检索
E-mail
RSS
高级检索 图表检索

当期目录 我要投稿 过刊浏览
高级检索 图表检索

作物杂志, 2026, 42(5): 115-123 doi: 10.16035/j.issn.1001-7283.2026.05.014

遗传育种·种质资源·生物技术

西藏青稞遗传多样性及粒色全基因组关联分析

乔云祥,1,2, 王艳彩1,2, 凌勃1,2, 马海娟1,2, 冯西博,1,2

1 西藏农牧大学植物科学学院， 860000， 西藏林芝

2 高原作物种质资源保护与利用实验平台， 860000， 西藏林芝

Genetic Diversity and Genome-Wide Association Analysis of Grain Color in Xizang Highland Barley

Qiao Yunxiang,1,2, Wang Yancai1,2, Ling Bo1,2, Ma Haijuan1,2, Feng Xibo,1,2

1 College of Plant Sciences, Xizang Agricultural and Animal Husbandry University, Linzhi 860000, Xizang, China

2 Experimental Platform for Protection and Utilization of Plateau Crop Germplasm Resources, Linzhi 860000, Xizang, China

通讯作者: 冯西博，主要从事高原作物遗传育种研究，E-mail：fxb750217@126.com

收稿日期: 2025-06-5   修回日期: 2025-07-15   网络出版日期: 2025-10-14

基金资助: 国家自然科学基金项目“不同环境下西藏彩色青稞基因组的遗传变异分析及隆子黑青稞粒色QTL定位的研究”(32060482)
高原作物学创新团队建设(XZNMXYRCDWJS-2024-11)
西藏特色农牧资源研发省部共建协同创新中心―青稞方向(XZTSZY202001)

Received: 2025-06-5   Revised: 2025-07-15   Online: 2025-10-14

作者简介 About authors

乔云祥，研究方向为作物遗传育种，E-mail：qyx0990@163.com

摘要

西藏青稞遗传变异丰富，籽粒颜色多样。利用22个多态性SSR标记对327份西藏地方青稞材料群体的遗传多样性进行检测，并对籽粒颜色、遗传相似度及遗传结构等进行分析。结果表明，22个SSR标记从327份材料中共检测出76个等位变异，变异范围为2~6。基因多样性指数在0.3405~0.8012，平均为0.5760，多态性信息含量（PIC值）在0.3297~0.7974，平均为0.5531，2个多样性核心指标一致。327份青稞亲本的遗传相似系数（GS）在0.5983~1.0000，平均为0.7546。在GS值约为0.6215时，可将327份参试群体聚为3类。籽粒颜色的全基因组关联分析发现12个与粒色相关联的标记，其中，与籽粒紫色和黑色关联的HVM54以及与蓝色关联的

HVM60标记同时被GLM和MLM模型检测到。深色籽粒颜色与海拔呈正相关。

关键词： 西藏青稞; SSR; 遗传多样性; 遗传结构; 关联分析; 粒色

Abstract

Xizang highland barley exhibits abundant genetic variation and diverse grain coloration. The genetic diversity of 327 Xizang highland barley landrace accessions was detected by using 22 polymorphic SSR markers, and the grain color, genetic similarity and genetic structure were analyzed. The results showed that a total of 76 alleles were detected from 327 materials with 22 SSR markers, with the number of alleles per marker ranging from 2 to 6. The gene diversity index ranged from 0.3405 to 0.8012, with an average of 0.5760. The polymorphism information content (PIC value) ranged from 0.3297 to 0.7974, with an average of 0.5531. The two core diversity indicators were consistent. The genetic similarity coefficient (GS) of 327 highland barley parents ranged from 0.5983 to 1.0000, with an average of 0.7546. When the GS value was about 0.6215, 327 tested materials could be clustered into three groups. Genome-wide association analysis of grain color revealed 12 markers associated with grain color, among them, HVM54 associated with purple and black grains and HVM60 associated with blue grains were simultaneously detected by both GLM and MLM models. Dark grain color was positively correlated with altitude.

Keywords： Xizang highland barley; SSR; Genetic diversity; Genetic structure; Correlation analysis; Grain color

PDF (945KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

乔云祥, 王艳彩, 凌勃, 马海娟, 冯西博. 西藏青稞遗传多样性及粒色全基因组关联分析. 作物杂志, 2026, 42(5): 115-123 doi:10.16035/j.issn.1001-7283.2026.05.014

Qiao Yunxiang, Wang Yancai, Ling Bo, Ma Haijuan, Feng Xibo. Genetic Diversity and Genome-Wide Association Analysis of Grain Color in Xizang Highland Barley. Crops, 2026, 42(5): 115-123 doi:10.16035/j.issn.1001-7283.2026.05.014

青稞（Hordeum vulgare L. var. nudum Hook. f.）属禾本科大麦属，是栽培大麦的变种，俗称裸大麦，具有悠久的栽培历史[1]。作为青藏高原最早驯化的作物及最具特色的农作物，其不仅是藏族农耕文明的核心载体，更表现出突出的耐寒性、抗旱性、广适性及短生育期等特点[2]。该作物独特的营养组分“三高”（高纤维、高蛋白、高β-葡聚糖）与“二低”（低脂肪、低糖）结构特性，与现代饮食营养需求高度契合[3]。青稞籽粒富含β-葡聚糖和膳食纤维，具有较高的营养价值，可以加工为糌粑和青稞酒，兼具粮食、饲料及藏药原料功能[4-5]。高原青稞籽粒颜色丰富，包括紫色、蓝色、黑色和白色等，且海拔越高深色型大麦分布愈广[6-7]。众多学者[8-12]把紫色、黑色和蓝色基因定位在1H、2H和3H染色体上。杨希娟[13]研究认为不同颜色的青稞都具有各自独特的营养价值。青稞与其他几大主要粮食作物相似，亟需开展种质资源遗传差异的系统解析及优异等位基因的挖掘[14]。青稞维系着藏区粮食安全、经济支柱及文化认同。深入解析青稞表型特征与遗传背景的关联机制，对实现西藏地区种质创新与遗传改良具有双重战略价值，为区域粮食安全体系构建和农业经济可持续发展提供理论支撑。

