标记的开发[J]. 林业科学研究, 2016, 29(6):875−882. Rao L B, Yang H B, Guo H Y, et al. Development of SSR molecular markers based on transcriptome sequences of Alnus[J]. Forest Research, 2016, 29(6): 875−882.
[27] 李太强, 刘雄芳, 万友名, 等. 滇东南濒危植物长梗杜鹃转录组微卫星特征分析[J]. 林业科学研究, 2017, 30(4):533−541. Li T Q, Liu X F, Wan Y M, et al. Characteristic analysis of microsatellites in the t of Rhododendron longipedicellatum, an endangered species endemic to Southeastern Yunnan, China[J]. Forest Research, 2017, 30(4): 533−541.
[28] 李响, 杨楠, 赵凯歌, 等. 蜡梅转录组EST-SSR标记开发与引物筛选[J]. 北京林业大学学报, 2013, 35(增刊 1):25−32. Li X, Yang N, Zhao K G, et al. Development and primer selection of EST-SSR molecular markers based on transcriptome sequencing of Chimonanthus praecox[J]. Journal of Beijing Forestry University, 2013, 35(Suppl. 1): 25−32.
[29] 周萌, 宋维希, 鄢文光, 等. 基于紫娟茶叶片转录组的SSR引物开发[J]. 华北农学报, 2016, 31(增刊 1):146−151. Zhou M, Song W X, Yan W G, et al. SSR Primers development based on Zijuancha leaves ’ transcription group[J]. Acta Agriculturae Boreali-Sinica, 2016, 31(Suppl. 1): 146−151.
[30] 王丽鸳, 韦康, 张成才, 等. 茶树花转录组微卫星分布特征[J]. 作物学报, 2014, 40(1):80−85. Wang L Y, Wei K, Zhang C C, et al. Characterization of micorsatellites in tea (Camellia sinensis) floral transcriptome[J]. Acta Agronomica Sinica, 2014, 40(1): 80−85.
[31] Botstein D, Cherry J M, Ashburner M, et al. Gene Ontology: tool for the unification of biology[J]. Nature Genetics, 2000, 25(1): 25−29.
[32] Jia B, Lin Q, Lin Z, et al. Development of 15 genic-ssr markers in oil-tea tree (Camellia oleifera) based on transcriptome sequencing[J]. Genetika, 2014, 46(3): 789−797. doi: 10.2298/GENSR1403789J
[33] Wu H, Chen D, Li J, et al. De novo characterization of leaf transcriptome using 454 sequencing and development of EST-SSR markers in tea (Camellia sinensis)[J]. Plant Molecular Biology Reporter, 2013, 31(3): 524−538. doi: 10.1007/s11105-012-0519-2
[34] 尚卫琼, 段志芬, 杨毅坚, 等. 基于EST-SSR标记的云南大叶茶资源遗传多样性分析[J]. 山东农业科学, 2018, 50(1):16−22. Shang W Q, Duan Z F, Yang Y J, et al. Genetic diversity analysis of Daye tea germplasm in Yunnan based on EST-SSR markers[J]. Shandong Agricultural Sciences, 2018, 50(1): 16−22.
[35] 陈世军, 张明泽, 姚玉仙, 等. 基于SSR标记的黔南茶树种质资源DNA指纹图谱构建[J]. 植物遗传资源学报, 2017, 18(1):106−111. Chen S J, Zhang M Z, Yao Y X, et al. Establishment of DNA fingerprinting for tea germplasm from Qiannan Prefecture by SSR markers[J]. Journal of Plant Genetic Resources, 2017, 18(1): 106−111.
[36] He C, Poysa V, Yu K. Development and characterization of simple sequence repeat (SSR) markers and their use in determining relationships among Lycopersicon esculentum cultivars[J]. Tag. theoretical & Applied Genetics. theoretische Und Angewandte Genetik, 2003, 106(2): 363−373.
[37] Smulders M J M, Bredemeijer G, Rus-Kortekaas W, et al. Use of short microsatellites from database sequences to generate polymorphisms among Lycopersicon esculentum cultivars and accessions of other Lycopersicon species[J]. Theoretical & Applied Genetics, 1997, 94(2): 264−272.
