群体遗传学分析

群体遗传学分析（精选十篇）

群体遗传学分析 篇1

资料显示,毛红椿历史水平分布于喜马拉雅山西北坡、印度东部、孟加拉国、缅甸、泰国、越南和我国的浙江、广东、广西、福建、云南、贵州、江西、四川、安徽、湖南、湖北等省,多分布于山地和丘陵[2],垂直分布海拔由东南向西南逐步升高,低可分布于600 m以下的低山缓坡及沟谷林缘,高可分布到1 400~3 500 m的中高山地[1]。近年来,由于自然环境变化、人为过度开发以及其自身天然更新能力低下[3]等原因,毛红椿分布区在不断缩小,呈间断分布,极难见到成片分布的林分。目前,除亚热带地区的江西、云南、浙江等省的较高海拔山地尚有小片毛红椿天然林分布外,其他各省只有零星分布[4,5]。由于自然资源稀少,且分布破碎,毛红椿已然处于物种濒危状态,早在1990年代该树种即被列为我国第一批国家Ⅱ级保护珍贵树种[2]。

植物群体的遗传变异水平和群体遗传结构是其进化历史、分布范围、生活型、繁育方式、种子散布机制等各种不同因素综合作用的结果。因而检测植物的遗传变异水平及其空间结构,是探讨植物的适应性、物种形成过程和式样及其进化机制的前提,与物种保护和复壮的策略和措施的制定密切相关[6,7]。现存的毛红椿天然林分内普遍存在自然状态下种子量大,而自然林地内自我更新能力较弱的特点[3];同时从毛红椿的历史分布来看,原为广布种,然而目前该树种生境片段化严重。因而作为濒危物种,开展不同尺度的遗传多样性研究,对于该树种开展合理的资源保护与栽培利用意义重大。目前,毛红椿在江西境内尚存有几处保存较好的天然林分,是江西乃至全国毛红椿人工林用种和选育的重要种源[8,9]。诸如龙南九连山自然保护区毛红椿是现存天然林分群落的优势树种,资源保存完好[10],此外宜丰官山自然保护区的毛红椿天然群体保护较好,种质资源良好[4]。因而在江西境内开展毛红椿的良种选育研究,具有得天独厚的地理与资源优势。尤其随着毛红椿良种选育的逐步开展,以良种资源为基础的遗传学研究势必进一步带动毛红椿资源保护与开发利用。鉴于此,本研究旨在以江西境内的毛红椿主要天然群体为研究对象,开展群体遗传多样性研究,以期为今后该树种的资源开发与利用提供技术基础。

1 材料与方法

1.1 材料

在江西境内现存有一定规模的毛红椿天然林分(群体)布点采样;并结合各群体地理分布特点及群体大小来决定采样间距和样品数量。每个群体一般采集30个单株,个体间距离在20~30 m。样品采集后以硅胶干燥法保存(硅胶与样品10︰1(w/w)),条件允许的附以鲜样采集并及时带回实验室。

1.2 方法

1.2.1 总DNA制备。

总基因组DNA参考文献[11]采用改进的CTAB高盐法提取。

1.2.2 ISSR引物筛选及PCR反应体系建立。

引物由上海生工公司合成,所用酶及试剂均来自于宝生物公司。针对Mg2+、d NTPs、Taq酶等5个主要影响PCR扩增关键因子,进行单因子多水平梯度筛选,优化建立本试验的ISSR-PCR反应体系,总反应体积为20μL。从100条UBC系列引物中筛选出群体检测用SSR标记。PCR扩增反应在PTC—200温度梯度PCR仪(Bio-Rad公司)上进行。采用1.2%琼脂糖凝胶电泳检测扩增产物,以Gene Ruler 100 bp Plus DNA Ladder(Thermo)为分子量标准,用BIO-RAD凝胶成像仪观察拍照。

1.2.3 SSR标记获得及PCR反应体系建立。

除两对引物为文献报道利用毛红椿基因组开发得来,其他通用性引物均来自于筛选近缘物种的SSR引物获得,引物信息见表3。PCR反应体系为10μL,其中含10×PCR缓冲液1μL,Mg2+1.5 m M,d NTPs 100μM,上下游引物各0.5μM,Taq聚合酶1.25 U(5 U/μL),DNA 50 ng。扩增反应程序,94℃预变性5 min;94℃30 s,55℃30 s,72℃30 s,30个循环;最后72℃延伸1 min,8℃保存。试验中退火温度以各引物的TM值为准上下浮动。

PCR产物统一采用8%的聚丙烯酰胺凝胶,50 bp Maker标记(TIANGEN,Beijing,China)片段大小,120V恒压标准电泳2 h,产物经银染法染色检测。对数码照相记录图片,依据50 bp Maker标准分子量(天根公司),采用Quality one软件(Bio-Rad Laboratories Inc,California,USA)对各检测位点的片段大小进行定量分析,统计数据。

1.2.4 数据整理和统计分析。

SSR数据按共显性标记进行数据统计,运用POPGEN32软件[12]计算群体水平和物种水平的观察等位基因数目(A)、有效等位基因数目(Ne)、近交系数(F)及多态信息指数(PIC)等。最后将SSR数据与ISSR数据进行整合,扩增谱带统一按1/0进行数字化处理统计,同样利用POPGEN32软件计算Nei基因多样度(h)及Shannon信息指数(I)、群体分化系数(GST)、群体间Nei遗传距离等遗传参数。并计算群体(HPOP)和物种(HSP)水平的多样性,群体内多样性组分HPOP/HSP和群体间多样性组分(HSP-HPOP)/HSP。采用WINAMOVA 1.55软件[13],度量群体间和群体内的遗传变异组分[14]。遗传距离与空间距离的相关性Mantel检验,采用TFPGA软件[15]完成。同时采用NTSYSpc Version 2.10软件[16]的SAHN(Sequential Agglomerative Hierarical Nested cluster analysis)功能,根据UPGMA(非加权成组配对)法进行聚类分析。

2 结果与分析

2.1 ISSR分析

通过单因素优化试验,筛选出毛红椿ISSR-PCR的适宜反应条件:在20μL反应体系中,包含50 ng DNA模板,2.5 mmol/L的Mg2+,0.20 mmol/L的d NTPs,0.5μmol/L的引物,1 U的Taq酶。扩增程序经优化后为:94℃下预变性3 min;经38个反应循环,包括:94℃变性30 s,在引物相应退火温度下退火45 s,72℃延伸90 s;最后72℃延伸7 min。在PTC—200温度梯度PCR仪(Bio-Rad公司)上进行PCR扩增反应。通过100条UBC引物,其中有37条引物能有清晰扩增,进一步筛选确定9条具有较好多态性的引物用于群体多样性检测。各引物信息见表2,图2为引物UBC853在官山群体的电泳检测图。

*R=(A,G),Y=(C,T),H=(A,C,T),V=(A,C,G)

注:图中右1为100 bp Marker

2.2 SSR分析

试验共利用了6个SSR标记开展研究,其中除TC07与TC15为来自毛红椿基因组开发的SSR引物,其余4个标记分别来自从楝科毛红椿近缘种筛选出的通用性引物。6对SSR标记检测等位基因2~6个,各标记多态信息指数(PIC)0.289~0.624,平均为0.502,除TC07检测近交系数(F)大于零,其余标记检测近交系数均为负数,平均为-0.1657,显示各群体杂合子过剩,各受检测位点具体信息见表3。图3为KS079标记对部分官山群体的扩增。

注:图中左1为50 bp Marker

2.3 综合ISSR与SSR的分析结果

2.3.1 毛红椿群体遗传多样性分析。

将ISSR与SSR数据进行整合,综合分析显示(表4)受检测的96个位点中,多态位点仅占51.89%,各群体基因多样度相对较低,平均仅为0.1778,基因多样度按大小排序为:九连山>官山>井冈山>马头山>黎川岩泉;Shannon多样性指数显示各群体平均为0.2656,多样性指数按大小排序与基因多样度一致,两者均显示在江西5个毛红椿天然群体中,九连山与官山均表现具有较高水平的遗传多样性。

2.3.2 毛红椿天然群体的遗传分化。

用Shannon表型多样性指数对毛红椿不同群体遗传变异的分析结果(表5)表明,有33.20%的遗传变异存在于群体间。AMOVA分析结果(表6)显示:毛红椿天然群体间和群体内都存在显著的遗传变异(P<0.001),其中群体间遗传变异占总变异的35.94%,群体内变异占64.06%。

注:括号内数值为标准差。

此外,利用POPGENE软件计算得出,29.60%的变异存在与群体间(表7)。Balloux和Lugon[22]认为,当分化系数大于0.25时,该物种群体处于高度的遗传分化。本研究3种方法数值相近,均表明毛红椿群体内的遗传变异约占总变异的70%,是变异的主要来源,而群体之间具有较高水平的遗传分化。

*Nm=0.25(1-GST)/GST

2.3.3 毛红椿天然群体的相互关系与遗传聚类。

应用POPGENE软件计算的群体间Nei遗传距离[23]。数据显示,江西毛红椿天然群体的遗传距离在0.0870~0.1826变化,平均值为0.1097。以官山(JXGS)和井冈山(JXJGS)群体的遗传距离最小(0.0870),井冈山(JXJGS)和黎川岩泉(JXLC)群体间的遗传距离最大(0.1826),遗传分化程度较高。为研究地理距离对毛红椿遗传结构的影响,对群体间的遗传距离和地理距离进行Mantel检验,结果表明,群体间遗传距离与地理距离之间不存在显著的相关性(r=0.187,p=0.268)。对江西毛红椿5个天然群体的Nei遗传距离进行UPGMA聚类分析的结果见图4,结果显示,遗传距离为0.115时,毛红椿群体可聚为3大类群,第1类群中官山群体和井冈山群体遗传距离最近,首先聚在一起;第2类群中马头山和黎川岩泉2个群体聚到一起,而九连山群体单独聚成一类。

3 讨论

毛红椿物种的遗传学研究起步较晚。刘军等[5]首次利用SSR分子标记开展江西、浙江和云南3省的7个群体毛红椿开展群体遗传结构研究,其研究结果显示毛红椿总的遗传多样性水平较低,而遗传多样性最高与最低群体均出现在云南。随后刘军等[24]将毛红椿群体按地理分布的东、西部区域分成核心区及边缘区,并针对这些区域将采样群体扩大到9个来开展群体多样性检测,研究显示毛红椿各群体分化较为显著(FST=0.2907),而来自边缘区的群体遗传多样性高于核心区。前人研究为开展毛红椿遗传学研究提供了重要的方法与技术参考。但总结刘军等人的前后研究,在其研究群体里较多的为来自边缘区域的群体,如仅云南群体就占4个,而江西省境内仅选取了官山群体。鉴于此,在具有较为丰富的毛红椿优良种源的江西境内开展该树种的遗传多样性研究,同样是其遗传学研究的重要补充。

