本发明涉及生物领域。具体地，本发明涉及筛选杨树生长和木材品质性状的mirnas及其靶基因内snp位点、筛选方法、试剂盒及应用。更具体地，本发明涉及预测杨树木材品质性状的方法、杨树选育方法、用于预测杨树木材品质性状的试剂盒、用于预测杨树木材品质性状的设备、杨树选育系统以及预定位点的基因型在预测杨树木材品质性状中的用途。
背景技术：
杨树是世界上分布最广、适应性最强的树种，是北半球地区广泛栽培的重要用材树种，具有广泛的工业用途，已成为胶合板、纤维板、造纸、火柴以及包装业的重要加工原料，具有重要的经济价值。随着杨树工业用材林定向培育的发展，对杨树新品种也提出了相应要求，需具备优良的木材品质。在杨树优良品种的定向培育中，与造纸有关的材性性状，如木材密度、纤维素、木质素含量以及纤维长度和宽度、微纤丝角等，作为评价木材品质指标的主要参考因素。
由于林木生长周期长，杂合度高，基因组较为庞大且多数经济性状为复杂的数量性状，基于候选基因的snp关联分析常被用来解析等位变异与表型性状之间的调控关系，以鉴定出与林木生长及材性相关的功能标记，此种方法已在一些桉树和针叶树种中得到有效运用。研究发现，在群体内，mirna基因也存在丰富的等位变异，并有研究鉴定出一些mirna及其靶基因中能够调控相关生理过程或与疾病形成有关的功能位点，表明mirna相关的等位变异对表型性状有重要影响。因而，可利用mirna对其靶基因的负调控作用，将发生在mirna及其靶基因的等位变异运用到林木生长相关分子遗传机制的研究上，从而为林木分子标记辅助选择育种提供一种新的有效资源。
然而，目前利用功能snp位点对杨树品质性状的选育方法仍有待开发。
技术实现要素：
本发明旨在至少在一定程度上解决现有技术中存在的技术问题至少之一。
在本发明的一个方面，本发明提出了一种预测杨树木材品质性状的方法。根据本发明的实施例，所述方法包括：(1)确定所述杨树下列预定位点的基因型：pto-mir167e基因的第536位、pto-mir167g-5p基因的第456位以及pto-tps5基因的第1387位；以及(2)基于所述预定位点的基因型，预测所述杨树的木材品质性状，其中，所述pto-mir167e基因的第536位基因型为tt、pto-mir167g-5p基因的第456位基因型为gg和pto-tps5基因的第1387位基因型为aa，是所述杨树的木材品质性状优的指示；所述pto-mir167e基因的第536位基因型为tc、pto-mir167g-5p基因的第456位基因型为cc和pto-tps5基因的第1387位基因型为ga，是所述杨树的木材品质性状差的指示。发明人发现，pto-mir167e基因的第536位、pto-mir167g-5p基因的第456位以及pto-tps5基因的第1387位是与杨树木材品质性状显著关联的snp位点，通过确定其基因型，能够预测出杨树的木材品质性状，选育出优质杨树，缩短育种周期。
根据本发明的实施例，所述预测杨树木材品质性状的方法还可以具有下列附加技术特征：
根据本发明的实施例，在步骤(1)中，确定所述预定位点的基因型是利用第一引物至第九引物进行的，其中，所述第一引物至第九引物分别具有seqidno：1～9所示的核苷酸序列。发明人发现，利用上述引物，能够确定pto-mir167e基因的第536位、pto-mir167g-5p基因的第456位以及pto-tps5基因的第1387位的基因型，从而预测出杨树的木材品质性状，选育出优质杨树，缩短育种周期。
根据本发明的实施例，所述品质性状包括综纤维素含量。由此，根据本发明实施例的方法能够有效地预测出杨树的综纤维素含量，选育出优质杨树，缩短育种周期。
根据本发明的实施例，所述杨树为毛白杨。由此，根据本发明实施例的方法能够有效地预测出毛白杨的木材品质性状，选育出优质毛白杨，缩短育种周期。
