多年生黑麦草在物种分布边缘的基因组预测与基因型×环境互作研究

《Theoretical and Applied Genetics》：Genomic prediction of agronomic traits in perennial ryegrass (Lolium perenne L.) and genotype x environment interactions at the limit of the species distribution

本研究针对气候变化下植物育种面临的基因型×环境互作(G×E)挑战，通过多环境田间试验评估264份多年生黑麦草种质在北欧-波罗的海极端环境的适应性。研究发现G×E对所有农艺性状均有显著影响，结合反应范数(RN)和环境分型(ET)模型可提高未观测环境产量预测精度4%，未观测种质春季覆盖度和越冬死亡率预测精度分别提升22%和9%。全基因组关联分析(GWAS)鉴定出具有边际效应和环境依赖效应的数量性状位点(QTL)，为培育适应极端环境的牧草品种提供理论依据。

　　

随着气候变化导致温度和降水波动加剧，未来农业生产系统面临严峻挑战。培育能够适应多变环境的高产作物品种成为保障粮食安全的关键。在这一背景下，多年生黑麦草(Lolium perenne L.)作为重要的饲草作物，因其高营养价值和产量潜力受到广泛关注。然而，这种牧草在物种分布边缘地区（如北欧-波罗的海区域）的适应机制尚不明确，特别是基因型与环境之间的复杂互作关系如何影响其农艺性状的表现，成为育种工作者亟需解决的科学问题。

传统育种方法通过在多环境试验(MET)中评估候选品系，旨在选育能够在一系列目标生产环境(TPE)中表现稳定的广适性基因型。然而，广适性并不总是意味着在所有环境中都表现优异，某些基因型可能因对特定环境条件的局部适应而在狭窄环境范围内表现出增强的性能。这种基因型与环境互作(G×E)现象表现为两种形式：非交叉互作（基因型排名保持不变）和交叉互作（基因型排名随环境变化）。尽管植物育种者传统上忽视或最小化G×E，但研究表明在MET中考虑G×E可以显著提高基因组预测(GP)模型的准确性。

本研究由Natasha H. Johansen领衔的国际研究团队开展，论文发表于《Theoretical and Applied Genetics》。研究团队收集了264份二倍体多年生黑麦草种质（包括先进品种、野生/半野生材料和基因库地方品种），在挪威、爱沙尼亚、瑞典、立陶宛、冰岛和丹麦六个北欧-波罗的海国家进行多年多地点田间试验，评估了总干物质产量(TDM₃)、春季覆盖度(SpringCover)和越冬死亡率(WinterKill)等关键性状。

研究采用了多项关键技术方法：通过基因分型测序(GBS)获得151,074个高质量SNP标记；利用基因组关系矩阵(GRM)构建加性和显性效应模型；比较反应范数(RN)和环境分型(ET)两种G×E建模方法；通过留一交叉验证评估模型预测精度；运用全基因组关联分析(GWAS)检测边际效应和条件效应的数量性状位点(QTL)。

研究首先揭示了多年生黑麦草种质具有高度遗传多样性和快速连锁不平衡(LD)衰减的特征。PCA分析显示第一个主成分仅解释不足2%的基因组变异，LD在200bp内衰减至r²<0.2，表明种质间遗传相似性较低。

方差组分分析表明，加性遗传效应对表型变异的贡献最大。在包含加性、显性及其环境互作的最复杂模型(M3)中，加性组分解释TDM₃表型变异的34-38%，SpringCover的41-43%，以及WinterKill的27-31%。值得注意的是，G×E对TDM₃的贡献显著，加性×环境(A×E)和显性×环境(D×E)分别贡献17-19%和17-18%的表型变异。

模型比较显示，添加加性遗传效应与环境互作项可显著改善所有性状的模型拟合度。对于TDM₃，进一步添加显性效应及其环境互作项也能显著提高模型性能。然而，两种G×E建模方法（RN和ET）在捕捉G×E方面没有显著差异。

预测精度评估采用三种验证方案：留一国出（预测未观测环境）、留一遗传簇出（预测遗传相似度低的未观测种质）和留一随机簇出（预测随机分组的未观测种质）。结果显示，考虑G×E可提高TDM₃在未观测环境中的预测精度2-4%，而对SpringCover和WinterKill的预测改善有限甚至下降。在预测遗传相似度低的未观测种质时，考虑G×E可使TDM₃、SpringCover和WinterKill的预测精度分别提高12%、22%和9%。

组分相关性分析揭示了不同模型组分预测难度的差异。在留一国出验证中，加性和显性遗传效应与表型值的相关性分别为0.49-0.59和0.39-0.57，而G×E组分的预测更具挑战性。在遗传相似度低的验证方案中，遗传主效应的预测能力大幅下降，凸显了在这种情况下考虑G×E的重要性。

GWAS分析检测到少量具有边际效应和环境依赖效应的显著QTL。对于TDM₃，条件GWAS发现了一些在特定环境中显著相关的位点。SpringCover和WinterKill也表现出一些潜在的环境特异性QTL，这些位点在特定环境中可能带来适应性优势，而在其他环境中表现为中性或有害。

研究结论强调，北欧-波罗的海极端环境下多年生黑麦草存在显著的G×E，这对育种策略具有重要启示。考虑G×E可以提高对未观测种质（特别是遗传相似度低的材料）的表现预测，但对未观测环境的预测改善有限。两种G×E建模方法（RN和ET）在高度多样化的样本中没有表现出明显优劣。尽管种质遗传多样性高且LD衰减快，研究仍检测到一些候选QTL，包括具有环境特异性效应的位点。

讨论部分指出，与先前在温和地区进行的研究相比，本研究中G×E模型预测精度的改善相对有限，这可能源于环境网格稀疏、种质遗传多样性高以及LD快速衰减等因素。研究结果为多年生黑麦草在北部地区的未来育种提供了重要见解：鉴定出的适应性遗传变异可用于增强品种对寒冷和可变气候的耐受性；考虑到目标生产区环境可预测性的差异，育种策略需要在广适性和局部适应性之间取得平衡。

该研究首次系统评估了多年生黑麦草在物种分布边缘的G×E效应，为应对气候变化的牧草育种提供了新思路。研究建立的基因组预测框架和鉴定的适应性基因为培育适应北欧-波罗的海地区极端环境的多年生黑麦草品种奠定了坚实基础，对未来可持续畜牧业发展具有重要意义。