埃塞俄比亚大麦时空遗传变异(大麦芽利用简单序列重复(SSR)标记揭示长白羊

背景

埃塞俄比亚被认为是大麦多样性的中心(大麦芽L.)，并在该国不同的农业生态系统中种植。在时间尺度上揭示种群结构和基因流动状况有助于评估自然、人口和整体环境变化对种群稳定性和持久性的影响。本研究利用简单序列重复标记研究了40年大麦长白种样品的时空遗传变异。

结果

结构分析、邻域连接树分析和主成分判别分析结果显示，各地方种族间存在低至高的遗传多样性，并将地方种族分为3类。聚类分析表明，各地方种族之间存在着密切的地理邻近关系，遗传距离随着地理距离的增加而增加。收集年份的AMOVA分析表明，居群内的遗传多样性远高于居群间的遗传多样性，而时间分化则较小。地方种族间低到高的遗传分化可能是由于农民间种子交换导致的基因流动。

结论

结果表明，该ssr序列对大麦种质资源的分类具有较高的参考价值。此外，本研究结果还表明，在未来气候变化的背景下，地方品种是可持续农业的宝贵种质资源，以及适应当地环境的就地保护策略。

在植物自然居群中，遗传结构主要受物种育种系统、基因流动、遗传漂变和自然选择的影响[1］．此外，气候和/或地质(地理)的变化也可以通过创造环境的空间和/或时间异质性导致种群遗传组成的变化[2］．

最近，气候变率的增加导致全球农业生产系统的不稳定，有时导致粮食短缺和粮食价格意外上涨[3.，4］．为了缓解这一现象，有必要建立可持续的系统，通过稳定农业生产来确保粮食安全[5］．对环境条件变化和局部适应相关性状的遗传变异是导致种群表型分化的过程之一[6与来自其他环境的种群相比，适应本地环境的种群表现出更强的适应性[7］．

尽管遗传背景狭窄，但近几十年的现代植物育种活动，发展出了大量产量高、质量好、抗逆性好的优良品种[8］．在最优条件下表现良好但在恶劣环境下表现不佳的现代品种取代了适应性强的地方品种，导致大多数作物地方品种从实际耕作中消失[8，9，10］．长白是与传统农业系统相关的栽培物种的遗传异质性和动态种群[11尽管它们适应当地环境，基因也不同，但它们通常缺乏正式作物改良的历史。地方种族是粮食安全的一个关键因素，在世界许多地区，地方种族的种植仍然很普遍，特别是在作物多样性中心[12，13，14]并由于其在适应性状方面的独特变异性而被用于育种[15，16］．

虽然在许多国家，地方品种被改良品种所取代，但在一些国家，利用地方品种对农业生态系统的特定适应性优势，它们的栽培仍在进行中[17，18，19在埃塞俄比亚，它们占种植大麦的90%以上[20.］．自花授粉物种的地方种，如大麦，含有染色体区域，由低重组频率的基因块组成，这可能赋予特定环境的特定适应[21］．这表明，地方种族是识别控制作物适应性性状的基因的理想组合面板[22］．

因此，有必要根据大麦地方品种的遗传多样性和种群结构的时空分布规律，对地方品种的遗传多样性和种群结构进行系统的评价，以期为大麦地方品种的有效利用和优化保护提供科学依据。23］．在现有的DNA标记中，简单序列重复(simple sequence repeat, SSR)标记与大多数标记系统相比具有较高的多态性、可重复性、共显性和多等位性，已被广泛用于分析大麦种质群体结构和遗传多样性[24，25，26，27，28］．

在过去的30年里，人们一直在努力利用分子标记技术评估作物遗传多样性，并对各种作物的保守和/或积极利用的种质中存在的遗传多样性的程度和性质产生了大量知识[29］．了解遗传变异在种群中的分布对于物种管理至关重要，特别是在一个快速变化的世界[30.］．由于气候因素引起的种群空间分布和物候的变化可以影响种群分布的许多方面，包括扩散、生存、繁殖成功和总体丰度，所有这些都对种群内部和种群之间的遗传变异的分布产生影响[31，32］．

