背景 基于DNA的分子标记是植物遗传多样性评估、种质资源表征和保护优先级确定的基础。该领域主要采用四类标记系统：扩增片段长度多态性（AFLP）、简单序列重复（SSR）、单核苷酸多态性（SNP）和随机扩增多态性DNA（RAPD）。此前尚无定量荟萃分析汇总这些标记在不同植物中基于经典多样性指标——多态性信息含量（PIC）、期望杂合度（He）和分辨能力——的表现。现有综述多为叙述性综述、仅限于特定标记的综述，或仅定性得出不可行的结论。方法 开展了一项遵循PRISMA 2020规范的系统综述，并在开放科学框架（Open Science Framework）注册。纳入研究须在同一研究内，使用{SNP、SSR、AFLP、RAPD}中至少两类标记对同一组种质材料进行基因分型，开展配对比较，并报告至少一项多样性指标。效应量为基于伯努利方差近似计算的配对标准化均数差（Hedges g）。采用metafor 5.0.1进行基于限制性最大似然估计（REML）的随机效应荟萃分析，并进行Knapp–Hartung校正、逐一剔除分析和r敏感性分析。结果 共纳入15项研究内配对比较，分为三个合并分析组。第2组（SSR与SNP比较，He，k = 5）的合并Hedges g为0.494（95% CI：-0.078至1.066，p = 0.075；I² = 90.2%；95%预测区间［-0.82，1.81］）。5项研究中有4项的SSR所得He高于SNP；在逐一剔除分析中，剔除种质材料组规模不对称的离群研究后，效应量估计值升至g = 0.644（p = 0.025）。第3a组（显性标记层，k = 6）的g = 0.419（95% CI：-0.121至0.960，p = 0.103；I² = 56.5%）；6项比较中有5项显示，SSR或AFLP的单个位点PIC高于RAPD。第1组（PIC，k = 3，探索性分析）呈现出一致的方向（g = 0.453）。三个合并分析的结果均指向同一方向：共显性标记或AFLP标记的单个位点信息量高于各自所比较的另一类标记。结论 在植物研究内部的配对比较中，SSR标记的单个位点多样性高于SNP和RAPD标记，其机制基础在于SNP的双等位基因上限与SSR丰富的多等位基因特性。在自交或低多样性样本集中，以及当SNP标记面板包含超过约1 000个位点时的面板层面比较中，这一效应减弱或发生逆转。在这四类标记中，RAPD的单个位点信息含量最低。
利用 SNP、SSR、AFLP 和 RAPD 标记评估植物多样性：系统综述与荟萃分析 | bioRxiv
跳转至主要内容
首页
关于
投稿
提醒 / RSS
搜索此关键词
高级搜索
最新结果
利用 SNP、SSR、AFLP 和 RAPD 标记评估植物多样性：系统综述与荟萃分析
查看 ORCID 个人资料
Yemisi O.
Olagunju
，
查看 ORCID 个人资料
Odunayo J.
Olawuyi
doi：
https://doi.org/10.64898/2026.07.03.736291
Yemisi O. Olagunju
1
国家园艺研究所生物技术部门，伊巴丹
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
Yemisi O. Olagunju 的 ORCID 记录
通讯作者：
olufolajiyemisi{at}yahoo.com
Odunayo J. Olawuyi
2
伊巴丹大学遗传学与分子生物学系，
尼日利亚
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
Odunayo J. Olawuyi 的 ORCID 记录
摘要
全文
信息/历史
指标
补充材料
预览 PDF
摘要
背景
基于 DNA 的分子标记是评估植物遗传多样性、种质资源表征和保护优先级排序的基础。目前该领域主要应用四种标记系统：扩增片段长度多态性（AFLP）、简单序列重复（SSR）、单核苷酸多态性（SNP）和随机扩增多态性 DNA（RAPD）。此前尚无定量荟萃分析针对植物中的经典多样性指标，即多态性信息含量（PIC）、期望杂合度（He）和分辨率，对上述标记系统的性能进行汇总。现有综述多为叙述性综述、局限于特定标记，或仅从定性角度得出其不可行的结论。
方法
本研究开展了一项符合 PRISMA 2020 要求的系统综述（已在开放科学框架注册）。符合条件的
研究纳入标准为：研究内部配对比较，即对同一份种质材料面板采用 {SNP、SSR、AFLP、RAPD} 中至少两种标记进行基因分型，并报告至少一个多样性指标。效应量为配对标准化均数差（Hedges’ g），基于伯努利方差近似计算。随机效应REML荟萃分析采用 metafor 5.0.1 软件，并进行 Knapp–Hartung 校正、逐一排除分析和相关系数敏感性分析。
结果
共有15个研究内部配对比较符合纳入标准，分布于三个汇总组中。汇总组2（SSR与SNP比较，He，k = 5）的合并 Hedges’ g 为0.494（95% CI：−0.078至1.066，p = 0.075；I² = 90.2%；95% PI：[−0.82，1.81]）。在5项研究中的4项研究里，SSR在 He 指标上的表现高于SNP；逐一排除分析显示，去除面板规模不对称的离群研究后，效应估计值升高至 g = 0.644（p = 0.025）。汇总组3a（显性标记层，k = 6）的 g 为0.419（95% CI：−0.121至0.960，p = 0.103；I² = 56.5%）；6个比较中的5个显示，在单位位点 PIC 方面，SSR或AFLP高于RAPD。汇总组1（PIC，k = 3，探索性分析）呈现一致的方向（g = 0.453）。三个汇总组均指向同一结论：与所比较的替代标记相比，共显性标记或AFLP标记具有更高的单位位点信息量。
结论
在植物研究内部配对比较中，SSR标记报告的单位位点多样性高于SNP和RAPD标记；这一结果在机制上可由SNP的二等位基因上限以及SSR的多等位基因丰富性加以解释。在自交或低多样性面板中，以及在SNP面板超过约1,000个位点时的面板整体层面，该效应会减弱或反转。在四类标记中，RAPD的单位位点信息量最低。
1. 背景