在本发明的另一方面，本发明提出了一种杨树选育方法。根据本发明的实施例，所述方法包括：(a)提供多个杨树候选株；(b)根据前面所描述的预测杨树木材品质性状的方法，预测所述杨树候选株的木材品质性状；和(c)基于步骤(b)的预测结果，选择并培育木材品质性状优的候选株。由此，根据本发明实施例的杨树选育的方法能够有效地选育出优质杨树，缩短育种周期。
在本发明的又一方面，本发明提出了一种用于预测杨树木材品质性状的试剂盒。根据本发明的实施例，所述试剂盒包括：适于确定所述杨树下列预定位点的基因型的试剂：pto-mir167e基因的第536位、pto-mir167g-5p基因的第456位以及pto-tps5基因的第1387位。由此，利用根据本发明实施例的用于预测杨树木材品质性状的试剂盒能够有效地预测杨树木材品质性状，从而实现选育出优质杨树，缩短育种周期。
根据本发明的实施例，所述试剂包括：第一引物至第九引物，其中，所述第一引物至第九引物分别具有seqidno：1～9所示的核苷酸序列。根据本发明的具体实施例，所述品质性状包括综纤维素含量。根据本发明的另一具体实施例，所述杨树为毛白杨。根据本发明的又一具体实施例，所述试剂盒进一步包括：pcr扩增缓冲液，25mmoll-1mgcl2，10mmoll-1dntp，taqdna聚合酶和双蒸水。由此，利用根据本发明实施例的用于预测杨树木材品质性状的试剂盒能够有效地预测杨树木材品质性状，从而实现选育出优质杨树，缩短育种周期。
在本发明的又一方面，本发明提出了一种用于预测杨树木材品质性状的设备。根据本发明的实施例，所述设备包括：基因型确定单元，所述基因型确定单元用于确定所述杨树下列预定位点的基因型：pto-mir167e基因的第536位、pto-mir167g-5p基因的第456位以及pto-tps5基因的第1387位；以及计算单元，所述计算单元与所述基因型确定单元相连，用于基于所述预定位点的基因型，预测所述杨树的木材品质性状，其中，所述pto-mir167e基因的第536位基因型为tt、pto-mir167g-5p基因的第456位基因型为gg和pto-tps5基因的第1387位基因型为aa，是所述杨树的木材品质性状优的指示，所述pto-mir167e基因的第536位基因型为tc、pto-mir167g-5p基因的第456位基因型为cc和pto-tps5基因的第1387位基因型为ga，是所述杨树的木材品质性状差的指示。由此，根据本发明实施例的设备能够有效地预测出杨树的木材品质性状，选育出优质杨树，缩短育种周期。
根据本发明的实施例，所述基因型确定单元中设置有第一引物至第九引物，其中，所述第一引物至第九引物分别具有seqidno：1～9所示的核苷酸序列。由此，根据本发明实施例的设备能够有效地预测出杨树的木材品质性状，选育出优质杨树，缩短育种周期。
根据本发明的实施例，所述品质性状包括综纤维素含量。由此，根据本发明实施例的设备能够有效地预测出杨树的综纤维素含量，选育出优质杨树，缩短育种周期。
根据本发明的实施例，所述杨树为毛白杨。由此，根据本发明实施例的设备能够有效地预测出毛白杨的木材品质性状，选育出优质毛白杨，缩短育种周期。
在本发明的又一方面，本发明提出了一种杨树选育系统。根据本发明的实施例，所述系统包括：候选株获取设备，所述候选株获取设备用于提供多个杨树候选株；性状预测设备，所述性状预测设备与所述候选株获取设备相连，所述性状预测设备为前面所述的用于预测杨树木材品质性状的设备，并且用于预测所述杨树候选株的木材品质性状；和培育设备，所述培育设备与所述性状预测设备相连，所述培育设备用于基于所述性状预测设备的预测结果，选择并培育木材品质性状优的候选株。由此，根据本发明实施例的系统能够有效地预测出杨树的木材品质性状，选育出优质杨树，缩短育种周期。
根据本发明的实施例，所述品质性状包括综纤维素含量。由此，根据本发明实施例的系统能够有效地预测出杨树的综纤维素含量，选育出优质杨树，缩短育种周期。