我们本研究的目标有三个方面。首先，我们调查了40年的样本的遗传多样性和群体结构。我们分析了大麦样品遗传分化的时间稳定性。其次，通过比较不同采集时段个体间的时间遗传方差来评估时间对遗传稳定性的影响。最后，我们通过分析5个区域组4个时间重复的基因流，来检验人口失衡是否导致了遗传多样性、种群结构和关系(连通性)的变化。

植物材料

分别从埃塞俄比亚生物多样性研究所(EBI)和Sinana农业研究中心(SARC)获得的585个大麦地方品种和10个栽培品种中选取376个大麦地方品种和8个改良品种(以下视为基因型)，进行SSR基因分型、群体结构和时空分析。数据分析时，将改良品种分组进行多样性评价，每个品种单独纳入聚类分析。综上所述，采用随机抽样技术，从埃塞俄比亚不同农业生态区域的585个长条民族所选的376个长条民族所选材料，根据核行数分为二列、六列和不规则三种类型。本研究中所使用的地方种族收集点的海拔高度在海拔1430 ~ 2950米之间。根据采集地的海拔高度，这376种材料被分为4类:海拔I类(< 1500 m)、海拔II类(1501-2000 m)、海拔III类(2001-2500 m)和海拔IV类(> 2500 m);而放养品种不在分析范围内。从1976年到2017年，收集了41年的地方种，保存在埃塞俄比亚EBI迁地基因库。

实验场地描述

田间试验是在2018年和2019年的主要种植季节在Sinana农业研究(SARC)站点和埃塞俄比亚东南部奥罗米亚州贝尔区贝尔-戈巴农场研究站点进行的。这两个地区都是大麦产区海拔最高的地区，且降水呈双峰型。SARC位于北纬7°7′，东经39°40′，海拔2400 masl，为高海拔大麦产区。该地区的特点是土壤类型为Vertisol, pH值为6.3 - 7.0(微酸性)，土壤深度为0-15 cm。SARC的年平均气温分别为9.42和21.16°C，年总降雨量在452.7和1129.5毫米之间。贝尔-戈巴是SARC的农用试验点，位于北纬7°0，东经39°59，海拔2743 masl。该地区土壤的特征是胶状和铬质。

利用SSR标记进行基因分型

用CTAB法提取基因组DNA [33]取自样本个体的新鲜叶子。每次登录共采集10个单个个体，并进行基因组DNA提取。选择49个SSR标记进行分析，覆盖了大麦基因组的7条染色体。

遗传多样性分析

对每个地区(地点)和每年进行汇总统计，如每个位点的等位基因数(Na)、有效等位基因数(Ne)、Shannon信息指数(I) [34]、基因多样性(GD， [35]，多态信息含量(PIC) [36]，观察杂合度(Ho)及预期杂合度(He) [37]，在哈迪-温伯格平衡下期望的杂合度，该平衡既包括等位基因的数量，也包括等位基因的均匀度)，等位基因丰富度(Ar) [38]、近交系数(金融中间人固定指数(F_圣) [39]，使用GeneAlEx 6.51b2软件进行计算hierfstatR包(40］．一个亚种群中所包含的总遗传方差的比例(置)相对于总遗传方差的计算也使用了每年hierfstat．

Inter-individual遗传距离

内氏遗传距离[41]，利用PowerMarker软件实现UPGMA方法进行无根系统发育重建，MEGA-X version 10.2.2对树进行可视化[42］．利用主成分分析(PCA)计算个体间遗传距离adegenet［43］．主坐标分析(PCoA)采用GeneAlEx version 6.51b2 [44]进行分子方差分析(AMOVA)，采用R包poppr [45］．

利用Excel对PIC、Shannon Wiener指数和PI与海拔、经度进行线性回归分析。通过推导赖特的公式[46]时，Nm的值可以由F_圣，为Nm = (1-F_圣) / 4F_圣，其中“N”为每个种群的规模，“m”为种群间的迁移率。该方法可以有效地间接估计基因流。