本研究中以江西境内的5个主要的毛红椿天然林为研究对象,开展基于ISSR与SSR分子标记的群体遗传多样性研究。由于现有研究中报道的毛红椿SSR标记数量较少,本研究从毛红椿的几个近缘种中新筛得4个具多态性的SSR标记。开展SSR标记群体检测,数据显示群体近交系数平均为-0.1657,即各群体偏离哈迪—温伯格平衡,主要表现为杂合子过剩,总体表现为异交为主;综合ISSR与SSR分子标记的检测结果,与近缘物种诸如非洲桃花心木[18]相比,毛红椿群体总的遗传多样性较低,物种水平的基因多样度仅0.2524,各群体基因多样度表现相对较低,平均仅为0.1778,基因多样度按大小排序为:九连山>官山>井冈山>马头山>黎川岩泉,多样性指数按大小排序与基因多样度一致,两者均显示在5个毛红椿天然群体中九连山与官山的遗传多样性水平较高。黄红兰等[25]研究了九连山毛红椿优势群落的结实特性及生殖力,发现该树种存在“花多果少”的生殖制约,成年母株甚至出现多年不结实的现象,因而群体内幼树个体比率低,种群趋于衰退。而据样本采集实际调查,群体规模小且林龄结构单一,这也是除九连山群体外其他几个毛红椿天然群体里普遍存在的现象,推测这正是本研究所检测毛红椿杂合子过剩而总体遗传多样性水平低的主要原因。此外,受检测的毛红椿各群体间已发生显著分化(GST=0.296),综合3种测算方式获得的分化系数,显示群体内的遗传变异约占总变异的70%,仍是总体变异的主要来源,其水平与刘军等[24]研究结果相似。而按前者将毛红椿群体进行地理划分策略,来自江西的5个群体均为毛红椿的核心群体,可见在毛红椿核心群体内的遗传分化也呈现较高水平。5个毛红椿群体间基因流值(Nm)显示仅为0.596,Slatkin[26]认为若Nm<1,基因流就不足以抵制遗传漂变的作用,因而分析群体规模小且多样性水平低,多世代下的遗传漂变势必会加剧毛红椿群体遗传分化。

群体遗传学分析 篇2

利用微卫星标记技术,分析了山西黎城大青羊、吕粱黑山羊、波尔山羊、南江黄羊(黑)、南江黄羊(黄)五个山羊群体的分子水平上的.遗传多样性,结果表明:7个微卫星住点均为高度多态位点,可以用于山羊群体遗传多样性的评估;平均多态信息含量(PIC)达0.8341～0.9026;5个山羊群体平均观察杂合度(0.6258～0.8629)均低于平均期望杂合度(0.8594～0.9115),证明5个山羊种群具有丰富的遗传多样性和广泛的遗传基础,但品种内存在着一定程度的近交,尤其波尔山羊近交较严重.以Nei氏标准遗传距离为基础的UPGMA和N-J聚类结果表明:吕粱黑山羊与南江黄羊(黑)首先聚为一类,而没和黎城大青羊先聚;国内四个山羊群体与国外品种波尔山羊亲缘关系较远.

作 者：常新建 任有蛇 岳文斌 姚继广 杨子森 王慧生 赵兴财 白海全 CHANG Xin-jian REN You-she YUE Wen-bin YAO Ji-guang YANG Zi-sen WANG Hui-sheng ZHAO Xi-cai BAI Hai-quan 作者单位：常新建,任有蛇,岳文斌,CHANG Xin-jian,REN You-she,YUE Wen-bin(山西农业大学动物科技学院,山西,太谷,030801)

姚继广,杨子森,YAO Ji-guang,YANG Zi-sen(山西省生态畜牧产业管理站,山西,太原,030001)

王慧生,赵兴财,WANG Hui-sheng,ZHAO Xi-cai(山西省岢岚县畜牧兽医局,山西,岢岚,036300)

白海全,BAI Hai-quan(山西省岢岚县绒山羊种羊场,山西,岢岚,036300)

山西大豆自然群体遗传多样性的研究 篇3

摘 要：为探明由山西不同生态型大豆品种组成的自然群体的遗传多样性，为优异种质资源的筛选和应用提供理论依据，以102个大豆品种组成的自然群体为研究材料，采用59对SSR引物对该群体进行遗传多样性分析。结果表明：59对引物最终筛选出50对多态性好的引物，共检测出157个等位变异，不同位点的等位变异数为2～7个，平均等位变异数为3.14个，其中等位变异数最多的为Satt263，有7个。香农指数变幅为0.097 3～1.668 4，香农指数平均值为0.844 9， 多态性信息量的变幅为0.038～0.761，平均每个引物的多态性信息量为0.431。标记将102个大豆材料在遗传距离GD=0.805处聚为3个群组，群组1有52个材料，群组2由48个材料组成，群组3仅有2个材料。

关键词：大豆；自然群体；分子标记；遗传多样性

中图分类号：S565.1 文献标识码：A DOI 编码：10.3969/j.issn.1006-6500.2015.05.001

大豆[Glycine max（L.） Merrill]作为一种重要的豆科粮食作物，不仅可以提供优质的蛋白质、油脂和微量营养元素，也在生物燃料的生产中备受关注[1]。大豆的抗性、产量、品质等主要性状大多属于数量性状[2]，受环境影响较大，在育种实践中不易直观把握。近年来，随着分子生物学技术的高速发展，分子标记手段已被越来越多地应用于对不同作物数量性状的研究中[3]。利用分子标记可对作物群体从基因型角度进行研究、分类[4]，降低表型和性状研究带来的局限性[5]，因此已广泛应用于水稻、玉米、大麦等作物[6-8]，在大豆上的应用也日益增加，如Ghosh等[9]选用来自印度不同农业环境地区的32个大豆品种，以SSR分子标记评价其遗传关系，根据遗传多态性和亲缘关系将32个品种分为6类。

本研究以102个在山西选育、种植的不同生态型大豆品种组成的自然群体为研究材料，采用59对SSR引物，筛选多态性良好的标记，用Popgene32软件检测等位基因变异数、香农指数以及遗传距离，对群体进行遗传多样性分析，旨在明确群体遗传丰富程度和多样性，为利用分子标记辅助选择育种、改良大豆数量性状提供理论支持和优良种质资源。

1 材料和方法

1.1 群体来源及组成

选用由山西农业大学大豆育种室选育、提供的102个不同生态型大豆品种为材料。各材料间均无直接亲缘关系，因此为自然群体，于2014年5月11日在山西农业大学播种，10月收获。

1.2 引物来源

从20个大豆连锁群上，每个连锁群选4对SSR标记引物，共80对SSR标记，这些标记参见于Song等发表的大豆遗传图谱，试验引物序列来自Soybase网站（http：//soybase.org/resources/ssr.php），Biomed公司（北京）配制试验所用引物。

1.3 试验方法

1.3.1 DNA提取 根据Saghai Maroof[10] 方法用SDS法提取大豆基因组DNA。选取健康、饱满、一致的大豆种子，用1‰高锰酸钾消毒5 min后，晾干，放入9 cm×9 cm培养皿中，置于恒温培养箱中25 ℃条件下催芽，之后转入装有沙土的营养钵中，置于恒温光照培养箱中，25 ℃恒温培养，待豆苗三片真叶展开时进行DNA提取。

1.3.2 DNA浓度测定和质量检测

（1） DNA浓度测定。取30 μLDNA溶液，加1×TE缓冲液至3 mL，使用紫外分光光度计测定230 nm、260 nm和280 nm处DNA的吸光值（A），用260 nm处吸光值计算DNA的浓度，用A260/A230和A260/A280比值计算DNA纯度。

（2）模板DNA质量检测。①琼脂糖凝胶配置：取1.6 g琼脂糖，加入pH值为8.0的0.5×TBE缓冲液，并定容至200 mL， 配置成0.8%浓度的琼脂糖凝胶溶液，微波炉加热至沸腾，期间用玻璃棒搅拌2～3次，使其充分溶解，待溶液冷却至50～60 ℃，加入一定量EB，使浓度为0.5 μg·mL-1。②凝胶制备：将配置好的溶液倒入制胶板中，使胶面水平，插好梳子，待充分凝结后，放入平板电泳槽中。倒入0.5×TBE缓冲液，以刚好没住凝胶为宜。③上样和电泳：取5 μLDNA样品，与3 μL上样缓冲液混匀后，点入上样孔中。接通电泳，以120 V恒压电泳40～50 min，电泳结束后，用TY4133型凝胶成像分析系统拍照。

根据浓度测定结果将DNA样品分别稀释至SSR工作液浓度：20 ng·μL-1，置于-20 ℃冰箱中冰冻保存备用。

1.3.3 PCR扩增体系和扩增程序

（1）PCR扩增体系配置（SSR反应体系）。根据表1配置SSR反应体系，混合均匀，移液枪分装到模板DNA的扩增管中，加入矿物油10 μL。

（2）PCR扩增程序。

分别应用两种PCR扩增仪（ABI2720型和Mastercycler Gradient 型）进行扩增，扩增产物于冰箱中保存（4 ℃）。

1.3.4 聚丙烯酰胺凝胶制备和电泳

（1）凝胶制备。称取0.8 g琼脂糖，溶解于100 mL 0.5×TBE电极缓冲液，微波炉加热，期间搅拌2～3次，使其充分溶解，用胶头滴管趁热进行封口操作，封口完成后冷却凝结5 min，再用干净的10 mL注射器，吸取事先配置好的8%凝胶溶液，沿凹形板上方缓缓灌入，灌胶过程中如有气泡产生，应及时进行处理。待凝胶溶液上升至凹形板上端后，停止注胶，轻轻插入40孔梳子，期间应确保梳齿与胶之间（上样槽）没有气泡。待凝胶充分凝结后（一般为1 h左右），缓缓拔去梳子，之后进行点样和电泳操作。

（2）点样和电泳。①点样：取6×上样缓冲液3 μL，置于洁净的一次性PC手套上，排列整齐，从各扩增管中取PCR扩增产物6 μL，与上样缓冲液混合均匀，点入上样槽中，同时点入3 μL 100 bp DNA Marker。②电泳：在进行点样操作之前进行12 W恒功率预电泳15 min，点样完成后，以12 W恒功率电泳1 h左右。

1.3.5 凝胶银染 固定和脱色：电泳结束后，取下凹形玻璃板，蒸馏水清洗胶面3次，用小刀将凝胶缓缓取下，置于固定液中，20 ℃下，在摇床上固定、脱色12 min，弃固定液，蒸馏水清洗3次。

AgNO3渗透：AgNO3渗透液以覆盖凝胶为宜，在摇床上20 ℃下渗透12 min后，蒸馏水清洗3次，每次30 s。

NaOH显色：NaOH（内含甲醛溶液）显色液以覆盖凝胶为宜，摇床上20 ℃下显色，直至条带清晰可见，立即用蒸馏水清洗凝胶2次。取出凝胶，用Bio-RAD凝胶成像系统拍照，分析。

1.3.6 试剂配制 SDS核酸裂解缓冲液（DNA提取液）：称取3.028 g纯Tis，4.653 g EDTA，10.253 g NaCL，5 g SDS，加ddH2O定容至250 mL，调节pH值至8.0，使用前加200 μL β-巯基乙醇。

5 mol·L-1NaCL：称取102.53 g NaCL，加ddH2O定容至250 mL。

1×TE：称取0.121 g纯Tis，0.037 gEDTA，1 mol·L-1HCl调节pH值至8.0，用ddH2O定容至100 mL。

RNase：用水溶解RNase，终浓度10 mg·mL-1，37 ℃水浴30 min，冷却，分装，-20 ℃保存。

5×TBE：称取54 gTis，27.5 g硼酸，3.72 g EDTA，用ddH2O溶解后，调节pH值至8.0，定容至1 000 mL。

0.5×TBE：取5×TBE100 mL，用ddH2O定容至1 000 mL。

上样缓冲液：称取0.8 g蔗糖，0.01 g溴酚蓝，用0.5×TBE定容至1 mL。

10%AP：称取0.2 g过硫酸铵，用ddH2O定容至2 mL（室温下可保存3～5 d）。

0.8%琼脂糖：称取0.8 g琼脂糖，用0.5×TBE定容至100 mL。

8%聚丙烯酰胺非变性胶：40 mL体系，30%聚丙烯酰胺（Acr∶Bis=29∶1）母液21.3 mL，5×TBE（pH值8.0） 8 mL，ddH2O 20.77 mL，10%AP200 μL，TEMEA29 μL。

