可可CCN51品种近T2T单倍型基因组解析：为高产抗病育种提供精准蓝图

《Scientific Data》：Near T2T haplotype-resolved genomes of cacao (Theobroma cacao) variety CCN51

本研究针对现代杂交可可品种CCN51缺乏高质量参考基因组的现状，利用PacBio HiFi长读长和Hi-C技术，成功构建了其近T2T水平的单倍型基因组。该组装总长分别为414.0 Mb和417.7 Mb，k-mer完整度高达99.24%，并注释出22,941和22,948个蛋白编码基因。研究还首次系统揭示了CCN51中高达62.36%的转座子(TE)含量，为解析其高产、抗病等优良性状的遗传基础提供了关键资源，将有力推动可可的基因组辅助育种。

　　

想象一下，你手中那块丝滑的巧克力，其源头——可可豆，正面临着严峻的生存挑战。可可树主要生长在热带地区的小农户手中，但病虫害、土壤退化等问题严重制约着产量。为了满足全球对巧克力的巨大需求，人们不得不砍伐森林开辟新的种植园，这无疑加剧了环境压力。在这一背景下，一个名为CCN51的现代杂交可可品种脱颖而出，它以其惊人的高产、广泛的抗病性和卓越的适应性，迅速成为拉丁美洲种植最广泛的品种，被誉为“高产明星”。

然而，这位“明星”也面临着争议。尽管CCN51产量高、抗病强，但其风味却常被描述为“大宗可可”，缺乏优质可可特有的花香、坚果香和果香，反而带有强烈的酸味、苦味和涩味。这种风味上的“短板”限制了其市场价值，也引发了人们对传统优质可可品种被取代的担忧。因此，如何利用CCN51的高产抗病基因，同时改良其风味，成为可可育种家面临的核心难题。解决这一难题的关键，在于深入解析CCN51的遗传密码，而这需要一份高质量的基因组图谱作为“导航图”。

遗憾的是，尽管已有多个可可参考基因组发布，但它们大多聚焦于地理隔离的地方品种或野生种质，专门针对CCN51这类现代优良杂交品种的高质量基因组却是一片空白。为了填补这一空白，并为可可的精准育种提供关键工具，由Huawei Tan、Yaxin Lou、Yuchen Yan、Lyndel W. Meinhardt、Bryan Bailey、Osman Gutierrez、Sunchung Park、Stephen P. Cohen、Dapeng Zhang和Yanbin Yin组成的研究团队，在《Scientific Data》上发表了题为“Near T2T haplotype-resolved genomes of cacao (Theobroma cacao) variety CCN51”的研究论文。该研究利用先进的测序技术，成功构建了CCN51的近端粒到端粒（T2T）水平单倍型基因组，为揭示其优良性状的遗传基础奠定了坚实基础。

为了构建这份高质量的基因组图谱，研究人员从美国农业部农业研究服务局（USDA-ARS）可持续多年生作物实验室的温室中采集了CCN51的叶片样本。他们首先利用PacBio Sequel II平台进行了HiFi长读长测序，获得了约24.1 Gb的数据，测序深度约为54.65x。随后，为了将基因组组装提升至染色体水平，他们又利用Dovetail Genomics的Omni-C技术进行了Hi-C测序，获得了约27.54 Gb的数据，测序深度约为65.89x。这些高质量的数据为后续的基因组组装和注释提供了可靠保障。

De novo assembly of cacao CCN51

研究人员首先对测序数据进行了质量评估和基因组特征预测。k-mer分析显示，CCN51的基因组大小约为418.36 Mb，杂合率为0.991%，证实其为二倍体基因组。随后，他们利用Hifiasm软件对经过质控的HiFi和Hi-C数据进行组装，并利用Juicer软件将重叠群锚定到染色体上。最终，他们成功获得了CCN51的两个单倍型基因组，总长度分别为413.96 Mb和417.69 Mb，并成功组装了线粒体和叶绿体基因组。值得注意的是，该组装在10条染色体上均成功识别出了端粒序列，达到了近T2T水平，仅剩少量复杂区域存在缺口。与已发表的其他可可基因组相比，该组装的k-mer完整度高达99.24%，碱基质量值（QV）达到67.4，BUSCO评估的完整度超过99%，均达到了目前可可基因组组装的最高水平。

Gene prediction and annotation

为了全面解析CCN51的基因功能，研究人员进行了系统的基因预测和功能注释。他们整合了转录组测序证据、同源蛋白比对和从头预测等多种方法，最终在两个单倍型中分别预测了22,941和22,948个蛋白编码基因。功能注释结果显示，超过99%的基因在至少一个数据库中得到了注释，其中在TrEMBL数据库中的注释比例高达98.89%。此外，研究人员还预测了非编码RNA，包括428个tRNA、1,852个rRNA、132个miRNA、817个snoRNA、99个snRNA以及1,068个其他ncRNA。BUSCO评估显示，蛋白编码基因的完整度高达98.8%，进一步证实了该基因组注释的完整性。

Repeat annotation and comparisons

转座子（TE）是基因组的重要组成部分，对基因调控和物种进化具有深远影响。本研究对CCN51基因组中的转座子进行了深入分析。结果显示，CCN51的转座子含量高达62.36%，高于此前报道的自然品种IMC67。更重要的是，通过结合EDTA和DeepTE等先进工具，研究人员成功对59%的转座子进行了分类，将未分类的比例降至仅约3%，显著提升了转座子注释的准确性。在已分类的转座子中，Gypsy/DIRS1超家族最为丰富，占转座子总量的43.4%。通过分析转座子的Kimura 2-Parameter（K2P）距离，研究人员发现，Copia家族在近期（约500万年内）表现出持续的活跃积累，而Gypsy家族则在大约100万年前经历了一次显著的扩张。此外，基因和转座子在染色体上的分布呈现出明显的负相关关系：基因密度在染色体末端较高，而Gypsy和Copia等LTR转座子则主要富集在着丝粒和近着丝粒区域。

本研究成功构建了可可现代优良杂交品种CCN51的高质量、近T2T水平的单倍型基因组。该基因组在连续性、完整性和准确性方面均达到了行业领先水平，为可可的遗传学和育种研究提供了前所未有的精准参考。研究不仅系统注释了超过2.2万个蛋白编码基因，还首次全面揭示了CCN51中高达62.36%的转座子含量及其动态演化历史，特别是Copia和Gypsy家族在近期和历史上的活跃扩张。这些发现为深入解析CCN51高产、抗病、花粉寿命长等优良性状的分子机制提供了关键线索。该基因组资源的发布，将极大地促进可可的基因组辅助育种，加速培育出兼具高产、抗病和优质风味的新品种，以应对全球可可产业面临的生物和非生物胁迫挑战。