[38] Ueno S, Moriguchi Y, Uchiyama K, et al. A second generation framework for the analysis of microsatellites in expressed sequence tags and the development of EST-SSR markers for a conifer, Cryptomeria japonica[J]. BMC Genomics, 2012, 13(1): 136−152. doi: 10.1186/1471-2164-13-136
[39] Temnykh S, Park W D, Ayres N, et al. Mapping and genome organization of microsatellite sequences in rice (Oryza sativa L.)[J]. Theoretical & Applied Genetics, 2000, 100(5): 697−712.
[40] Morgante M, Hanafey M, Powell W. Microsatellites are preferentially associated with nonrepetitive DNA in plant genomes[J]. Nature Genetics, 2002, 30(2): 194−200. doi: 10.1038/ng822
[41] 潘丽芹, 李纪元, 韦海忠, 等. 红叶山茶(Camellia japonica)叶片色素含量与叶色参数的相关性分析[J/OL]. 分子植物育种 (2019−03−13) [2019−03−19]. http://kns.cnki.net/kcms/detail/46.1068.s.20190313.0941.004.html. Pan L Q, Li J Y, Wei H Z, et al. Correlation analysis on pigment content changes and leaf color parameters of Camellia japonica cultivars[J/OL]. Molecular Plant Breeding (2019−03−13) [2019−03−19]. http://kns.cnki.net/kcms/detail/46.1068.s.20190313.0941.004.html.
-
期刊类型引用(11)
1. 秦孝天，郭梦鸽，秦少华，陈瑞丹. 梅花新品种‘治章骨红重翠’跨品种群特性机制探究. 生物工程学报. 2024(01): 239-251 . 
百度学术
2. 周成宇，武怀燕，圣倩倩，曹福亮，祝遵凌. 33个观赏文冠果品系花瓣色彩的动态变化特征分析. 西部林业科学. 2023(05): 84-94 . 百度学术
3. 苏江硕，贾棣文，王思悦，张飞，蒋甲福，陈素梅，房伟民，陈发棣. 中国菊花遗传育种60年回顾与展望. 园艺学报. 2022(10): 2143-2162 . 百度学术
4. 付瀚森，张亚雯，赵阳阳，罗婷婷，邓慧杰，孟晨伟，王彩云. 菊花‘绿叮当’与毛华菊杂交后代花部性状杂种优势与混合遗传分析. 园艺学报. 2021(01): 96-106 . 百度学术
5. 周琦，赵峰，张慧会，祝遵凌. 香水莲花色素成分及含量的初步研究. 黑龙江农业科学. 2021(04): 72-78 . 百度学术
6. 侯瑞丽，武倩，闫星蓉，张芸香，郭晋平. 观赏型文冠果新品种花期颜色特征及其表型稳定性研究. 西北农业学报. 2021(01): 143-151 . 百度学术
7. 吴芳芳，原鑫，苏少文，贺丹，刘艺平，孔德政. 荷花品种的花器官表型性状及花色多样性分析. 河南农业大学学报. 2020(01): 24-29+37 . 百度学术
8. 赵晋陵，金玉，叶回春，黄文江，董莹莹，范玲玲，马慧琴，江静. 基于无人机多光谱影像的槟榔黄化病遥感监测. 农业工程学报. 2020(08): 54-61 . 百度学术
9. 丁苏芹，孙忆，李玺，唐东芹，史益敏. 小苍兰品种花色表型数量分类研究. 北方园艺. 2019(04): 85-91 . 百度学术
10. 袁培森，任守纲，翟肇裕，徐焕良. 基于半监督主动学习的菊花表型分类研究. 农业机械学报. 2018(09): 27-34 . 百度学术
11. 刘海英，高远，邢晨涛，甄俊琦，陆顺丽，王玉芝. 花青素苷提取专用菊种质及适宜采收期的筛选. 河南农业科学. 2018(09): 120-125 . 百度学术
其他类型引用(14)
计量
- 文章访问数: 4219
- HTML全文浏览量: 1572
- PDF下载量: 118
- 被引次数: 25
