К вопросу о микросателлитных ассоциациях культурной сои Амурской области с сельскохозяйственными признаками

В исследовании выполнялся поиск и оценка силы корреляции между длиной микросателлитных локусов и хозяйственно-ценными признаками. В опыте по маркированию генетических систем сортов сои ДНК выделяли с помощью готового коммерческого набора, проводили стандартную ПЦР на готовой реакционной смеси. Проанализированы 18 сортов селекции Всероссийского научно-исследовательского института сои с использованием 15 пар праймеров, из которых наиболее специфично себя проявили и полностью пригодны для идентификации и паспортизации имеющихся генотипов сои 8 (Satt1, Satt2, Satt5, Satt9, Soyhsp176, Satt681, Satt141, Satt181) и 1 частично (Sat_263). Корреляционный анализ проводился путем расчета коэффициента взаимной сопряженности Пирсона. Для оценки возможного влияния на хозяйственно-ценные признаки в базах данных NCBI и soybase провели поиск ассоциаций простых последовательных повторов (SSRs) с локусами количественных признаков (QTLs). В результате корреляционного анализа отметили прямую взаимосвязь длин локусов Satt5, Sat_263, Satt181 и обратную у Satt2 с высотой растения: среднее значение коэффициента корреляции (r) равно 0,485; 0,55; 0,435 и -0,422 соответственно. Прямая зависимость установлена между Satt1(r= 0,561) и Satt2 (r= 0,562) и массой семян растений, обратная – между Satt9 (r= -0,453), Satt681 (r= -0,527) и массой семян. С признаком потенциальной урожайности обнаружена слабая обратная корреляция у Satt2 (r= -0,321). Это свидетельствует о том, что микросателлиты могут проявлять себя как маркер определенного признака.

1. Sudaric A., Vratarić M., Mladenović-Drinić S., Matosa M. Biotechnology in soybean breeding // Genetika. 2010. Vol. 42, no. 1. P. 91–102. https://doi.org/10.2298/gensr1001091s.

2. Singh G., Dukariya G., Kumar A. Distribution, importance and diseases of soybean and common bean: a review // Biotechnology Journal International. 2020. Vol. 24, no. 6. P. 86–98. https://doi.org/10.9734/bji/2020/v24i630125.

3. Bakhsh A., Sırel I.A., Kaya R.B., Ataman I.H., Tillaboeva Sh., Dönmez B.A., et al. Contribution of genetically modified crops in agricultural production: success stories. In: Policy Issues in Genetically Modified Crops. Academic Press, 2021. P. 111–142. https://doi.org/10.1016/b978-0-12-820780-2.00006-6.

4. Hwang S., Lee T.G. Integration of lodging resistance QTL in soybean // Scientific Reports. 2019. Vol. 9. P. 6540. https://doi.org/10.1038/s41598-019-42965-6.

5. Achard F., Butruille M., Madjarac S., Nelson P.T., Duesing J., Laffont J-L., et al. Single nucleotide polymorphisms facilitate distinctness–uniformity–stability testing of soybean cultivars for plant variety protection // Crop Science. 2020. Vol. 60, no. 5. P. 2280–2303. https://doi.org/10.1002/csc2.20201.

6. Tiwari S., Tripathi N., Tsuji K., Tantwai K. Genetic diversity and population structure of Indian soybean (Glycine max (L.) Merr.) as revealed by microsatellite markers // Physiology and Molecular Biology of Plants. 2019. Vol. 25, no. 4. P. 953–964. https://doi.org/10.1007/s12298-019-00682-4.

7. Vieira M.L.C., Santini L., Diniz A.L., de Freitas Munhoz C. Microsatellite markers: what they mean and why they are so useful // Genetics and Molecular Biology. 2016. Vol. 39, no. 3. https://doi.org/10.1590/1678-4685-GMB-2016-0027.

