黄瓜果刺大小遗传分析.pdf

‘Aoqina’and‘96-100-919’ （DI＜10） .Among them，5 accessions with high resistance or resistance to black rothigh resistance to Fusarium wilt.They were‘Qiude’，‘99-192’，‘HB34’，‘JS119’and‘ZL66’. ‘JS119’and‘ZL66’were of early-maturity and round ball type.This study also conducted further analysis on the geographical origin and major agronomic traits of these resistant materials.The results showed that accessions highly resistant to Fusarium wilt out of 83 inbred lines were mostly originated from Japan and Korea and of early- maturity and round ball type.While，accessions highly resistant to black rot were mostly of late maturity and spheroidicity.Among early maturing material，there were few accessions with stronger resistance to black rot. Genetic analysis on 16 hybrid combinations made up by different resistance showed that black rot and Fusarium wilt resistance was accorded with recessive and dominant inheritance，respectively. Key wordsCabbage；Black rot；Fusarium wilt；Material with multi-resistance；Agronomic traits 黄瓜果刺大小遗传分析 狄胜强 李 豪 栾倩倩 王丽娜 李 强 任仲海 * （山东农业大学园艺科学与工程学院，山东果蔬优质高效生产协同创新中心，农业部黄淮地区园艺作物生 物学与种质创制重点实验室，作物生物学国家重点实验室，山东泰安 271018） 摘 要以大果刺黄瓜自交系CNS5和小果刺黄瓜自交系RNS4为亲本，构建P 1 、F 1 、P 2 、B 1 、B 2 和F 2 6世代群体，利用主 基因多基因混合遗传模型多世代联合分析法，对连续两季的黄瓜果刺大小的表型值（基座直径）进行遗传分析，以探究 黄瓜果刺大小性状的遗传规律。结果表明，黄瓜果刺大小的遗传符合C-0模型，即加性-显性-上位性多基因混合遗传模 型。多基因加性和显性效应均为正向，基因上位性效应累计为正向。2016～2017年连续两季F 2 群体中多基因遗传率分别是 79.21和71.25，相对较高，环境效应分别为20.79和28.75，影响较小。在基因定位策略上，选择高代回交群体效果 会更好。 关键词黄瓜；果刺大小；主基因；多基因；遗传分析 对黄瓜刺瘤的研究主要集中在刺瘤的有无及密度方 面（杨双娟 等，2011；Li et al.，2015；Pan et al.， 2015；Zhang et al.，2016；Xie et al.，2018），虽然 已有对小刺基因定位的报道（杜辉，2008） ，但是 果刺大小的遗传规律仍不清楚。 曹辰兴和郭红芸（1999）报道了无刺黄瓜自 然突变体（glabrous 1，gl1） ，该突变体地上部均 无毛，叶片有光泽。接着，曹辰兴等（2001）对无 刺基因（gl1）与果瘤基因（Tu-tu）的关系进行了 初步探索，发现果刺和果瘤基因互作可产生有瘤 有刺、无瘤有刺、无瘤无刺3种黄瓜类型，表明 gl1对果瘤基因存在隐性上位作用。