遗传多样性评估是种质资源表征、育种决策、异地保存、标记辅助选择、关联作图等工作的基础，
以及植物品种的知识产权保护。四类分子标记主导了实证植物多样性研究：AFLP（多位点显性指纹标记）、SSR（共显性串联重复微卫星标记）、SNP（共显性单碱基替换标记）和RAPD（由短随机引物产生的多位点显性任意片段标记）。过去十年间，高通量SNP基因分型的成本下降了约三个数量级[
1
]；与此同时，基于SSR、AFLP和RAPD的研究仍持续应用于低预算研究和种质资源保存情境[
2
–
4
]。因此，育种者和基因库保藏人员经常面临标记选择问题，而近期关于不同平台比较的综述尚未充分解决这一问题[
5
]。
这四类标记在通量、成本以及经典多样性指标的数学可比性方面存在差异。SNP本质上是双等位基因标记，其单个位点的PIC和He上限为0.5（在次要等位基因频率为0.5时达到）；它们通过提高标记密度来弥补这一局限[
1
]。SSR由于串联重复序列的长度变异而具有多等位基因特征，在高度多态性位点上，其单个位点PIC可接近0.9[
6
,
7
]。AFLP属于多位点显性指纹标记；根据条带是否存在，无法区分杂合子与显性纯合子，因此He是在哈代–温伯格平衡（HWE）假设下进行估算的，而非直接测得[
8
,
9
]。RAPD与AFLP一样采用显性标记假设，但其是在低严格度PCR条件下使用短随机引物产生的，因此还会带来额外的重复性问题[
6
,
9
]。这些差异具有决定性意义，而非仅仅是表现形式上的差别，并且塑造了下文所述的分析策略。
尽管已有大量一手文献发表，但尚无已发表的荟萃分析对SNP、SSR、AFLP和RAPD在PIC方面的性能进行定量汇总，
He，以及不同植物间的分辨能力。Reisch 和 Bernhardt-Römermann [
8
] 对 152 种植物中基于 AFLP 的多样性进行了荟萃分析，但未涉及不同标记之间的比较。Chikasha 等 [
10
] 在综述非洲普通菜豆多样性时明确指出，在其研究范围内，不同标记类别之间无法进行直接的定量比较。单物种比较研究（Varshney 等 [
11
] 对大麦的研究；Yang 等 [
12
] 对玉米的研究；Singh 等 [
13
] 对水稻的研究；Olufemi 等 [
14
] 对克氏落花生的研究；Hussein 等 [
15
] 对芒果的研究；Filippi 等 [
16
] 对向日葵的研究；以及其他研究）提供了本研究所汇总的研究内配对对比结果，但每项研究均为单项研究，且此前尚未在不同分类群之间进行定量综合。
在采用同一组材料进行基因分型的植物分类群中，SNP、SSR、AFLP 和 RAPD 标记之间，研究内配对差异的平均值分别是多少：（i）PIC；（ii）He（仅限共显性比较，因为 AFLP 和 RAPD 存在显性标记假设）；以及（iii）每个标记的分辨能力；哪些调节变量解释了异质性？预先设定了四项假设：（H1） 由于 SNP 的双等位基因上限 [
1
] 以及 RAPD 的测量方差 [
9
]，SSR 的 PIC 高于 SNP 的 PIC，且每个位点的 SSR PIC 高于 RAPD PIC；（H2） 每个位点的 SSR He 高于 SNP He，且在异交型分类群中差异幅度更大 [
7
]；（H3） 按每个位点计算，AFLP 的分辨能力最高，SSR 居中，SNP 和 RAPD 最低；但由于标记数量不对称，在累积面板层面，SNP 的总体分辨能力更高 [
1
,
17
]；以及 （H4） SSR 与其他标记类别之间的差距受到倍性、繁育系统、标记来源和面板规模比的调节。
2. 方法
完整的注册方案及所有 PICOS 细节、规范的布尔检索式、 the
12项定制化偏倚风险评估量表、分层缺失方差处理程序以及完整的数据提取模板已存档于开放科学框架（Open Science Framework，OSF）[
https://doi.org/10.17605/OSF.IO/Q6S3V
]。本综合分析遵循PRISMA 2020报告规范[
18
]。以下精简版方法部分描述了理解结果所必需的要素。
2.1 检索策略与纳入标准
第一阶段系统检索于2026年5月6日针对Consensus.app同行评议文献库实施。根据方案修订（修订案2；见第2.4节），于2026年5月7日针对采用RAPD配对研究开展了三次额外的定向检索。注册方案承诺，在完整数据提取锁定前，随后将在PubMed、Web of Science Core Collection、Scopus、Google Scholar、CAB Abstracts和AGRIS中开展一次完整的系统检索。时间范围：2000年1月至检索执行日期。语言：英语。出版物类型：同行评议的原始研究论文和系统综述；排除预印本、学位论文和会议摘要。
符合纳入标准的研究需满足以下条件：（i）报告植物类群中遗传多样性的实证测量结果；（ii）使用四类目标标记（SNP、SSR、AFLP、RAPD）中的至少两类，对同一组种质材料/个体进行基因分型；（iii）以数值形式报告至少两类标记的平均PIC、He或单标记分辨力，使得能够计算研究内配对差异。每类标记的最小检测面板规模为：5个SSR位点、50个SNP位点、3组AFLP引物组合或5条RAPD引物；最小样本量为15份种质材料/个体/种群。排除单标记描述性研究、仅涉及动物或微生物的研究、缺乏实证基因分型的理论/模拟研究，以及其标记分类为
含糊不清的研究予以排除。涉及 ISSR、RFLP、DArT、SCoT、CDDP 或 CBDP 的研究，仅当同一研究样本中还报告了 {SNP、SSR、AFLP、RAPD} 中至少两种标记时，方符合纳入条件。
2.2 数据提取与效应量计算
原始标记比较文献未能一致报告每个位点的标准差。缺失方差按以下分层程序处理：（1）有补充表格时，据此重新计算位点间标准差；（2）根据中位数和极差采用 Hozo–Wan 法估算 [19, 20]；（3）联系作者（等待回复两周）；（4）若前述步骤均未能获得数据，则对所有标记类别统一采用伯努利方差近似 SD ≈ √[m(1−m)]；（5）仅对无法恢复数据的研究使用符号检验。伯努利近似用于所有 A 级研究；针对假定的研究内相关系数 r，在 r ∈ {0, 0.25, 0.5, 0.75} 范围内检验结果的敏感性。