根据本发明的实施例，所述杨树为毛白杨。由此，根据本发明实施例的系统能够有效地预测出毛白杨的木材品质性状，选育出优质毛白杨，缩短育种周期。
在本发明的又一方面，本发明提出了预定位点的基因型在预测杨树木材品质性状中的用途。根据本发明的实施例，所述预定位点包括：pto-mir167e基因的第536位、pto-mir167g-5p基因的第456位以及pto-tps5基因的第1387位。由此，通过确定上述预定位点的基因型，以便预测出杨树的木材品质性状，选育出优质杨树，缩短育种周期。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1显示了根据本发明一个实施例的预测杨树木材品质性状的方法的流程示意图；
图2显示了根据本发明一个实施例的用于预测杨树木材品质性状的设备的结构示意图；
图3显示了根据本发明一个实施例的杨树选育系统的结构示意图；
图4显示了根据本发明一个实施例的基因表达的分析示意图；以及
图5显示了根据本发明一个实施例的综纤维素含量的分析示意图。
具体实施方式
下面详细描述本发明的实施例。下面描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
需要说明的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。进一步地，在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
本发明提出了预测杨树木材品质性状的方法、杨树选育方法、用于预测杨树木材品质性状的试剂盒、用于预测杨树木材品质性状的设备、杨树选育系统以及预定位点的基因型在预测杨树木材品质性状中的用途。下面将分别对其进行详细描述。
预测杨树木材品质性状的方法
在本发明的一个方面，本发明提出了一种预测杨树木材品质性状的方法。根据本发明的实施例，参见图1，该方法包括：
s100确定基因型
在该步骤中，确定杨树下列预定位点的基因型：pto-mir167e基因的第536位、pto-mir167g-5p基因的第456位以及pto-tps5基因的第1387位。
s200预测品质性状
在该步骤中，基于预定位点的基因型，预测杨树的木材品质性状。
micrornas(mirnas)是一类内源性非编码小分子rna，能够在转录及转录后水平负调控基因的表达。研究发现，通过与其靶基因的作用，mirnas在人类疾病、动物发育、植物生长代谢、细胞周期调控及抗逆性等方面均能发挥重要的调控作用。近年来，在林木中也开展了一些mirnas的研究，例如，将pca-mir156转化到杨树中，能够通过负调控其靶基因spl基因，延长林木生长的幼年期；将ptr-mir397a过表达后，能够降低其靶基因漆酶基因的表达，进而降低了木质素的生物合成量。这些研究显示mirna能够通过负调控其靶基因，影响其靶基因mrna的转录，进而调控林木生长和木材品质形成过程，表明mirna是林木生长的重要调控因子。
有鉴于此，发明人提出了下列构思：通过筛选microrna及其靶基因内与杨树重要性状显著关联的snp标记位点，并分析基因型效应，从而可以预测杨树木材品质性状。进而，发明人发现，pto-mir167e基因(seqidno.11)、pto-mir167g-5p基因(seqidno.12)及两者共同的靶基因海藻糖磷酸合酶基因pto-tps5(seqidno.10)显著影响木材品质性状。
seqidno.10所示核苷酸序列如下：
seqidno.11所示核苷酸序列如下：