果瘤基因 Tu编 码1个C 2 H 2 型锌指蛋白，通过促进CTK（细胞分 狄胜强，男，硕士研究生，专业方向蔬菜分子遗传学，E-mail *通讯作者（Corresponding author）任仲海，男，教授，博士生导师， 专业方向蔬菜分子遗传学，E- 收稿日期2018-01-22；接受日期2018-04-28 基金项目国家自然科学基金项目（31222048，31401894， 31501781） ，山东省泰山学者建设工程项目，山东省“双一流”专项 建设基金项目 黄瓜刺瘤密度及大小决定了黄瓜果实的光滑 程度。黄瓜刺瘤由果刺和果瘤两种结构组成，而果 刺又包括上部单细胞针状刺和下部多细胞球状基座 （Yang et al.，2014）。多细胞基座决定果刺大小， 当基座小到一定程度时，果刺即成为小且柔软的毛 刺，这时黄瓜果实也表现为光滑的外观性状。目前 31 新优品种 栽培管理 本期视点 产业市场 病虫防控 31 研究论文 中 国 蔬 菜 CHINA VEGETABLES 2018（6）31 - 38 裂素）的合成诱导果瘤发育（Zhang et al.，2010； Yang et al.，2014）。Li等（2015）利用 gl1突变体， 定位并克隆了 CsGL1，该基因编码HD-ZIPⅠ亚家 族的1个转录因子。杨双娟等（2011）利用叶片无 毛突变体NCG-042，以F 2 世代为作图群体初步将 无毛基因 gl-2定位在黄瓜2号染色体上。控制黄瓜 果刺和毛状体起始及发育的 CsGL3也已被克隆， 该基因编码HD-ZIPⅣ亚家族的1个转录因子， 并被证明是 CsGL1的上位基因（Pan et al.，2015； Cui et al.，2016）。 CsGL3基因还参与调控黄瓜果刺 密度，其启动子区的812 bp片段替换是决定黄瓜 果刺密度的关键因素（Zhang et al.，2016）。转基因 分析表明WD40家族基因 CsTTG1也可以调控黄瓜 刺瘤大小和密度（Chen et al.，2016），且是独立于 CsGL1的途径来调控果刺及蜡粉腺毛的起始和发 育。另一个调控果刺密度的基因 ns （Csa2M264590） 也已被克隆，功能注释表明，该基因属于Aux/Lax 家族，编码类似生长素转运蛋白3，参与生长素 信号转导途径（Xie et al.，2018）， NS负调控果刺 密度。黄瓜小刺基因（ss）只有初步的定位结果（杜 辉，2008） 。 黄瓜果刺对保护果实免受病虫及紫外线等 的伤害具有一定作用。黄瓜多细胞果刺的发育机 制与拟南芥中单细胞表皮毛发育机制有着显著的 不 同（Hülskamp et al.，1999；Hülskamp，2004； Schellmann Hülskamp，2005；Li et al.，2015）。黄 瓜果刺大小遗传规律分析与基因挖掘，有助于阐明 多细胞果刺发育机制，也对黄瓜果实光滑性状的改 良具有重要的理论和指导意义。 本试验以大果刺黄瓜自交系CNS5和小果刺黄 瓜自交系RNS4为亲本，构建了P 1 、F 1 、P 2 、B 1 、 B 2 和F 2 6世代群体，利用主基因多基因混合遗传 模型（盖钧镒 等，2003） ，对黄瓜果刺大小（基座 直径）的遗传规律进行初步分析，以期为制定果刺 大小相关基因定位策略提供一定的依据。 1 材料与方法 1.1 试验材料 试验所用亲本材料P 1 和P 2 分别为CNS5和 RNS4，均为山东农业大学蔬菜分子遗传学实验室 保存的中国华北型黄瓜自交系。亲本CNS5果刺大， RNS4果刺小，两亲本间果刺基座大小差异明显（图 1） ；2015年秋季将两亲本种植于山东农业大学园 艺试验站温室，杂交获得子代F 1 （CNS5RNS4） 和F 1 ′（RNS4CNS5）。2016年春季种植F 1 ，自 交获得子代F 2 ，同时用2个亲本分别与F 1 回交获 得回交群体B 1 （CNS5/RNS4//CNS5）和B 2 （CNS5/ RNS4//RNS4） 。以此获得CNS5和RNS4杂交组合 的6个世代群体，即P 1 、F 1 、P 2 、B 1 、B 2 和F 2 。 图1 亲本及 F 1 的幼果和两亲本果刺基座对比 A，两亲本及F 1 幼果表型；B，CNS5果刺基座大小；C，RNS4 果刺基座大小；彩色图版见中国蔬菜网站veg.org，下 图同。 