时空的遗传变异

为了评估采样地点和采样年份对遗传变异模式的影响，我们使用函数进行了基于排列的多变量方差分析阿多尼斯的素食主义者包(47该方法以类似于AMOVA的方式对距离矩阵的平方和进行划分，但同时允许嵌套因子和交叉因子[48］．我们还评估了采样地点和采样年份作为交叉检验因素对个体遗传距离矩阵的影响。使用9999种排列来评估统计意义，并考虑到观察到的时间变化信号，随后每年分别进行分析。

由于每年抽样点的数量和每个点抽样的个体数量的变化，我们进行了一个严格的自举，以标准化每年的最小位点数量和每个位点的最小个体数量，以确保不平衡抽样不会造成偏差。我们每年只保留12个位点和每个位点5个个体的下采样数据，并进行分子方差分析(AMOVA)。

聚类分析

在本研究中，我们使用判别分析的主成分(DAPC)来寻找遗传群体adegenet［43DAPC最大化了群体间的差异，同时最小化了群体内的变异，但不依赖于特定的群体遗传模型，如Hardy-Weinberg平衡，这对我们的育种群体是不现实的[49］．对于每一年，我们都使用这个函数find.clusters以确定聚类的数目，以及贝叶斯信息准则(BIC)，用以确定最可能的聚类数目(K)的资料。主成分判别分析(DAPC)为每个个体提供了这些集群的成员概率，我们检查了地理结构。

距离隔离(IBD)

距离隔离(IBD)是一种常用的种群遗传结构测量方法，其基础是种群间的欧几里得距离。迁移-选择-漂移平衡对种群结构的影响受空间或环境差异的支配，通常用距离隔离(IBD)来解释。我们通过测试所有个体之间的遗传距离和地理欧氏距离的相关性来评估IBD。这是因为，欧氏空间中两点之间的欧氏距离是两点之间线段的长度，它可以从点的笛卡尔坐标中计算出来。两个距离矩阵之间的相关性显著性通过曼特尔测试评估mantel.randtest的函数ade4包含9999种排列的R包[50］．以遗传距离为响应，以地理距离为预测因子，以环境距离为条件因子，对IBD进行检验。

空间结构分析

遗传和地理信息的结合可以提高我们识别松散分化群体的能力，并可以给我们遗传障碍或隐藏集群的精确空间位置[51］．考虑到薄弱的整体结构(即集群和IBD;(见上图)，我们还利用空间主成分分析(spca；［52］．Jombart等人提出[52]，这种空间多元方法采用了Moran指数(我)的空间自相关[53]来检测全局结构。我们使用了spca中所采用的功能adegenet［52R包的。考虑到:(a)采样点在研究区域内分布不均匀;(b)我们对它们的连通性没有先验假设。显著性检验采用排列检验(n= 9999) [52］．

种群遗传多样性

PIC(多态信息含量)是多态水平的一个指标，在研究群体中其范围在0 - 1之间。如表所示1埃塞俄比亚大麦群体的遗传多样性处于中等水平，平均为0.552。根据产地，PIC值从0.474 (SNNP)到0.652 (Oromia)不等。Shannon信息指数综合考虑了物种丰富度和个体分布的均匀性两个因素，在海拔I级范围为0.374 ~ 0.504。在所有人群中，以起源地区为基准，指数范围为0.463 (B/古穆斯)~ 0.615(奥罗米亚)。种群的PIC和Shannon水平随海拔的升高呈上升趋势，但在最高海拔有下降趋势(表3)1)。

计算得到的Nei基因多样性(h)值均大于0，范围为0.301 (B/Gumuz) ~ 0.426 (Oromia)。起源区域的观察杂合度(Ho)范围为0.594 (Oromia)至0.662 (Amhara)，期望杂合度(He)范围为0.688 (Amhara)至0.773 (Tigray)。亚群体遗传方差固定指数(F_圣)是一种衡量遗传结构导致的群体分化的指标。按产地划分，其值为0.034 (B/古穆斯)~ 0.082(奥罗米亚);按海拔等级划分，其值为0.053(海拔I类)~ 0.082(海拔III类);按采集年份划分，其值为0.011(第IV年)~ 0.056(第I年)1)。综合各指标来看，奥罗米亚的样本具有较高的遗传多样性，但这需要使用相同的样本量和SNP等更强大的标记来证实。根据期望杂合度(He)、多态信息含量(PIC)、主等位基因频率(MAF)和私有(唯一)等位基因数量(Npa)计算的所有SSR标记的遗传距离的频率计算分别在0.2-0.8、0.1-0.9、0.3-0.8和0-6的范围内用柱状图表示(图3)。1模拟)。

