CN108376210B - 基因组信息辅助育种方法ⅱ-一种基于全基因组snp有利单倍型挖掘的育种亲本选择方法 - Google Patents
基因组信息辅助育种方法ⅱ-一种基于全基因组snp有利单倍型挖掘的育种亲本选择方法 Download PDFInfo
- Publication number
- CN108376210B CN108376210B CN201810144321.7A CN201810144321A CN108376210B CN 108376210 B CN108376210 B CN 108376210B CN 201810144321 A CN201810144321 A CN 201810144321A CN 108376210 B CN108376210 B CN 108376210B
- Authority
- CN
- China
- Prior art keywords
- breeding
- information
- parents
- snp
- candidate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000009395 breeding Methods 0.000 title claims abstract description 69
- 102000054766 genetic haplotypes Human genes 0.000 title claims description 37
- 238000005065 mining Methods 0.000 title abstract description 5
- 230000002349 favourable effect Effects 0.000 title description 3
- 238000010187 selection method Methods 0.000 title description 2
- 230000001488 breeding effect Effects 0.000 claims abstract description 62
- 108090000623 proteins and genes Proteins 0.000 claims abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 16
- 230000002068 genetic effect Effects 0.000 claims abstract description 13
- 238000012216 screening Methods 0.000 claims abstract description 10
- 240000007594 Oryza sativa Species 0.000 claims abstract description 8
- 235000007164 Oryza sativa Nutrition 0.000 claims abstract description 8
- 235000009566 rice Nutrition 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims abstract description 4
- 244000153665 Ficus glomerata Species 0.000 claims abstract description 3
- 235000012571 Ficus glomerata Nutrition 0.000 claims abstract description 3
- 238000009400 out breeding Methods 0.000 claims abstract description 3
- 238000012163 sequencing technique Methods 0.000 claims description 11
- 238000007796 conventional method Methods 0.000 claims description 6
- 230000035772 mutation Effects 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 15
- 239000000463 material Substances 0.000 abstract description 8
- 238000012268 genome sequencing Methods 0.000 abstract description 4
- 210000000349 chromosome Anatomy 0.000 description 8
- 240000008467 Oryza sativa Japonica Group Species 0.000 description 7