A B C 1.2 田间试验 2016年秋季及2017年春季分别将6个世代群 体种植于山东农业大学园艺试验站拱棚。播种前施 腐熟农家肥。株距40 cm，行距50 cm，每行10株， 生育期田间正常水肥管理，及时除草，防治病虫害。 选取开花当天顺直无畸形的幼果，去掉顶花，拍照 后用于果刺基座测量，每株取3个幼果，即为3次 生物学重复。 1.3 黄瓜果刺测量部位及测量时期 黄瓜果刺的发育是一个循序渐进的过程，因而 确定具体的测量部位和测量时期对表型鉴定起着至 关重要的作用。依据Chen等（2016）介绍的方法， 本试验将果刺基座直径的测量部位确定为幼果中间 部分（图2） 。该部位的果刺形状整齐、规则，能 够代表整瓜的果刺大小。 图2 黄瓜幼果果刺基座测量部位及局部放大图 FSBD表示黄瓜果刺基座测量直径。 FSBD 32 新优品种 栽培管理 本期视点 产业市场 病虫防控 32 研究论文 中 国 蔬 菜 CHINA VEGETABLES 两亲本的果刺发育进程统计表明（图3） ，黄 瓜雌花幼果开花前是黄瓜果刺的快速发育期，果刺 （主要是基座）急剧膨大，至开花当天果刺发育基 本达到最大，开花后果刺膨大趋于平缓。鉴于开花 当天（0 DAA）的幼果花瓣完全展开，颜色鲜艳黄 亮，是黄瓜幼果发育阶段最易辨识的形态标记；且 果刺已过了快速膨大期，能够代表黄瓜果实的果 刺大小；统一将开花当天的黄瓜幼果确定为果刺 表型鉴定的最佳时期，力求表型鉴定的准确性与可 靠性。 图3 黄瓜果刺发育过程 DBA开花前天数，DAA开花后天数。 CNS5 RNS4 1.6 1.4 1.2 1.0 0.8 0.6 0.4 0.2 0 果刺基座直径/mm 7 DBA 6 DBA 5 DBA 4 DBA 3 DBA 2 DBA 1 DBA 0 DAA 1 DAA 2 DAA 3 DAA 4 DAA 5 DAA 6 DAA 7 DAA 1.4 果刺基座测量方法 果刺基座测量所用的软件为Image J，使用默 认参数（Pascau Mateos，2013），其步骤为① 双击打开Image J，进入File菜单，选择Open导入 目标照片。② 通过Ctrl来调节照片大小至200 且果刺基座轮廓清晰。③ 定义工具栏上点选直线 工具图标，在照片中直尺上对应长度画1条直线， 进入Analyze菜单，点击Set Scale，设定照片中相 对比例的实际大小。Distance in pixels为照片中的直 线长度，Known distance为实际的直线长度。④ 在 幼果中间部位，选择圆形规则的果刺基座，直线垂 直测量果刺基座直径（图2） ，通过快捷键CtrlM 统计所选的果刺基座直径。⑤ 每个果实测量10个 果刺，统计完成后将数据储存为 *.xlsx文件。 1.5 统计分析方法 数据整理采用软件Microsoft Excel 2007，基本 参数统计、差异显著性比较使用软件DPS7.05（唐 启义和冯明光，2007） ，多世代频率作图及曲线拟 合采用软件Origin Pro 2016（叶卫平，2015）。使 用由盖钧镒和章元明等提出的主基因多基因混 合遗传模型分离分析法对6世代P 1 、F 1 、P 2 、B 1 、 B 2 和F 2 进行联合分析。通过极大似然分析和IECM （Iterated expectation and conditional maximization） 算法估计混合分布中的相关分布参数（章元明和 盖钧镒，2000），再依据AIC（Akaike’s ination criterion）值最小原则选择最佳模型并进行适合性 检验，包括均匀性 U 1 2 、U 2 2 和 U 3 2 检验，Smirnov 检验（ n W 2 ）和Kolmogorov检验（D n ） ，选择最优模 型。最后采用最小二乘法依据最优模型的各成分分 布参数估计遗传参数。遗传分析R语言优化软件包 SEA1.0由华中农业大学章元明教授惠赠。 2 结果与分析 2.1 表型数据分析 2.1.1 果刺基本参数 亲本CNS5（P 1 ）果刺大且 多（图1-B），亲本RNS4（P 2 ）果刺小且少（图1- C），幼果大小差异不大，F 1 果刺大小（基座直径） 介于两亲本之间。统计结果表明，P 1 、P 2 与F 1 相 互之间果刺大小差异极显著，适合进行遗传特性分 析（图4）。 