时空遗传变异分区

从基于置换的多元方差分析中，我们观察到起源地区和海拔等级之间存在显著的交互效应(F_12日,925年= 10.98,p< 0.001)，收集区域和年份(F_12日,925年= 20.77,p< 0.001)和地区、海拔和年份(F_36岁,925年= 13.42,p< 0.001)(附加文件1表S1)大麦基因型的遗传变异。海拔与年的交互作用不显著((F_9日,925年= 7.02,p= 0.157)。稀疏自举法的结果表明，在每年标准化的站点数量和每个区域的个体数量下，年份和区域的效应在9999次重复中100%显著。交互作用的影响在70%的重复中是显著的。

频率的多态位点,在所有的五个大麦人口类别我年,II, III, IV和整体年是96.43,93.58,94.71,95.61和96.59%,分别。多态位点百分率(PPL)和基因多样性(期望杂合度;他)的数值列于表中2．在全年类别中，更高PPLOromia、Amhara和Tigray居群的基因多样性值也高于SNNP和B/Gumuz居群。另一方面，基因多样性值在年份间没有显著差异(表2)。这些人口来自奥罗米亚，阿姆哈拉和提格雷地区PPL是伴随着高价值的他人群SNNP和B/Gumuz较低PPL伴随着较低的值他．在第一类和第二类中，每个种群的独特等位基因比第三类和第二类多。

对大麦基因型的产地间和产地内、海拔等级、观察聚类(亚群)的遗传分化进行了分子方差分析(AMOVA)，结果见表3.．AMOVA分析结果显示，起源区域、海拔等级和集群内的遗传变异分别占总遗传变异的89、84和81.70%，而起源区域、海拔等级和集群间的遗传变异仅占总遗传变异的11、6和18.30%，显著低于其他居群间的遗传变异。

F_圣Nm值为0.054 (p< 0.001)和4.380，海拔等级0.049和4.852，聚类0.071和3.2713.)。

根据采集年份(分为4类)，种群间多样性估计如表所示4．各年类别(I ~ IV)的种群间多样性分别为15.77、17.19、12.57和13.44%，呈中等水平。居群内的遗传多样性ⅰ、ⅱ、ⅲ和ⅳ分别为84.23%、82.81%、87.43%和86.56%，均远大于居群间的遗传多样性(表)4)。

群体间的遗传分化与基因流动

F_圣值为0.00 ~ 0.05，说明群体间遗传分化程度低;F_圣0.05 ~ 0.15表明居群间遗传分化中等;F_圣在0.15 ~ 0.25之间，表明群体之间存在较大的遗传分化;和F_圣大于0.25表明居群之间存在较强的遗传分化[54］．成对F_圣五个区域之间的关系，如表所示5，范围为0.033 (Amhara - Oromia) ~ 0.348 (Tigray - B/Gumuz)，平均为0.145，表明大麦群体间存在差异。分析表明，遗传变异发生在群体内，而不是群体间。Amhara与Oromia、Amhara与Tigray、Oromia与SNNP分布相近的居群间遗传分化程度较低。另一方面，B/Gumuz的Oromia、B/Gumuz的SNNP和B/Gumuz的Amhara等区域表现出中等水平的遗传分化。Tigray种群与B/Gumuz种群的Tigray种群的SNNP存在较强的遗传差异(见表)5)。

基于产地、海拔等级和聚类的种群间基因流总体处于较高水平，Nm的平均值分别为2.801、3.997和3.500(表3)5)。除Oromia (Tigray)和SNNP (Tigray)外，所有基于原产地的种群的Nm值均大于1。此外，除海拔I级和海拔IV级外，不同海拔等级人群的基因流水平均较高。

基于结构模型的群体聚类与遗传关系

在基于STRUCTURE模型的模拟中，将K从1变化到15，每K进行3次迭代，所有384种添加，LnP(D)值均明显低于K= 3(无花果。2在STRUCTURE程序中实现的分配分析和主成分判别分析(DAPC)表明，在我们的抽样方案中有三个基于起源地区、海拔等级和收集年份的聚类(亚组)种群(图。2B和D)。