简单重复序列（SSR）分子标记是鉴定各品种遗传多样性的有效工具，其特点是稳定性高、检测方便、成本低且信息含量高[15]。SSR分子标记技术具有多维度应用价值，涵盖遗传多样性解析、种质资源鉴定、遗传连锁图谱构建、分子标记辅助选择育种（MAS）及群体遗传结构解析等研究领域[16-19]。为提升遗传变异检测的精度与分辨率，整合SSR分子标记与表型组学数据进行关联分析，已成为解析作物遗传分化的有效分析策略[20-21]。表型性状可以直接反映种质资源的多样性和丰富性，且与SSR标记结果有较高的相关性[22]。关联分析是一种数量遗传学分析方法，研究对象主要是自然群体[23]，其具有材料遗传基础广泛的优点[24]，目前已经在水稻[25]、小麦[26]和大麦[27]等作物中发掘出数个优异等位基因。Sun等[28]基于42对SSR标记的关联分析中，鉴定出大麦中与株高、穗长及千粒重等关键农艺性状显著关联的分子标记。

青稞作为西藏特色作物，利用SSR分子标记对青稞籽粒颜色进行的相关研究较少，缺乏针对籽粒颜色的特异性SSR标记，且基因型和表型关联分析不足。本研究采用22个SSR分子标记，对西藏多地域来源的327份青稞开展遗传多样性解析，系统分析其遗传背景差异，利用全基因组关联分析筛选鉴定籽粒颜色相关标记，以期为特色青稞品种改良及分子标记辅助育种提供理论依据。

1 材料与方法

1.1 试验材料

供试的327份青稞材料由西藏农牧大学高原作物种质资源保护与利用实验平台提供，其中昌都市32份、林芝市24份、日喀则市137份、山南市134份。

1.2 试验方法

1.2.1 籽粒颜色测定

于2023年10月下旬，将327份青稞亲本材料种植于西藏农牧大学植物科学学院实习农场（林芝市巴宜区），每份青稞材料种植3行，行长1.5 m，行距30.0 cm，在青稞成熟后，从各材料中选10株进行单株脱粒，观察各单株籽粒颜色，籽粒颜色表型见图1。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   不同粒色青稞籽粒颜色表型

Fig.1   Color phenotype of highland barley grains with different grain colors


1.2.2 基因组DNA提取

对327份青稞材料进行发芽处理，将材料种植于穴盘，放入培养箱，培养箱设置昼20 ℃/14 h/12 000 lx、夜16 ℃/10 h/0 lx，培养约7 d待幼苗长至叶片完全展开时取样，使用锡纸包裹后，放于-80 ℃冰箱冷冻保存。采用CTAB法[29-30]提取327份青稞亲本材料的DNA，使用分光光度计检测纯度和浓度，稀释至浓度50~100 ng/μL，置于-20 ℃冰箱保存。

1.2.3 SSR标记检测及遗传多样性分析

挑选22个均匀分布于青稞1H-7H染色体上的分子标记（表1），对已提取的327份DNA进行PCR扩增。PCR扩增体系：2×PCR MasterMix 5.00 μL，模板DNA（50~100 ng/μL）1.00 μL，上下游引物各0.75 μL，最后加1.00 μL ddH2O。扩增程序：预变性96 ℃3 min；变性96 ℃ 15 s，退火55 ℃ 15 s，72 ℃延伸20 s，变性退火延伸3步设置40个循环；72 ℃延伸2 min，4 ℃冰箱保存。电泳步骤：取9 μL的PCR产物于8%的非变性聚丙烯酰胺凝胶中进行电泳，时间设置为2 h 30 min，电泳完成后使用硝酸银染色15 min后，于NaOH和甲醛溶液中进行显影，待到条带清晰后，拍照并编号保存胶图。以DNA Marker说明书的6个条带为参考，对胶图进行处理，记录各扩增条带的大小；使用NTsys-pc 2.1软件进行聚类分析并计算遗传相似系数（GS）；采用Popgene 32软件统计等位基因频率及Shannon多样性指数；结合Babu等[31]的方法，使用Power Marker v3.25软件解析多态性信息含量（PIC）、等位基因数目与遗传距离参数，同时完成系统进化树构建；使用MEGA5.1软件和Evolview2工具对进化树进行处理。

表1   22对SSR引物的名称、所在染色体及序列

Table 1  Names, chromosomes and sequences of 22 pairs of SSR primers

引物名称Primer name染色体Chromosome正向序列Forward primer反向序列Reverse primer
Bmac03051HTGTCCCACTGGTCATACTCAGGATGTTGTGTGGGTGT
Bmac03991HCGATGCTTTACTATGAGAGGTGGGTCTGAAGCCTGAAC
HVAB1HATCTGTTTCAAAAATCCGATAATAGCCAGGGTATTAAAGGAC
Bmag07492HCGGATTCTTGAGTAGTCTCTGGATCTGTTTTTGTAGAACATGC
HVM542HAACCCAGTAACACCTGTCCTGAGTTCCCTGACCCGATGTC
HVM362HTCCAGCCGACAATTTCTTGAGTACTCCGACACCACGTCC
Bmag00063HTTAAACCCCCCCCCTCTAGTGCAGTTACTATCGCTGATTTAGC
HVM623HTCGCGACCAGACGAGAAGAGCTAGCCGACGACGCAC
HVM743HAGGAAGTCATTGCGTGAGTGATCAAGAATGATAACATGG
EBmac07014HATGATGAGAACTCTTCACCCTGGCACTAAAGCAAAAGAC
EBmac07754HGCTTCCTTCATAGACCCATATATCATGCCAATGGTGTC
Bmgcc00024HTAGCAAAGCCCATGGTACATCTGACGAGGAGGGAGTAGTTCTC
HVM205HCTCCACGAATCTCTGCACAACACCGCCTCCTCTTTCAC
AF043088A5HCGACAAGGTGGAGGACTACTGAAGGCCTGAACTCAC
Bmag04015HGGTTCCATAGGTATTAGCTACATCCTACTAAACAAACCATAGAAA
AB0093076HTTGTGCATATGTTGATGTGACGGTACCAATTCTTTGATTAC
AB0093086HATGGAATCTTATCGCTGTTCCGGCAGATTTGAGAACTATTA
Bmac00186HGTCCTTTACGCATGAACCGTACATACGCCAGACTCGTGTG
AF022725B7HAAACAAGACAGATTAGCTTGAATACATCATCGCATGAACTAAA
HVM607HCAATGATGCGGTGAACTTTGCCTCGGATCTATGGGTCCTT
Bmag03857HCTCCACAGAGTCAGAGTTAGACTGACATTAGCTGACTCTCTATC
Bmac02867HGTGGACGATTTGCTTGATATTTATTCTGCACCCTGG

