Роль экологических факторов в формировании генетической структуры популяций P. abies (L.) Karst

Обложка

Цитировать

Полный текст

Аннотация

Для выявления степени влияния экологических факторов на дифференциацию популяций Picea abies было исследовано 20 ценопопуляций из четырех географических точек. В работе показано, что экологические условия влияют на генотипический состав популяций сильнее, чем географическое расстояние. Структура внутрипопуляционной генетической изменчивости Picea abies определяется в большей степени эффектом «экологической изоляции», чем эффектом «изоляции расстоянием».

Об авторах

Ксения Вениаминовна Захарова

ФГБУ ВПО «Санкт-Петербургский государственный университет»

Автор, ответственный за переписку.
Email: ksenven@mail.ru

кафедра геоботаники и экологии растений

Россия, Санкт-Петербург

Кирилл Сергеевич Сейц

ФГБУ ВПО «Санкт-Петербургский государственный университет»

Email: seits@rambler.ru

кафедра геоботаники и экологии растений

Россия, Санкт-Петербург

Список литературы

  1. Попов П.П. Ель на востоке Европы и Западной Сибири. – Новосибирск: Наука, 1999. [Popov PP. Norway spruce in Eastern Europe and Western Siberia. Novosibirsk: Nauka; 1999. (In Russ.)]
  2. Hamrick JL, Godt MJ, Sherman-Broyles SL. Factors influencing levels of genetic diversity in woody plant species. New Forests. 1992;6:95-124. doi: 10.1007/BF00120641.
  3. Bouillé M, Bousquet J. Trans-species shared polymorphisms at orthologous nuclear gene loci among distant species in the conifer Picea (Pinacea): implications for the longterm maintainance of genetic diversity in trees. Am J Bot. 2005;92(1):63-73. doi: 10.3732/ajb.92.1.63.
  4. Ratnam W, Rajora OP, Finkeldey R, et al. Genetic effects of forest management practices: global synthesis and perspectives. For Ecol Manage. 2014;333:52-65. doi: 10.1016/j.foreco.2014.06.008.
  5. Meirmans PG. The trouble with isolation by distance. Mol Ecol. 2012;21:2839-2846. doi: 10.1111/j.1365-294X.2012.05578.x.
  6. Wang IJ, Bradburd GS. Isolation by Environment. Mol Ecol. 2014;23:5649-5662. doi: 10.1111/mec.12938.
  7. Kremer A, Ronce O, Robledo-Arnuncio JJ, et al. Long-distance gene flow and adaptation of forest trees to rapid climate change. Ecology letters. 2012;15:378-392. doi: 10.1111/j.1461-0248.2012.01746.x.
  8. Andrew RL, Ostevik KL, Ebert DP, Rieseberg LH. Adaptation with gene flow across the landscape in a dune sunflower. Molecular Ecology. 2012;21:2078-2091. doi: 10.1111/j.1365-294X.2012.05454.x.
  9. Василевич В.И., Бибикова Т.В. Сфагновые ельники европейской России // Бот. журн. – 2004. – Т. 89. – № 5. – С. 734–748. [Vasilevich VI, Bibikova TV. Sphagnumspruce forests in European Russia. Botanicheskyi Journal. 2004;89(5):734-748. (In Russ.)]
  10. Рысин Л.П., Савельева Л.И. Еловые леса России. — М.: Наука, 2002. [Risin LP, Savelieva LI. Spruce forests of Russia. Moscow: Nauka; 2002. (In Russ.)]
  11. Василевич В.И., Бибикова Т.В. Ельники кисличные европейской России // Бот. журн. – 2004. – Т. 89. – № 10. – С. 1573–1587. [Vasilevich VI, Bibikova TV. Woodsorrel spruce forests in European Russia. Botanicheskyi Journal. 2004;89(10):1573-1587. (In Russ.)]
  12. Pfeiffer A, Olivieri AM, Morgante M. Identification and characterization of microsatellites in Norway spruce (Picea abies K). Genome. 1997;40:411-419. doi: 10.1139/g97-055.
  13. Fluch S, Burg А, Kopecky D, et al. Characterization of variable EST SSR markers for Norway spruce (Picea abies L.). BMC Research notes. 2011;4:401. doi: 10.1186/1756-0500-4-401.
  14. Rungis D, Bérubé Y, Zhang J, et al. Robust simple sequence repeat markers for spruce (Picea spp.) from expressed sequence tags. Theor Appl Genet. 2004;109:1283-1294. doi: 10.1007/s00122-004-1742-5.
  15. Scotti I, Paglia GP, Magni F, Morgante M. Efficient development of dinucleotide microsatellite markers in Norway spruce (Picea abies Karst.) through dot-blot selection. Theor Appl Genet. 2002;104:1035-1041. doi: 10.1007/s00122-001-0843-7.
  16. Scotti I, Magni F, Paglia GP, Morgante M. Trinucleotide microsatellites in Norway spruce (Picea abies): their features and the development of molecular markers. Theor Appl Genet. 2002;106:40-50. doi: 10.1007/s00122-002-0986-1.
  17. Peakall R, Smouse PE. GenAlEx 6.5: genetic analysis in Excel. Population genetic software for teaching and research-an update. Bioinformatics. 2012;28:2537-9. doi: 10.1093/bioinformatics/bts460.
  18. Pritchard JK, Stephens M, Donnelly P. Inference of population structure using multilocus genotype data. Genetics. 2000;155:945-959.
  19. Jakobsson M, Rosenberg NA. CLUMPP: a cluster matching and permutation program for dealing with label switching and multimodality in analysis of population structure. Bioinformatics. 2007;23:1801-1806. doi: 10.1093/bioinformatics/btm233.
  20. Rosenberg NA. Distruct: a program for the graphical display of population structure. Mol Ecol. 2004;4:137-8. doi: 10.1046/j.1471-8286.2003.00566.x.
  21. Tollefsrud MM, Sonstebo JH, Brochmann C, et al. Combined analysis of nuclear and mitochondrial markers provide new insight into the genetic structure of North European Picea abies. Heredity. 2009;102:549-62. doi: 10.1038/hdy.2009.16.
  22. Потокина Е.К., Орлова Л.В., Вишневская М.С., и др. Генетическая дифференциация популяций ели на Северо-Западе России по результатам маркирования микросателлитных локусов // Экол. генет. – 2012. – Т. 10. – № 2. – С. 4049. [Potokina EK, Orlova LV, Vishnevskaya MS, et al. Genetic differentiation of spruce populations in Northwest Russia revealed with microsatellite markers. Ecological Gene tics. 2012;10(2):40-49. (In Russ.)]
  23. Попова Т.А., Березкина Л.И., Бычкова И.А., и др. Природный парк «Вепсский лес». – СПб.: Вести, 2005. [Popova TA, Berezkina LI, Bichkova IA, et al. Natural park “Vepssky forest”. Saint Petersburg: Vesti; 2005. (In Russ.)]
  24. Nei M. Estimation of average heterozygosity and genetic distance from a small number of individuals. Genetics. 1978;89(3):583-90.
  25. Mantel N. The detection of disease clustering and a generalized regression approach. Cancer Research. 1967;27(2):209-220.
  26. Evanno G, Regnaut S, Goudet J. Detecting the number of clusters of individuals using the software STRUCTURE: a simulation study. Mol Ecol. 2005;14:2611-2620. doi: 10.1111/j.1365-294X.2005. 02553.x.
  27. Lagercrantz U, Ryman N. Genetic structure of Norway spruce (Picea abies): concordance of morphological and allozyme variation. Evolution. 1990;44:38-53. doi: 10.2307/2409523.
  28. Androsiuk P, Shimono A, Westin J, et al. Genetic status of Norway spruce (Picea abies) breeding populations for northern Sweden. Silvae Genet. 2013;62(3):127-136.
  29. Попов П.П. Популяционно-расовая дифференциация Picea abies и Picea obovata (Pinaceae) // Бот. журн. – 2009. – Т. 94. – № 9. – С. 1317–1334. [Popov PP. Population and race differentiation of Picea abies and Picea obovata (Pinaceae). Botanicheskyi Journal. 2009;94(9):1317-1334. (In Russ.)]
  30. Savolainen O, Pyhajarvi T, Knurr T. Gene flow and local adaptation in trees. Annu Rev Ecol Evol Syst. 2007;38:595-619. doi: 10.1146/annurev.ecolsys.38.091206.095646.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Схема межпопуляционных генетических различий четырех локальных популяций P. abies без учета экотопических условий ценопопуляций на основе многомерного анализа главных координат