效应量为各研究内不同标记类别间多样性指标的配对标准化均差（Hedges’ g），并采用小样本校正 J(df) [21]。配对 g 的方差按标记类别间相关系数 r = 0.5 的保守假设计算。
2.3 统计分析
采用 R 4.x 中的 metafor 5.0.1 [22] 实施随机效应荟萃分析，以限制性最大似然法（REML）估计 τ²，并采用 Knapp–Hartung 标准误调整 [23]。共设定三个分析集合：集合 1（SSR 与 SNP 的 PIC 比较）、集合 2（SSR 与 SNP 的 He 比较，主要分析）以及集合 3（显性标记分层，包含 SSR 与 RAPD、AFLP 与 RAPD 的 PIC 对比）。由于显性标记分析涉及 Hardy–Weinberg 平衡（HWE）假设（见第 2.1 节），RAPD 得出的 He 和 AFLP 得出的 He 不与共显性标记的 He 合并分析。异质性以 τ²、I²、Cochran’s Q 和 95% 预测区间报告。敏感性分析包括。
逐一剔除法及假定 r 值的变动。采用漏斗图和 Egger 回归评估发表偏倚，并明确指出，当 k < 10 时，该检验的统计功效严重不足 [24]。预先设定的亚组分析（分类群、生活型、交配系统、倍性、标记来源）及针对连续调节变量（标记面板规模比、发表年份）的元回归，要求每个调节变量水平的 k ≥ 10，因此推迟至完整数据提取锁定后进行。
2.4 方案修订
修订 1：合并组 2 的筛选纠正。最初的第 2 阶段合并组因筛选错误纳入了一项 SSR 与 AFLP 比较研究；现已根据注册方案纠正为仅纳入 SSR 与 SNP 的比较研究。k 从 6 降至 5；合并效应量 g 从 0.40 升至 0.49。修订 2：将 RAPD 增列为第四类标记。通过 Consensus 额外开展的三次定向检索获得了六项新的 RAPD 配对比较；纳入标准相应修订为允许纳入在同一样本面板上使用 {SNP、SSR、AFLP、RAPD} 中两种或两种以上标记的研究。新增合并组 3（显性标记层），作为与合并组 1 和合并组 2 并行的合并组。主要 He 合并组（合并组 2）未受修订 2 影响，因为基于 RAPD 得到的 He 不能与基于共显性标记得到的 He 合并。两项修订均已记录于 OSF 修订登记表中。
2.5 预注册与可重复性
本方案在全文筛选完成前已于开放科学框架（Open Science Framework，OSF）注册 [https://doi.org/10.17605/OSF.IO/Q6S3V]。R 分析脚本、已锁定的 A 级数据提取 CSV 文件、完整分析日志、偏倚风险（RoB）评估标准模板及图形生成脚本也已存储于开放科学框架。OSF 项目托管了研究方案、筛选日志、评估者间信度计算及修订日志。未使用 PROSPERO，因为 PROSPERO 仅接受健康相关综述。
- 结果
3.1 检索结果与已锁定的 A 级数据集
第 1 阶段的
通过七组布尔检索式在 Consensus.app 上检索，获得了约80条不重复的候选记录；针对 RAPD 的补充检索（修订案2）另获得60条不重复的候选记录。对合并检索结果进行初步题名/摘要筛选后，认定100条记录可能符合纳入条件。其中15项研究完成了 A 级锁定数据提取，可从同一种质材料群体中提取至少两类标记的 PIC 和/或 He 数值。图1中的 PRISMA 2020 流程图展示了通过 Consensus 应用识别的记录。去重后，通过题名/摘要筛选排除了不符合纳入条件的记录（动物/微生物研究、单一标记设计、非目标标记研究及非实证研究）。在约50篇接受资格评估的报告中，15篇完成了 A 级锁定数据提取，分属三个研究池（研究池1：SSR 与 SNP 的 PIC 比较，k = 3；研究池2：SSR 与 SNP 的 He 比较，k = 5；研究池3：显性标记分层，k = 6）；约25篇尚待开展 B 级全文获取。预计在完整数据提取锁定时，最终符合纳入条件的研究总数为 k = 25–60。
下载图片
在新标签页中打开
图1.
系统文献检索及第二阶段研究筛选的 PRISMA 2020 流程图。
表1列出了15项 A 级研究的分类学、研究设计及结局指标特征。锁定数据集包括6项 SSR 与 SNP 的比较、3项 SSR 与 AFLP 的比较、5项 SSR 与 RAPD 的比较（包括 Olufemi 等人[14]针对克斯廷地豆开展的研究），以及1项 AFLP 与 RAPD 的比较，涵盖9个植物科、3种生活型、3种繁殖系统和2种倍性状态，各项研究的样本量为10至2,273份种质材料。研究池1（SSR 与 SNP，PIC）纳入3项研究；研究池2（SSR 与 SNP，He，主要分析）纳入5项研究；研究池3（显性标记分层）纳入6项研究。
查看此内容
表：
内嵌查看
弹窗查看
下载 PowerPoint
表1.
已锁定的 A 级研究（k = 15 个研究内对比）。
3.2 合并组2——SSR 与 SNP：期望杂合度（主要分析）
表2汇总了合并组2中五个对比的各研究 He 值及计算所得的 Hedges’ g；SSR 的 He 值（范围为 0.42–0.81）均超过 SNP 的双等位基因上限，而五项研究中有四项的 SNP He 值（范围为 0.29–0.49）处于或低于该上限。校正后的主要合并分析（k = 5 个 SSR 与 SNP 对比）采用限制性最大似然法（REML）估计并进行 Knapp–Hartung 调整，得到合并配对 Hedges’ g 为 0.494（95% CI：−0.078 至 1.066），p = 0.075。异质性很高：τ² = 0.181，I² = 90.2%，Cochran’s Q = 30.61（df = 4，p < 0.001）。95% 预测区间为 −0.82 至 1.81。五项研究中有四项（Yang 等人[12]、Emanuelli 等人[25]、Filippi 等人[16]、Dominguez-Garcia 等人[26]；均为异交类群）报告 SSR 标记的 He 高于 SNP 标记，研究层面的 g 值介于 0.43 至 1.06。第五个对比（Choudhury 等人[27]，自交水稻地方品种）报告 SNP 略具优势（g = −0.14）。
查看此表：
内嵌查看
弹窗查看
表2.