图4 亲本与杂交一代果刺基座直径统计图柱上不同大写字母表示差异极显著（α0.01）。 CNS5 F 1 （CNS5RNS4）RNS4 F 1 ′（RNS4CNS5） 1.2 1.0 0.8 0.6 0.4 0.2 0 果刺基座直径/mm A C B B 由表1可知，各世代变异系数均小于15，说 明数据精度符合进一步分析的要求。2016年秋季 和2017年春季各世代种植分离群体中，F 1 果刺大 小均介于两亲本之间。B 1 、B 2 和F 2 果刺大小也介 于两亲本P 1 与P 2 之间（表1） 。连续两年的F 1 果 刺大小基本一致且都介于两亲本之间，说明控制果 刺大小的等位基因不是简单的显隐性关系。 2.1.2 分离世代次数分布及曲线拟合 由分离世代 33 新优品种 栽培管理 本期视点 产业市场 病虫防控 33 研究论文 中 国 蔬 菜 CHINA VEGETABLES 可知，在2016年秋季群体中，50株B 1 和48株B 2 世代的分离值都介于两亲本之间，而在102株的F 2 群体中出现最小的果刺基座，为0.61 mm，虽然小 于P 2 的最小果刺基座0.63 mm，但仍在误差范围之 内，应该不是负向超亲优势（表1） 。2017年春季 群体中，B 1 中最大果刺基座为1.19 mm，高于当年 亲本P 1 的最大果刺基座1.10 mm，虽差异明显，但 群体中仅有2株， 不足以说明存在正向超亲优势（表 1） 。果刺基座表型值连续分布，对各分离世代的频 率分布进行曲线拟合，结果表明，2016年秋季和 2017年春季的果刺基座表型值在各分离世代B 1 、 B 2 和F 2 中均表现出正态分布（图5） ，呈现数量遗 传特征。 2.2 果刺大小主基因多基因遗传模型分析 2.2.1 果刺大小遗传模型选择 利用主基因多基 因混合遗传模型的6世代（P 1 、F 1 、P 2 、B 1 、B 2 和 F 2 ）联合分析法，估算出果刺大小的5类24种遗 传模型的极大似然函数值和AIC值（表2） 。根据 最佳模型的AIC值最小原则从表2中选出AIC值 最小的模型以及与最小AIC值最接近的1个遗传 模型作为备选模型。即在2016年秋季AIC值最小 为-580.5的C-0模型作为可能的最佳候选模型， 图5 2016年秋季和 2017年春季果刺大小频率分布 A、B和C分别代表2016年秋季B 1 、B 2 和F 2 群体，D、E和F分别代表2017年春季B 1 、B 2 和F 2 群体。 表1 CNS5RNS4 6世代果刺基座直径基本参数统计 时间 世代 单株数量 平均数±SD/mm 最小值/mm 最大值/mm 变异系数/ 2016年秋季 P 1 8 1.06±0.038 1.00 1.10 3.59 F 1 19 0.87±0.047 0.78 0.98 5.35 P 2 8 0.70±0.035 0.63 0.75 4.99 B 1 50 0.89±0.053 0.77 1.04 5.93 B 2 48 0.95±0.070 0.77 1.08 7.40 F 2 102 0.87±0.090 0.61 1.06 10.35 2017年春季 P 1 22 1.00±0.041 0.94 1.10 4.16 F 1 32 0.86±0.053 0.77 0.95 6.19 P 2 22 0.64±0.035 0.57 0.71 5.44 B 1 207 0.93±0.083 0.63 1.19 8.95 B 2 146 0.81±0.085 0.61 1.05 10.45 F 2 205 0.84±0.083 0.64 1.10 9.94 0.6 0.7 0.8 0.9 1.0 1.1 0 5 10 15 20 25 频率 C 0.6 0.7 0.8 0.9 1.0 1.1 0 10 20 30 40 50 频率 F 0.6 0.7 0.8 0.9 1.0 1.1 0 10 20 30 40 50 频率 E 0.8 0.9 1.0 1.1 0 2 4 6 8 10 12 14 16 频率 A 0.6 0.7 0.8 0.9 1.0 1.1 1.2 0 10 20 30 40 50 60 频率 D 0.8 0.9 1.0 0 4 8 12 16 20 频率 