- 101100177307 Oryza sativa subsp. japonica HD5 gene Proteins 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 108700028369 Alleles Proteins 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 206010034960 Photophobia Diseases 0.000 description 3
- 206010034972 Photosensitivity reaction Diseases 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 239000012634 fragment Substances 0.000 description 3
- 208000013469 light sensitivity Diseases 0.000 description 3
- 230000036211 photosensitivity Effects 0.000 description 3
- 108091026890 Coding region Proteins 0.000 description 2
- 238000007400 DNA extraction Methods 0.000 description 2
- 108700039691 Genetic Promoter Regions Proteins 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 238000003752 polymerase chain reaction Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 108020004414 DNA Proteins 0.000 description 1
- 238000001712 DNA sequencing Methods 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 244000068988 Glycine max Species 0.000 description 1
- 235000010469 Glycine max Nutrition 0.000 description 1
- 108091029795 Intergenic region Proteins 0.000 description 1
- 108091092195 Intron Proteins 0.000 description 1
- 108700026244 Open Reading Frames Proteins 0.000 description 1
- 238000003766 bioinformatics method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012165 high-throughput sequencing Methods 0.000 description 1
- 238000009396 hybridization Methods 0.000 description 1
- 230000005923 long-lasting effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000003147 molecular marker Substances 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000009394 selective breeding Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000012070 whole genome sequencing analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
Abstract
本发明涉及一种利用HT变异信息和SNP聚类分组信息进行育种亲本选择的基因组信息辅助育种方法。本发明的实质是通过基因组学和生物信息学的方法,获得候选育种亲本的大量基因组测序信息,一方面通过序列比对分析获得高质量SNP数据集,在此基础上计算候选育种亲本的遗传距离矩阵,构建SNP聚类树,依据亲缘关系远近进行候选亲本的分组;另一方面,根据育种计划所设定的目标性状,选择重要的相关基因位点,获取候选亲本间的HT变异信息,比较携带不同类型HT变异的亲本在目标性状上的差异。通过整合HT变异信息和基于SNP聚类亲本分组信息,从大量候选育种亲本中筛选获得用于目标性状重复表型鉴定的候选亲本。该方法属于水稻分子育种领域,利用数据库信息挖掘,能够从大量候选育种亲本中比较有效的缩小亲本材料范围,减少表型重复鉴定的工作量,提高育种工作效率。
Description
技术领域
本发明涉及一种利用基于全基因组SNP的单倍型信息进行有利等位基因挖掘和育种亲本选择的分子育种方法。该方法属于作物分子育种领域,适用于在水稻等作物中高效的进行育种亲本的选择。
背景技术
