2024-12-04
前言
植物领域当前面临的主要问题包括群体遗传多样性减少、性状定位不准确及传统育种效率低下，对此，通过加强种质资源保护、运用现代分子生物学技术进行性状精准定位以及采用全基因组选择（GS）等创新育种手段，旨在提升农作物的遗传品质与生产效率，推动我国农业向高效、可持续方向发展。
01.群体遗传
研究方案
通过全基因组测序，能全面了解植物群体的遗传多样性，分析不同个体的基因组差异，确定重要进化意义的基因区域和变异位点，以此评估群体适应性潜力和进化方向，对保护濒危物种、管理种质资源及制定可持续发展策略意义重大。
研究思路
经典案例
本项研究基于14个不同国家与地区的363个样本，包括栽培型和野生型茶树的全基因组重测序数据，深入探讨了茶树的群体结构、遗传变异图谱以及驯化机制。
（1）栽培茶树种群可划分为7个亚群，与它们的地理分布高度吻合。茶树的遗传多样性从西南地区向华东地区逐渐减少。此外，大叶茶相较于小叶茶展现出更高的遗传多样性。
（2）通过选择性清除分析发现大叶茶与小叶茶在驯化特征上存在差异：大叶茶的驯化基因主要涉及叶片发育、黄酮和生物碱的生物合成等过程；而小叶茶的驯化基因则主要与氨基酸代谢、芳香化合物的生物合成以及低温胁迫响应相关。这些差异可能导致两种茶叶在适制性和抗逆性方面的显著区别。
图1 茶树精细群体结构和遗传多样性
参考文献：Tong W, Wang Y, Li F, et al. Genomic variation of 363 diverse tea accessions unveils the genetic diversity, domestication, and structural variations associated with tea adaptation. J Integr Plant Biol. 2024, 66: 2175-2190.
02.性状定位
研究方案
通过基因定位，可以筛选和定位与目标性状相关的基因，发现调控优良性状的基因，这对于培育优质品种至关重要。同时，通过转录组、蛋白组、代谢组和表观组等组学检测，可以帮助我们系统的了解目标基因的在不同分子水平的调控机理与遗传方式。这些组学技术的协同作用，有助于全面理解植物的性状遗传机制，推动精准育种和品种改良。
研究思路
经典案例
大豆是世界上最重要的经济作物之一，在本项研究中，综合运用GWAS、eQTL和TWAS，深入剖析了影响种子重量和油脂含量的共表达网络、基因组区域以及关键调控基因。
（1）通过GWAS鉴定了26个与粒重和33个与籽粒含油量显著相关的遗传区间，其中2个遗传区间同时影响这两个性状。进一步利用TWAS和分子生物学技术，发现GmRWOS1基因位于其中一个遗传区间，作为大豆粒重和籽粒含油量的负调控基因，在人工驯化和改良过程中受到强烈选择。
（2）同时，共表达网络包含多个已知的调控粒型和油脂代谢的基因，协同调控粒重和籽粒含油量。这些发现不仅为理解大豆产量和品质性状的遗传调控机制提供了新见解，也为大豆的分子育种提供了潜在的靶标基因。
图2 大豆粒重和籽粒含油量GWAS和分子网络分析
参考文献：Yuan X, Jiang X, Zhang M, et al. Integrative omics analysis elucidates the genetic basis underlying seed weight and oil content in soybean. Plant Cell. 2024, 36: 2160-2175.
03.分子育种
研究方案
采用全基因组选择（GS）技术，利用全基因组测序数据，构建预测模型，对个体进行早期预测和选择。通过GS技术，可以缩短育种世代间隔，加快育种进程，节约成本，提高育种效率。结合分子育种技术，开展精准育种和高效育种，培育出适应市场需求的高产、优质、抗逆性强的新品种。
研究思路
经典案例
自上个世纪以来，无核一直是鲜食葡萄育种中的一个重要性状。本研究综合运用了比较基因组学、群体遗传学、数量遗传学和整合基因组学等方法，对葡萄无核性状的进化和多基因遗传基础进行了深入研究。
（1）首先对两个无核葡萄品种的单倍型基因组进行解析，并基于比较基因组学分析发现了位于第10染色体上的一个约4.25 Mb的半合性倒位，且与无核相关的基因VvTT16和VvSUS2位于倒位区的断点附近。群体基因组分析进一步揭示了无核品种的两个独立谱系，表明基因渗入而非趋同选择塑造了葡萄无核性状的进化历史。
（2）通过GWAS鉴定了110个与种子发育相关的数量性状位点（QTLs），涉及634个候选基因，包括之前未识别的候选基因。整合基因组学分析进一步筛选出339个与种子发育相关的核候选基因，并将它们归类为13个功能类别。
（3）基于机器学习的基因组选择技术在预测葡萄无核性状方面取得了约97%的准确率，这为葡萄的分子遗传研究和基因组育种提供了强有力的预测工具和候选基因资源。
图3 基于机器学习的葡萄无核育种基因组选择
参考文献：Wang X, Liu Z, Zhang F, et al. Integrative genomics reveals the polygenic basis of seedlessness in grapevine. Curr Biol. 2024, 34: 3763-3777.e5.