B 60 50 40 30 20 10 0 频率 50 40 30 20 10 0 50 40 30 20 10 0 16 14 12 10 8 6 4 2 0 频率 20 16 12 8 4 0 30 25 20 15 10 5 0 A D B C F E 0.8 0.9 1.0 1.1 0.8 0.9 1.0 0.6 0.7 0.8 0.9 1.0 1.1 0.6 0.7 0.8 0.9 1.0 1.1 0.6 0.7 0.8 0.9 1.0 1.1 0.60.70.80.91.01.11.2 果刺基座直径/mm 果刺基座直径/mm 果刺基座直径/mm 0.6 0.7 0.8 0.9 1.0 1.1 0 5 10 15 20 25 频率 C 0.6 0.7 0.8 0.9 1.0 1.1 0 10 20 30 40 50 频率 F 0.6 0.7 0.8 0.9 1.0 1.1 0 10 20 30 40 50 频率 E 0.8 0.9 1.0 1.1 0 2 4 6 8 10 12 14 16 频率 A 0.6 0.7 0.8 0.9 1.0 1.1 1.2 0 10 20 30 40 50 60 频率 D 0.8 0.9 1.0 0 4 8 12 16 20 频率 B 60 50 40 30 20 10 0 频率 50 40 30 20 10 0 50 40 30 20 10 0 16 14 12 10 8 6 4 2 0 频率 20 16 12 8 4 0 30 25 20 15 10 5 0 A D B F E 0.8 0.9 1.0 1.1 0.8 0.9 1.0 0.6 0.7 0.8 0.9 1.0 1.1 0.6 0.7 0.8 0.9 1.0 1.1 0.6 0.7 0.8 0.9 1.0 1.1 0.60.70.80.91.01.11.2 果刺基座直径/mm 果刺基座直径/mm 果刺基座直径/mm C 34 新优品种 栽培管理 本期视点 产业市场 病虫防控 34 研究论文 中 国 蔬 菜 CHINA VEGETABLES 表3 CNS5RNS4群体适合性检验 时期 模型 群体 U 1 2 U 2 2 U 3 2 n W 2 D n 2016年 C-0 P 1 0.024 3（0.876 0）0.050 7（0.821 9）0.087 7（0.767 2）0.054 4（0.850 3） 0.194 7（0.869 4） 秋季 F 1 0.095 7（0.757 1）0.226 7（0.634 0）0.499 4（0.479 8）0.125 1（0.480 1） 0.184 6（0.480 5） P 2 0.020 3（0.886 6）0.004 0（0.949 6）0.089 7（0.764 6）0.046 2（0.898 7） 0.208 4（0.812 8） B 1 0.050 6（0.822 0）0.086 0（0.769 3）0.090 9（0.763 0）0.051 9（0.865 4） 0.087 5（0.806 6） B 2 0.005 0（0.943 5）0.001 4（0.969 9）0.015 2（0.901 8）0.032 1（0.968 6） 0.069 8（0.960 7） F 2 0.014 0（0.905 7）0.006 1（0.937 8）0.021 5（0.883 5）0.046 4（0.897 8） 0.063 7（0.777 4） D-0 P 1 0.024 3（0.876 0）0.050 7（0.821 9）0.087 7（0.767 2）0.054 4（0.850 3） 0.194 7（0.869 4） F 1 0.095 7（0.757 1）0.226 7（0.634 0）0.499 4（0.479 8）0.125 1（0.480 1） 0.184 6（0.480 5） P 2 0.020 3（0.886 6）0.004 0（0.949 6）0.089 7（0.764 6）0.046 2（0.898 7） 0.208 4（0.812 8） B 1 0.052 5（0.818 8）0.075 6（0.783 4）0.045 2（0.831 7）0.051 4（0.868 4） 0.088 6（0.794 