固定液：1 000 mL体系，10%冰乙酸50 mL，无水乙醇100 mL，用ddH2O定容至1 000 mL。

AgNO3渗透液：1 000 mL体系，称取AgNO32 g，用ddH2O定容至1 000 mL。

NaOH显色液：1 000 mL体系，称取NaOH15 g，用ddH2O溶解，冷却后，加11 mL甲醛溶液，用ddH2O定容至1 000 mL。

1.4 统计分析

试验用的Marker为DNA MarkerⅠ，分离片段为：100，200，300，400，500，600，700 bp，来自北京博迈德科技发展有限公司。为保证准确，每次电泳均点DNA MarkerⅠ，没有扩增出带的品种，进行重复扩增。

分析中各材料在各个标记下的基因型以“A，B，C…a，b，c…”标示。用软件Popgene32检测等位基因变异数、香农指数以及遗传距离。以公式PIC=1-∑pi2算出多态性信息值（PIC），pi表示等位基因i的出现频次。以MEGA4显示并建立材料间等位基因间距树状图。

2 结果与分析

2.1 遗传多样性分析

试验用59对引物对102个群体材料进行扩增和多态性引物筛选，共选出扩增条带清楚、多态性好的引物50对，为总引物数的84.75%。

50对筛选出的SSR引物对102个材料进行PCR扩增，共检测出157个等位变异，不同位点的等位变异数为2～7个，平均每个等位变异数为3.14个，其中等位变异数最多的为Satt263，为7个。

SSR标记位点的香农指数变幅为0.097 3～1.668 4，香农指数平均值为0.844 9，出现9个非多态性标记，其香农指数为0。标记Sat_091的香农指数最大（1.668 4）；标记Satt361的最小（0.097 3）（表3）。

多态性信息量的变幅为0.038～0.761，平均每个引物的多态性信息量是0.431。

标记位点的等位变异数与香农指数（H）呈现极显著正相关（r=0.784）。

2.2 遗传距离及聚类分析

利用软件Popgene32扫描分析50个多态性标记，计算102个材料之间的遗传距离（GD）。遗传距离GD的变幅为0.030 0～1.504 0，平均遗传距离为0.727 8。遗传距离最小的是P40与P41（0.030 0）；其次是P34与P35（0.030 7）；遗传距离最小的是P48与P65（1.504 0）；其次是P46与P66（1.483 2）。根据基因遗传距离进行聚类分析（图2），结果表明，利用标记能将102个大豆材料相互区分，材料在遗传距离GD=0.805处聚为3个群组，群组1有52个材料，占材料总数的50.98%。该群组材料单株产量大致为30 g，为生育期较短的中、高产品种。群组2由48个材料组成，占材料总数的47.06%。群组3仅有2个材料，占材料总数的1.96%，这2个材料的特点为种子具有黑色种皮，而单株产量较小。

3 讨 论

大豆原产我国，因此我国具有优异而丰富的大豆种质资源。然而近年来，我国已由大豆出口国转为大豆进口国，大豆生产量在世界上已排在美国、巴西、阿根廷之后[11]，这与我国大豆单产水平不高、加工品质有待提高以及抗性种质资源稀缺有密切关系。山西地处黄土高原，具有生态类型丰富的大豆资源[12]，而单产水平、品质、抗逆性都有待提高。本试验对由102个大豆材料随机组成的山西大豆自然群体进行了研究遗传多样性分析，研究表明，山西大豆遗传背景相对比较宽广（表3），有利于在引种的基础上进行基因重组及培育优良新品种；通过聚类发现，中等以上产量品种占多数（图2），有一定的产量提升空间，还需要结合黄土高原及黄淮海地区特殊生态条件，采用高产栽培配套技术来提高产量；聚类分析中的第3类材料，产量较低，但属于特殊种质资源，可用作特定加工用途或根据需要配制杂交组合。

现有大豆育种程序中，存在品种遗传多样性低、遗传背景相似程度高的现象，所以，在新品种选育中有意识地选用更为多样性的种质资源，以提供必要的遗传变异能力，有利于品种产生更为广泛的适应性和优异变异[9]。Chowdhury等[13]认为，来自不同国家或距离较远地区的大豆品种具有更高的遗传多样性。遗传背景多样化的亲本，更有可能具有特殊的优良等位变异[14]，因此，在大豆育种中，应尽可能地选用这类亲本，以创造高产、优质的大豆品种。

参考文献：

[1] Silvente S， Sobolev A， Lara M. Metabolite adjustments in drought tolerant and sensitive soybean genotypes in response to water stress[J].PLOS ONE， 2012， 7（6）： 38 554.

[2] 李永春，喻德跃，徐冉，等. 大豆异地衍生RIL群体主要数量性状的自然选择效应[J]. 中国农业科学，2008，41（7）：1 917-1 926.

[3] Mujaju C， Sehic J， Nybom H. Assessment of EST-SSR markers for evaluating genetic diversity in watermelon accessions from zimbabwe[J]. American Journal of Plant Sciences， 2013， 4：1 448-1 456.

[4] Presti F， Wasko A. A review of microsatellite markers and their application on genetic diversity studies in parrots[J]. Open Journal of Genetics， 2014（4）：69-77.

[5] Miller A， Good R， Coleman R， et al. Microsatellite loci and the com-plete mitochondrial DNA sequence characterized through next generation sequencing and de novo genome assem-bly for the critically endangered orange-bellied parrot[J]. Neophema Chrysogaster， Molecular Biology Reports， 2013， 40：35-42.

[6] Flint-Garcia S， ThuiUet A， Yu J， et al. Maize association population： A high resolution platform for QTL dissection[J].PlantJ， 2005， 44：105 4-106 4.

[7] Eizonga G， Agrama H ，Lee F，et al. Identifying novel resistance genes in newly introduced blast resistant rice germplasm[J].Crop Sci， 2006， 46：1 870-1 878.

[8] Maccaferri M， Sanguineti M， Enrico N， et al. Population structure and long-range linkage disequilibrium in a durum wheat elite collection[J].Mol Breed， 2005， 15：271-289.

[9] Ghosh J， Ghosh P， Choudhury P. An assessment of genetic relatedness between soybean [Glycine max （L.） Merrill] cultivars using SSR markers[J]. American Journal of Plant Sciences， 2014（5）： 3 089-3 096.

[10] Saghai M A， Soliman K M， Jorgensen R A， et al. Ribosomal DNA spacer-length polymorphisms in barley： Mendelian inheritance， chromosomal location， and population dynamics[J].Proc Natl Acad Sci USA， 1984， 81： 8 014-8 018.

[11] 张清. 中国和美国、巴西、阿根廷大豆国际贸易依存度比较[J].世界农业， 2012， 12（332）：22-24.

[12] 林汉明，常汝镇，邵桂花，等. 中国大豆耐逆研究[M].北京： 中国农业出版社，2009： 4-6.

[13] Chowdhury A， Srinives P， Tongpamnak P， et al. Genetic relationship among exotic soybean introductions in thailand： Consequence for varietal registration[J]. Science Asia， 2002， 28：227-239.

群体遗传学分析 篇4

兔在我国的饲养及驯化已有很长的历史,我国动物科技工作者对兔进行了大量的研究,但大多是基于外形、生长、繁殖、生产等性状来研究不同的品种、类型,关于塞北兔mt DNA的研究目前无报道。塞北兔(Saibei Rabbit)属动物界(Animalia)脊索动物门(Chordata)脊椎动物亚门(Verte-brata)哺乳纲(Mammalia)兔形目(Lagomor-pha)兔科(Leporidae)兔属(Lepus),是兔属中较典型的一种[5]。塞北兔是由张家口农业高等专科学校以法系公羊兔和比利时弗郎德巨兔为亲本杂交选育而成的大型皮肉兼用品种,1988年成功育成并通过省级品种鉴定。塞北兔具有生长快、体型较大、繁殖力高、发病率低、抗病、适应性强、耐粗饲、性情温和、易于管理等优点,主要缺点是被毛颜色、体型不完全相同,还有待于进一步改进,以获得更多的优良品种。根据毛色可将塞北兔分为3个品系,A系为黄褐色被毛,尾巴上边缘为黑色,四肢内侧、尾巴及腹部的毛是浅白色;B系为纯白色;C系为草黄色。

试验拟采用mt DNA测序法,选取塞北兔A、B、C3个品系作为研究对象,以期寻找3个品系mt DNA可能存在的差异以及整个塞北兔群体的遗传多样性,从而为兔遗传学的研究奠定坚实的基础,并为塞北兔纯种保护提供理论指导。

mt DNA是唯一生活在动物体内的核外遗传信息的承载体,它是一个环状分子并且是共价闭合的,分子大小为6~19 kb,其基因组中一般没有间隔序列,结构简单,在遗传过程中几乎不发生倒位、易位等畸形突变,也极少发生重组,为严格的母系遗传[6]。其遗传结构简单并且稳定,但是一级结构的碱基突变率高,进化速率是单拷贝核DNA的5~10倍,这些特征使得mt DNA成为研究动物群体遗传结构和群体多样性的一种特别有效的方法。哺乳动物线粒体,特别是D-loop区在mt DNA中进化速度最快、遗传多态性最丰富,是探讨群体遗传多样性、亲缘关系、种群差异与生物地理关系等的有效分子标记方法。

mt DNA D-loop区是mt DNA的非编码区,也为控制区。由于其高度的变异性和广泛的多态性,应用mt DNA D-loop序列上的多态性可用于研究塞北兔品种的起源进化、亲缘关系及遗传多态性。因此,mt DNA被广泛应用于种内遗传结构、基因流动、群体杂交、遗传标记、生物地理学和生物进化等。现代分子生物学技术能够为塞北兔的起源、分化和群体遗传关系的研究提供有力的技术支持,能够为塞北兔的品种保护和利用提供有力的科学依据[7]。

1 材料

研究所涉及的塞北兔,均由河北北方学院实验动物中心提供,共3个品系的塞北兔,各品系的数量分别为:A品系17只,B品系15只,C品系12只。血样处理:心脏或耳静脉采血,每只兔10 m L,用乙二胺四乙酸(EDTA)抗凝后,-20℃冷冻保存。

2 方法

2.1 基因组DNA的提取

根据试剂盒说明书中的操作步骤提取DNA,用1%的琼脂糖(由鼎国生物技术有限公司提供)凝胶电泳检测DNA的纯度与浓度。

2.2 mt DNA D-loop PCR产物的扩增及测序

根据Gen Bank中发表的兔线粒体基因组序列(登录号为AJ287988)设计引物,用来扩增mt DNA D-loop区,并且设计内引物用于测序。引物序列:上游引物5'-GACACTTCGTCCATTAAGCG-3',下游引物5'-CCGCCATCAGCGCCAACAGG-3'。PCR产物扩增过程:95℃预变性4 min;94℃变性30 s,62℃退火60 s,72℃延伸90 s,共35个循环;4℃保存[8]。用1%的琼脂糖凝胶电泳检测产品,并检查其纯度和亮度。对于扩增效果良好的产物送上海生工生物工程技术服务有限公司进行测序。