新窗口打开| 下载CSV


1.2.4 关联分析

采用Structure 2.3.4软件分析群体遗传结构，使用DataFormater将胶图所得到的01矩阵转化为Structure所需的格式并导入，参数设置参考文献[32]。将参数Length of burnin period设为10 000，估计最佳群体组群数（K），设置1~10为取值范围，设置K值15次重复。将所得到的Results文件压缩，导入Harvester在线工具分析得出K和ΔK的矩阵，得出最佳K值。再使用Structure Harvester-master本地化工具，结合Evanno等[33]的统计方法计算得出所有K值文件，将最佳K值对应的2个文件放入CLUMPP v1.1.2软件的工作目录，运行后得出Q值。将Q值文件导入TBtools-II v2.225软件，使用Admixture Q Matrix Viz程序得出群体结构图。参考Earl等[34]的方法，使用SPAGeDi软件处理基因型数据，以Q参数为协变量，获得材料个体间亲缘关系的Kinship矩阵。

采用Tassel v2.1软件利用广义线性模型和混合线性模型2种方式进行关联分析。籽粒颜色性状采用二分类变量编码（目标表型=1，其他=0）。针对广义线性模型（GLM），设置群体结构Q矩阵作为协变量，通过SSR标记与表型性状的回归分析筛选显著性关联位点（P<0.01），并量化标记对表型变异的解释率（R2）[35]。混合线性模型（MLM）则利用Q矩阵与亲缘关系矩阵作为协变量，结合SSR标记和表型数据进行关联分析，确定关联位点，同时计算表型变异解释率。采用PCA+Kinship的方法，利用PCA校正群体分层，解释主成分和表型的相关性，作图时使用PC1和PC2的值，置信区间设置为95%，可视化群体结构。

1.2.5 相关性分析

使用Origin 2021的Correlation Plot插件绘制热图，独热编码方式编辑籽粒颜色数据，保留类别独立性，利用Spearman相关系数进行计算分析，热图中标注相关性系数。并制作箱线图来可视化不同颜色类别对应的海拔分布差异。

2 结果与分析

2.1 SSR标记分析

基于22个SSR标记进行群体遗传学分析，结果显示，327份青稞种质中共检测到76个等位变异，各标记位点的等位基因数在2~6，平均等位基因数达3.45（表2）。标记Bmag0401检测到6个等位变异；标记Bmac0305、HVAB、HVM62和Bmac0018检测到的等位变异最少，为2个。Shannon指数变化范围为0.3782~1.0632，平均值为0.6941，标记EBmac0775的Shannon指数最低，为0.3782，标记Bmac0305的Shannon指数最高，为1.0632。遗传多样性分析显示，基因多样性指数在0.3405~ 0.8012，平均为0.5760，PIC值在0.3297~0.7974，平均为0.5531，2个多样性核心指标一致。该结果表明327份青稞种质存在丰富的遗传变异，其中Bmag0401与HVM36位点表现出最高多态性，PIC值分别为0.7974和0.7340，基因多样性指数分别为0.8012和0.7541，可作为遗传多样性评估的核心标记组。

表2   22对SSR引物在327份青稞材料中的多态性检测

Table 2  Detection of polymorphism of 22 pairs of SSR primers in 327 highland barley materials

标记
Marker		染色体
Chromosome		位置
Position		等位基因数
Number of alleles		基因多样性指数
Gene diversity index		Shannon指数
Shannon’s index		多态性信息含量
PIC
Bmac03051H4520.43251.06320.3417
Bmac03991H12540.68440.58950.6408
HVAB1H7620.35150.68970.3304
Bmag07492H8530.49520.40740.4781
HVM542H9030.47450.51510.4527
HVM362H10850.75410.96350.7340
Bmag00063H3430.55231.02860.5322
HVM623H8420.34050.82510.3297
HVM743H12230.49850.45330.4778
EBmac07014H2440.69430.69390.6764
EBmac07754H8030.57760.37820.5640
Bmgcc00024H13050.70530.98130.6875
HVM205H3440.63540.38580.6104
AF043088A5H7630.57840.71560.5530
Bmag04015H11560.80120.71330.7974
AB0093076H2350.70320.76170.6876
AB0093086H3640.59980.52960.5830
Bmac00186H7220.37690.75390.3554
AF022725B7H5040.71230.58880.6879
HVM607H15430.56831.05390.5473
Bmag03857H12030.57490.54030.5579
Bmac02867H16330.56270.64040.5425

新窗口打开| 下载CSV


2.2 遗传相似系数及聚类分析

基于22个SSR标记的遗传相似性分析表明，327份青稞亲本的GS在0.5983~1.0000，平均为0.7546。聚类分析结果（图2）显示SSR分子标记技术有效实现了西藏多地域青稞种质的遗传鉴别。在相似性为0.6215时，群体被划分为3个遗传类群，类群Ⅰ、类群Ⅱ和类群Ⅲ分别有58、84和185份，该分类模式与群体遗传结构解析结果高度吻合。依据上述数据可得，GS值较大的材料产地基本相同，产地不同的材料GS值较小，聚类结果与材料的地理来源特征基本符合。由此可得，GS值较大的材料，亲缘关系更近，材料间的遗传距离较小，可能为来自同一环境的品种，不适合作为杂交组合；GS较低的种质材料表明其遗传分化程度较高，亲缘关系较远，具有显著的遗传异质性，可以考虑作为杂交组合进行配置。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   基于22个SSR标记数据的327份青稞材料聚类分析

Fig.2   Cluster analysis of 327 highland barley materials based on 22 SSR Markers