基因组技术与信息技术的结合,使得科研人员可以方便的获取所需要的海量的基因数据并深入的挖掘相关的遗传信息;数据库平台使得育种家能够对海量数据进行存储和深入的挖掘并实现信息共享。亲本选择是作物育种中至关重要的一个步骤,直接决定一个育种周期(至少3-5年)全部工作的成败。随着基因组时代的到来,分子育种已经向基于全基因组信息的方向演进;育种亲本的选择也不仅仅根据表型数据,更要包括目标性状关键基因的重要基因组信息数据。基因组信息的强大支持,也将使得育种工作的可重复性大大增强,育种工作的效率大大提高。
SNP信息是基因组中多态性最好的分子标记,其在基因组中广泛存在,既可以出现在基因内区域,也可以出现在基因间区域;利用足够量的SNP信息进行育种亲本材料的单倍型分析无疑是十分准确的。染色体上的SNP位点存在或大或小的连锁关系,一些紧密连锁的SNP 位点其所代表的染色体片段往往在自然选择(即进化)和人工选择(即育种)过程被整体转移,用其中少量代表SNP位点的基因型即可以有效的表示整个染色体片段的基因型,由于染色体片段的传递是通过配子进行的,配子是单倍体(haploid),其基因型(genotype)就称为单倍型(haplotype,HT)。HT变异往往对于作物表型的影响要更加直接,而且针对HT进行标记辅助选择更加简洁有效。
通过大规模全基因组测序和生物信息学分析,一方面我们可以获取海量的HT变异信息;另一方面,对于个别重要的HT变异,我们可以进一步将其开发成单个的基于PCR(聚合酶链式反应)的育种用分子标记,应用于标记辅助选择育种。在大豆的全基因组选择方面已经有人提出了利用HT取样替代SNP取样的方法(邱丽娟等,2016),但是对于利用HT进行育种亲本选择的研究尚未报道。
随着基因组测序技术飞速发展,伴随着测序成本的急剧下降和大量基因组数据的便于获取,如何将基因组数据与育种实践有效结合,成为摆在分子育种工作者面前的一个重要命题。在作物育种过程中,仅仅通过表型,即便是易于观察的抽穗期等表型,来筛选所需亲本也是一个繁重且周期较长的任务。到目前为止,全球测序的水稻品种已经不下5000份;其中由中国农业科学院作物科学研究所牵头,通过与华大基因及国际水稻研究所合作,共同完成了全球3000余份水稻种质资源的测序工作。如何从海量的数据中获取与育种相关的重要选择指标,有效的缩小表型鉴定的范围是一个重要的研究课题。如果能够将基因组信息与表型鉴定相结合,借助基因组手段缩小用于表型鉴定材料范围,无疑能够极大的提高育种工作表型鉴定的效率。以我国北方粳稻特别是东北粳稻的亲本选择为例,由于育种目标是选育感温性强而感光性弱甚至于无感光性的品种,因此可以选用的亲本在与感光性相关的基因位点上是否具有合适的单倍型,是一个非常重要的选择指标。
发明内容
(一)技术问题
本发明针对上述研究背景,利用基因组测序技术,通过对候选育种亲本进行基因组SNP 和HT变异数据的采集和分析。一方面基于SNP信息对亲本材料构建聚类树,依据基因组相似性进行分组;另一方面获取控制目标性状基因位点的HT变异信息,建立候选育种亲本的基于SNP聚类的分组信息和HT变异信息数据库,利用该数据库对育种亲本有效的进行基于基因组数据的辅助选择,主要应用于水稻等作物的育种。
(二)技术方案
1.一种利用HT变异信息和SNP聚类信息进行育种亲本选择的基因组信息辅助育种方法,按照如下步骤进行:
1)通过基因组重测序获得候选育种亲本的大量基因组reads信息;
2)通过常规的序列比对方法与参考基因组进行比对,获取reads的物理位置信息,提取 SNP信息数据集;通过设置参数,过滤SNP信息数据集,获得缺失数据最少的高质量SNP数据亚集;
3)在高质量SNP数据亚集的基础上,通过常规的方法计算获得候选育种亲本的遗传距离矩阵,利用常规方法构建SNP聚类树,根据候选育种亲本的SNP聚类信息,判断候选育种亲本之间的亲缘关系远近,依据基因组相似性进行亲本分组;
4)根据育种计划所设定的目标性状,选择重要的相关基因位点,根据该基因的物理位置区间,提取候选亲本在目标性状控制基因所对应的物理区间内的SNP信息,进一步设置非同义突变等筛选,根据候选亲本间的SNP多态性,利用自主编写的软件代码,将每个候选亲本中目标基因区段中的SNP信息整合成单倍型HT变异信息;
5)调取HT变异的不同类型所对应的目标性状表型,结合候选亲本的分组信息,从大量候选亲本中筛选获得用于表型鉴定的亲本子集;
6)结合亲本子集的表型重复鉴定结果最终确定育种计划所需的入选亲本。
该方法可以在水稻及其它作物的基因组信息辅助育种中应用。
(三)有益效果
本发明与现有技术相比具有以下优点及效果:
1.通过将HT变异信息与表现型筛选以及基于全基因组SNP聚类的分组信息相结合,能够比较准确有效的获得针对某个目标性状的育种计划所需的入选亲本。
2.利用数据库信息挖掘,能够从大量候选育种亲本中比较有效的缩小亲本材料范围,减少表型重复鉴定的工作量,提高育种工作效率;
3.本发明获得的育种亲本SNP聚类信息和DTH8基因位点为代表的HT变异信息可用于早熟粳稻育种亲本的基因型选择,有效地鉴别弱感光性且与粳稻亲缘关系较远的候选育种亲本,便于及时的杂交转育,加快育种进程。
附图说明
图1.通过基因ID检索DTH8基因,可以选择分析编码区还是启动子区以及等位基因频率等筛选条件;用户还可以自行添加分析测序样本的清单;默认选项为编码区和全部测序样本。
图2.分析获得的DTH8基因的功能和分类等基本信息示例。
图3.分析获得的DTH8基因的HT基本信息示例,包括关键SNP变异的染色体、物理位置和等位基因等信息。