9） B 2 0.005 0（0.943 5）0.003 5（0.952 6）0.001 3（0.970 8）0.031 7（0.970 3） 0.067 3（0.971 5） F 2 0.014 1（0.905 4）0.008 8（0.925 2）0.007 2（0.932 5）0.046 3（0.898 5） 0.064 1（0.772 2） 2017年 C-0 P 1 0.000 8（0.977 8）0.005 1（0.943 1）0.154 5（0.694 3）0.063 6（0.795 1） 0.114 5（0.904 0） 春季 F 1 0.002 0（0.964 1）0.002 9（0.957 1）0.151 5（0.697 1）0.040 9（0.928 4） 0.094 2（0.913 7） P 2 0.041 2（0.839 2）0.067 6（0.794 9）0.064 5（0.799 6）0.081 1（0.696 6） 0.174 6（0.462 2） B 1 0.011 9（0.913 3）0.043 7（0.834 5）1.581 3（0.208 6）0.116 4（0.517 3） 0.077 8（0.154 6） B 2 0.000 6（0.981 2）0.322 5（0.570 1）4.752 5（0.029 3） * 0.243 9（0.201 5） 0.093 4（0.151 8） F 2 0.033 4（0.855 0）0.001 5（0.968 8）0.304 0（0.581 4）0.044 9（0.906 4） 0.036 6（0.936 9） D-0 P 1 0.000 8（0.977 8）0.005 1（0.943 1）0.154 5（0.694 3）0.063 6（0.795 1） 0.114 5（0.904 0） F 1 0.002 0（0.964 1）0.002 9（0.957 1）0.151 5（0.697 1）0.040 9（0.928 4） 0.094 2（0.913 7） P 2 0.041 2（0.839 2）0.067 6（0.794 9）0.064 5（0.799 6）0.081 1（0.696 6） 0.174 6（0.462 2） B 1 0.011 8（0.913 4）0.039 4（0.842 6）1.477 5（0.224 2）0.113 9（0.528 2） 0.077 2（0.160 9） B 2 0.000 5（0.982 2）0.308 6（0.578 5）4.560 6（0.032 7） * 0.238 9（0.208 1） 0.092 7（0.158 2） F 2 0.033 6（0.854 5）0.000 8（0.977 9）0.359 1（0.549 0）0.046 4（0.897 6） 0.037 2（0.928 4） 注U 1 2 、U 2 2 、U 3 2 为均匀性检验统计量； n W 2 为Smirnov检验统计量；D n 为Kolmogorov检验统计量，括号内为相应概率。*表示在0.05 水平差异显著。 表2 CNS5RNS4组合后代各遗传模型的 AIC值 模型 代码 模型含义 2016年秋季 2017年春季 模型 代码 模型含义 2016年秋季 2017年春季 AIC值 极大似然 函数值 AIC值 极大似然 函数值 AIC值 极大似然 函数值 AIC值 极大似然 函数值 A-1 1MG-AD -485.1 246.5 -1 317.5662.7 D-0 MX1-AD-ADI -576.5300.3 -1 418.5721.2 A-2 1MG-A -456.6 231.3 -1 319.3662.6 D-1 MX1-AD-AD -463.6240.8 -1 368.9693.4 A-3 1MG-EAD -486.8 246.4 -1 223.6614.8 D-2 MX1-A-AD -465.2240.6 -1 380.2698.1 A-4 1MG-NCD -434.3 220.1 -1 187.2596.6 D-3 MX1-EAD-AD -474.8245.4 -1 377.2696.6 B-1 2MG-ADI -569.6 294.8 -1 373.8696.9 