合并组2（SSR 与 SNP，He，k = 5）——研究层面及合并效应量。
图2的森林图显示，正 g 值表示 SSR 标记的 He 更高。合并估计采用随机效应 REML 模型计算，并进行 Knapp–Hartung 调整（g = 0.494；95% CI：−0.078 至 1.066；p = 0.075）。异质性：τ² = 0.181；I² = 90.2%；Q(4) = 30.61，p < 0.001。95% 预测区间为 −0.82 至 1.81。五个对比中有四个（异交类群）支持 SSR；Choudhury 等人[27]（水稻地方品种，30 个 SSR 与 32 782 个 SNP）显示 SNP 略具优势，这可归因于标记面板规模的极端不对称。逐一剔除分析中剔除 Choudhury 等人
等人[27]使合并估计值升至 g = 0.644（95% CI：0.154 至 1.134，p = 0.025）。
下载图片
在新标签页中打开
图2.
五个已锁定的 A 级研究内配对比较中，SSR 与 SNP 标记预期杂合度（He）标准化均数差（Hedges’ g）的森林图（合并组2，主要分析；k = 5）。
逐一剔除敏感性分析证实，Choudhury 等人[27]的研究是影响最大的一项研究；剔除该研究后，合并估计值升至 g = 0.644（95% CI：0.154 至 1.134，p = 0.025），异质性降至 I² = 75.9%。Choudhury 等人[27]的研究是唯一一项标记数量极度不均衡的 A 级研究（30 个 SSR 标记对比 32 782 个 SNP 标记）。
合并组2的漏斗图诊断见图3。针对漏斗图不对称性的 Egger 回归检验结果为 t = 1.52，df = 3，p = 0.20。当 k < 10 时，该检验的统计功效严重不足[24]；目视检查未发现明显的不对称性，此处报告仅为确保研究方案报告的完整性。完整的发表偏倚诊断将推迟至全部数据提取锁定后进行。
下载图片
在新标签页中打开
图3.
校正后的主要合并组（合并组2，He，SSR 对比 SNP，k = 5）的效应量与标准误漏斗图。针对漏斗图不对称性的 Egger 回归结果：t = 1.52，df = 4，p = 0.20。
3.3 合并组3——显性标记分层（修订案2）
表3报告了各研究中两类标记的多态信息含量（PIC）值及计算所得的 Hedges’ g；在六项比较中，有五项的 SSR 或 AFLP 的 PIC 高于 RAPD 的 PIC，其中研究内差值最大的是紫檀（Pterocarpus santalinus），为 0.636 个 PIC 单位（Saxena 等人[29]），差值最小的是芝麻（Sesamum indicum），为 0.008 个 PIC 单位（Dar 等人[28]）。合并组3a（完整的显性标记分层，k = 6）包含五项 SSR 与 RAPD 的比较（Olufemi 等人[14]在 Kersting’s
花生；Hussein 等人[15]对芒果的研究；Dar 等人[28]对芝麻的研究；Saxena 等人[29]对檀香紫檀的研究；Joshi 等人[30]对穇子的研究），以及一项 AFLP 与 RAPD 的比较（Radwan 等人[31]对类玉米的研究）。采用限制性最大似然法（REML）估计并进行 Knapp–Hartung 校正后，该合并分析得到的配对 Hedges’ g 合并值为 0.419（95% CI：−0.121 至 0.960，p = 0.103）。异质性为中等程度：τ² = 0.130，I² = 56.5%，Cochran’s Q = 12.01（df = 5，p = 0.035）。95% 预测区间为 −0.65 至 1.49。六项比较中有五项显示，SSR 或 AFLP 的每位点多态性信息含量（PIC）高于 RAPD；研究层面的 g 值介于 0.02（Dar 等人[28]，芝麻，效应接近于零）与 1.47（Saxena 等人[29]，檀香紫檀）之间。
查看此表：
内嵌查看
弹窗查看
下载 PowerPoint
表 3.
合并分析 3a（显性标记层，k = 6）——研究层面效应量及合并效应量。
图 4 展示了合并分析 3a 的森林图。菱形位于无效线右侧，各单项研究较宽的置信区间反映了中等程度的异质性（I² = 56.5%）。六项比较中有五项的效应方向一致（SSR 或 AFLP > RAPD），其中 Saxena 等人[29]的研究（檀香紫檀，Pterocarpus santalinus，g = 1.47）具有最大的单项效应，位置也最靠右；Olufemi 等人[14]的研究（Kersting 地豆）则代表了导师实验室贡献的数据。唯一一项 AFLP 与 RAPD 的比较（Radwan 等人[31]）与 SSR 与 RAPD 的比较一并纳入，因为二者均属于共显性标记或 AFLP 与显性 RAPD 标记之间的比较。将合并分析 3b 仅限于 SSR 与 RAPD 的比较（k = 5）时，得到 g = 0.477（95% CI：−0.218 至 1.172）。
下载图片
在新标签页中打开
图 4.