图4.分析获得的不同单倍型所对应的测序样本和分组信息。
图5.下载后的测序样本清单。
具体实施方式
下面结合具体实施实例,进一步阐述本发明。其中所用方法如无特别说明均为常规方法。以下示例不以任何形式限定本发明。
(一)亲本材料的基因组信息获取
1.供试材料
育种家的任意候选育种亲本材料。
2.DNA提取及全基因组高通量测序
参考Temnykh等(2000年)的DNA提取方法,对各单株分别提取基因组DNA。
考虑成本,基因组测序可以采用基于shot-gun测序技术,建库和测序方法都同常规。获得质量较好的数据覆盖度建议在10X以上。为了保证测序数据的质量,原始数据中如果某个 Read超过50%的碱基quality值小于5的或者有接头污染,则予以过滤淘汰。
(二)SNP信息提取及育种亲本聚类分析
考虑到育种亲本在目标性状适宜的情况下,有必要尽可能的保持其多样性,因此,我们对于候选育种亲本的亲缘关系要有一个基本的了解。
我们在基因组DNA测序数据的基础上,将每个样本获得的reads与参考基因组(例如 Os-Nipponbare-Reference-IRGSP-1.0,IRGSP-1.0)利用免费分析工具如BWA等进行比对分析,将比对的结果生成BAM格式文件。在BAM文件的基础上,利用免费分析工具如GenomeAnalysis Toolkit(GATK)等提取SNP信息。为了提高SNP信息提取的可靠性,质量控制参数设置为:每个位点的mapping质量值大于20、变异质量值大于50,而且每个碱基至少有来自2个以上reads数据的支持,MAF值>0.001。从提取的SNP数据集中随机挑选缺失数据最少的高质量SNP数据亚集,总数不超过200K,用于下一步的育种亲本聚类分析。
在上述高质量SNP数据亚集的基础上,计算育种亲本的遗传距离矩阵,免费工具如Tree BeST构建聚类树,展示候选育种亲本之间的亲缘关系,boot straps参数设置为1000。
(三)HT信息的提取和数据库的构建
利用自行设计的代码,基于IRGSP提供的日本晴基因组的GFF3注释文件(此文件包含基因在染色体上的物理位置,以及基因结构的信息),提取基因区间(可视情况选择编码区、启动子区或非翻译区)的SNP,通过设置MAF值过滤掉多态性较低的位点,将所有样本的基因型进行组合,获得每种HT的SNP序列、包含的品种列表以及品种的表型统计值。为了方便应用,可构建数据库模块完成上述分析,基于Apache搭建网络服务器,将表型数据和基因注释信息导入MySQL数据库,利用PHP和JavaScript实现网站界面,该模块支持IRGSP-1.0基因ID、MSU-7.0基因ID以及染色体区间三种输入格式,可选择不同基因区间,设置MAF 过滤,提交候选亲本列表完成分析。结果展示界面列出了基因的功能注释,SNP位点统计信息以及HT信息,其中HT信息提供只保留选择项的功能方便对不同HT进行比较。
(四)目标性状相关关键基因位点(仅以感光性为例)的HT变异分析
以下分析可以通过依据上述步骤创建的类似http://www.rmbreeding.cn/ Genotype/haplotype的数据库模块来完成。
已经知道DTH8是控制感光性的关键基因位点;我们选择该基因位点(RAP-DB的登录 ID号:Os08g0174500)作为HT变异的目标基因。首先在检索中输入目标基因ID号,可以设置相应的筛选参数(图1),分析获得:1)目标基因的功能和分类信息(图2);2)目标基因的HT基本信息,包括关键SNP变异的染色体、物理位置和等位基因等信息(图3)。
(五)确定育种计划入选亲本
下一步筛选抽穗期合适的候选亲本,需要依据不同单倍型所对应的目标性状表型数据进行比较筛选。
首选依据抽穗期(Days to heading)表型,选择合适的单倍型,然后考虑携带该类型单倍型的样本分组。以粳稻育种选择亲本为例,比如我们从表型水平选中了两个单倍型haplo#14 和haplo#27(图4),它们对表型的效应分别为112和114天,比较接近。那么接下来我们就尽可能的选择与粳稻有一定遗传距离,但又不到籼粳亚种的差异水平的分组,比如热带粳稻 (Trop Jap),因此选择haplo#14,点击最后一列的下载链接,即可获取携带该单倍型的亲本资源列表(图5)。这些入选亲本就可以通过进一步的表型重复鉴定,进入配组环节。
借助单倍型的数据库分析,可以有效减少表型重复鉴定的亲本数量,提高亲本选择的育种工作效率。
Claims (2)
1.一种利用HT变异信息和SNP聚类信息进行育种亲本选择的基因组信息辅助育种方法,按照如下步骤进行:
1)通过基因组重测序获得候选育种亲本的大量基因组reads信息;
2)通过常规的序列比对方法将1)中所述reads与参考基因组进行比对,获取reads的物理位置信息,提取SNP信息数据集;通过设置参数,过滤SNP信息数据集,获得缺失数据最少的高质量SNP数据亚集;
3)在高质量SNP数据亚集的基础上,通过常规的方法计算获得候选育种亲本的遗传距离矩阵,利用常规方法构建SNP聚类树,根据候选育种亲本的SNP聚类信息,判断候选育种亲本之间的亲缘关系远近,依据基因组相似性进行亲本分组;
4)根据育种计划所设定的目标性状,选择重要的相关基因位点,根据该基因的物理位置区间,提取候选亲本在目标性状控制基因所对应的物理区间内的SNP信息,进一步设置非同义突变筛选,根据候选亲本间的SNP多态性,利用自主编写的软件代码,将每个候选亲本中目标基因区段中的SNP信息整合成单倍型HT变异信息;