2.3 群体遗传结构

基于22个SSR分子标记对327份青稞材料进行群体遗传结构研究。对数似然值LnP(D)随预设亚群数递增而持续上升，未呈现显著拐点（图3a）。如图3b所示，ΔK值在K=3时达到峰值，据此将群体划分为3个遗传亚群（图4），该结果与聚类分析结果具有较高的一致性。群体遗传结构分析表明材料遗传背景相对单一，可有效降低群体混杂因素对关联分析的干扰。后续关联研究中，将各样本的亚群归属Q值纳入协变量矩阵，以精准解析SSR标记与表型变异的遗传关联。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   K值与LnP(D)、ΔK值的折线图

Fig.3   Line graph of K value versus LnP(D) and ΔK value


图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   327份青稞材料的群体遗传结构图

Fig.4   Population genetic structure diagram of 327 highland barley materials


2.4 SSR标记与籽粒颜色的关联分析

基于群体遗传结构解析及亲缘关系矩阵，GLM模型分析以群体结构Q矩阵作为固定效应协变量，通过SSR标记与籽粒颜色表型的关联分析筛选显著性关联位点，并量化其表型变异解释率。而对于MLM模型，则将Q矩阵与亲缘关系K矩阵结合作为协变量，开展遗传关联分析。GLM结果（表3）表明，在22个标记当中，有8个标记与粒色极显著相关。各标记对表型变异的解释率在12.07%~46.32%，Bmac0305标记解释率最大，标记AB009307对籽粒颜色性状的解释率最小。MLM结果显示，检测的22个标记中有4个与粒色性状极显著相关，各标记对表型变异的解释率为13.23%~28.07%，标记HVAB对籽粒颜色的解释率最大，标记HVM60对籽粒颜色的解释率最小。与籽粒颜色性状相关的SSR标记，MLM检测比GLM分析结果少了4个，且解释率降低。GLM简单高效，敏感性较高，但特异性较低，对复杂群体结构的适应性差；MLM关联信号更保守，控制群体结构和个体间的遗传相关性，显著降低假阳性，适合大规模群体或存在显著亲缘关系的样本，二者结合分析更为准确。分析结果得出，控制不同颜色的基因可能对应不同的染色体，对高海拔地区较为常见蓝色、紫色和黑色籽粒性状进行单独分析，控制蓝粒的基因在4H（Bmgcc0002）、6H（AB009307）和7H（HVM60、Bmac0286）染色体上，控制紫粒的基因在1H（Bmac0305、HVAB）、2H（Bmag0749、HVM54）和4H（Bmgcc0002）染色体上，控制黑粒的基因在1H（Bmac0305、HVAB）、2H（HVM54、Bmag0749）、3H（HVM62）和5H（HVM20）染色体上。HVM60标记通过2种模型均能检测到与蓝色性状关联；HVM54标记在2种模型中对紫色和黑色的解释率均较大，作为紫粒和黑粒连锁标记值得关注。对其进行主成分分析（图5），研究各青稞亲本材料的主成分分布情况发现，不同SSR标记的材料没有形成明显的分布差异，而是接近结团簇拥在一起，群体结构分化不明显。

表3   关联标记及其对表型变异的解释率

Table 3  Association markers and their explained variance rate for phenotype %

标记
Marker		染色体
Chromosome		解释率
Explained variance rate		籽粒颜色
Grain color
GLMMLM
Bmac03051H46.32紫色、黑色
Bmac03991H
HVAB1H28.07紫色、黑色
Bmag07492H16.41紫色、黑色
HVM542H22.5220.24紫色、黑色
HVM362H
Bmag00063H
HVM623H24.21黑色
HVM743H
EBmac07014H
EBmac07754H
Bmgcc00024H32.04蓝色、紫色
HVM205H43.46黑色
AF043088A5H
Bmag04015H
AB0093076H12.07蓝色
AB0093086H
Bmac00186H
AF022725B7H
HVM607H17.8713.23蓝色
Bmag03857H
Bmac02867H35.39蓝色

新窗口打开| 下载CSV


图5

新窗口打开| 下载原图ZIP| 生成PPT

图5   327份青稞材料的SSR标记信息主成分分析

Fig.5   PCA analysis of SSR marker information from 327 highland barley materials


2.5 海拔与籽粒颜色的相关性分析

海拔与籽粒颜色的相关性分析（图6）表明，海拔与褐色、黄色的相关系数均为负值且不显著，说明海拔与浅色籽粒相关性不显著；海拔与蓝色、紫色和黑色相关性系数分别为0.3732、0.3406和0.4030，呈显著正相关，籽粒颜色会随着海拔的升高而加深。使用分组分析，直接比较不同颜色对应的海拔差异（图7），箱线图通过第1个四分位数（Q1）、中位数、第3个四分位数（Q3）和最大值呈现数据的中枢趋势、离散程度及潜在异常值。褐色的4个指标分别为3551.0、3815.0、3939.5和4475.0 m；黄色分别为3339.0、3702.0、3932.0和4100.0 m；蓝色分别为4156.0、4242.0、4305.0和4590.0 m；紫色分别为4297.0、4340.5、4409.0和4497.0 m；黑色分别为4460.0、4711.0、4776.0和4890.0 m。褐色、蓝色和紫色存在异常值，如褐色籽粒材料出现在海拔2634.0、2639.0和2825.0 m的地区。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6   327份青稞材料的海拔与籽粒颜色相关性热图

Fig.6   Heatmap of correlation between altitude and grain color of 327 highland barley materials


图7

新窗口打开| 下载原图ZIP| 生成PPT

图7   327份青稞材料的海拔与籽粒颜色箱线图

Fig.7   Boxplot between altitude and grain color of 327 highland barley materials