发明人通过对众多杨树样品microrna基因pto-mir167e、pto-mir167g-5p基因及其共同的靶基因pto-tps5序列进行克隆测序及多重比对，得到多个常见snp位点。接着，对这些snp位点进行基因型分型，从而确定各snp位点的基因型。然后，通过对各snp位点的基因型与性状(例如木质素含量、综纤维素、半纤维素含量及α-纤维素含量、纤维长、纤维宽和微纤丝角、胸径、树高和材积)进行关联分析，从而确定pto-mir167e基因的第536位、pto-mir167g-5p基因的第456位以及pto-tps5基因的第1387位为与样品品质性状显著关联的snp标记位点。
发明人发现，杨树mirnas基因pto-mir167e的第536位为t或c与pto-mir167g-5p的第456位碱基为c或g，其共同的靶基因海藻糖磷酸合酶基因pto-tps5的第1387位碱基为g或a。
需要说明的是，对于基因型的检测方法不作严格限定，可以采用本领域常规方法进行检测。根据本发明的实施例，采用锁核苷酸技术进行基因型检测。具体地，通过对待测位点设计引物，引物的设计要求是正向引物或反向引物的3’末端对应snp功能位点，并将对应snp位点的3’末端上的核苷酸进行修饰。进行扩增后，根据扩增产物中目的条带的有无确定snp位点的基因型。
根据本发明的实施例，在步骤s100中，确定预定位点的基因型是利用第一引物至第九引物进行的，其中，第一引物至第九引物分别具有seqidno：1～9所示的核苷酸序列。具体参见表1。
需要说明的是，根据本发明的实施例，以pto-mir167e基因第536位为例，采用seqid.2(简称引物2)与seqid.3(简称引物3)分别与seqid.1(简称引物1)组成引物对进行扩增，若引物1和2的扩增产物中出现目的条带，引物1和3的扩增产物中也出现目的条带，则可判断出snp位点的基因型为tc；若引物1和2的扩增产物中出现目的条带，引物1和3的扩增产物中未出现目的条带，则可判断出snp位点的基因型为tt；若引物1和2的扩增产物中未出现目的条带，引物1和3的扩增产物中出现目的条带，则可判断出snp位点的基因型为cc。
表1引物序列
根据本发明的实施例，pto-mir167e基因的第536位基因型为tt、pto-mir167g-5p基因的第456位基因型为gg和pto-tps5基因的第1387位基因型为aa，是杨树的木材品质性状优的指示；pto-mir167e基因的第536位基因型为tc、pto-mir167g-5p基因的第456位基因型为cc和pto-tps5基因的第1387位基因型为ga，是杨树的木材品质性状差的指示。
发明人通过对snp位点的基因型效应进行分析，发现pto-mir167e基因的第536位基因型为tt、pto-mir167g-5p基因的第456位基因型为gg和pto-tps5基因的第1387位基因型为aa时，对应的杨树品质性状(例如综纤维素含量)最优。pto-mir167e基因的第536位基因型为tc、pto-mir167g-5p基因的第456位基因型为cc和pto-tps5基因的第1387位基因型为ga时，对应的杨树品质性状(例如综纤维素含量)最差。可以理解的是，具有上述两种基因型的杨树，其品质性状属于两种较极端的情况(最优和最差)，其它的基因型组合，杨树的品质性状处于这两种情况之间。
需要说明的是，本发明所使用的术语“品质性状优”主要是相对于整体平均水平而言的，即pto-mir167e基因的第536位基因型为tt、pto-mir167g-5p基因的第456位基因型为gg和pto-tps5基因的第1387位基因型为aa的杨树品质性状显著高于整体平均水平，可以以该杨树作为选育林木，从而缩短了育种周期。
根据本发明的实施例，品质性状包括综纤维素含量。发明人发现，以综纤维素含量作为品控指标，当杨树的pto-mir167e基因的第536位基因型为tt、pto-mir167g-5p基因的第456位基因型为gg和pto-tps5基因的第1387位基因型为aa时，可以预测到杨树的综纤维素含量较高；当杨树的pto-mir167e基因的第536位基因型为tc、pto-mir167g-5p基因的第456位基因型为cc和pto-tps5基因的第1387位基因型为ga时，可以预测到杨树的综纤维素含量较低。由此，根据本发明实施例的方法能够有效地预测出杨树的综纤维素含量，选育出优质杨树，缩短育种周期。
根据本发明的实施例，杨树为毛白杨。由此，根据本发明实施例的方法能够有效地预测出毛白杨的木材品质性状，选育出优质毛白杨，缩短育种周期。
杨树选育方法
在本发明的另一方面，本发明提出了一种杨树选育方法。根据本发明的实施例，方法包括：(a)提供多个杨树候选株；(b)根据前面所描述的预测杨树木材品质性状的方法，预测杨树候选株的木材品质性状；和(c)基于步骤(b)的预测结果，选择并培育木材品质性状优的候选株。
常规的杨树通常需要在其长至10年左右，观察外观或者检测特定指标，才能够筛选出品质较好的杨树，所以整体培育时间较长。发明人发现，利用根据本发明实施例的杨树选育方法，在杨树候选株的生长早期(例如幼苗期)即可采用前面所描述的预测杨树候选株木材品质性状的方法，预测其木材品质性状，对于品质性状优的杨树候选株即可作为培育对象，从而大大缩短了育种周期。
需要说明的是，本发明所使用的术语“候选株”应作广义理解，既可以指个体，例如幼苗；也可以指器官，例如叶子；还可以指细胞、组织等。
本领域技术人员能够理解的是，前面针对预测杨树木材品质性状的方法所描述的特征和优点，同样适用于该杨树选育方法，在此不再赘述。
用于预测杨树木材品质性状的试剂盒
在本发明的又一方面，本发明提出了一种用于预测杨树木材品质性状的试剂盒。根据本发明的实施例，该试剂盒包括：适于确定所述杨树下列预定位点的基因型的试剂：pto-mir167e基因的第536位、pto-mir167g-5p基因的第456位以及pto-tps5基因的第1387位。
发明人通过对众多杨树样品microrna基因pto-mir167e基因、pto-mir167g-5p基因及其共同的靶基因pto-tps5进行克隆测序以及多重比对、基因型分型及其与性状进行关联分析，确定pto-mir167e基因的第536位、pto-mir167g-5p基因的第456位以及pto-tps5基因的第1387位为显著影响杨树品质性状的snp位点。进而，利用根据本发明试剂盒确定pto-mir167e基因的第536位、pto-mir167g-5p基因的第456位以及pto-tps5基因的第1387位的基因型，从而能够预测到杨树木材品质性状，选育出优质杨树，缩短育种周期。
根据本发明的实施例，试剂包括：第一引物至第九引物，其中，第一引物至第九引物分别具有seqidno：1～9所示的核苷酸序列。发明人发现，利用上述引物能够有效地判断出pto-mir167e基因的第536位、pto-mir167g-5p基因的第456位以及pto-tps5基因的第1387位的基因型，从而能够预测到杨树木材品质性状，选育出优质杨树，缩短育种周期。根据本发明的具体实施例，采用锁核苷酸技术进行基因型检测。具体地，通过对待测位点设计引物，引物的设计要求是正向引物或反向引物的3’末端对应snp功能位点，并将对应snp位点的3’末端上的核苷酸进行修饰。进行扩增后，根据扩增产物中目的条带的有无确定snp位点的基因型。
根据本发明的实施例，品质性状包括综纤维素含量。发明人发现，以综纤维素含量作为品控指标，当杨树的pto-mir167e基因的第536位基因型为tt、pto-mir167g-5p基因的第456位基因型为gg和pto-tps5基因的第1387位基因型为aa时，可以预测到杨树的综纤维素含量较高；当杨树的pto-mir167e基因的第536位基因型为tc、pto-mir167g-5p基因的第456位基因型为cc和pto-tps5基因的第1387位基因型为ga时，可以预测到杨树的综纤维素含量较低。由此，根据本发明实施例的试剂盒能够有效地预测出杨树的综纤维素含量，选育出优质杨树，缩短育种周期。