2.3 数据的统计分析

数据序列的结果用DNAMAN软件对比,拼接并且校正后生成完整的序列。序列加载到Bioedit软件,再用Clustal X 1.83软件进行同源序列的比对,MEGA文件格式进行保存。用分子进化遗传分析软件MEGA3.1确定其遗传多态性位点和基因单倍型的数目,构建Neighbor-Joining(NJ)系统树。单倍型多样度、核苷酸多样度、平均核苷酸差异数以及遗传距离等用DNASP4.0进行统计分析。

3 结果与分析

3.1 塞北兔多态性位点分析

通过对塞北兔个体序列比较分析测定,结果共发现264个多态位点,其中单一多态位点(Singleton variable sites)为58个,简约信息位点(Parsimony informative sites)为206个。简约信息位点包括两碱基变异位点(Two variants)、三碱基变异位点(Three variants)、四碱基变异位点(Four variants),而单一多态位点无四碱基突变,结果见表1。

3.2 塞北兔序列多态性分析

通过对塞北兔44只个体的序列进行比较分析测定,共发现30种单倍型,单倍型基因多样性(Hd)为0.971 00±0.000 17,核苷酸多样性(Pi)为0.209 720 0±0.001 071 5,平均核苷酸差异数(k)为65.012 68。3个品系平均核苷酸差异数分别为:A品系为95.666 67,B品系为22.209 52,C品系为18.969 70。此外,3个品系的不同遗传多样性参数见表2。

3.3 塞北兔品系内与品系间遗传距离分析

结果见表3。

注:对角线上的数据为品种内遗传距离,对角线以下的数据为品种间遗传距离。

由表3可知:塞北兔3个品系内的遗传距离为0.180~0.300。C品系内的遗传距离最小,为0.180;A品系内的遗传距离最大,为0.300;B品系内的遗传距离在二者之间,为0.220。品系间遗传距离为0.092~0.185。其中,B品系与C品系之间的遗传距离最近,为0.092;A品系与B品系之间的遗传距离最远,为0.185,A品系与C品系之间的遗传距离在上述2个数据之间,为0.156。

3.4 塞北兔聚类分析

结果见图1。

对塞北兔3个品系共44只个体进行聚类分析,以黄喉兔(flavigularis)作为外群。由图1可知,塞北兔3个品系共分为两个分支,B品系、C品系全部个体与大部分A品系个体聚为一类,而少数A品系个体单独聚为一类。

4 讨论

遗传多样性是物种适应环境变化,形成物种多样性的重要因素之一,它对种群的繁衍生殖、适应环境、抵抗疾病等具有重大意义。遗传多样性的下降可能会导致物种对环境变化适应力的降低,这对生物群体,尤其是生活在野外的生物来说是一个极大的威胁。然而,对于小型哺乳动物而言,由于它们数量较多,繁殖力较强,遗传多样性的研究并未引起足够的重视。

核苷酸多样性和单倍型基因多样性是评价群体mt DNA变异程度的两个重要的指标,能够在一定程度上反映出群体的遗传多样性[9]。慈海鑫等人测定了32个种群的252个高原鼠兔的mt DNA,共发现了436个变异位点,单倍型基因多样性为0.987 00±0.003,核苷酸多样性为0.030 00±0.014,说明高原鼠兔具有丰富的遗传多样性。试验中,塞北兔群体单倍型基因多样性为0.971 00±0.000 17,核苷酸多样性为0.209 720 0±0.001 071 5,这与上述结果相同,表明塞北兔的遗传多样性较丰富。

一般认为,种群的建群者效应可能会导致生物有较高的单倍型基因多样性和较低的核苷酸多样性,即一个较小的有效种群迅猛增长。然而,通过种群变异虽然积累了单倍型基因多样性,但是它却尚未积累核苷酸多样性,因此这种增长有利于提高物种对新环境的适应能力从而导致生物核苷酸多样性的下降。

由于mt DNA在种群遗传过程中几乎不发生基因重组,因此物种一般能保持其母系mt DNA类型,母系的各种优势能够在子代身上体现出来,并且mt DNA在遗传过程中遵循严格的母系遗传,其子代的mt D-NA来自父系的可能性小于0.004%[10]。

随着分子生物学的迅猛发展,mt DNA测序法已经广泛应用于亲缘关系的确定和物种鉴别等许多方面,如牛、羊、鸡等多种动物[11]。冯洁等[6]通过测序法对青紫蓝兔、新西兰兔和日本大耳白兔3个种群进行分析得出,青紫蓝兔和新西兰兔之间有共同的起源,而新西兰兔与日本大耳白兔却无血缘关系。

由表3可知:对于塞北兔3个品系来说,C品系内遗传距离最小,为0.180;A品系内遗传距离最大,为0.300。这表明C品系基因交流最多,群体内差距最小,而A品系基因交流最少,造成群体内遗传距离最大。对于种间遗传距离,B品系与C品系品种间遗传距离最小,A品系与B品系品种间遗传距离最大,说明B品系与C品系群体间基因渗透最多,亲缘关系较近,而A品系与B品系群体间基因渗透较少,从而导致2个品系间亲缘关系较远。

由图1可知,B品系、C品系和大部分A品系个体组成一个大分支,这表明塞北兔群体内遗传距离较近,亲缘关系较近,基因交流较频繁。这与塞北兔生长过程中喂养的过程、程序及培育方式有着密不可分的联系。然而,部分A品系个体单独为一支,这表明在A品系内可能出现了杂交,导致外来基因的渗透,以致品系不纯。这提醒科研工作者在以后的育种工作中,要加大纯种保护的力度。

摘要：为了研究塞北兔群体遗传多样性,试验采用PCR扩增和测序法对塞北兔3个品系(A、B、C品系)线粒体DNA D-loop区(mt DNA D-loop)全序列进行分析。结果表明:在塞北兔全部个体中所有D-loop区共检测到264个多态位点,30种单倍型,其中核苷酸多样性(Pi)为0.209 720 0±0.001 071 5,单倍型基因多样性(Hd)为0.971 00±0.000 17,平均核苷酸差异数(k)为65.012 68;说明我国塞北兔品种遗传多样性丰富。通过构建NJ网络进化树得出塞北兔3个品系主要分为两大分支,其中B品系、C品系的全部个体与A品系的大部分个体聚为一大分支,而少部分A品系个体聚为另一分支,说明A品系部分个体可能存在与其他兔品种杂交的情况,导致血液不纯。

关键词：塞北兔,线粒体DNA(mtDNA),遗传多态性,聚类分析,遗传距离分析

参考文献

[1]王东卫,刘伟.实验兔线粒体DNA多态性研究[J].动物科学与动物医学,1999,16(4):3-5.

[2]姜雪鸥,杨鹰,万洁,等.攀西地区黑山羊mtD NA D-loop区遗传多态性研究[J].东北农业大学学报,2013,44(9):23-29.

[3]黄勇富,张亚平,邱祥聘,等.猪线粒体DNA多态性与中国地方猪种起源分化的关系[J].遗传学报,1998,25(4):322-329.

[4]BROWN D R,KOEHLER C M,LINDBERG G L,et al.Molecular analysis of cytoplasmine getetic variation in Holstein cows[J].J Anim Sci,1989,67(8):1926-1932.

[5]于宁,郑昌临,施立明,等.鼠兔属5个种的分子分类及进化[J].中国科学C辑,1996,26(1):69-77.

[6]冯洁,谢建云,胡建华,等.上海地区实验用兔线粒体DNARFLP分析[J].上海交通大学学报(农业科学版),2007,25(6):547-550.

[7]王兰萍,耿荣庆,刘忠权,等.草兔种群的遗传多样性与系统进化研究[J].西部林业科学,2013,42(2):62-66.

[8]单文娟,马合木提·哈利克.塔里木兔种群遗传多样性初探[J].生物技术,2013,23(3):46-49.

[9]李祥龙,张正平,陈圣偶,等.山羊mtD NA多态性及其起源分化研究[J].畜牧兽医学报,1999,30(4):313-319.

[10]LANSMAN R A,AVISE J C,HUETTEL M D.Critical experimental test of the possibility of“paternal leakage”of mitochondrial DNA[J].Proc Natl Acad Sci USA,1983,80(7):1969-1971.

群体遗传学分析 篇5

利用微卫星标记技术对3个鲤鱼群体(DP、WS和SY)的遗传多样性及亲缘关系进行研究.结果表明,3个群体的遗传多样性总体水平较高,其中SY群体最高,WS群体次之,DP群体最低.根据基因型频率(P)检验了各位点的HardyWeinberg平衡情况.Fis值表明3个群体中共有32个微卫星位点的杂合度观测值过剩.3个群体间,WS和SY群体间的`遗传相似系数最大(0.8320),遗传距离最小(0.1680),表明这两个群体亲缘关系较近;WS和DP群体间的遗传相似系数最小(0.8288),遗传距离最大(0.1712),表明这两个群体亲缘关系较远.

作 者：马洪雨 岳永生 郭金峰 公维华 王慧 MA Hongyu YUE Yongsheng GUO Jinfeng GONG Weihua WANG Hui 作者单位：马洪雨,岳永生,郭金峰,王慧,MA Hongyu,YUE Yongsheng,GUO Jinfeng,WANG Hui(山东农业大学动物分子遗传育种实验室,泰安,271018)

公维华,GONG Weihua(中国农业科学院畜牧研究所,北京,100094)

群体遗传学分析 篇6

近十年来针对罗氏沼虾种质遗传变异已有不少的研究报道。张海琪等[3]采用同工酶和RAPD分析缅甸罗氏沼虾野生群体和浙江养殖群体的生化遗传变异; 蒋钦杨等[4]用线粒体16S rRNA基因部分片段和RFLP比较缅甸引进种子代、广西养殖群体及江苏养殖群体的遗传结构; 杨学明等[5]用线粒体DNA的COI基因比较了缅甸原种F1代、江苏养殖群体和广西选育群体的遗传多样性; 姚茜等[6]用线粒体控制区( D-loop) 基因序列比较浙江湖州养殖群体和“南太湖1号”的遗传多样性; 陈雪峰等[7]用核糖体 转录间隔 区2基因 ( ITS2) 序列进行孟加拉和缅甸野生群体、浙江和广西养殖群体、以及“南太湖2号”选育群体的遗传多样性的比较。

应用微卫星标记进行罗氏沼虾遗传多样性的研究报道尚不多见,仅见CHAREONTAWEE等[8]用6个微卫星标记对泰国5个养殖群体和2个野生群体的遗传多样性进行了分析; 朱其建等[9]用8个微卫星标记对16个来自于上海养殖群体的选育群体进行遗传多样性分析。广东与江苏是罗氏沼虾的两大主养区,两省的罗氏沼虾养殖产量占全国总养殖产量的近80% ,同时也均为罗氏沼虾苗种主要培育基地[10]。由于罗氏沼虾引进中国的时间较长, 虽然也有多次小规模的重新引种,但多数虾苗场尚缺乏科学的保种与选育技术,因此笔者研究选取广东、江苏以及泰国的罗氏沼虾养殖群体,采用微卫星标记技术进行种群遗传结构和遗传多样性的分析,旨在为罗氏沼虾的选育种工作提供基础数据。