5)调取HT变异的不同类型所对应的目标性状表型,结合候选亲本的分组信息,从大量候选亲本中筛选获得用于表型鉴定的亲本子集;
6)结合亲本子集的表型重复鉴定结果最终确定育种计划所需的入选亲本。
2.根据权利要求1所述的方法,其特征在于:所述方法在水稻基因组信息辅助育种中的应用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810144321.7A CN108376210B (zh) | 2018-02-12 | 2018-02-12 | 基因组信息辅助育种方法ⅱ-一种基于全基因组snp有利单倍型挖掘的育种亲本选择方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810144321.7A CN108376210B (zh) | 2018-02-12 | 2018-02-12 | 基因组信息辅助育种方法ⅱ-一种基于全基因组snp有利单倍型挖掘的育种亲本选择方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108376210A CN108376210A (zh) | 2018-08-07 |
CN108376210B true CN108376210B (zh) | 2020-06-09 |
Family
ID=63017861
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810144321.7A Active CN108376210B (zh) | 2018-02-12 | 2018-02-12 | 基因组信息辅助育种方法ⅱ-一种基于全基因组snp有利单倍型挖掘的育种亲本选择方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108376210B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113684290A (zh) * | 2020-05-19 | 2021-11-23 | 中国农业科学院作物科学研究所 | 长日照抑制基因变异在培育栽培稻中的应用 |
CN112885408A (zh) * | 2021-02-22 | 2021-06-01 | 中国农业大学 | 一种基于低深度测序检测snp标记位点的方法及装置 |
CN115443907B (zh) * | 2022-07-26 | 2023-04-21 | 开封市农林科学研究院 | 基于全基因组选择的高产大果花生杂交组配选择的方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101802219A (zh) * | 2007-06-08 | 2010-08-11 | 孟山都技术公司 | 序列指导的分子育种方法 |
CN104651517A (zh) * | 2015-03-02 | 2015-05-27 | 南京农业大学 | 一种基于snpldb标记的限制性二阶段全基因组关联分析方法 |
CN106169034A (zh) * | 2016-05-26 | 2016-11-30 | 中国农业科学院作物科学研究所 | 基因组信息辅助育种方法ⅰ‑基于snp聚类信息和pav变异信息的育种亲本选择 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100037342A1 (en) * | 2008-08-01 | 2010-02-11 | Monsanto Technology Llc | Methods and compositions for breeding plants with enhanced yield |
-
2018
- 2018-02-12 CN CN201810144321.7A patent/CN108376210B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101802219A (zh) * | 2007-06-08 | 2010-08-11 | 孟山都技术公司 | 序列指导的分子育种方法 |
CN104651517A (zh) * | 2015-03-02 | 2015-05-27 | 南京农业大学 | 一种基于snpldb标记的限制性二阶段全基因组关联分析方法 |
CN106169034A (zh) * | 2016-05-26 | 2016-11-30 | 中国农业科学院作物科学研究所 | 基因组信息辅助育种方法ⅰ‑基于snp聚类信息和pav变异信息的育种亲本选择 |
Non-Patent Citations (4)
Title |
---|
MARKER ASSISTED SELECTION IN RICE;Sabina Akhtar et.al;《Journal of Phytology》;20101231;第2卷(第10期);第66-81页 * |