根据本发明的实施例，杨树为毛白杨。由此，根据本发明实施例的试剂盒能够有效地预测出毛白杨的木材品质性状，选育出优质毛白杨，缩短育种周期。
根据本发明的实施例，试剂盒进一步包括：pcr扩增缓冲液，25mmoll-1mgcl2，10mmoll-1dntp，taqdna聚合酶和双蒸水。由此，能够有效地对snp位点进行扩增，进而确定其基因型。根据本发明实施例的试剂盒能够有效地预测出毛白杨的木材品质性状，选育出优质毛白杨，缩短育种周期。
用于预测杨树木材品质性状的设备
在本发明的又一方面，本发明提出了一种用于预测杨树木材品质性状的设备。根据本发明的实施例，参见图2，该设备包括：基因型确定单元100以及计算单元200。下面将分别对其进行详细描述。
根据本发明的实施例，基因型确定单元用于确定杨树下列预定位点的基因型：pto-mir167e基因的第536位、pto-mir167g-5p基因的第456位以及pto-tps5基因的第1387位。发明人通过对众多杨树样品microrna基因pto-mir167e基因、pto-mir167g-5p基因，及共同的靶基因pto-tps5进行克隆测序以及多重比对、基因型分型及其与性状进行关联分析，确定pto-mir167e基因的第536位、pto-mir167g-5p基因的第456位以及pto-tps5基因的第1387位为显著影响杨树品质性状的snp位点。进而，通过基因型确定单元100确定pto-mir167e基因的第536位、pto-mir167g-5p基因的第456位以及pto-tps5基因的第1387位的基因型，从而能够预测到杨树木材品质性状，选育出优质杨树，缩短育种周期。
根据本发明的实施例，计算单元200与基因型确定单元100相连，用于基于预定位点的基因型，预测杨树的木材品质性状，其中，ppto-mir167e基因的第536位基因型为tt、pto-mir167g-5p基因的第456位基因型为gg和pto-tps5基因的第1387位基因型为aa，是所述杨树的木材品质性状优的指示；pto-mir167e基因的第536位基因型为tc、pto-mir167g-5p基因的第456位基因型为cc和pto-tps5基因的第1387位基因型为ga，是所述杨树的木材品质性状差的指示。
需要说明的是，本发明所使用的术语“品质性状优”主要是相对于整体平均水平而言的，即pto-mir167e基因的第536位基因型为tt、pto-mir167g-5p基因的第456位基因型为gg和pto-tps5基因的第1387位基因型为aa的杨树品质性状显著高于整体平均水平，可以以该杨树作为选育林木，从而缩短了育种周期。
根据本发明的实施例，基因型确定单元中设置有第一引物至第九引物，其中，第一引物至第九引物分别具有seqidno：1～9所示的核苷酸序列。发明人发现，利用上述引物能够有效地判断出pto-mir167e基因的第536位、pto-mir167g-5p基因的第456位以及pto-tps5基因的第1387位的基因型，从而能够预测到杨树木材品质性状，选育出优质杨树，缩短育种周期。根据本发明的具体实施例，采用锁核苷酸技术进行基因型检测。具体地，通过对待测位点设计引物，引物的设计要求是正向引物或反向引物的3’末端对应snp功能位点，并将对应snp位点的3’末端上的核苷酸进行修饰。进行扩增后，根据扩增产物中目的条带的有无确定snp位点的基因型。
根据本发明的实施例，品质性状包括综纤维素含量。发明人发现，以综纤维素含量作为品控指标，当杨树的pto-mir167e基因的第536位基因型为tt、pto-mir167g-5p基因的第456位基因型为gg和pto-tps5基因的第1387位基因型为aa时，可以预测到杨树的综纤维素含量较高；当杨树的pto-mir167e基因的第536位基因型为tc、pto-mir167g-5p基因的第456位基因型为cc和pto-tps5基因的第1387位基因型为ga时，可以预测到杨树的综纤维素含量较低。由此，根据本发明实施例的设备能够有效地预测出杨树的综纤维素含量，选育出优质杨树，缩短育种周期。