3 讨论

种质资源创新是作物遗传改良的核心物质基础，优异种质资源的发掘与创新是育种突破的关键前提[36]。当前，基于SSR分子标记技术的大麦（青稞）遗传多样性系统分析已形成完整方法体系，如赖勇等[37]基于SSR分子标记构建的遗传距离矩阵，采用双模型验证策略开展关联分析，其中9个位点与株高、芒长、穗长及穗粒数多性状协同调控相关，6个位点特异性调控株高与芒长性状，这些显著关联位点主要分布于1~4H及7H染色体区域。由于作物在进化过程中必然会存在许多基因重组事件，导致出现复杂的群体结构，因此在进行关联分析时需要考虑群体结构的影响。本研究采用群体遗传学分析方法进行群体遗传结构解析，明确最佳的遗传聚类参数（K=3），将327份青稞材料划分为3个遗传亚群，其样本量分别为58、84和185份，结果说明群体结构相对简单，存在伪关联的概率很小，对于SSR标记与性状的关联分析较为有利。胡倩文等[38]基于224对SSR标记对137份大麦种质开展遗传多样性研究，利用GLM和MLM 2种模型对多环境试验点下大麦的穗粒数、小穗密度、小穗数和穗长等进行关联分析，鉴定出能在2个环境同时检测到的标记位点。刘志敏等[39]构建了包含96份大麦种质的核心种质库，采用SSR分子标记技术开展遗传多样性研究，解析遗传结构特征，通过扫描107对引物并进行群体遗传学分析，发现现代大麦育种存在显著的遗传瓶颈效应，该研究提出建立跨生态区种质资源交流机制，建议优先整合遗传多样性热点区域的种质材料，以拓展育种材料的遗传变异频谱。张元元等[40]以102份青稞材料为基础，使用92个SSR标记分析其遗传多样性和群体遗传结构，发现了与千粒重相关的标记GBM1238。孟亚雄等[35]通过构建108份青藏高原青稞种质资源的关联分析体系，采用92个SSR标记进行遗传距离矩阵计算与多态性评估，通过比较广义线性模型和混合线性模型的统计效力，针对穗粒数、株高、穗长及分蘖数量等重要性状，分别检测到12个（GLM）和8个（MLM）显著性关联位点。王国平等[41]针对39份青稞核心种质，采用27个高多态性SSR标记开展遗传结构解析。并结合株高、小穗密度和分蘖数等农艺性状进行关联分析，筛选出具有互补遗传特征的优异亲本组合。王晋[42]构建了包含113份大麦核心种质资源的遗传评估体系，基于86对SSR标记进行全基因组多样性解析，进一步进行群体遗传结构解析，筛选出高信息量标记并开展农艺性状全基因组关联研究，该研究证实，基于遗传多样性评估框架的群体结构分层策略，可使关联分析结果的遗传解释力提升，为作物复杂性状的分子解析提供了方法论范式，在其他作物上的应用亦是如此。汤翠凤等[43]以来自云南边境3个地区的376份稻种为材料，基于27对分子标记研究稻种的遗传多样性，找出了与表型性状关联性较密切，且能解释穗长、穗实粒数、穗总粒数和千粒重等性状变化10%以上的标记，并筛选出了具有亲本潜力的优异资源。

本研究通过SSR标记对控制不同籽粒颜色形成的基因进行研究，粗略分析得出控制青稞蓝粒的基因可能在4H、6H和7H染色体上，控制紫粒的基因可能在1H、2H和4H染色体上，控制黑粒的基因可能在1H、2H、3H和5H染色体上，与上述研究基本相同，后续需要利用更多的标记进行鉴定。对于大麦粒色的相关研究，国内外的报道均较多，关于青稞控制粒色的基因定位，国内外也已进行了较多研究，Xu等[44]通过图位克隆技术将蓝粒青稞花青素合成关键基因HvGST精细定位于7H染色体。Jia等[8]以黑色青稞和紫色青稞为材料，对其F2和F3群体进行分析，采用BSA-seq技术鉴定出黑色籽粒主效QTL定位于1H染色体上，紫色籽粒调控基因在1H与2H染色体呈多效性分布。Shoeva等[9]利用紫黑色青稞近等基因系（NILs），最终将紫色籽粒基因HvPLP定位到1H染色体上，而黑色籽粒基因HvBLP定位于2H染色体。传统分子标记技术构建的遗传图谱存在分辨率有限和候选基因筛选范围宽泛等局限，可以通过靶向测序（如特异性位点扩增测序）与多组学技术，通过全基因组关联分析与共表达网络构建，系统解析青稞籽粒色泽形成的关键调控通路及其核心基因簇。

西藏地理位置特殊，其高寒缺氧、强紫外辐射及昼夜温差显著等极端环境因子，为作物遗传多样性形成提供了基础[45]。生态型青稞种质在多元环境条件下呈现显著表型分化，例如产量、品质及生物胁迫抗性等利用来源地不同的青稞种质资源寻找其有利基因，对于构建青稞核心种质保护体系以及开发优质青稞种质具有重要的意义[46]。基因组多样性作为物种环境适应性与进化潜能的量化指标，其多态性水平与物种分布范围密切相关，对物种的进化和保护具有重要意义。本研究为西藏青稞亲本选配策略优化、籽粒性状的遗传研究及分子标记辅助育种提供理论依据。

4 结论

22对SSR标记共检测到76个等位变异，各标记位点的等位基因数在2~6，平均等位基因数为3.45。327份材料分为3个大类群，类群Ⅰ、类群Ⅱ和类群Ⅲ分别有58、84和185份。控制蓝粒的基因在4H（Bmgcc0002）、6H（AB009307）和7H（HVM60、Bmac0286）染色体上，控制紫粒的基因在1H（Bmac0305、HVAB）、2H（Bmag0749、HVM54）和4H（Bmgcc0002）染色体上，控制黑粒的基因在1H（Bmac0305、HVAB）、2H（HVM54、Bmag0749）、3H（HVM62）和5H（HVM20）染色体上。HVM60标记通过2种模型均能检测到与蓝粒性状关联，HVM54标记在2种模型中对紫粒和黑粒解释率均较大，这2个标记值得关注。

参考文献

李赢, 刘海翠, 韩笑, 等.

裸大麦种质资源研究进展

大麦与谷类科学, 2021, 38(6):7-11.

[本文引用: 1]

夏腾飞, 王蕾, 徐金青, 等.

267份青藏高原青稞种质材料的表型多样性分析

西北农业学报, 2018, 27(2):182-193.

[本文引用: 1]

陆培, 安明哲, 李茂, 等.

青稞营养成分研究进展及其应用现状

酿酒科技, 2022(7):110-116.

[本文引用: 1]

夏虎, 晏熙玥, 卢利聃, 等.