根据产地、海拔等级和亚类群(集群)进行两两比较，计算出Nei的遗传距离，范围从0.025 (Tigray和B/Gumuz)到0.159 (Oromia和Amhara)，平均值为0.085，范围从0.014(海拔等级IV和海拔等级I)到0.060(海拔等级III和海拔等级II)，平均值为0.039(表)6)。对大麦基因型进行的Mantel试验表明，群体间的地理和遗传距离呈正相关(r= 0.642,P< 0.001)。

多样性(biodiversity)是指在遗传、物种和生态系统层面存在的变异。对作物而言，如果对这些变异进行适当的鉴定、评价和管理，就可以在农艺性状(尤其是产量)和对不同生物和非生物胁迫因子的抗性方面，利用这些变异进行当前作物性能的遗传增强。如上所述，这些多样性(遗传多样性)可用于应对多样化和不断变化的生产系统所带来的挑战，特别是在当前的全球变化中，并可用于提高抗灾能力、改善生计和支持粮食安全和营养。

长白居群的遗传多样性

作物品种遗传关系分析是作物改良的重要组成部分，它有助于分析品种的遗传变异性，选择亲本材料进行杂交，鉴定应保留的材料，以最大限度地保持种质的遗传多样性。材料间和材料内的多样性显示了材料内遗传变异的潜力，这是大麦改良目的的来源材料[20.，55，56，57，58，59，60，61，62，63］．通过纯系选育利用accession内变异已被证明为产量和抗病性提供了优良种质[64，65］．如[所述]55，64，在良好的管理措施下，外来品种的产量高于地方品种，但在农民农场中占主导地位的低投入条件下，地方品种的产量通常高于外来材料。在这种条件下，应利用本土种质资源，提高作物的适应性和生产力。此外，当地种质间存在的遗传多样性可作为大麦等作物育种材料的来源[20.，64，65，66，67，68］．

在本研究中，大麦的多样性以Oromia居群最高，Amhara居群次之，而Tigray居群的独特等位基因最多，其次是SNNP。奥罗米亚的农业生态在土壤类型、降雨模式、海拔范围和其他社会文化多样性方面有利于大麦地方品种多样性的存在[20,55,64]。这可能与高地社区的社会文化价值观有关，在那里大麦是唯一的粮食作物[69，70］．

总的来说，在研究中所包含的大麦品种中观察到的多样性表明，通过收集少量具有代表性的样本来容纳较大比例的变异是可能的。因此，在取样过程中，集中调查品种比集中调查地区更有价值、更省时、更有效。然而，由于某些性状是区域特异性的，区域仍然是重要的，依赖于选择的目标性状。从农民的角度来看，像哈热这样干旱严重的地区抽穗期和成熟期对选择早熟的地方品种生产一些谷物很重要，而对Shewa和Sidama来说，千个种子重量起主要作用，因为农民需要大麦用于市场，而且大麦种植区没有水分胁迫的问题。

遗传变异的时间模式

根据采集年份对4类大麦地方品种的遗传多样性进行了研究，并观察了遗传分化参数在第1 ~ 4年的相对波动。根据Ozbek等人[71对二粒小麦的研究报告指出，同一取样点的不同基因型的取样、相邻位点不同基因型的突变和迁移可能导致小的时间变化。

然而，突变的影响只能解释少量的变化。基因型从邻近地点迁移也可以解释一些变化，因为花粉和种子通常不会分散到离它们的母植物很远的地方[72］．因此，在本研究中，对这四十年类别之间的变化的合理解释可能是，在采样点周围生长了几种基因型，每种基因型的相对频率在年度类别(也在同一类别本身)之间发生变化，这是由于环境因素的变化，如年降雨量和分布的波动。Noy-Meir等人报道了这种人口波动的影响[73二粒小麦。