8. Wang H., Campbell B., Happ M., McConaughy S., Lorenz A., Amundsen K., et al. Development of molecular inversion probes for soybean progeny genomic selection genotyping // bioRxiv. 2022. https://doi.org/10.1101/2022.05.03.490091.

9. Daware A., Das S., Srivastava R., Badoni S., Singh A.K., Agarwal P., et al. An efficient strategy combining SSR markersand advanced QTL-seq-driven QTL mapping unravels candidate genes regulating grain weight in rice // Frontiers in Plant Science. 2016. Vol. 7. https://doi.org/10.3389/fpls.2016.01535.

10. Zatybekov A.K., Turuspekov Y.T., Doszhanova B.N., Abugalieva S.I. A study of the genetic diversity in the world soybean collection using microsatellite markers associated with fungal disease resistance // Proceedings on Applied Botany, Genetics and Breeding. 2020. Vol. 181, no. 3. P. 81–90. https://doi.org/10.30901/2227-8834-2020-3-81-90.

11. Майер Н.К., Крупин П.Ю., Пыльнев В.В., Рубец В.С., Коршунов А.В., Дивашук М.Г. Анализ полиморфизма SSR-маркеров, сцепленных с QTL-локусами устойчивости к прорастанию на корню у тритикале // Известия Тимирязевской сельскохозяйственной академии. 2011. N 6. С. 144–149. EDN: OOLONX.

12. Bocianowski J., Nowosad K., Wróbel B., Szulc P. Identification of associations between SSR markers and quantitative traits of maize (Zea mays L.) // Agronomy. 2021. Vol. 11, no. 1. P. 182. https://doi.org/10.3390/agronomy11010182.

13. Fliege C.E., Ward R.A., Vogel P., Nguyen H., Quach T., Guo M., et al. Fine mapping and cloning of the major seed protein quantitative trait loci on soybean chromosome 20 // The Plant Journal. 2022. Vol. 110, no. 1. P. 114–128. https://doi.org/10.1111/tpj.15658.

14. Chen Ch., Chen Y., Huang W., Jiang Y., Zhang H., Wu W. Mining of simple sequence repeats (SSRs) loci and development of novel transferability-across ESTSSR markers from de novo transcriptome assembly of Angelica Dahurica // PLOS ONE. 2019. Vol. 14, no. 8. https://doi.org/10.1371/journal.pone.0221040.

15. Ott A., Trautschold B., Sandhu D. Using microsatellites to understand the physical distribution of recombination on soybean chromosomes // PLOS ONE. 2011. Vol. 6, no. 7. P. e22306. https://doi.org/10.1371/journal.pone.0022306.

16. Sun M., Jing Y., Zhao X., Teng W., Qiu L., Zheng H., et al. Genome-wide association study of partial resistance to sclerotinia stem rot of cultivated soybean based on the detached leaf method // PLOS ONE. 2020. Vol. 15, no. 5. P. e0233366. https://doi.org/10.1371/journal.pone.0233366 .

17. Рябушкина Н.А., Омашева М.Е., Галиакпаров Н.Н. Специфика выделения ДНК из растительных объектов // Биотехнология. Теория и практика. 2012. N 2. C. 9–26. https://doi.org/10.11134/btp.2.2012.1. EDN: VKUFWV.

18. Ye J., Coulouris G., Zaretskaya I., Cutcutache I., Rozen S., Madden T.L. Primer-BLAST: a tool to design target-specific primers for polymerase chain reaction // BMC Bioinformatics. 2012. Vol. 13, no. 1. https://doi.org/10.1186/1471-2105-13-134.

19. Das D., Das A. Statistics in biology & psychology. Academic Publishers, 1980. 351 p.

20. Присяжная И., Присяжная С., Липкань А., Сахаров В., Усанов В. Исследование посевных качеств семян сои в семеноводческих хозяйствах Амурской области // Journal of Agriculture and Environment. 2021. Т. 19. N 3. https://doi.org/10.23649/jae.2021.3.19.4.