D-4 MX1-NCD-AD -465.2240.6 -1 377.4696.7 B-2 2MG-AD -500.4 256.2 -1 337.6674.8 E-0 MX2-ADI-ADI -566.3301.2 -1 408.6722.3 B-3 2MG-A -445.0 226.5 -1 354.9681.5 E-1 MX2-ADI-AD -566.0298.0 -1 405.5717.7 B-4 2MG-EA -455.1 230.6 -1 363.4684.7 E-2 MX2-AD-AD -459.4240.7 -1 371.2696.6 B-5 2MG-CD -490.0 249.0 -1 297.0652.5 E-3 MX2-A-AD -566.3292.2 -1 411.5714.8 B-6 2MG-EAD -459.9 232.9 -1 299.0652.5 E-4 MX2-EA-AD -465.2240.6 -1 377.6696.8 C-0 PG-ADI -580.5 300.3 -1 422.5721.2 E-5 MX2-CD-AD -473.0245.5 -1 375.2696.6 C-1 PG-AD -439.2 226.6 -1 375.3694.7 E-6 MX2-EAD-AD -477.4246.7 -1 377.2696.6 注1MG2MG12个主基因；MX1～MX21～2个主基因多基因；PG多基因；A加性效应；CD完全显性；D显性效应；E 相等；N负向；I互作；例如 PG-ADI 模型，表示加性-显性-上位性多基因混合遗传模型。 接近最小AIC值-576.5的D-0模型为备选模型。 2017年春季C-0模型的AIC值最小，为-1 422.5， 也作为可能的最佳候选模型，AIC值为-1 418.5的 D-0模型作为备选模型（表2）。 2.2.2 果刺大小候选模型的适合性检验 对选出 的候选模型进行均匀性（U 1 2 、U 2 2 、U 3 2 ）检验， Smirnov（ n W 2 ）检验和Kolmogorov（D n ）检验（表 3） ，选出统计量达显著水平个数较少的模型为最优 35 新优品种 栽培管理 本期视点 产业市场 病虫防控 35 研究论文 中 国 蔬 菜 CHINA VEGETABLES 模型。结果表明，2016年秋季群体中，C-0和D-0 模型中没有统计量的差异达到显著水平。2017年 春季群体中，C-0和D-0模型中均有1个检验统计 量差异达到显著水平。再结合AIC值最小原则，选 择C-0作为连续两年的果刺大小最优遗传模型， 即为典型的加性-显性-上位性多基因混合遗传模 型，无主基因存在，多基因加性和显性效应、上位 性效应累计均为正向。 2.2.3 果刺大小遗传参数估计 对适合果刺大小的 C-0模型进行遗传参数估计，一阶遗传参数结果表 明，2016年秋季和2017年春季的6个世代群体的 平均值差异不大（表4） 。从二阶遗传参数的估计 值可以看出（表5） ，2016年秋季B 1 、B 2 和F 2 群 体中，果刺大小多基因遗传方差分别为0.001 1、 0.003 2和0.006 3；多基因遗传率分别为40.06、 65.91和79.21，环境方差占表型方差的值分别 为59.94、34.09和20.79。在2017年春季的 B 1 群体中多基因遗传方差为0.004 9，多基因遗传 率为71.13，环境方差占表型方差的28.87；B 2 群体的多基因遗传方差为0.005 2，多基因遗传率 为72.46，环境方差占表型方差的27.54；F 2 群 体的多基因遗传方差为0.004 9，多基因遗传率为 71.25，环境方差占表型方差的28.75。由此可 见，该群体中果刺大小的多基因遗传率较高，无 主效基因存在，受环境影响相对较小。在遗传育 种上，应将早代选择和高代选择相结合。在基因 定位策略选择上不宜利用F 2 世代分离群体进行定 位，结合高代回交群体进行基因定位效果可能会 更好。 3 结论与讨论 主基因多基因混合遗传模型是由盖钧镒等 提出的数量性状遗传分析方法，在大豆（刘阳 等， 2016）、小麦（李树华 等，2017）、水稻（郑燕 等， 2011）、黄瓜（曹明明 等，2018） 、油菜（汪文祥 等，2016） 、胡麻（化青春 等，2016）等多种作物 的遗传研究中得到了广泛的应用。