1材料与方法

1.1试验材料

试验样品分别采自6个养殖场的普通养殖群体,均属非选育群体。其中在中国境内共有4个采样点,广东养殖群体1( GD1,32尾) ,广东养殖群体2 ( GD2,30尾) ,广东养殖 群体3 ( GD3,32尾) ,江苏养殖群体( JS,34尾) 。在泰国境内有2个采样点,泰国养殖群体1( TG1,29尾) ,泰国养殖群体2( TG2,25尾) 。6个群体共计180尾。每个群体均为随机取样。分别剪取虾尾部肌肉组织, 保存于95% 的乙醇中。

根据Gen Bank上登录的 罗氏沼虾 微卫星序 列[11,12,13],选取、设计合成30对引物并进行预扩增,从中挑选12对特异性强、重复性好和多态性较高的微卫星引物( 表1) ,由生工生物工程( 上海) 股份有限公司合成。各对引物分别带有FAM、 TAMRA和HEX的特异性荧光标记用于测算扩增目的条带的大小。

按照天根生化科技( 北京) 有限公司的TIANamp Genomic DNA Kit试剂盒说明书提取罗氏沼虾肌肉组织的总DNA,并用0. 8% 的琼脂糖凝胶电泳和分光光度计检测DNA质量和浓度, -20 ℃保存备用。

1.2PCR扩增与扩增产物检测

引物分为3类,分别用3种不同的荧光进行标记( FAM、TAMRA和HEX) ( 表1) 。PCR反应总体积为20 μL,含有10 × buffer 2. 0 μL、氯化镁 ( Mg Cl2) ( 25 mmol·L- 1) 0. 8 μL、d NTP( 2. 5 mmol· L- 1) 0. 4 μL、上下游引物( 20 μmol·L- 1) 各0. 4 μL、 基因组DNA 40 ng、Taq酶[天根生化科技( 北京) 有限公司出品]1 U。PCR扩增程序为94 ℃ 预变性5 min后进入35个循环,94 ℃ ,30 s; 55 ℃ 退火,30 s; 72 ℃ ,30 s,循环结束后72 ℃ 再延伸10 min。

STR基因分型委托生工生物工程 ( 上海) 股份有限公司完成。使用DYY-8型稳压稳流电泳仪( 上海琪特分析仪器有限公司出品) 、凝胶成像系统 ( Gene Genius公司出品) 和3730XL测序分析仪( 美国ABI公司出品) 进行STR序列分析,根据每个扩增条带分子量的差异性,判断每个个体各基因座的基因型。

1.3数据统计及分析

通过STR分型确定每个标记在每个个体中的基因型,根据条带( 等位基因) 的大小,按从大到小按字母排序,用POPGENE 32进行统计分析,计算各群体每一个微卫星位点的等位基因数( Na) 、 有效等位基因数( Ne) 、Shannon指数( I) 、观测杂合度( Ho) 、期望杂合度 ( He) 、群体间遗传距离 ( Da) 、遗传相似度( S) 。FSTAT软件计算遗传分化指数( Fst) 。根据Nei氏遗传距离通过MEGA 5软件利用非 加权配对 算术平均 法 ( unweighted pair group method with arithmetic mean,UPGMA) 构建系统树[14]。用CERVUS 3. 0软件计算多态信息含量 ( polymorphism information content,PIC)[15]。群体间Fst、群体分子方差分析( AMOVA) 采用ARLEQUIN 3. 1软件进行[16]。利用STRUCTURE 2. 3软件分析群体的遗传结构,再用最大似然性法分析最佳K值,即理论群体数[17]。

2结果

2.1微卫星位点的多态性及群体遗传多样性

根据预扩增结果从30个微卫星位点中选取特异性强、重复性好和多态性较高的12对引物,对6个罗氏沼虾群体共180个个体的基因组DNA进行扩增,结果显示,各对引物在6个群体中均能扩增出目的条带,且表现出不同程度的多态性( 表2) 。其中Na为13 ~ 28个,Ne为6. 61 ~ 18. 33,I为2. 124 ~ 3. 045,Ho为0. 488 ~ 0. 994,He为0. 852 ~ 0. 948; PIC为0. 853 ~ 0. 941,所检测的12个位点均属于高度多态位点( PIC > 0. 5) 。

6个罗氏沼虾群体的遗传多样性见表3。GD3群体的平均Na、平均Ne和I均为最高 ( Na= 13. 833,Ne= 8. 947,I = 2. 348 ) , 而TG2的平均Na、平均Ne和I均为最低 ( Na= 10. 917, Ne= 6. 558,I = 2. 046 ) 。 Ho以GD1的最高 ( Ho= 0. 821) 、TG2的最低( Ho= 0. 683) 。He和多态信息含量则以GD3的最高( He= 0. 896,PIC = 0. 880) 、TG2的最低 ( He= 0. 848 ,PIC = 0. 806 ) 。 综合上述各参数,可认为所检测的6个群体均具有较高的遗传多样性,并以广东群体3( GD3) 的遗传多样性最高、泰国群体TG2的遗传多样性最低。

2.2群体间的遗传分化及遗传距离分析

6个罗氏沼虾养殖群体间的Fst为0. 006 1 ~ 0. 093 1 ( 表4 ) , 属于中低水平遗传分化 ( Fst< 0. 15 ) 。其中泰国群体1和泰国群体2之间遗传分化水平最低( Fst= 0. 006 1 ) ,属于低程度的分化( Fst< 0. 05 ) 。而泰国群体2和广东群体1之间遗传分化水平最高( Fst= 0. 093 1 ) , 两者间的分化为中等程度的分化( 0. 05 < Fst< 0. 15 ) ( 表4 ) 。

AMOVA分析结果表明,群体中仅有5. 27% 的遗传变异来自于群体间,94. 73% 的遗传变异来自于群体内( P < 0. 01) ,表明遗传变异主要存在于个体之间,个体间的遗传变异远大于群体间的遗传变异( 表5) 。

6个群体间Nei氏Da为0. 160 8 ~ 0. 695 8,S为0. 311 7 ~ 0. 851 5( 表6) ,其中江苏群体和广东群体2的Da最近( 0. 160 8) 、S最高( 0. 851 5) , 而广东群体1和泰国群体2间的Da最远( 0. 695 8) 、S最低( 0. 311 7) 。根据遗传距离构建的UPGMA聚类树显示6个罗氏沼虾群体聚为2个大支, 3个广东群体与江苏群体聚为一支,2个泰国群体聚为另一支( 图1) 。

注: **. 1 023 次模拟检验后显示为极显著( P < 0. 01) Note: **. very significance ( P < 0. 01) after 1 023 permutation tests

2.3群体遗传结构分析

利用STRUCTURE软件执行了2-7的假设K, 设10次重复,根据K对应的参数、采用基于群体结构的贝叶斯分析法发现,K = 4时出现平台期, 推断笔者研究的所有参试个体最佳分组为4个理论群( 图2) 。广东群体1、广东群体2和江苏群体群体聚为一组,广东群体3和2个泰国群体则各自成为一组。

3讨论

微卫星标记是分布于真核生物基因组中的简单重复序列( simple sequence repeats,SSRs) ,也称短串联重复序列( simple tandem repeats,STRs) 。因其在基因组中分布广泛、具较高的多态性、呈共显性遗传,且由于分析方法相对简便快捷也被广泛应用于水产生物种群遗传多样性分析、种质资源保护、遗传图谱建立和QTL定位等研究中[18,19,20]。微卫星标记分析通常是通过PCR扩增、电泳检测和片段大小分离分析各等位基因。传统的片段分离采用聚丙烯酰胺凝胶电泳结合放射显影或银染的方法,其分辨率和效率均较低。笔者研究利用近年发展起来的STR分型新方法,通过荧光标记的PCR引物扩增微卫星位点区域序列,利用ABI遗传分析仪对荧光标记的DNA片段进行毛细管电泳检测, 结合分子量内标计算DNA片段长度,使STR分型更高效与准确[21]。

多态信息含量( PIC) 起衡量基因位点多态性的作用,通常PIC能反映出某个群体的遗传变异程度、位点多样性等[22]。笔者研究所用的12个微卫星位点的PIC介于0. 853 ~ 0. 941,根据BOTSTEIN等提出的划分标准,PIC > 0. 5时该等位基因座位为高度多态性座位[22],所采用的12个位点均属于高度多态( PIC > 0. 5) ,可用于罗氏沼虾群体的遗传多样性及遗传结构的评估。

杂合度( heterozygosity) 是评价群体遗传变异的重要指标。Ho容易受样本大小的影响,而He更能够反映群体的遗传多样性,杂合度越高物种遗传多样性越 丰富, 对环境适 应能力则 越强[24,25]。 CHAREONTAWEE等[8]用6个微卫星标记分析了泰国的5个养殖群体和2个野生群体,认为这些养殖群体仍具有较高的遗传多样性水平,其中2个养殖群体的遗传多样性( He均为0. 73) 甚至高于2个野生群体( He= 0. 71和0. 68 ) 。朱其建等[9]用8个微卫星标记分析采自上海地区的16个罗氏沼虾选育群体,结果显示各群体的He相差较大( 0. 551 9 ~ 0. 733 2) 。在应用微卫星标记进行生物遗传多样性分析时其结果可能受选用的标记在基因组中所处的位置、位点的多态性以及分型手段等的影响。相比于STR基因分型技术,聚丙烯酰胺凝胶电泳的分辨率相对较低,可能会造成等位基因缺失、杂合度偏低[26]。笔者研究采用STR基因分型,结果显示6个罗氏沼虾养殖群体的平均He介于0. 848 ~ 0. 896,说明这6个群体均具有较高的遗传多样性与选育潜力。

遗传距离和遗传相似度是衡量群体间遗传关系的指标[27]。笔者研究结果发现,江苏群体和广东群体2的Da最近( 0. 160 8) 、S最高( 0. 851 5) , 说明其亲缘关系最近; 而广东群体1和泰国群体2之间的遗 传距离最 远 ( 0. 695 8 ) 、 S最低 ( 0. 311 7) ,说明其亲缘关系最远,且广东群体1和泰国群体2间的遗传分化水平也最高 ( Fst= 0. 093 1) 。同时系统进化树更直观地表现出这种关系,中国的4个群体聚为一支,泰国的2个群体聚为另一支,说明泰国罗氏沼虾养殖群体和中国养殖群体的亲缘关系相对较远。

STRUCTURE软件是基于个体的遗传组成进行群体模拟分析,不受各群体样本数的影响,是群体遗传结构分析的理想工具[26,28]。笔者研究的所有参试个体被划分为4个地理群,支持UPGMA树的聚类结果。同时遗传结构图的直观显示结果与遗传分化分析结果相吻合。广东群体1、广东群体2和江苏群体群体聚为一组,说明广东群体1、广东群体2和江苏群体之间的遗传结构相似,3个群体之间存在着一定程度的基因交换,这可能与江苏和广东两个罗氏沼虾养殖大省存在着一定程度的亲虾或苗种互相供给与交流有关。

群体遗传学分析 篇7

我国北方地区冬季漫长, 寒冷气候是影响畜禽生长的重要因素。北方地方家畜品种长期适应北方寒冷气候, 较引进品种具有良好的抗寒性能。以猪为例, 民猪较哈白猪在抗寒抗热方面具有更高的耐受性[7]。为揭示不同遗传背景猪抗寒性能及其遗传基础, 本课题组对长白山野杂猪, 民猪及大白猪进行了抗寒性能比较, 发现野杂猪和民猪较大白猪具有更高的抗旱性能。为揭示抗寒性能的遗传学基础及抗寒性能标志分子, 本文对三个群体猪外周血HSP70和HSP90含量及肝脏m RNA表达量进行了检测, 发现HSP90存在显著差异。