根据本发明的实施例，杨树为毛白杨。由此，根据本发明实施例的设备能够有效地预测出毛白杨的木材品质性状，选育出优质毛白杨，缩短育种周期。
杨树选育系统
在本发明的又一方面，本发明提出了一种杨树选育系统。根据本发明的实施例，参见图3，该系统包括：候选株获取设备1000、性状预测设备2000以及培育设备3000。下面将分别对其进行详细描述。
候选株获取设备1000
根据本发明的实施例，候选株获取设备用于提供多个杨树候选株。
性状预测设备2000
根据本发明的实施例，性状预测设备与候选株获取设备相连，性状预测设备为前面所描述的用于预测杨树木材品质性状的设备，并且用于预测杨树候选株的木材品质性状。
培育设备3000
根据本发明的实施例，培育设备与性状预测设备相连，培育设备用于基于性状预测设备的预测结果，选择并培育木材品质性状优的候选株。
发明人发现，利用根据本发明实施例的杨树选育系统，在杨树候选株的生长早期(如幼苗期)即可通过前面所描述的预测杨树候选株木材品质性状的方法，预测其木材品质性状，对于品质性状优的杨树候选株即可作为培育对象，从而大大缩短了育种周期。
根据本发明的实施例，品质性状包括综纤维素含量。发明人发现，以综纤维素含量作为品控指标，当杨树的pto-mir167e基因的第536位基因型为tt、pto-mir167g-5p基因的第456位基因型为gg和pto-tps5基因的第1387位基因型为aa，可以预测到杨树的综纤维素含量较高。由此，根据本发明实施例的系统能够有效地预测出杨树的综纤维素含量，选育出优质杨树，缩短育种周期。
根据本发明的实施例，杨树为毛白杨。由此，根据本发明实施例的系统能够有效地预测出毛白杨的木材品质性状，选育出优质毛白杨，缩短育种周期。
预定位点的基因型在预测杨树木材品质性状中的用途
在本发明的又一方面，本发明提出了预定位点的基因型在预测杨树木材品质性状中的用途。根据本发明的实施例，预定位点包括：pto-mir167e基因的第536位、pto-mir167g-5p基因的第456位以及pto-tps5基因的第1387位。由此，通过确定上述预定位点的基因型，从而预测出杨树的木材品质性状，选育出优质杨树，缩短育种周期。
下面将结合实施例对本发明的方案进行解释。本领域技术人员将会理解，下面的实施例仅用于说明本发明，而不应视为限定本发明的范围。实施例中未注明具体技术或条件的，按照本领域内的文献所描述的技术或条件或者按照产品说明书进行。所用试剂或仪器未注明生产厂商者，均为可以通过市购获得的常规产品。
实施例1
发明人通过下列步骤获得与杨树木材品质性状显著关联的3个功能性snp标记位点及其基因型效应分析。
1、关联群体的构建
关联作图群体的选择：从山东冠县国营苗圃的全国毛白杨种质资源库中选取能够最大程度地反映毛白杨天然分布范围的435株个体作为关联群体。
表型测定：共有10种表型用于关联分析，包括4种化学成分性状(木质素含量、综纤维素、半纤维素含量及α-纤维素含量)、3种物理性状(纤维长、纤维宽和微纤丝角)和3个生长性状(胸径、树高和材积)。每株个体的化学成分利用近红外光谱测定仪进行测定；物理性状中的纤维长、纤维宽采用纤维测定仪进行测定，微纤丝角采用x-衍射仪进行测定；对于生长性状用测高仪等生长性状测量工具进行测量。
dna提取：运用dneasyplantminikits(qiagen,inc.,valencia,ca,usa)试剂盒提取每株个体基因组dna。
(2)目的基因的分离鉴定