共显性标记或 AFLP 标记与 RAPD 标记之间多态性信息含量（PIC）标准化均数差（Hedges’ g）的森林图，涵盖
显性标记分层（合并分析3a；k = 6，修订案2）。
合并分析3b仅纳入SSR与RAPD的比较（k = 5），排除了AFLP与RAPD的比较。合并效应量估计为g = 0.477（95% CI：−0.218至1.172，p = 0.130；τ² = 0.175；I² = 64.5%；95% PI [−0.88, 1.83]）。合并分析3b的逐一剔除敏感性分析表明，Saxena等人[29]的研究（檀香紫檀，g = 1.47）影响最大；剔除该研究后，合并效应量估计降至g = 0.320（I² = 51.8%），但效应方向未发生逆转。这与合并分析2中Choudhury等人[27]的情况形成对比，后者这一高影响研究导致了效应方向逆转。因此，合并分析3的效应方向稳健，但效应大小较为敏感——这一模式具有方法学启示意义。
合并分析3a的漏斗图不对称性检验结果为t = 0.470，df = 4，p = 0.663——未检出不对称性，但在k < 10时，该检验的统计功效严重不足[24]，此处仅为完整遵循研究方案而报告。
3.4 合并分析1——SSR与SNP的多态性信息含量比较（探索性）
三项研究（Singh等人[13]、Yang等人[12]、Dominguez-Garcia等人[26]）报告了同一种质材料群体中SSR和SNP标记的平均多态性信息含量（PIC）。合并配对Hedges’ g为0.453（95% CI：−0.644至1.551，p = 0.217），τ² = 0.129，I² = 80.8%。由于k = 3，合并分析1仅作为探索性结果报告；其效应方向（3项研究均为SSR > SNP）与合并分析2一致，并在定性层面支持H1。合并分析1的森林图见图5。合并g = 0.453（95% CI：−0.644至1.551；p = 0.217）。研究数量低于验证性推断通常要求的最低数量k = 10，其效应方向（3项研究均为SSR > SNP）与合并分析2一致，并在定性层面支持H1。
图5显示，三项研究各自的置信区间均跨越零，
但菱形明显偏向无效线右侧，与在这一较小的 k 值下从定性上支持 H1 的方向性信号一致。
图5.
三个预先锁定的 Tier-A 级研究内配对比较中，SSR 与 SNP 标记的多态性信息含量（PIC）标准化均数差（Hedges’ g）森林图（汇总组1，探索性；k = 3）。
3.5 跨汇总组综合
三个汇总组一致指向同一结论：共显性标记或 AFLP 标记的单个位点信息量高于相应的比较标记。SSR 标记的单个位点预期杂合度（He）比 SNP 标记高约半个标准差（汇总组2，g = 0.494；留一法分析后的汇总组2a，g = 0.644）。SSR 和 AFLP 标记的单个位点 PIC 高于 RAPD 标记，差异幅度大致相同（汇总组3a，g = 0.419）。探索性 PIC 汇总组的结果方向一致（汇总组1，g = 0.453）。按照 Cohen 的惯例，这三个合并估计值均处于中等效应范围，且符号一致。
表4并列呈现了五种汇总组变体，形成统一的汇总组概览；所有合并效应量均处于中等范围（Cohen’s g 介于 0.42 至 0.64 之间），且符号相同，为 H1 和 H2 提供了跨汇总组的一致性支持，而任何单一汇总组均无法独立提供这种支持。
查看此表：
内嵌查看
弹窗查看
下载 PowerPoint
表4.
第二阶段合并估计值，预先锁定的 Tier-A 级数据集。
- 讨论
4.1 主要发现
本研究是最早对植物遗传多样性研究中 SNP、SSR、AFLP 和 RAPD 标记的研究内配对比较进行定量元分析综合的研究之一。预先锁定的 Tier-A 级数据集包含十五项研究内比较，支持四项发现。首先，在五项比较中的四项中，SSR 标记测得的单个位点预期杂合度高于 SNP 标记
配对比较，合并配对 Hedges’ g 为 0.494（95% CI：−0.078 至 1.066）。第二，该结果对一项具有较大影响的研究较为敏感（Choudhury 等人 [27]，标记面板规模不对称）；剔除该研究后，合并效应量估计值升至 g = 0.644（p = 0.025）。第三，在每位点多态信息含量（PIC）方面，SSR 和 AFLP 标记优于 RAPD 标记；在显性标记层的六项对比中，合并配对 g 为 0.419（95% CI：−0.121 至 0.960），其中五项对比的效应方向一致。第四，在四类标记构成的比较空间中，三个合并分析组的结果均指向同一方向——共显性标记或 AFLP 标记的每位点信息量高于相应的比较对象。三个独立构建的合并分析组所呈现的一致方向，使 H1 和 H2 获得了超出任何单一合并分析组所能提供的推断支持。
4.2 机制解释
合并效应具有明确的机制解释。SNP 标记本质上是双等位基因标记，其每位点 PIC 和期望杂合度（He）的上限均为 0.50；SSR 标记具有多等位基因特征，高度多态性位点的每位点 PIC 可接近 0.9——这解释了合并分析组 2 中 SSR 相较于 SNP 的每位点优势。RAPD 标记具有显性和多位点特征，但该检测方法依赖于低严谨度 PCR 条件下的短随机引物，因而引入了独立于生物学信号的测量变异 [6, 9]；因此，RAPD 的每位点信息量系统性地低于共显性 SSR 标记及可比的 AFLP 指纹标记，这与合并分析组 3 的结果一致。综合分析得出的排序为：SSR ≥ AFLP > SNP（每位点）≈ RAPD。这一排序符合生物学和方法学预期，并在本研究中得到了量化。
合并分析组 2 中的四项异交对比体现了双等位基因上限模式。在葡萄（Vitis vinifera）中（Emanuelli 等人 [25]），SSR 的 He 为 0.81，远高于
高于 SNP 双等位基因的理论上限 0.50，而 SNP 的 He 为 0.34，低于该上限；由此得到的 Hedges’ g 为 1.06，是第 2 组中的最大值。在向日葵（Helianthus annuus）、油橄榄（Olea europaea）和玉米（Zea mays）中，SSR 的 He 值（0.52、0.81、0.65）从接近到显著高于 SNP 的理论上限，而 SNP 的 He 值（0.29、0.37、0.44）均低于该上限。第 3 组中与 RAPD 的比较呈现出类似模式：在檀香紫檀（Pterocarpus santalinus）中（Saxena 等 [29]），SSR 的 PIC 为 0.84，RAPD 的 PIC 为 0.20，产生了最大的研究层面效应量（g = 1.47）；在芒果（Mangifera indica）中（Hussein 等 [15]），SSR 的 PIC 为 0.735，RAPD 的 PIC 为 0.378，得到的 g 为 0.75。
4.3 边界条件