1 材料与方法

1.1 实验动物

野杂猪为含有75%长白山野猪血的野猪与当地黑猪的杂交猪, 选自吉林省白山市隆兴牧业有限公司, 纯种东北民猪来自于吉林省农业科学院养猪研究室东北民猪保种基地, 纯种大白后备猪来自于四平红嘴集团种猪场。待测猪为6~8月龄雌性健康后备母猪。每个群体各检测30头, 外周血采集选择在1月份。

1.2 血清激素检测

前腔颈静脉采集血液2 m L, 促凝管收集血清。应用ELISA法检测热应激蛋白70和90 (HSP70, HSP90) 。相关检测数据首先用Excel 2010进行初步计算后, 利用SPSS19.0统计软件进行单因素方差分析。

1.3 肝脏总RNA提取与c DNA一链合成

野杂猪, 民猪和大白猪三个群体每个群体各选取3个个体屠宰, 选取肝脏提取总RNA。总RNA提取采用Trizol法, 提取方法详见产品说明书。提取的总RNA用DEPC水充分溶解, 琼脂糖凝胶电泳鉴定RNA完整性, 紫外分光光度计检测其纯度与浓度, -70℃保存备用。c DNA合成前总RNA用RNasefree DNase I处理确保不存在DNA污染, c DNA合成反应参照Prime Script反转录试剂盒进行, 具体步骤按说明书进行。

1.4 引物设计与合成

从Gen Bank数据库中选取HSP70、90α基因m RNA基因序列, 以引物软件Oligo7.0设计定量PCR引物, 同时以猪β-actin基因内参引物参考文献[8], 具体引物序列信息间表1。引物合成委托软件哈尔滨某生物有限公司完成。

1.5 荧光定量RT-PCR检测

定量PCR采用Light Cycle 480 II定量PCR仪。反应为20μL体系:dd H2O为8.6μL, c DNA模板稀释10倍后添加1μL, Light cycler 480SYBR Green I master 10μL, 浓度为10μM的正反引物各0.2μL。循环条件如下:95℃变性15 min, 40个循环, 条件为94℃15 s, 62℃30 s, 扩增结束后进行产物溶解曲线分析。每个群体检测三个个体, 每个样品重复进行3次。检测结果利用2-△△Ct法进行数据分析并绘制柱形图[10]。

1.6 数据分析

试验数据首先用Excel 2010进行初步计算后, 利用SPSS19.0统计软件对三个群体HSP70, 90含量进行统计分析。

2 实验结果

2.1 三群体猪外周血HSP70和HSP90含量检测结果

在最冷季节 (一月份) 采集一定数量长白山野杂猪, 民猪和大白猪群体猪外周血, 制备分离血清, ELSIA方法对血清中的HSP 70, 90含量进行定量检测, 三个HSP 70, 90含量变异统计分析结果见表2。从表中可以看出民猪外周血中HSP70的平均含量最高, 大白猪中最低, 野杂猪和民猪之间差异不大, 野杂猪和民猪95%置信区间表型也同样如此。方差齐性分析结果显示显著性值大于0.05, 说明三个群体猪HSP70含量数据总体符合正态分布规律, 可以进行单因素方差分析检验。三个群体猪HSP90含量分析结果显示野杂猪群体中HSP90的平均含量最高, 民猪次之, 大白猪中最低。而最小值出现在民猪群体中, 与最大值比较相差13倍之多, 说明外周血中HSP90含量具有较大的浮动空间。尽管群体内HSP90含量表异性较大, 但方差齐性分析显示三群体HSP 90含量数据总体上属于正态分布, 说明HSP90含量变化的合理性。相同群体HSP 70和HSP90含量比较发现, HSP 70含量远高于HSP 90, 两者间基本存在一个数量级的差异, 提示HSP 70和90间存在功能差异。

对三个群体猪外周血HSP 70和HSP 90含量进行单因素方差分析, 结果 (表3) 显示, 三群体两两间比较分析发现三群体HSP 70含量数据比较p值均远大于0.05, 提示不存在显著差异性。HSP 90分析结果显示大白猪与民猪、民猪与野杂猪比较, p值大于0.05, 说明他们之间HSP含量不存在显著差异性。大白猪与野杂猪之间HSP 90含量比较p值为0.004, 提示两者间差异极显著, 说明野杂猪群体外周血HSP 90含量极显著高于大白猪。

2.2 三群体猪肝脏HSP 70和HSP 90基因m RNA表达分析

选择血清采集同一时间点挑选大白猪, 民猪和野杂猪各3头, 分别提取肝脏组织总RNA, 采用QRT-PCR方法检测三个群体猪肝脏HSP 70和HSP 90的m RNA表达水平变化, 以大白猪肝脏组织表达量作为参照, 结果 (图1) 显示HSP 70和HSP 90基因m RNA在不同猪群中转录存在一定差异, 其中HSP 70基因在三个群体猪肝脏组织中相对表达变化差异不大, 野杂猪肝脏组织表达水平最高, 表达量相当于大白猪肝脏组织表达量的1.5倍, 民猪次之, 相当于大白猪表达水平的1.2倍。HSP 90基因表达变化差异性较大, 野杂猪肝脏组织中HSP 90基因m RNA表达水平将近大白猪肝脏转录水平的3.5倍, 民猪肝脏HSP 90表达量为大白猪的1.7倍左右。HSP 70和HSP 90基因肝脏组织m RNA表达差异检测与外周血含量检测具有一定的一致性。

3 讨论

热应激蛋白与包括冷应激在内的各种应激反应均具有较好的抵抗作用, 但其主要表现为瞬时或一过性, 即在短时间内起到保护作用, 长时间则失去效果。应激反应也同样如此, 启动及延续时间不可能无限期延长, 应激反应长时间得不到恢复, 机体将进入衰竭阶段, 导致生病甚至死亡[8]。严格意义上说抗寒性属于冷应激反应适应后机体所建立的对低温环境的耐受及新的平衡建立的结果, 冷应激反应保护机制不一定参与抗寒性能构建过程, 但由于缺乏抗寒性能全面认识, 目前多以冷应激作为研究对象。我国北方地区冬季漫长, 气候寒冷, 造就了野生及家养动物对低温具有较强的抵抗力[7]。本文以长白山野杂猪, 民猪与大白猪比较, 分析寒冷季节热应激蛋白在三个群体猪血清及肝脏组织中的表达变化, 为探讨东北地方猪群体抗寒性能遗传机制奠定基础。

热休克蛋白在抗逆功能方面具有高度保守性, 在动植物中广泛存在[9,10]。在冷应激刺激过程中不同热休克蛋白表现也不近相同[11]。在东北地区野猪成纤维细胞冷应激刺激试验中, HSP 70m RNA的表达量在复温过程中上调表达, 表达强度与冷应激刺激强度成正比[12], HSP 90具有相类似的表达模式[13]。本文中由于受试猪长期处于类似的温度状态并不存在冷应激及复温过程, 因此所检测的HSP 70和HSP 90表现不近相同。有报道对家猪、野猪冷应激状态下血液HSP 70 m RNA表达检测发现, HSP 70表达量最高[14], 本文结果与其他报道具有一致性[15], 甚至其他物种中HSP也具有相似表现[16]。但在HSP 90上却存在一定差异, 本文中发现无论在血清中还是肝脏中HSP 90均表现为较高的含量, 但在其他报道中则呈现表达下降或并不敏感[11,15]。不同遗传背景猪对冷应激的表现存在显著差异[7], 个体或细胞水平热应激蛋白检测结果也证明HSP 70和HSP 90在其中存在不同的表现方式, 其中野猪中表达水平最高, 家猪最低[12,13], 这与本研究结果完全相同, 提示热休克大白在冷应激或抗寒性能方面起到一定的作用。尽管本文中HSP 90表现为类似的趋势, 在野猪外周血HSP 90含量表现出极显著高于大白猪, 但相对于野杂猪HSP 90基因m RNA转录水平相当于大白猪的3.5倍, 野杂猪外周血HSP 90含量却并未高出大白猪如此高的水平, 提示m RNA转录与实际蛋白含量并非存在必然性。

群体遗传学分析 篇8

1 材料和方法

1.1 材料

长白猪24头、大白猪103头、北京黑猪321头, 来自中国农业科学院北京畜牧兽医研究所昌平试验种猪场;藏猪125头, 来自云南迪庆地区。采集耳组织以备提取基因组DNA。Taq DNA聚合酶、dNTP混合物购自天根生化科技 (北京) 有限公司;MspⅠ限制性内切酶, 购自宝生物工程 (大连) 有限公司。

1.2 方法

1.2.1 基因组DNA的提取

用酚-氯仿抽提法从猪耳组织样中提取基因组DNA, 0.8%琼脂糖凝胶电泳检测其纯度, 用紫外分光光度计法估计含量, 稀释DNA样品至50 ng/μL。

1.2.2 PCR引物

PCR引物参照参考文献[3]设计, RBP4的引物序列为F 5′-GAGCAAGATGGAATGGGTT-3′, R 5′- CTCGGTGTCTGTAAAGGTG-3′。引物由上海英骏生物技术有限公司合成, 用超纯水溶解至浓度为10 μmol/L。

1.2.3 PCR反应体系及条件

反应体系:10×Buffer 2.0 μL, 25 μmol/L Mg2+ 2.0 μL , 10 μmol/L dNTPs 0.4 μL, 10 μmol/L上、下游引物各0.4 μL, 模板DNA 50 ng, Taq DNA 聚合酶0.3 μL, 加超纯水至20 μL。反应条件:95 ℃预变性5 min;94 ℃变性30 s, 56 ℃退火30 s, 72 ℃延伸30 s, 共37个循环;72 ℃延伸10 min。PCR产物用1.5%的琼脂糖凝胶电泳检测。

1.2.4 PCR产物酶切体系与条件

PCR产物经MspⅠ进行酶切, 12%的聚丙烯酰胺 (39∶1) 凝胶160 V电泳6 h, 照像, 统计基因型。酶切总体系为10 μL, 其中PCR产物4 μL、10 U/μL MspⅠ内切酶 0.6 μL、10×Buffer 1 μL、加超纯水至10 μL, 37 ℃消化8 h。

1.3 数据统计

用POPGENE1.31计算基因频率、基因型频率、多态信息含量、有效等位基因数、群体杂合度和X2 -Hardy-Weinberg平衡检验。

2 结果与分析

2.1 PCR产物及酶切

以基因组DNA为模板扩增RBP4基因的特异性片段, 包括部分5′非翻译区、第1外显子、第1内含子和部分第2外显子 (见图1) , 其中第1内含子上的突变产生MspⅠ酶切多态, 得到3种带型:190/154/136 bp、190/154/136/125/29 bp和190/136/125/29 bp, 命名为AA、AB和BB型 (见图2) 。由于29 bp较小, 电泳时跑出胶外, 在图片上未显示。

M.100～600 bp DNA Marker;1～6.目的PCR产物。

M.100～600 bp DNA Marker; AA.190/154/136 bp;AB.190/154/136/125/29 bp; BB.190/136/125/29 bp。

2.2 RBP4基因MspⅠ位点的基因型频率、基因频率

4个品种中都存在AA、AB和BB 3种基因型。在长白猪、大白猪和北京黑猪群体中A等位基因占优势, 其分布情况为大白猪>长白猪>北京黑猪;而在藏猪群体中, B等位基因占优势。从基因型分布来看, AB 型个体占优势, 其中北京黑猪所占比例最高, 为0.529 6;大白猪BB 型个体所占比例最低, 为0.137 3 (见表1) 。