Скачать (12KB)
Метаданные
3. Рис. 2. Схема межпопуляционных различий шести ценопопуляций P. abies, выделенных с учетом экотопа, на основе многомерного анализа главных координат

Скачать (18KB)
Метаданные
4. Рис. 3. Структура генетического разнообразия популяций P. abies, выявленная с помощью программы STRUCTURE на основе анализа 12 SSR-локусов. B1, В3 — ценопопуляции «Брянск» (Кислично-зеленомошные ельники); Н1, Н2 — ценопопуляции «Норвегия»; L4/6 — ценопопуляции «Луга_Ельники сфагновые»; L1/2/3/5/7 — ценопопуляции «Луга_Ельники кислично-зеленомошные»; V/2/4/5/6/8 — ценопопуляции «Вепсский лес_Ельники кислично-зеленомошные»; V1/3/7 — «Вепсский лес_ Ельники сфагновые». Каждый столбик диаграммы показывает на индивидуальную для каждого из 284 деревьев принадлежность к трем кластерам с разной долей вероятности. Кластеры выделены белым, черным и серым цветом. Например, первое дерево, В1_1 (из популяции «Брянск»), с вероятностью 13 % может быть отнесено к «черному» кластеру, с вероятностью 11 % — к «белому» кластеру и с вероятностью 76 % — к «серому». Скобки объединяют особи, происходившие из бедных заболоченных популяций

Скачать (119KB)
Метаданные

© Захарова К.В., Сейц К.С., 2017

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.
 


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».