本试验利用主 基因多基因混合遗传模型分析法，对2016年秋 季和2017年春季2个生长季节的6世代群体P 1 、 F 1 、P 2 、B 1 、B 2 和F 2 的黄瓜果刺大小的遗传规律进 行了初步分析。结果表明，F 1 的果刺大小介于两亲 本之间。F 2 分离群体果刺大小表现为无明显分组 的连续变异，基本符合正态分布，属于数量性状。 其遗传模型符合C-0模型，即加性-显性-上位 性多基因混合遗传模型，多基因加性和显性效应均 为正向，多基因遗传力相对较高，存在多基因联合 效应，且微效基因数目较多，受环境影响也相对较 小。连续两季的F 2 多基因遗传率分别为79.21和 71.25，多基因遗传率较高且相差不大；与2016 年秋季结果相比，2017年春季B 1 和B 2 群体的多 基因遗传率更高，且差异不大。这可能与2017年 春季群体较大，变异相对稳定有关，相应地，所得 结果也更可靠。在遗传育种上，应将早代选择和高 代选择相结合。在基因定位方面不宜利用F 2 分离 群体进行定位，结合高代回交群体或者利用存在主 效基因的群体定位果刺大小相关基因效果可能会 更好。 对比连续两季3个分离群体B 1 、B 2 和F 2 的果 刺大小变化范围（表1） ，可以发现，2016年秋季 几乎没有出现大于亲本P 1 和小于亲本P 2 的极端表 型值，而2017年春季有个别大于亲本P 1 的极端表 型值。一方面，可能是由于随着种植群体的加大， 果刺大小的极端值出现的几率增大；另一方面，也 可能是由于春季温度较高，使得分离群体出现极端 值的几率增大，可见环境对试验结果的影响也不容 忽视。 黄瓜果刺随着前期果实的快速生长而同步膨 大，至开花当天达到最大，之后不再膨大。但据 表4 CNS5RNS4 杂交组合果刺大小的一阶遗传参数 估计值（C-0模型） 时间 m1 m2 m3 m4 m5 m6 2016年秋季 1.056 0.872 40.699 0.895 0.952 40.866 6 2017年春季 1.003 2 0.861 20.641 10.927 80.812 90.837 2 注m1～m6分别为P 1 、F 1 、P 2 、B 1 、B 2 和F 26个世代群体平 均值。 表5 CNS5RNS4 杂交组合果刺大小的二阶遗传参数 估计值（C-0模型） 二阶遗 传参数 估计值 2016年秋季 2017年春季 B 1 B 2 F 2 B 1 B 2 F 2 σ pg 2 0.001 10.003 20.006 30.004 90.005 20.004 9 h pg 2 / 40.06 65.91 79.21 71.13 72.46 71.25 注σ pg 2 ，多基因遗传方差；h pg 2 ，多基因遗传率。 36 新优品种 栽培管理 本期视点 产业市场 病虫防控 36 研究论文 中 国 蔬 菜 CHINA VEGETABLES 笔者观察，有的黄瓜品种随着果实发育成熟果刺 有变小的现象。黄瓜开花后，在成熟过程中黄瓜 的主要生长中心逐渐转向果实的膨大和种子的成 熟，大量的养分运往果实或种子用于生长，作为 外在保护性器官的果刺不再是主要的生长中心， 从而失去了纵向和横向继续生长能力。受外在温 度、水分等胁迫的影响，果刺有失水缩小、硬化 等现象。果实发育成熟果刺变小的这种现象除与 品种、栽培条件有关外，可能也有相应的基因控制 该进程。因此选择开花当天鉴定果刺表型结果相对 准确。 多基因控制的数量性状受环境的影响较大，不 同的栽培环境如温度、湿度等的不同变化会导致较 大的差异。2016年秋季群体（图5）的频次分布可 能由于群体较小，受极端天气的影响以及分组太大 导致统计差异比较大，表现为不是特别典型的正态 分布。果刺基座本身就小，有时拍照时的环境光线 不稳定，部分照片质量会受到影响，会对部分数据 的统计造成较大误差。2017年春季B 1 、B 2 和F 2 群 体的频率分布则更倾向于正态分布（图5） 。由此 可知，群体越大所得结果也相对更可靠。数量性状 的表型效应是与环境共同作用的结果，无论其相关 基因表现为主效基因还是多效基因，都与环境的互 作有关（向道权 等，2001）。 主基因多基因混合遗传模型是研究数量性 状遗传规律的一种有力工具，依据作物表型