不得对合并估计值进行过度外推。以下四项边界条件决定了单个位点优势何时适用、何时不适用。（i）基础遗传多样性：在遗传多样性较高的材料群体中（SSR 接近其多等位基因潜力），差距最大；而在遗传基础狭窄的优良育种品系或自交／近交物种中，差距则有所减小。（ii）标记组合规模不对称：按单个位点计算的合并 g 值并不量化整个标记组合的累积区分能力，后者有利于大型 SNP 标记组合（[27]；van Inghelandt [17] 报告，要获得相当的标记组合层面区分能力，SNP 与 SSR 的数量比为 7–11∶1）。（iii）交配系统：在第 2 组中，四项异交比较均报告 SSR 的 He 高于 SNP，而唯一一项自交比较的方向相反；第 3 组混合了自交和异交类群，但均呈现 SSR/AFLP > RAPD 的一致方向，表明显性标记比较对交配系统的敏感性低于共显性标记比较。（iv）标记来源：据推测，当 SSR 和 SNP 均来源于转录区域时，两者之间的差距会缩小 [32]；但该数据集规模过小，无法进行正式的分层分析。
4.4 与现有研究的比较
文献
锁定后的研究结果与现有综述[6, 9]的定性共识一致，也与迄今仅进行叙述性总结、尚未开展定量合并的单物种比较研究一致。Reisch和Bernhardt-Römermann[8]的研究是此前与本研究最接近的植物标记荟萃分析，但其综合分析仅限于AFLP。Chikasha等[10]明确指出，在其研究范围内，直接开展定量比较并不可行。本综合分析具有三项独特贡献：（i）首次计算了跨植物分类群的标记类别比较中研究内配对Hedges’ g的合并效应量；（ii）通过显性标记分层将RAPD纳入比较，填补了长期存在的空白；（iii）将标记面板规模比导致的效应方向反转（Choudhury等[27]）以及向上拉高效应量的离群值模式（Saxena等[29]）识别为具有方法学启示的案例，可为数据完全锁定后的调节变量分析提供指导。
4.5 对标记选择的启示
研究结果支持采用因情境而调整的决策框架，而非提出一刀切的标记推荐。在单个位点的多样性量化方面，对于基础遗传多样性较高的异交类群，SSR更具优势；而对于自交或低多样性类群，在具备芯片或基因分型测序（GBS）平台的情况下，则优先选用SNP。在群体结构推断方面，包含1 000个或更多位点的SNP面板优于规模较小的SSR面板[17, 27]。对于遗传基础狭窄的种质，使用SSR开展系谱分析、亲子鉴定及种质指纹鉴定，仍可在成本适中的情况下保持较高效率（Emanuelli等[25]：对于He = 0.81的葡萄种质，22个SSR即已足够）。对于缺乏参考基因组的孤儿物种，AFLP标记在种质指纹鉴定中仍具有单次反应通量优势（Rawat等[33]对长叶松（Pinus roxburghii）的研究：
AFLP Rp = 8.099；Bamigbegbehin 等[4]在青葙（Celosia argentea）中的研究）。显性标记系统在西非及热带植物遗传学研究中仍持续发挥作用——例如，基于 RAPD 的苦可乐（Garcinia kola）[3]和 Cucumeropsis mannii [34]指纹分析，以及基于 SSR 的芒果（Mangifera indica）[35]指纹分析和纳入合并组 3 的克斯廷地豆数据[14]——这证实了该框架所作的区分：高密度 SNP 研究适用于研究资源充足的分类群，而显性标记指纹分析则对缺乏参考基因组的孤儿物种有效。
4.6 局限性
本研究明确指出五项局限性。首先，各合并组的研究数量均低于验证性随机效应推断通常采用的 k = 10 阈值；因此，结果作为第 2 阶段的初步结果呈现，注册方案中已承诺通过完整数据提取，将比较数量扩展至 k = 25–60。然而，三个合并组的效应方向一致，提供了任何单一合并组均无法提供的跨组推断支持。其次，原始文献对各位点标准差的报告不一致；本研究采用了伯努利方差近似，并通过敏感性分析确认了结果的稳健性。第三，在第二位审查者尚未确定期间，A 级检索由单名审查者完成；将在全部数据最终锁定时重新筛查，并计算 Cohen’s κ。第四，两项具有较大影响的研究（合并组 2 中 Choudhury 等[27]的研究；合并组 3 中 Saxena 等[29]的研究）主导了处于显著性边界的结果；两项研究的效应方向均稳健，而且这些高影响案例具有方法学启示意义，并非数据质量问题造成的假象。第五，由于原始文献未一致报告每份样本的成本，本综合研究无法进行成本效益推断。其他显性标记系统（ISSR、RAPD 衍生的 He、RFLP、DArT、SCoT、
CDDP、CBDP）以及新兴的 SNP 平台（DArTseq SNP：Odesola 等人［36］在班巴拉花生中的应用）未纳入本次合并分析，但各自均值得开展单独的综合分析。
4.7 结论
本项已锁定的 A 级综合分析首次提供了定量荟萃分析证据，表明在植物研究内部的配对比较中，按单个位点计，SSR 标记测得的多样性高于 SNP 标记，而 SSR 或 AFLP 标记测得的多态性信息含量（PIC）高于 RAPD 标记。合并效应量（主要合并分析中 g ≈ 0.42～0.49，逐一剔除分析后升至 0.64）的机制基础在于 SNP 的双等位基因上限、SSR 的多等位基因丰富度，以及 RAPD 的测量方差特性。本综合分析为植物多样性研究中的标记选择提供了一个经过校准的条件性决策框架。未来工作将扩大数据集，使每个合并分析组达到验证性分析所需的 k ≥ 10，纳入 DArTseq SNP 及其他新兴平台，并按照研究方案预先指定的调节变量——繁育系统、样本群体大小比和标记来源——进行分层分析。
声明
伦理批准与参与同意
不适用。本研究是对已发表数据的二次分析，不涉及新的动物、人体或植物材料。
发表同意
不适用。
数据与材料的可获取性
所有提取的效应量数据、R 分析脚本、分析日志、绘图脚本及偏倚风险评估标准模板均已存储于开放科学框架，并附有可引用的 DOI。开放科学框架（OSF）项目页面还提供了已注册的研究方案、筛选日志、评定者间信度计算结果及修订日志［https://doi.org/10.17605/OSF.IO/Q6S3V］。
利益冲突
作者声明不存在任何
可能影响本研究实施或报告的财务或非财务利益冲突，包括与标记平台供应商或商业实体之间的关系。
经费支持
本研究未获得专项外部经费资助。机构支持、实验室设施及数据集访问权限由尼日利亚伊巴丹大学植物遗传学与分子生物学系 Olawuyi 实验室提供。
作者贡献
Yemisi O. Olagunju：概念构思；研究方法；数据整理；正式分析；研究实施；文献检索；可视化；写作：初稿撰写；项目管理；审阅者1。
Odunayo J. Olawuyi：监督指导；验证；资源提供；研究方法；数据提供；写作：审阅与编辑；审阅者2。
Olawuyi 实验室提供了 Olufemi 等人[14]关于地果豆（Macrotyloma geocarpum）的数据集，该数据集作为研究 S10 纳入显性标记分层。这一贡献通过数据提供、资源提供和方法学支持等角色予以确认。
所有作者均已阅读并批准最终稿件。
致谢
作者感谢原始数据集的贡献者，他们使本次综合研究得以开展。我们感谢尼日利亚伊巴丹大学 Olawuyi 实验室提供地果豆 SSR-RAPD-SCoT 比较数据（Olufemi 等人[14]），这些数据被纳入显性标记分层。
参考文献
1.
↵
Sahoo S, Adhikari S, Joshi A, Singh NK.
用于植物遗传多样性评估与育种应用的分子标记技术最新进展：综合综述.
Front Plant Sci.
2025;16:1757949.
OpenUrl
PubMed
2.
↵
Olawuyi OJ, Onuoha SO.
在处理组合中对苋属（Amaranthus Linn.）基因型的遗传评估
利用简单序列重复（SSR）标记研究明球囊霉（Glomus clarum）和银合欢（Leucaena leucocephala Lam.）。《分子植物育种》。2017；8（7）：65–79。
OpenUrl
3.
↵ Olawuyi OJ，Azeez AA。利用随机扩增多态性DNA（RAPD）标记对苦可乐树（Garcinia kola Heckel）种质材料进行分子评价。《美国分子生物学杂志》。2019；9（2）：41–51。
OpenUrl
4.
↵ Bamigbegbehin BJ，Olawuyi OJ，Jonathan SG。利用扩增片段长度多态性（AFLP）标记分析青葙（Celosia argentea L.，拉各斯菠菜）的分子变异。《分子植物育种》。2016；7（26）：1–6。
OpenUrl
5.
↵ Kumar S，等。利用分子标记解析野生物种和作物物种遗传多样性以促进资源保护与粮食安全的最新进展。《Discover Plants》。2026；3：592。
OpenUrl
6.
↵ Grover A，Sharma PC。分子标记的开发与应用：过去与现在。《生物技术评论》。2016；36：290–302。
OpenUrl
CrossRef
PubMed
7.
↵ Bringhurst B，Allaby R。比较SSR与SNP标记在可可（Theobroma cacao L.）群体分析中的表现：作为验证可可基因分型新型双酶切限制性位点相关DNA测序（ddRADseq）方案的替代方法。《PLoS One》。2024；19（5）：e0303205。
OpenUrl
PubMed
8.
↵ Reisch C，Bernhardt-Römermann M。研究设计与生活史性状对基于AFLP测定的植物遗传变异的影响。《植物生态学》。2014；215：1493–1511。
OpenUrl
9.
↵ Amiteye S。植物分子育种中DNA标记系统的基本概念与方法。《Heliyon》。2021；7：e08093。
OpenUrl
10.
↵ Chikasha TE，等。非洲普通菜豆种质资源的遗传多样性：已报道分子研究的系统综述。《Genes》。2026；待刊。
11.
↵ Varshney RK，Chabane K，Hendre PS，Aggarwal RK，Graner A。EST-SSR、EST-SNP与AFLP标记在遗传多样性评价中的比较评估
以及利用野生、栽培和优良大麦进行遗传资源保护. Plant Sci. 2007;173:638–49.
打开链接
- ↵ Yang X, Xu Y, Shah T, Li H, Han Z, Li J, Yan J. SSR和SNP在玉米遗传亲缘关系评估中的比较. Genetica. 2011;139:1045–54.
打开链接 CrossRef PubMed
- ↵ Singh N, 等. SSR和SNP标记在印度水稻品种遗传多样性和群体结构估计中的比较. PLoS ONE. 2013;8:e84136.
打开链接 CrossRef PubMed
- ↵ Olufemi SO, Odesola KA, Olawuyi OJ. 基于SSR、SCoT和RAPD标记的选定地豆种质材料间的遗传多样性. Ife J Agric. 2024;36(1):46–62.
打开链接
- ↵ Hussein MAA, 等. SSR和RAPD标记在部分芒果栽培品种遗传多样性评估中的比较. PeerJ. 2023;11:e15740.
打开链接 PubMed
- ↵ Filippi CV, 等. 利用SSR和SNP标记表征向日葵关联作图群体的群体结构和遗传多样性. BMC Plant Biol. 2015;15:52.
打开链接 PubMed
- ↵ van Inghelandt D, Melchinger AE, Lebreton C, Stich B. 利用SSR和SNP标记评估商业玉米育种项目中的群体结构和遗传多样性. Theor Appl Genet. 2010;120:1289–99.
打开链接 PubMed
- ↵ Page MJ, McKenzie JE, Bossuyt PM, 等. PRISMA 2020声明：系统综述报告指南的更新. BMJ. 2021;372:n71.
打开链接 免费全文
- ↵ Hozo SP, Djulbegovic B, Hozo I. 根据中位数、极差和样本量估计均值与方差. BMC Med Res Methodol. 2005;5:13.
打开链接 CrossRef PubMed
- ↵ Wan X, Wang W, Liu J, Tong T. 根据……估计样本均值和标准差
样本量、中位数、极差和/或四分位距。《BMC医学研究方法学》。2014；14：135。
打开链接
CrossRef
PubMed
21.
↵
Borenstein M，Hedges LV，Higgins JPT，Rothstein HR。Meta分析导论。奇切斯特：Wiley出版社；2009。
22.