青稞的营养功能及其高值化利用研究进展

食品工业科技, 2022, 43(20):403-413.

[本文引用: 1]

矫晓丽, 迟晓峰, 董琦, 等.

青海地区不同品种青稞中B族维生素含量分布

氨基酸和生物资源, 2011, 33(2):13-16.

[本文引用: 1]

徐廷文, 马得泉, 顾茂芝, 等.

西藏山南地区大麦种质资源的分类和分布

中国农业科学, 1984, 17(2):41-48.

[本文引用: 1]

马得泉, 李雁勤, 洛桑更堆, 等.

西藏栽培大麦分类研究进展

西藏科技, 1997(1):2-8.

[本文引用: 1]

Jia Q J, Zhu J H, Wang J M, et al.

Genetic mapping and molecular marker development for the gene Pre2 controlling purple grains in barley

Euphytica, 2016, 208(2):215-223.

DOI:10.1007/s10681-015-1593-y      URL     [本文引用: 2]

Shoeva O Y, Mock H, Kukoeva T V, et al.

Regulation of the flavonoid biosynthesis pathway genes in purple and black grains of Hordeum vulgare

PLoS One, 2016, 11(10):e0163782.

DOI:10.1371/journal.pone.0163782      URL     [本文引用: 1]

Jia Q J, Wang J M, Zhu J H, et al.

Toward identification of black lemma and pericarp gene Blp1 in barley combining bulked segregant analysis and specific-locus amplified fragment sequencing

Frontiers in Plant Science, 2017, 8:1414.

DOI:10.3389/fpls.2017.01414      URL    

苏乐平. 基于SLAF-seq的青稞黑粒基因的挖掘及候选基因的功能验证. 西宁: 青海大学, 2020.

李文博. 青稞籽粒颜色及淀粉相关性状的全基因组关联分析. 雅安: 四川农业大学, 2022.

[本文引用: 1]

杨希娟.

不同粒色青稞营养品质评价

青海农林科技, 2023(4):58-64.

[本文引用: 1]

苏乐平, 姚晓华, 吴昆仑, 等.

大麦(青稞)籽粒颜色相关研究进展

江苏农业科学, 2019, 47(18):70-74.

[本文引用: 1]

Chen H L, Chen X, Tian J, et al.

Development of gene-based SSR markers in rice bean (Vigna umbellata L.) based on transcriptome data

PLoS One, 2017, 11(3):e0151040.

DOI:10.1371/journal.pone.0151040      URL     [本文引用: 1]

李巧英.

SSR标记技术在种子纯度鉴定中的研究进展

中国种业, 2009(11):22-24.

[本文引用: 1]

王学霞, 马静, 安永平.

SSR标记在水稻种质研究中的应用进展

陕西农业科学, 2012, 58(6):137-140,194.

向盈盈, 唐绍清, 卢永彬.

基于SSR标记淡黄金花茶的遗传多样性和遗传结构研究

广西植物, 2025, 45(4):654-666.

Maccaferri M, Sanguineti M C, Noli E, et al.

Population structure and long-range linkage disequilibrium in a durum wheat elite collection

Molecular Breeding, 2005, 15(3):271-290.

DOI:10.1007/s11032-004-7012-z      URL     [本文引用: 1]

温蕊, 赵雅杰, 贾祎明, 等.

基于SSR标记的197份谷子遗传多样性分析

西北农业学报, 2025, 34(6):980-990.

[本文引用: 1]

赖勇, 贾建磊, 王晋民, 等.

外引大麦SSR标记遗传多样性及其与农艺性状的关联分析

麦类作物学报, 2017, 37(2):197-204.

[本文引用: 1]

齐永文, 张冬玲, 张洪亮, 等.

中国水稻选育品种遗传多样性及其近50年变化趋势

科学通报, 2006(6):693-699.

[本文引用: 1]

Flint-Garcia S A, Thornsberry J M, Buckler IV E S.

Structure of linkage disequilibrium in plants

Annual Review of Plant Biology, 2003, 54(1):357-374.

DOI:10.1146/arplant.2003.54.issue-1      URL     [本文引用: 1]

Wen Z X, Zhao T J, Zheng Y Z, et al.

Association analysis of agronomic and quality traits with SSR markers in Glycine max and Glycine soja in China: I. Population structure and associated markers

Acta Agronomica Sinica, 2008, 34(7):1169-1178.

[本文引用: 1]

Huang X H, Zhao Y, Wei X H, et al.

Genome-wide association study of flowering time and grain yield traits in a worldwide collection of rice germplasm

Nature Genetics, 2012, 44(1):32-39.

DOI:10.1038/ng.1018      [本文引用: 1]

Sukumaran S, Dreisigacker S, Lopes M, et al.

Genome-wide association study for grain yield and related traits in an elite spring wheat population grown in temperate irrigated environments

Theoretical and Applied Genetics, 2015, 128(2):353-363.

DOI:10.1007/s00122-014-2435-3      PMID:25490985      [本文引用: 1]

Through genome-wide association study, loci for grain yield and yield components were identified in chromosomes 5A and 6A in spring wheat (Triticum aestivum). Genome-wide association study (GWAS) was conducted for grain yield (YLD) and yield components on a wheat association mapping initiative (WAMI) population of 287 elite, spring wheat lines grown under temperate irrigated high-yield potential condition in Ciudad Obregón, Mexico, during four crop cycles (from 2009-2010 to 2012-2013). The population was genotyped with high-density Illumina iSelect 90K single nucleotide polymorphisms (SNPs) assay. An analysis of traits across subpopulations indicated that lines with 1B/1R translocation had higher YLD, grain weight, and taller plants than lines without the translocation. GWAS using 18,704 SNPs identified 31 loci that explained 5-14 % of the variation in individual traits. We identified SNPs in chromosome 5A and 6A that were significantly associated with yield and yield components. Four loci were detected for YLD in chromosomes 3B, 5A, 5B, and 6A and the locus in 5A explained 5 % of the variation for grain number/m(2). The locus for YLD in chromosome 6A also explained 6 % of the variation in grain weight. Loci significantly associated with maturity were identified in chromosomes 2B, 3B, 4B, 4D, and 6A and for plant height in 1A and 6A. Loci were also detected for canopy temperature at grain filling (2D, 4D, 6A), chlorophyll index at grain filling (3B and 6A), biomass (3D and 6A) and harvest index (1D, 1B, and 3B) that explained 5-10 % variation. These markers will be further validated.