此外，不同年份的植物密度变化、其他基因型休眠种子萌发导致的前一年相对干旱导致的“空”空间的重新定植，以及在个别采样点年与年之间的基因型转移程度，都是造成时间变化的原因[74，75］．一般来说，环境因素在空间和时间上对人口过程的波动产生较大影响，从而影响种群动态，往往是影响遗传组成及其时空变化的重要选择力量[73］．本研究中各年类(year - i - year - iv)种群多样性值之间呈极显著正相关，各年的空间分异趋势十分相似。

群体聚集与遗传关系

在本研究中，利用structure软件进行基于模型的结构分析[76主成分判别分析(DAPC)结果显示，不同产地、不同海拔和不同采收年限的大麦地方品种存在3个聚类。本研究中所使用的大麦地方品种与相邻地理来源的种质资源具有共同的祖先关系，因此通过与F_圣，海拔等级为0.021(海拔等级III至IV)至0.307(海拔等级I至IV)6)。

影响种群分化程度的重要进化因素是基因流动、遗传漂变和选择。不同地域来源的地方种族之间存在显著的地理差异，但很大一部分差异发生在地方种族内部，而不是预定义人口(地区和地区)之间。这种低到中等程度的地理分化可能是由于大麦种植户之间种子交换导致的频繁基因流动，以及/或由于高效群体规模限制了遗传漂变强度[77］．Abebe等人对大麦的早期观察[78Shewayrga等人[79研究表明，几个地方名称相同的地方种族生长在两个或两个以上归因于现有农民的种子系统。种子通过赠送、交换和购买等方式共享。因此，不同地理区域的地方种族之间的低差异在以往大麦研究中得到了证实[78，80，81］．

此外，在本研究中，如图。3.，基于区域和海拔级别的种群结构分析均未显示出明显的聚类模式和明显的分组，且没有一个种群具有很强的概率属于某一特定区域。根据Falush等人[82]时，这种现象被解释为，如果混合程度接近于零，大多数个体基本上来自一个或另一个种群;然而，混合(α)值为1表明大多数个体携带等位基因，使其难以分配到一个特定的亚种群。

因此，本研究的结果证实了地理结构的缺失。在之前的研究中，Abebe等人[78]的研究表明，从起源区域来看，存在16个广泛混合的亚群体，混合的遗传背景表明个体具有相同的祖先，这与研究区域在当代的高基因流有关。此外，许多具有混合的亚种群的存在是缺乏真实种群结构的一个迹象。

空间和时间因素在维持种群多态性中的相对重要性

5个大麦群体(Amhara、Oromia、Tigray、SNNP、B/Gumuz)间的相对遗传多样性和散度估值均显著大于年类间估值。我们的发现与地理上密切相关的大麦种群和过去41年的时间效应相关。然而，Nevo等人报道了类似的证据，表明地理上不密切相关的野生二粒体种群的空间多样性和差异性大于时间多样性。[75Felsenburg等人[74使用hmw -谷蛋白和Jaradat [83，84使用等位酶和低分子量谷蛋白。由此可见，空间因素在群体遗传变异中占主要比例，表明种源特异性强，在维持群体遗传变异中明显比时间因素更重要。在野生大麦种群中也有类似的结果[85，86］．这些结果支持了Karlin的预测[87]，根据理论计算，空间变异比时间变异更能有效地保护种群的多态性。然而，对于更长的时间和大量的样本，这可能并不一定是正确的。

根据Feldman和Millet在不同作物上的研究报告[88),费尔德曼(89]， Huang等[90， Hadado等[20.和Abebe等人[55，78，80]，在自然群体大麦中发现的遗传变异非常高，远高于家养小麦。因此，大麦群体中存在的基因可能具有直接育种潜力，应在迁地和农场中加以保护。因此，详细了解作物近缘群体的遗传结构及其与时空因子的关系，对其种质资源的有效保存至关重要。它为详细监测空间和时间的变化模式提供了合理指导的科学依据。研究结果可为大麦种质资源收集和就地保护提供依据。

从本研究观察到的变异情况来看，可以认为埃塞俄比亚大麦地方品种具有较高的遗传多样性。从遗传参数分析表明，一些地区，如东南部和北部，具有较高的多样性比其他地区有更多的私人等位基因。但中部高原的多样性低于东部和南部高原。然而，总的来说，大麦地方品种的遗传多样性在全国大麦种植区广泛分布。这种多样性可以通过在育种计划中加入地方品种作为感兴趣性状的供体父母来改进该地区的大麦。因此，对大麦地方品种进行额外的系统筛选对于确定潜在的亲本以开发满足农民需求的改良品种具有重要意义。