2.3 RBP4基因MspⅠ位点的群体遗传多态性

长白猪、大白猪、北京黑猪和藏猪群体在RBP4基因的MspⅠ位点上的多态信息含量 (PIC) 、杂合度 (H) 、有效等位基因数 (Ne) 及X2检验, 见表2。

由表2可知, 4个群体在该位点处于中度多态 (0.250.05) 。

3 讨论

RBP4是孕体产生的主要蛋白质之一, 在囊胚扩张时期的表达量急剧上升, 是胚胎发育所必需的, 与胚胎的存活率密切相关[1]。已发现RBP4基因存在MspⅠ多态位点[2], 近年来对该位点在不同品种上的研究较多。有研究表明, A等位基因频率在不同德系猪 (合成系、德系长白和杜洛克) 中占优势[3];苏淮猪的B等位基因占优势[4];RBP4基因在3个引进猪种的优势等位基因是A[5]。在山东本地猪种中, 莱芜黑猪、里岔黑猪和鲁莱黑猪的基因型频率都是AB>BB>AA, 优势等位基因是B。以上的研究结果显示, 不同品种猪的RBP4基因的多态分布各不相同。因此, 研究采用RFLP-PCR方法分析了引进品种 (长白猪、大白猪) 、培育品种 (北京黑猪) 、地方品种 (藏猪) 的RBP4基因的多态性, 结果显示, 4个品种中都存在AA、AB和BB基因型。藏猪群体中, B等位基因占优势;长白猪、大白猪和北京黑猪群体中A 等位基因占优势。分析原因可能是:A等位基因可能与猪的高繁殖力有关, 在选育过程中, 逐渐增加了A等位基因, 而使得B等位基因含量降低。

群体遗传特征结果显示, 长白猪、大白猪、北京黑猪和藏猪群体在该位点处于中度多态, 其中北京黑猪的多态信息含量较高, 说明该群体在该位点的遗传变异较高, 有较大的选择余地。所有群体在所研究位点处于Hardy-Weinberg 平衡状态, 可能是因为这些位点所处的选择压较小。

参考文献

[1]YELICHJ, POMP D, GEISERTR.Detection of transcripts for retin-oic acid receptors, retinal-binding protein, and transforming growthfactors during rapid trophoblastic elongation in the porcine conceptus[J].Biol Reprod, 1997, 57:286-294.

[2]ROTHSCHILD M F, MESSER L A, DAY A, et al.Investigation ofthe retinol binding protein (RBP4) gene as a candidate gene for lit-ter size in the pig[J].Mammal Genome, 2000, 11:75-77.

[3]DROGEMULLER C, HAMANN H, DISTL O, et al.Candidate genemarkers for litter size in different German pig lines[J].Journal ofAnimal Science, 2001, 79:2565-2570.

[4]李隐侠, 徐银学, 陈杰, 等.苏淮猪七个功能基因多态性及其与生产相关性[J].南京农业大学学报, 2008, 31 (3) :102-106.

群体遗传学分析 篇9

随着拟穴青蟹增养殖业的蓬勃发展,渔业捕捞和人工养殖对拟穴青蟹种质资源产生了巨大的干扰,表现为野生苗种资源量的下降和种质资源的混杂。因此,深入了解中国沿海不同海区拟穴青蟹的遗传特征和种质差异已成为拟穴青蟹增养殖业可持续发展的当务之急。林琪[4]利用随机扩增多态DNA(random amplified polymorphic DNA,RAPD)和扩增片段长度多态性(amplified fragments length polymorphism,AFLP)技术开展了中国大陆沿海拟穴青蟹群体遗传多样性研究,其中在广西海区设定了2个采样点,即北海铁山港和东兴北仑河口。路心平等[5]利用线粒体DNA标记(COI基因片段序列)分析了中国大陆东南沿海拟穴青蟹种群遗传结构,在广西海区分别设定了北海、山口和防城3个采样点。两份研究报告为认知广西海区、北部湾海域拟穴青蟹群体遗传结构提供了有价值的信息。由于广西海区比较高的岸曲比特征(约8.6:1),为了更进一步了解广西海区拟穴青蟹群体遗传结构特征,在此增加了钦州湾采样点。

RAPD技术在经济海产动物中的应用已相当广泛,在青蟹属中的应用除林琪[4]外,KLINBUNGE等[6]使用3条RAPD引物(UBC456、UBC457和YN222)鉴定了泰国东部的3种青蟹。此研究筛选有效的RAPD引物开展广西沿海及其邻近海区拟穴青蟹群体遗传多样性分析,为该区域拟穴青蟹野生资源保育和利用,以及拟穴青蟹种质改良提供科学依据。

1 材料与方法

1.1 材料

试验用拟穴青蟹的6个野生群体于2009年5月~2010年5月搜集,当地渔民主要利用网笼在红树林捕捉。样本鉴定依据林琪等[1]描述的拟穴青蟹形态学特征。6个采样点分别为湛江流沙湾(LSW)、合浦闸口(ZK)、合浦党江(DJ)、钦州市钦州湾(QZW)、防城港市珍珠湾(ZZW)和越南清化(QH)。共计分析拟穴青蟹样本数99个个体。所有样本均活体运回实验室,速冻处死,螯足于-70 ℃保存备用。

1.2 方法

1.2.1 基因组DNA提取

取约50 mg拟穴青蟹螯足肌肉组织,以常规酚/氯仿法抽提基因组DNA,空气晾干,灭菌超纯水溶解。采用核酸蛋白测定仪(德国Eppendorf牌)测定样品的总DNA浓度,以1.0%琼脂糖凝胶电泳(0.5×TBE)检测其质量,于-20 ℃保存备用。

1.2.2 引物筛选和PCR扩增

基于“带型清晰、可辨”原则筛选出 8条RAPD有效引物,引物序列、退火温度等信息列于表1。

PCR反应在BIO-RAD S1000TM Thermal Cycler上进行。12.5 μL的RAPD反应体系含10×PCR buffer 1.25 μL,模板DNA用量为10~25 ng,Taq DNA聚合酶为0.75 U,镁离子(Mg2+)浓度为1.5 mmol·L-1,dNTP浓度为0.2 mmol·L-1,引物浓度为1.2 μmol·L-1。反应条件为94 ℃预变性10 min;94 ℃变性60 s,36 ℃退火60 s,72 ℃延伸60 s,45个循环;72 ℃延伸10 min。选择100 bp Ladder plus(东盛生物)作为分子量标准(marker),1.5%琼脂糖凝胶(含0.5 μg·mL-1 EB)电泳检测PCR扩增产物,自动凝胶成像仪(Alpha innotech,美国产)观察拍照。

1.2.3 条带记录与数据统计分析

按凝胶同一位置上DNA条带的有无进行统计,有带的记为“1”,无带的记为“0”,记录清晰稳定的DNA条带,构成RAPD表型数据矩阵。应用POPGENE 1.31软件[7]在假定种群处于Hardy-Weinberg平衡状态下,计算群体间和群体内的遗传参数,包括多态位点百分率(PPL)、观测等位基因数(Na)、有效等位基因数(Ne)、Nei′s基因多样性指数(h)、Shannon′s信息指数(I)、群体间的遗传分化系数(Gst)、基因流(Nm)和Nei′s遗传距离等,并用UPGMA(unweighted pair group method using arithmetic averages)方法对各个群体进行了聚类分析。用Google-earth估测地理距离,用TFPGA 1.3[8] Mantel检测群体间遗传距离和地理距离间的相关性。利用AMOVA-PREP[9]生成AMOVA155可分析的输入文件,开展群体间和群体内的分子方差分析(analysis of molecular variance,AMOVA)。

2 结果与分析

2.1 RAPD扩增结果

筛选出的8条10 bp寡核苷酸随机引物在所有群体中均能得到带型清晰的扩增谱带,扩增片段的分子量大小主要集中在100~1 200 bp之间,引物S24对拟穴青蟹闸口群体19个个体的扩增结果见图1。

2.2 物种和群体水平的遗传多样性

拟穴青蟹6个群体累计分析的位点是44个,其中多态位点31个,分析结果见表2。物种水平的遗传多样性高于群体水平。在分析的拟穴青蟹6

个群体中,钦州湾群体的遗传多样性最高,流沙湾群体的遗传多样性最低,其余4个群体按遗传多样性自高至低分别为党江群体、珍珠湾群体、闸口群体和清化群体。

2.3 群体间遗传分化

群体基因多样性的Nei′s分析结果见表3。Gst显示,18.43%的遗传变异存在于群体间,81.57%的遗传变异存在于群体内,群体内的遗传分化大于群体间的分化。

AMOVA分析结果显示,拟穴青蟹遗传变异主要发生在群体内,占总的遗传变异的87.03%,群体间遗传变异占12.97%(表4)。PHI统计结果是PHIst=0.130。变异组分显著性检验(1 000次重复)表明,拟穴青蟹6个群体的群体间已发生极显著遗传分化(P<0.001)。

2.4 遗传距离和地理距离的相关性分析

Mantel检测结果显示,所分析的6个群体间的遗传距离与地理距离之间的相关性不显著(R=-0.118 8,P=0.426 0~0.577 0)(表5)。

2.5 聚类分析

基于Nei′s无偏遗传距离的UPGMA聚类分析结果显示,拟穴青蟹的6个群体聚成3支,钦州湾群体与珍珠湾群体聚在一起且最先从群体中分离,清化群体与流沙湾群体聚在一起,闸口群体与党江群体聚在一起(图2)。聚类分析表明,拟穴青蟹群体聚类与地理距离无相关性。

3 讨论

3.1 遗传多样性

PPL是衡量物种遗传多样性的重要指标之一。对应用RAPD技术报道的海产虾蟹类动物群体的PPL概括有斑节对虾(Penaeus monodon,66.19%和67.14%)[10]、短沟对虾(P.semisulcatus,87.69%和89.23%)[11]、凡纳滨对虾(Litopenaeusvannamei,39.00%~77.00%,平均为58.75%)[12]、中国对虾(Fenneropenaeus chinensis,25.00%~34.38%)[13]、口虾蛄(Oratosqilla oratoria,67.80%)[14]、三疣梭子蟹(Portunus trituberculatus,61.29%和62.44%)[15]和拟穴青蟹(26.79%~38.39%)[4]。根据上述研究结果,拟穴青蟹的遗传多样性在海产虾蟹类动物中相对较低。

与林琪[4]的研究结果比较,此研究的广西海区(不含钦州湾)拟穴青蟹群体PPL(36.36%~38.64%)略高于前者(35.27%和34.82%),但流沙湾群体PPL(29.55%)要低于湛江徐闻群体(35.71%);基于I的比较表明,除流沙湾群体(0.159 9)低于湛江徐闻群体(0.176 8)外,对应广西海区的拟穴青蟹群体I(0.216 9~0.227 1)均高于前者(0.161 7和0.136 9)。此研究揭示拟穴青蟹在物种水平上的PPL为70.45%,高于林琪[4]的42.88%。拟穴青蟹钦州湾群体和清化群体在以往的研究均未见报道,其中钦州湾群体的PPL(54.55%)在所有已报道的群体中为最高。

刘萍等[16]认为中国对虾低水平的遗传多样性与大强度的渔业捕捞、人工养殖个体逃逸以及大规模不安全的人工放流等有关。NELSON和HEDGECOCK[17]认为海洋甲壳类低水平遗传变异与随机遗传漂变、营养结构和环境稳定性等因素相关。拟穴青蟹相对较低的遗传多样性是否与上述因素相关值得探讨。笔者认为,拟穴青蟹低的遗传多样性可能与拟穴青蟹在最近经历了一个快速的种群爆发及扩张事件[5]有关。