Visioni A, Tondelli A, Francia E, et al.

Genomewide association mapping of frost tolerance in barley ( Hordeum vulgare L.)

BMC Genomics, 2013, 14(1):424.

DOI:10.1186/1471-2164-14-424      [本文引用: 1]

Frost tolerance is a key trait with economic and agronomic importance in barley because it is a major component of winter hardiness, and therefore limits the geographical distribution of the crop and the effective transfer of quality traits between spring and winter crop types. Three main frost tolerance QTL (Fr-H1, Fr-H2 and Fr-H3) have been identified from bi-parental genetic mapping but it can be argued that those mapping populations only capture a portion of the genetic diversity of the species. A genetically broad dataset consisting of 184 genotypes, representative of the barley gene pool cultivated in the Mediterranean basin over an extended time period, was genotyped with 1536 SNP markers. Frost tolerance phenotype scores were collected from two trial sites, Foradada (Spain) and Fiorenzuola (Italy) and combined with the genotypic data in genome wide association analyses (GWAS) using Eigenstrat and kinship approaches to account for population structure.

Sun D F, Ren W B, Sun G L, et al.

Molecular diversity and association mapping of quantitative traits in Tibetan wild and worldwide originated barley (Hordeum vulgare L.) germplasm

Euphytica, 2011, 178(1):31.

DOI:10.1007/s10681-010-0260-6      URL     [本文引用: 1]

Paterson A H, Brubaker C L, Wendel J F.

A rapid method for extraction of cotton (Gossypium spp.) genomic DNA suitable for RFLP or PCR analysis

Plant Molecular Biology Reporter, 1993, 11(2):122-127.

DOI:10.1007/BF02670470      URL     [本文引用: 1]

Porebski S, Bailey L G, Baum B R.

Modification of a CTAB DNA extraction protocol for plants containing high polysaccharide and polyphenol components

Plant Molecular Biology Reporter, 1997, 15:8-15.

DOI:10.1007/BF02772108      URL     [本文引用: 1]

Babu B K, Sood S, Agrawal P K, et al.

Molecular and phenotypic characterization of 149 finger millet accessions using microsatellite and agro-morphological markers

Proceedings of the National Academy of Sciences, India Section B: Biological Sciences, 2017, 87(4):1217-1228.

[本文引用: 1]

赖勇, 孟亚雄, 王晋, 等.

大麦遗传多样性及连锁不平衡分析

作物学报, 2013, 39(12):2154-2161.

DOI:10.3724/SP.J.1006.2013.02154      [本文引用: 1]

为了合理评价引进种质资源，为大麦基因发掘及育种组合配置提供依据，选用分布于全基因组的64个SSR标记，对221份大麦材料进行了基因型分析。共检测到192个等位变异，变幅为2~7个；基因频率变异范围为0.0090~0.9729，平均0.3333；全部位点的基因多样性变化范围在0.0528~0.7807，平均0.4813；多态性信息含量(PIC)变异范围在0.0514~0.7464，平均0.4113。供试材料间遗传相似系数变幅为0.4844~0.9792，平均0.7023。221份材料被划分成两大群7个亚群，国内地方品种与1份北京品种为一大群，国内育种品种与所有国外引进品种为另一群。遗传结构分析与聚类结果基本一致，两大类群间的遗传距离为0.3358，且第二大群多样性比第一大群丰富。2016个SSR位点成对组合中，不论共线性组合还是非共线性组合，都存在一定程度的连锁不平衡(LD)。D&prime;统计概率(P&lt;0.01)支持的LD成对位点830个，占全部位点组合的41.2%，D&prime;平均值为0.4，整体LD水平较高。栽培品种的LD水平高于地方品种，且现代遗传改良的目标性状集中于2H、4H、6H和7H染色体。

Evanno G, Regnaut S, Goudet J.

Detecting the number of clusters of individuals using the software structure: a simulation study

Molecular Ecology, 2005, 14(8):2611-2620.

DOI:10.1111/j.1365-294X.2005.02553.x      PMID:15969739      [本文引用: 1]

The identification of genetically homogeneous groups of individuals is a long standing issue in population genetics. A recent Bayesian algorithm implemented in the software STRUCTURE allows the identification of such groups. However, the ability of this algorithm to detect the true number of clusters (K) in a sample of individuals when patterns of dispersal among populations are not homogeneous has not been tested. The goal of this study is to carry out such tests, using various dispersal scenarios from data generated with an individual-based model. We found that in most cases the estimated 'log probability of data' does not provide a correct estimation of the number of clusters, K. However, using an ad hoc statistic DeltaK based on the rate of change in the log probability of data between successive K values, we found that STRUCTURE accurately detects the uppermost hierarchical level of structure for the scenarios we tested. As might be expected, the results are sensitive to the type of genetic marker used (AFLP vs. microsatellite), the number of loci scored, the number of populations sampled, and the number of individuals typed in each sample.

Earl D A, VonHoldt B M.

STRUCTURE HARVESTER: a website and program for visualizing structure output and implementing the Evanno method

Conservation Genetics Resources, 2012, 4(2):359-361.

DOI:10.1007/s12686-011-9548-7      URL     [本文引用: 1]

孟亚雄, 孟祎林, 汪军成, 等.

青稞遗传多样性及其农艺性状与SSR标记的关联分析

作物学报, 2016, 42(2):180-189.

[本文引用: 2]

兴旺, 崔平, 潘荣, 等.

不同国家甜菜种质资源遗传多样性研究

植物遗传资源学报, 2018, 19(1):76-86.