本研究中使用的所有材料清单(植物和标记)、记录、生成和分析的数据都包含在本手稿中(作为补充信息文件)。

AMOVA:

分子方差分析

CTAB:

十六烷基三甲基溴化铵

DAPC:

主成分判别分析

背景:

Deoxyribo核酸

EBI:

埃塞俄比亚生物多样性研究所

炎症性肠病:

隔离的距离

加:

主要的等位基因频率

主成分分析:

主成分分析

PCoA:

主坐标分析

图片:

多态信息含量

PPL:

多态位点百分比

不仅:

Sinana农业研究中心

SNNP:

南方民族、民族和人民

苏维埃社会主义共和国:

简单序列重复

UPGMA:

带算术方法的非加权对群法

在本项目的开发过程中，作者感谢许多个人提供的宝贵建议。我们要感谢埃塞俄比亚生物技术研究所、埃塞俄比亚生物多样性研究所和Sinana农业研究中心分别提供的地方品种。Keyru先生因其在实验室安排、DNA提取和相关数据收集过程中的技术支持而受到认可。

不适用。

作者和联系

1. 埃塞俄比亚生物技术研究所，埃塞俄比亚亚的斯亚贝巴5954信箱

   Allo A. Dido, Ermias Assefa & Kassahun Tesfaye

2. 印度安得拉邦贡图尔区瓦德斯瓦拉姆格林菲尔德生物技术部，522-502

   Allo A. Dido, M. S. R. Krishna和B. J. K. Singh

3. 埃塞俄比亚农业研究所，梅尔卡萨农业研究中心，植物生物技术研究计划，邮政信箱436，阿达玛，埃塞俄比亚

   Dawit t Degefu

4. 亚的斯亚贝巴大学生物技术研究所和微生物细胞与分子生物学学系，埃塞俄比亚亚的斯亚贝巴邮政信箱1176

   Kassahun Tesfaye

贡献

概念化、调查、数据收集、分析和可视化:AAD。方法:AAD和KT。资源与项目管理:KT。监制:BJKS, MSRK, DTD, KT。验证:BJKS, KT, DTD和MSRK。数据分析:AAD和EA。撰写-初稿:AAD和KT。审稿编辑:KT、DTD、BJKS、MSRK、EA，所有作者对之前版本的稿件进行了评论，最终阅读并通过了最终稿件。所有作者阅读并批准最终稿。

相应的作者

对应到Kassahun Tesfaye．

伦理认可和同意参与

本研究中使用的大麦地方品种的种子来自埃塞俄比亚生物多样性研究所(EBI)，该研究所的目的是确保根据《建立/修订》保护和利用该国的生物多样性!第120/1998号公告，埃塞俄比亚。由于这些研究不涉及濒危或保护物种，因此对这些材料不需要特别的许可。作者声明，对本文所述植物的实验研究工作符合机构和国家指导方针。

同意出版

不适用。

相互竞争的利益

作者声明他们之间没有利益冲突。

出版商的注意

beplay.cc官方施普林格《自然》对出版的地图和机构附属关系中的管辖权要求保持中立。

开放获取本文根据知识共享署名4.0国际许可协议授权，该协议允许以任何媒介或格式使用、共享、改编、分发和复制，只要您适当地注明原作者和源代码，提供知识共享许可协议的链接，并说明是否进行了修改。本文中的图像或其他第三方材料均包含在本文的知识共享许可中，除非在材料的信用额度中另有说明。如果材料不包含在文章的知识共享许可中，并且您的预期使用不被法定法规允许或超过允许的使用，您将需要直接从版权所有者获得许可。如欲查阅本牌照副本，请浏览http://creativecommons.org/licenses/by/4.0/．知识共享公共领域转让豁免书(http://creativecommons.org/publicdomain/zero/1.0/)适用于本文提供的数据，除非在对数据的信用额度中另有说明。

再版和权限