3.2 遗传结构

群体遗传结构是指遗传变异在物种或群体中的一种非随机分布,即遗传变异在群体内、群体间的分布样式以及在时间上的变化[18]。群体遗传结构是通过物种群体间和群体内的遗传分化来体现[19]。利用POPGENE计算出的群体间遗传分化系数表明,拟穴青蟹遗传变异主要存在于群体内,佐证了异交物种的遗传变异主要存在于居群内的推论。AMOVA分析结果支持了POPGENE的分析结果。依据BUSO等[20]提出的评价遗传分化程度的方法,Gst(介于0.15~0.25)表明群体间遗传分化程度较大,而Phist(Φst)(介于0.05~0.15)表明群体间遗传分化程度中等。

基于群体间的遗传距离评价遗传分化,钦州湾群体和闸口群体之间的遗传距离最大(0.093 8),在同一物种居群间的遗传距离范围内(<0.16)[21],说明拟穴青蟹群体间遗传分化未超过种的范畴。拟穴青蟹群体间Nm=2.2129>1表明群体间存在有效基因流,群体间遗传分化不是因为遗传漂变事件导致[22]。Mantel检测结果表明,拟穴青蟹6个地理群体间的遗传距离与地理距离不相关。此结果说明了地理距离并不影响拟穴青蟹群体间遗传分化,与路心平等[5]的研究结论吻合,但与林琪[4]的研究结果矛盾。拟穴青蟹群体间遗传分化具体与哪些因素相关还有待进一步研究。

群体遗传学分析 篇10

关键词：遗传算法,进化,群体规模,上锯齿波

1 引 言

遗传算法[1](Genetic Algorithms)是以自然选择和遗传理论为基础,将生物进化过程中“优胜劣汰、适者生存”原则与群体内部染色体的随机信息交换机制相结合的高效全局寻优搜索算法。算法提供了一种求解非线性、多模型、多目标等复杂系统优化问题的通用框架,它不依赖于具体的问题领域,已经广泛应用于函数优化、自动控制、机器人学习、图像处理、人工生命等科技领域,成为近年来的研究热点。但是,经典遗传算法存在随机性高、收敛速度慢、更容易产生欺骗性问题等缺陷,并且从中发现其种群的规模始终是固定不变的,这与生物进化过程是不相符的。生物进化受环境等外界因素的影响,人类进化的各个阶段既有连续性,也有突变性,甚至在时间上有一定的交叉和重叠,这都表明种群的规模具有不稳定性。经典遗传算法采用固定的种群规模,使得种群不能根据整体性能做适当调节,不能更好地发挥遗传算法的优越性能。

关于群体规模的理论研究,文献[2]对群体规模和遗传算法的收敛速度之间的关系进行了初步的研究。文献[3]从理论上分析了群体规模变化对算法性能的影响。文献[4]从编码角度理论计算得到了最优群体规模与编码长度之间的关系表达式。在变群体规模的函数优化问题中,文献[5]使用离散型逻辑斯蒂模型来控制种群规模,比其他从微观算子上改进的遗传算法更加高效省时。文献[6]将群体规模设定为某一变化的函数,对Goldberg & Richardson和Rosenbrock这两个经典测试函数进行优化,得到了较好的收敛效果。文献[7]从目标函数的复杂度的角度对一些典型优化问题进行了最优群体规模的实验。在文献[8]的基础上,从理论上推导和分析得到了二进制编码和自然数编码两种编码的群体规模下限值,并证明了其存在性。文献[9]在解决不同类型问题的时候,合适N值的计算方法需要自适应变化。文献[10]给出了共享适应度函数遗传算法的优化初始群体规模估计方法,适合于小生境遗传算法的运算。为此,结合人类进化的规律,文章提出了一种可变种群规模的遗传算法。

2 算法构造

SGA(Standard Genetic Algorithm)是指经典遗传算法,群体规模在整个进化过程中都是一个恒值,不受任何条件的影响,以下为其基本子结构:

ALGORITHM (SGA)

Step1:initialize (N,gen)

Step2:evaluate (N,gen)

Step3:While (gen

Step4:Select (N,gen)

Step5:Evolve (N,gen)

Step6:evaluate (N,gen)

Step7:gen=gen+1

Step8:end while

UGA (Up Saw-tooth Genetic Algorithm)表示将经典遗传算法的群体规模进行改进,使群体规模在进化过程中随遗传代数而做间歇性的规律变化,这样使群体规模数值不再保持恒不变,基本子结构为:

ALGORITHM (Up Saw-tooth GA)

Step1:initialize (N,gen,add,chrom)

Step2:evaluate (N,gen,add,chrom)

Step3:While (gen

Step4:Select (N,gen,add,chrom)

Step5:Evolve (N,gen,add,chrom)

Step6:When (ins-gen=5)

Newchrom=chrom

Return

Step7:evaluate (N,gen,add,chrom)

Step8:gen=gen+1

Step9:end while

其中,N表示初始群体规模,gen 和max-gen表示当前遗传代数和最大进化代数,ins-gen 表示遗传代数间隔,chrom 表示上一代的种群,Newchrom表示当前种群,add表示下一代与上一代的个体比率。模拟进化规律,可理解为:在一定时间段内,生物按照优胜劣汰原则平稳进化,某时刻受到突发性的灾难而发生个体急剧变化,然后再调节、持续发展。在本文的UGA中可表述为:遗传代数在5代(可视优化问题而定具体数值)差之间,种群按照比率值(add)平稳进化,到5代差这个时刻,保留前一代的个体,群体规模发生一次跳变。以此类推,群体规模做周期性的规律变化,直到收敛。

3 函数测试

数学函数优化问题是遗传算法测试性能的常用方法,具有一定的实际效能,能直观地体现算法的优化特性。在改进算法和经典遗传算法对比测试的试验中,对测试函数用指定算法进行100次寻优计算,其中,对每一个目标函数设置一个阈值作为其收敛准则,当种群最大适应度大于该阈值时,就认为该算法收敛,则此次寻优结束;收敛代数是指对同一目标函数重复做优化试验(100次)而得到的收敛代数的平均值;收敛时间是指算法收敛到最优值所耗时间平均值。

3.1 对函数1测试

Shubert函数:

undefined

其中,-10≤x1,x2≤10。该目标函数是一个无穷多密集尖峰的多模态函数,有无穷多个极小值点,其全局最小值为-186.730 9。

对函数1分别使用VPGA和种群规模不同的SGA各进行100次重复试验。在两种算法中,都使用随机遍历抽样选择法,单点交叉率为0.7,变异率为0.028,M表示最大遗传代数,N是群体规模值,且群体规模是按1.1的比率增长的,遗传代数间隔为5。表1是UGA和SGA算法不同群体规模的优化性能比较。

从表1可以看出,SGA算法只有在群体规模和遗传代数同时都较大的情况下,才能收敛到最优解(N<100,M<80都难以收敛到最优解),收敛到最优解的运行时间也比较长。但是,改进算法在小的群体规模和遗传代数要求下就能得到完全收敛,且运行时间较短,而同样条件下的SGA算法无法寻到最优解。在更大的群体规模或遗传代数的情况下,改进算法的收敛代数更少、收敛时间更短,效果远远优于SGA。

图1表示的是两种算法在N=60,M=50的情况下的方差变化图。方差体现的是种群适应度的偏离程度。由图可见,在初始进化阶段(前10代左右),SGA的偏离幅度最大,后期才逐渐趋于平稳;而改进算法UGA在整个运行过程中的偏离度一直很小很小,算法稳定性非常好,且在25代左右就收敛停止了,效果明显优于SGA。图2是改进算法在整个运行过程中的群体规模随遗传代数而变化的图形,群体规模N值变化只与遗传代数有关。

3.2 对函数2测试

Rosenbrock 函数:

undefined

其中x∈[-2.048,2.048]。这是一个Rosenbrock的香蕉函数,虽是单峰函数,但它是病态的,且难以极小化。它的最小值在点(1,1)处,全局最小值为0.0。

对函数2分别使用UGA和种群规模不同的SGA各进行100次重复试验。在两种算法中,都使用随机遍历抽样选择法,单点交叉率为0.7,变异率为0.035。M表示最大遗传代数,N是群体规模值,且群体规模是按1.1的比率增长的,遗传代数间隔为5。表2是UGA和SGA算法的性能比较。图3是两种算法的方差对比图。

因为算法都是在锯齿波的变化函数下进行的,对于这个函数来说,同样由图2可以看出,因为本函数本身的特性,比较难搜索到最优值,因为UGA只是群体规模的改进,所以收敛率还不能达到100%。尽管如此,UGA在相比之下较小N和M的情况下收敛性能是最好的,时间也是最少的。SGA在上面多个情况下都能收敛,但是收敛代数和时间都比较大,且收敛效率不如UGA的好。

图3表示的是两种算法在N=80,M=150的情况下的方差变化图。从图3可以看出,改进算法在30代左右就收敛停止了,而SGA直到150代都没有收敛,可见SGA的收敛性能差于UGA。因为方差体现的是种群适应度的偏离程度,UGA的偏离度一开始波动较大,但收敛后就趋于零了;SGA算法在整个过程中都比较平稳,但偏离度持续偏高,稳定性能较差。

4 结 语

本文通过结合人口进化的发展规律而提出该种群规模做上锯齿波变化的遗传算法UGA,该算法的种群规模随遗传代数的增加而做规律性的变化。UGA花费比SGA更小的代价而取得更好的效果,收敛代数和时间都少了很多,节省了大量资源。试验证明,变种群遗传算法有很大的开发价值与潜力。

参考文献

[1]Holland J H.Adaptation in Nature and Artificial Systems[M].University of Michigan Press,1975,MTTPress,1992.

[2]Reis C,Machado J A,Cunha J B.Population Size and Pro-cessing Time in a Genetic Algorithm[J].Proceddings of theSecond IEEE International Conference on ComputationalCybernetics,Vienna,2004:127-132.

[3]孙瑞祥,屈梁生.遗传算法优化效率的定量评价[J].自动化学报,2000,26(4):552-556.

[4]Daw Li,Li Wang.A Study on the Optimal Population Size ofGenetic Algorithm[J].Proceedings of the 4th World Con-gress on Intelligent Control and Automation,V4,Shanghai,2002:3 019-3 021.

[5]徐晓华,陈峻,陈宏建.可变种群规模的遗传算法[J].系统仿真学报,2006,18(4):870-872.

[6]Koumousis V K,Katsara C P.A Saw-tooth Genetic AlgorithmCombining the Effects of Variable Population Size and Re-initial-ization to Enhance Performance[J].IEEE Tran sactions on Evo-lutionary Compuation,V10,N1,2006:19-28.

[7]Piszcz A,Soule T.Genetic Programming:Optimal PopulationSizes for Varying Complexity Problems[J].Proceeding of the8th Annual Genetic and Evolutionary ComputationConference,Seattle WA,2006:953-954.

[8]孙艳丰,王众托.自然数编码遗传算法的最优群体规模[J].信息与控制,1996,25(5):317-320.

[9]Lobo F G,Lima C F.Revisiting Evolutionary Algorithmswith On-the-Fly Population Size Adjustment[J].Proceedingof the 8th Annual Genetic and Evolutionary ComputationConference,Seattle WA,2006:1 241-1 248.