DOI:10.13430/j.cnki.jpgr.2018.01.009      [本文引用: 1]

通过对来自12个国家的247份甜菜种质资源遗的16个描述性状及10个数量性状进行了遗传多样性进行了分析, 结果表明：16个描述型性状均表现出不同程度的遗传差异,多样性指数在0.4806与1.5230之间，平均值为0.8608，其中根肉色多样性指数最小，生长势的多样性指数最大；10个数值型性状的变异系数在1.29%~7.08%之间,平均为3.57%,a-N含量最小，叶片数最大；。对不同国家甜菜种质资源的表型遗传差异进行了分析遗传差异大小为中国＞荷兰＞美国＞瑞典＞日本＞德国＞匈牙利＞波兰＞俄罗斯＞丹麦＞法国＞比利时。应用SPSS22.0对247份材料表型进行了的聚类分析表明，在阈值为7.5时把材料分为5类，每个国家在五个分类中所占的比例均不同。鉴定筛选出的15份丰产资源和15份高糖资源，可在育种中做为品种产量改良及提高含糖率的亲本材料。

赖勇, 王鹏喜, 范贵强, 等.

大麦SSR标记遗传多样性及其与农艺性状关联分析

中国农业科学, 2013, 46(2):233-242.

[本文引用: 1]

胡倩文, 徐延浩, 王容, 等.

大麦4个穗部性状的关联分析

浙江农业学报, 2020, 32(11):1941-1953.

DOI:10.3969/j.issn.1004-1524.2020.11.03      [本文引用: 1]

穗部性状是大麦产量和品质的重要决定因素,良好的穗部结构应有一定的穗长基础、适合的小穗密度和每穗小穗数。以137份来源广泛的大麦材料为关联群体,利用224对SSR标记获取群体基因型,在2个环境试点下对穗粒数、小穗密度、小穗数、穗长进行性状观察,利用一般线性模型(GLM)和混合线性模型(MLM)两种模型进行4个穗部性状与SSR标记的关联分析。供试大麦群体的4个穗部性状差异显著,穗粒数与小穗数、穗长与小穗密度显著相关。224对SSR标记共检测出479个等位变异,平均有效等位基因数、Shannon's指数和PIC分别为1.765、0.612和0.327。供试材料的遗传相似系数(GS)变化范围为0.486~0.891,并在GS值为0.580时,将材料分为2个类群。群体结构分析也将供试材料分为2个亚群。GLM分析显示,与穗粒数、小穗密度、小穗数、穗长相关联的标记位点数量分别有33、13、34、6,这些标记遍布大麦7条染色体,单个标记对表型变异的解释率为8.65%~50.08%(P&#x0003C;0.001);MLM分析显示,与上述4个性状相关联的标记位点数量分别为4、3、4、1,这些标记位于大麦1H、2H和4H染色体,单个标记对表型变异的解释率为3.12%~16.95%(P&#x0003C;0.001)。Ind1003、Ind2030、Ind2055、Ind4012这4个标记在2个环境中都能被2种模型检测到,且同时与穗粒数和小穗数相关联。

刘志敏, 金能, 吕超, 等.

大麦种质资源的SSR遗传多样性分析

麦类作物学报, 2011, 31(5):839-846.

[本文引用: 1]

张元元, 冯举伶, 肖婧凤, 等.

青稞遗传多样性及其农艺性状与SSR标记的关联分析

浙江农业学报, 2024, 36(9):1977-1989.

DOI:10.3969/j.issn.1004-1524.20231050      [本文引用: 1]

为了解不同地区青稞材料的遗传多样性,挖掘与农艺性状相关的标记,该研究利用92对SSR标记分析来自甘肃和西藏不同地区的102份青稞材料的遗传多样性和群体遗传结构,并利用Tassel 2.1软件的GLM模型进行SSR标记与农艺性状的关联分析。结果表明,92对标记共扫描鉴定出739个等位基因,基因多样性指数变幅为0.106~0.913,多态性信息含量变幅为0.103~0.907;遗传相似系数变幅为0.680~0.960,聚类分析将这些青稞材料分为2个亚群,具有相同亲本或亲缘关系相近的材料聚在一起;群体遗传结构分析把青稞材料分为5个亚群;鉴定出33个标记与9个农艺性状在P&lt;0.01水平上极显著关联,与千粒重相关的标记有10个,其中标记GBM1238较为稳定,这些标记的表型变异解释率为8.95%~35.02%。综上,该研究大部分供试青稞材料的亲缘关系相近,可以引进不同的青稞遗传资源来丰富遗传背景。

王国平, 胡再青, 徐冬丽, 等.

青稞遗传多样性及其农艺性状与SSR标记的关联分析

云南农业大学学报(自然科学), 2023, 38(1):1-8.

[本文引用: 1]

王晋. 大麦SSR标记遗传分析及其与农艺性状关联分析. 兰州: 甘肃农业大学, 2014.

[本文引用: 1]

汤翠凤, 阿新祥, 董超, 等.

云南边境地区稻种资源的SSR标记遗传多样性及其主要农艺性状关联性分析

作物杂志, 2026(1):33-46.

[本文引用: 1]

Xu D D, Dondup D, Dou T Y, et al.

HvGST plays a key role in anthocyanin accumulation in colored barley

The Plant Journal, 2023, 113(1):47-59.

DOI:10.1111/tpj.v113.1      URL     [本文引用: 1]

格桑卓玛. 西藏半野生大麦表型多样性及其关联分析. 拉萨: 西藏大学, 2023.

[本文引用: 1]

徐肖, 栾海业, 张英虎, 等.

青藏高原裸大麦种质资源形态多样性分析

浙江农业学报, 2019, 31(7):1037-1044.

DOI:10.3969/j.issn.1004-1524.2019.07.02      [本文引用: 1]

为了解青藏高原裸大麦区种质资源的遗传多样性,提高该地区裸大麦种质资源利用效率,对86份青藏裸大麦种质资源的形态多样性进行鉴定。结果表明:该地区裸大麦种质资源遗传多样性丰富,主穗长的形态多样性指数最高,为2.05;株型的遗传多样性指数最低,为0.47。总体表现为数量性状形态多样性指数大于质量性状。基于形态性状的聚类分析把86份材料聚为4类,第&#x02160;类是二棱种质,为高秆大穗大粒型,第&#x02161;类种质为矮秆多粒长穗型,第&#x02162;类种质为短穗型,第&#x02163;类种质为高秆多粒型。采用主成分分析进行种质评价,提取前7个主成分即可概括全部性状的大部分生物学信息,筛选出适合江苏地区生长的优良种质资源,为裸大麦种质资源的收集和利用提供理论依据。

/

〈 〉