↵
Viechtbauer W。使用R语言的metafor包进行Meta分析。《统计软件杂志》。2010；36：1–48。
打开链接
CrossRef
PubMed
23.
↵
Knapp G，Hartung J。具有单一协变量的随机效应Meta回归的改进检验。《医学统计学》。2003；22：2693–710。
打开链接
CrossRef
PubMed
Web of Science
24.
↵
Sterne JAC，Sutton AJ，Ioannidis JPA，等。关于检验和解释随机对照试验Meta分析中漏斗图不对称性的建议。《英国医学杂志》。2011；343：d4002。
打开链接
免费全文
25.
↵
Emanuelli F，等。利用SSR和SNP标记评估大型葡萄种质资源集合的遗传多样性和群体结构。《BMC植物生物学》。2013；13：39。
打开链接
CrossRef
PubMed
26.
↵
Dominguez-Garcia MC，等。利用分子标记对阿尔及利亚东北部橄榄栽培品种进行特征分析与鉴定。《园艺科学与生物技术杂志》。2012；87：95–101。
打开链接
27.
↵
Choudhury PR，等。利用SSR和SNP标记对不同水稻地方品种的遗传多样性进行比较分析。《农业》。2023；13（4）：872。
打开链接
28.
↵
Dar AA，等。利用RAPD和SSR标记对芝麻（Sesamum indicum L.）遗传多样性进行比较评估。《3 Biotech》。2017；7（1）：10。
打开链接
29.
↵
Saxena P，等。利用跨物种SSR、ISSR和RAPD标记分析紫檀（Pterocarpus santalinus L.f.）种质资源集合的遗传多样性。《南非植物学杂志》。2024；164：233–44。
打开链接
30.
↵
Joshi B，等。穇子的遗传多样性
RAPD和SSR标记揭示的地方品种。
《印度遗传学与植物育种杂志》。
2020；80（3）：305–14。
打开链接
31.
Radwan K，等。
基于RAPD和AFLP标记的部分埃及墨西哥类蜀黍（Zea mexicana）基因型的遗传变异。
《埃及植物学杂志》。
2021；61（2）：589–602。
打开链接
32.
Gramazio P，等。
转录组来源的简单序列重复（SSR）标记与单核苷酸多态性（SNP）标记在茄子遗传指纹分析、多样性评价及亲缘关系构建中的比较。
《植物育种学》。
2017；213：264。
打开链接
33.
Rawat A，Barthwal S，Ginwal HS。
SSR、ISSR和AFLP标记用于基于树脂产量筛选的喜马拉雅长叶松（Pinus roxburghii Sarg.）基因型表征的比较评估。
《林木遗传学》。
2014；63：94–104。
打开链接
34.
Olawuyi OJ，Adedeji I。
利用RAPD标记研究Cucumeropsis mannii Naudin的遗传及分子亲缘关系。
《国际生物技术杂志》。
2020；9（2）：81–98。
打开链接
35.
Ajayi II，Olawuyi OJ，Ayodele AE，Faneye AO。
利用简单序列重复（SSR）标记研究芒果（Mangifera indica L.）品种间的分子亲缘关系。
《生物学与生物技术进展杂志》。
2019；22（4）：1–16。
打开链接
36.
Odesola KA，Olawuyi OJ，Paliwal R，Oyatomi OA，Abberton MT。
基于DArTseq SNP的干旱胁迫与非胁迫条件下班巴拉花生表型性状的全基因组关联分析。
《植物科学前沿》。
2023；14：1245594。
打开链接
返回顶部
上一篇
下一篇
发布于2026年7月6日。
下载PDF
补充材料
电子邮件
感谢您有意分享bioRxiv上的文章。
注意：索取您的电子邮件地址仅用于标识您是本文的发送者。
您的电子邮件地址
*
您的姓名
*
发送至
*
请输入多个电子邮件地址，每行一个
或用逗号分隔。
您将通过电子邮件发送以下内容
利用SNP、SSR、AFLP和RAPD标记评估植物多样性：系统综述与荟萃分析
邮件主题
（您的姓名）向您转发了bioRxiv上的一个页面
邮件正文
（您的姓名）认为您可能希望浏览bioRxiv网站上的此页面。
您的个人留言
验证码
此问题用于验证您是否为人类访客，并防止自动提交垃圾信息。
分享
利用SNP、SSR、AFLP和RAPD标记评估植物多样性：系统综述与荟萃分析
Yemisi O.
Olagunju
，
Odunayo J.
Olawuyi
bioRxiv
2026.07.03.736291；
doi：
https://doi.org/10.64898/2026.07.03.736291
分享本文：
复制
引文工具
利用SNP、SSR、AFLP和RAPD标记评估植物多样性：系统综述与荟萃分析
Yemisi O.
Olagunju
，
Odunayo J.
Olawuyi
bioRxiv
2026.07.03.736291；
doi：
https://doi.org/10.64898/2026.07.03.736291
文献管理软件格式
BibTeX
Bookends
EasyBib
EndNote（带标签格式）
EndNote 8（xml）
Medlars
Mendeley
Papers
RefWorks带标签格式
Ref Manager
RIS
Zotero
推文小工具
Facebook点赞
Google Plus One
学科领域
植物生物学
学科领域
所有文章
动物行为与认知
(7780)
生物化学
(18154)
生物工程
(14333)
生物信息学
(42980)
生物物理学
(21911)
癌症生物学
(19055)
细胞生物学
(26104)
临床试验
(138)
发育生物学
(13624)
生态学
(20337)
流行病学
(2067)
进化生物学
(24800)
遗传学
(15820)
基因组学
(22924)
免疫学
(18155)
微生物学
(41229)
分子生物学
(17498)
神经科学
(90583)
古生物学
(679)
病理学
(2899)
药理学与毒理学
(4934)
生理学
(7856)
植物生物学
(15460)
科学传播与教育
(2064)
合成生物学
(4416)
系统生物学
(9989)
动物学
(2311)
关键词：植物遗传多样性 · 分子标记 · SNP与SSR · AFLP与RAPD · 种质资源评价 · 系统综述与荟萃分析
原文链接：https://www.biorxiv.org/content/10.64898/2026.07.03.736291v1?rss=1