目的基因的选择：选取在成熟木质部、未成熟木质部和形成层中差异表达的2个mirnas：pto-mir167e和pto-mir167g-5p作为候选基因，并运用靶基因预测网站(http://plantgrn.noble.org/psrnatarget/)预测其靶基因，进而选取它们共同的能够参与纤维素生物合成过程的靶基因—海藻糖磷酸合酶基因pto-tps5作为候选基因进行下一步研究。
目的基因的分离：以毛白杨成熟木质部cdna为模板，运用pcr扩增技术，通过克隆测序获得pto-mir167e、pto-mir167g-5p和pto-tps5的序列。扩增引物如表2中所示。
表2
(3)单核苷酸多态性检测
目的基因的克隆：以关联群体中的45株个体基因组dna为模板，利用同源基因克隆手段获取每株个体的pto-mir167e基因序列，pto-mir167g-5p基因序列和海藻糖磷酸合酶pto-tps5基因序列。
snp多态性分析：结合mega软件中的clusterw程序将这3个基因的45株序列进行比对，获得pto-mir167e基因内52个常见snp位点(频率>10％)，pto-mir167g-5p基因内61个常见snp位点(频率>10％)，pto-tps5基因内112个常见的snp位点(频率>10％)。利用dnasp软件计算每个基因的snp多样性指数。结果如表3、表4所示。
表3
表4
(4)基因型分型
利用锁核酸(lna)技术设定特定的引物对常见snp位点在关联群体435株个体中进行pcr扩增，扩增产物经琼脂糖凝胶电泳分离后统计基因型。为了描述方便，表1仅列出了用于测定pto-mir167e基因第536位、pto-mir167g-5p基因第456位及pto-tps5基因第1387位碱基的引物。
(5)关联分析
利用tassel软件中的混合线性模型(mlm)对基因分型结果与10个毛白杨生长和木材品质性状进行等位变异解析。在进行关联分析时，同时考虑q值和k值，以减少假阳性关联，q值用来估算群体结构，k值代表个体之间的亲缘关系。对关联结果进行fdr多重检测后共获得17个snp位点与9个性状的19个显著关联(p<0.01,q<0.10)，遗传贡献率为2.20％～11.3％。具体结果如表5所示。
表5
(6)rna转录水平分析
对显著关联的snp位点，采用rt-qpcr方法验证等位变异的发生能否影响该基因的mrna表达量，每种基因型随机选取10株个体进行研究。通过检测发现pto-mir167e_snp20(第536位)、pto-mir167g-5p_snp28(第456位)和pto-tps5_snp23(第1387位)对应的三种基因型分组个体的rna转录水平差异显著。如图4所示，对于pto-mir167e_snp20，tc基因型组的表达量最高，最低为tt；对于pto-mir167g-5p_snp28，cc基因型组的表达量最高，最低为gg；对于pto-tps5_snp23，aa基因型组的表达量最高，最低为ga。表明发生在这3个位置上的碱基突变会影响相应基因的表达，它们能够作为功能snp标记位点发挥作用。
(7)基因型效应分析
对功能位点(pto-mir167e_snp20、pto-mir167g-5p_snp28和pto-tps5_snp23)在关联作图群体中的基因型效应进行分析，结果如图5所示。对于pto-mir167e_snp20，tt基因型对应个体的综纤维素含量均值最高，tc基因型最低；对于pto-mir167g-5p_snp28，gg基因型对应个体的综纤维素含量均值最高，cc基因型最低；对于pto-tps5_snp23，aa基因型对应个体的综纤维素含量均值最高，ga基因型最低。由此可见，pto-tps5_snp20的基因型效应与rna转录水平检测结果一致，而pto-mir167e_snp28和pto-mir167g-5p_snp23与rna转录水平相反，这与mirna是其对应靶基因的负调控因子相一致。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。