The Effects of Both Recent and Long-Term Selection and Genetic Drift Are Readily Evident in North American Barley Breeding Populations;Ana M. Poets et.al;《G3-GENES GENOMES GENETICS》;20160331;第6卷;第609-622页 * |
全基因组关联分析在水稻遗传育种中的应用;唐富福 等;《核农业报》;20131231;第27卷(第5期);第598-606页 * |
水稻功能基因组育种数据库(RFGB): 3K 水稻SNP 与 InDel 子数据库;郑天清 等;《科学通报》;20151231;第60卷(第4期);第367-371页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108376210A (zh) | 2018-08-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Qanbari | On the extent of linkage disequilibrium in the genome of farm animals | |
Nicolas et al. | Genetic diversity, linkage disequilibrium and power of a large grapevine (Vitis vinifera L) diversity panel newly designed for association studies | |
CN108779459B (zh) | 棉花全基因组snp芯片及其应用 | |
Qin et al. | Identification of associated SSR markers for yield component and fiber quality traits based on frame map and upland cotton collections | |
CN109196123B (zh) | 用于水稻基因分型的snp分子标记组合及其应用 | |
CN108103235B (zh) | 一种苹果砧木抗寒性鉴定的snp分子标记、引物及其应用 | |
CN108376210B (zh) | 基因组信息辅助育种方法ⅱ-一种基于全基因组snp有利单倍型挖掘的育种亲本选择方法 | |
CN106169034B (zh) | 基因组信息辅助育种方法i-基于snp聚类信息和pav变异信息的育种亲本选择 | |
Wang et al. | Construction of a SNP fingerprinting database and population genetic analysis of cigar tobacco germplasm resources in China | |
CN107090495B (zh) | 与谷子脖长性状相关的分子标记及其检测引物和应用 | |
CN110846429A (zh) | 一种玉米全基因组InDel芯片及其应用 | |
US20220205053A1 (en) | Combination of Soybean Whole Genome SNP Loci, Gene Chip and Application Thereof | |
Zhao et al. | High-density genetic variation map reveals key candidate loci and genes associated with important agronomic traits in peanut | |
CN108179220A (zh) | 小麦矮秆基因Rht12紧密连锁的KASP标记及其应用 | |
CN114574613B (zh) | 一种小麦-拟鹅观草全基因组液相芯片及应用 | |
Iorizzo et al. | Carrot molecular genetics and mapping | |
CN113736866B (zh) | 用于检测番茄黄化曲叶病毒病抗性的snp位点组合及其应用 | |
CN109706231A (zh) | 一种用于凡纳滨对虾分子育种的高通量snp分型方法 | |
CN115820892A (zh) | 陆地棉a07号染色体与棉铃重关联的snp分子标记及其应用 | |
AU2021423830A1 (en) | Genotype identification of multi-parent crop on basis of high-throughput whole genome sequencing | |
CN114854893B (zh) | 一种与谷子抽穗期性状关联的SNPs标记及其鉴定方法 | |
CN112514790B (zh) | 水稻分子导航育种方法及应用 | |
CN115679012B (zh) | 一种辣椒全基因组SNP-Panel及其应用 | |
CN108300797B (zh) | 陆地棉25号染色体与纤维强度相关的单体型 | |
CN114457070B (zh) | 一种小麦-二倍体长穗偃麦草45k液相芯片及应用 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |