基于图泛基因组的全基因组关联分析（GWAS）荟萃分析提升水稻农艺性状基因挖掘效率

　　为解决 GWAS 受种群结构和样本量限制的问题，研究人员开展水稻重要农艺性状基因挖掘的大规模 GWAS 荟萃分析研究。结果识别出 156 个数量性状位点（QTLs），验证了两个新基因。该研究为水稻育种基因挖掘提供新方法。

濞戞捁妗ㄧ花鈩冪┍閸愵厾绠荤紒澶嬪灥椤掔喖鎯冮崟顏嗙倞闁圭虎鍙忕槐婵嬫偨閻斿搫鈷栭梺顐ｅ哺閸ｄ即姊块崱鏇犲晩閺夆晜鐟ч惁鎺楀棘閸モ晝褰块柨娑樿嫰椤┭囨閳ь剟鎳熸潏銊︾€柛妯煎枑閺嬪啴鏁嶅畝鍐惧殲闁绘劗鎳撻崵顕€鏁嶉敓锟�閻犱降鍨藉Σ鍑歩oHot缂佷究鍨硅ぐ鍥储閻斿憡鐎�

　　在全球人口不断增长的背景下，水稻作为至关重要的粮食作物，其产量提升迫在眉睫。从遗传学角度看，挖掘水稻遗传变异中的有益基因，是实现水稻遗传改良的关键。全基因组关联分析（Genome-Wide Association Study，GWAS）是探寻复杂性状相关功能基因的重要手段，能在广泛的种质资源中对相关基因进行高效探索与评估 。然而，GWAS 存在诸多局限性，比如对种群结构和样本量较为敏感，分析低频变异的能力有限，这使得其在定位新的数量性状位点（Quantitative Trait Locus，QTL）时效果不佳，无法充分解释一些复杂性状的遗传机制。

为了解决这些问题，山西农业大学和中国农业科学院深圳农业基因组研究所等机构的研究人员展开了一项大规模的 GWAS 荟萃分析研究。该研究成果发表在《Nature Communications》上，为水稻遗传研究和育种工作带来了新的突破。

研究人员为开展此项研究，运用了多种关键技术方法。首先，从 6 个独立的水稻种群面板收集了原始短测序数据和表型数据，涵盖来自 126 个国家或地区的 7765 份栽培稻种质资源。利用 Trimmomatic 进行测序数据质量控制，BWA 将数据映射到日本晴基因组，Sentieon pipeline 进行单核苷酸多态性（Single Nucleotide Polymorphism，SNP）检测，基于前期构建的泛基因组，借助 VG Giraffe 和 SURVIVOR 进行存在缺失变异（Presence/Absence Variation，PAV）检测。之后，通过 PLINK 进行主成分分析，GEMMA 计算亲缘关系，运用混合线性模型开展 GWAS 分析。对各面板的 GWAS 汇总数据，采用逆方差加权固定效应模型进行荟萃分析。

研究结果如下：

• 荟萃分析：研究人员对 6 个水稻种群面板进行了 GWAS 分析，获得 6,604,898 个高质量 SNP 和 42,871 个高质量 PAV。独立 GWAS 共识别出 9004 个显著变异，6 个农艺性状相关的 QTL 有 40 个 。而荟萃分析显著提升了性状关联变异的显著性，平均提高 6.79 个数量级。最终识别出 156 个与 6 个农艺性状相关的 QTL，其中 116 个是新发现的 。这些 QTL 分布在水稻的 12 条染色体上，研究人员还筛选出 141 个已知的相关功能基因。
• 粒宽相关候选基因的识别与验证：在 32 个与粒宽相关的 QTL 中，23 个是荟萃分析特有的。对其中的 qGW10-2 进行深入研究，经过多步筛选，确定 LOC_Os10g37640 为候选基因，命名为 GW10.2。GW10.2 外显子区域存在 3 个错义突变 SNP，形成 3 种单倍型，其中 hap2 在粳稻中频率较高，且携带 hap2 的材料粒宽显著更大。通过染色体片段代换系（Chromosome Segment Substitution Line，CSSL）群体和 CRISPR/Cas9 敲除实验验证，证实 GW10.2 对水稻粒宽有正向调控作用。
• 粒长相关候选基因的识别与验证：在 51 个与粒长相关的 QTL 中，43 个是新发现的。对 qGL11-1 进行分析，确定 LOC_Os11g05930 为候选基因，命名为 GL11。GL11 外显子区域有 2 个错义突变 SNP，形成 3 种单倍型，hap2 在籼稻中频率较高，且粒长显著更大。CRISPR/Cas9 敲除实验表明，GL11 是水稻粒长的负调控因子。

研究结论和讨论部分指出，该研究系统应用并全面评估了 GWAS 荟萃分析策略在挖掘水稻重要农艺性状相关基因方面的作用。识别出的 156 个 QTL，尤其是新发现的 116 个，为水稻新有利基因挖掘提供了宝贵资源。GW10.2 和 GL11 这两个与粒型相关的新基因，可能通过生长素信号通路等机制调控粒型，且可能是影响多个农艺性状的多效基因，为水稻分子设计育种提供了有用的基因资源。

此外，该研究还体现出荟萃分析的诸多优势，如整合丰富表型数据和大样本量、获得更可靠精确的统计效果、便于系统分析复杂农艺性状以及节省测序和表型管理成本等 。不过，研究也存在一定局限性，基于自然种群的 GWAS 及其荟萃分析可能难以有效识别种群中的稀有 QTL，关联位点 P 值阈值的选择、种群大小和组成等参数也会影响分析效率。总体而言，该研究成功运用 GWAS 荟萃分析策略从多个种群面板挖掘基因，为现代水稻育种提供了重要的基因信息，推动了水稻重要农艺性状的研究进展，为水稻遗传改良和育种实践奠定了坚实基础。

闁瑰灚鎹佺粊锟�

濞戞挸顑堝ù鍥┾偓鐟邦槹瀹撳孩瀵奸敂鐐毄閻庢稒鍔掗崝鐔煎Υ婵犲洠鍋撳宕囩畺缂備礁妫滈崕顏呯閿濆牓妯嬮柟娲诲幘閵囨岸寮幍顔界暠闁肩瓔鍨虫晶鍧楁閸撲礁浠柕鍡楊儐鐢壆妲愰姀鐙€娲ゅù锝嗘礋閳ь剚淇虹换鍐╃閿濆牓妯嬮柛鎺戞閻庤姤绌遍崘顓犵闁诡喓鍔庡▓鎴︽嚒椤栨粌鈷栭柛娆愬灩楠炲洭鎯嶉弮鍌楁晙

10x Genomics闁哄倹婢橀幖顪渋sium HD 鐎殿喒鍋撻柛姘煎灠瀹曠喓绱掗崱姘姃闁告帒妫滄ご鎼佹偝閸モ晜鐣遍柛蹇嬪姀濞村棜銇愰弴鐘电煁缂佸本妞藉Λ鍧楀礆閸℃ḿ鈧粙鏁嶉敓锟�

婵炲棎鍨肩换瀣▔鐎ｎ厽绁癟wist闁靛棗锕ｇ粭澶愬棘椤撶偛缍侀柛鏍ㄧ墱濞堟厤RISPR缂佹稒鐩埀顒€顦伴悧鍝ヤ沪閳ь剟濡寸€ｎ剚鏆╅悗娑欏姃閸旓拷

闁告娲滅划蹇涙嚄閻愬銈撮幖鏉戠箰閸欏棝姊婚妸銉ｄ海閻犱焦褰冮悥锟� - 婵烇絽宕崣鍡樼閸℃鎺撶鎼达綆鍎戝☉鎾亾濞戞搩浜滃畷鐔虹磼閸℃艾鍔掗悗鍦仱閻涙瑧鎷嬮幑鎰靛悁闁告帞澧楅弳鐔煎箲椤斿灝绐涢柟璨夊倻鐟㈤柛娆樺灥椤宕犻弽顑帡寮搁敓锟�

濞戞挸顑堝ù鍥Υ婵犲嫮鐭庨柤宕囧仜閸炴挳鎽傜€ｎ剚顏ら悹鎰╁妺缁ㄧ増鎷呭⿰鍐ㄧ€婚柡瀣姈閺岀喎鈻旈弴鐘虫毄閻庢稒鍔掗崝鐔煎Υ閿燂拷