苜蓿种子奥秘大揭秘：形态、地理与遗传的深度探索对育种及保护意义重大

为探究苜蓿种子形态、地理起源和遗传多样性关系，研究人员综合分析得出重要结论，助力育种和保护。

　　在广袤的大自然中，苜蓿家族扮演着极为重要的角色。其中，经济价值颇高的紫花苜蓿（Medicago sativa L.）是牲畜优质的饲料来源 ，同时苜蓿属的众多物种还能参与固氮过程，改善土壤环境，为生态系统的稳定和繁荣贡献力量。而种子作为植物繁衍的关键，其形态特征如大小、形状、颜色等，不仅与幼苗的活力、出苗成功率息息相关，还反映了植物对特定环境的适应策略。以往研究虽已揭示苜蓿属内存在显著的表型和遗传多样性，但对于种子形态、颜色、地理起源以及遗传多样性之间复杂关系的研究仍存在空白。

为了填补这一空白，来自美国农业部农业研究服务局等多个机构的研究人员展开了深入探究。他们的研究成果发表在《BMC Plant Biology》上，为苜蓿的种质保护和育种工作提供了关键线索。

研究人员采用了多维度的研究方法。首先，他们收集了来自 31 个国家、代表 29 个物种 / 亚种的 318 份苜蓿种质资源的种子形态和颜色数据 。同时，利用公开可用的基因分型测序（GBS）数据，对 189 份紫花苜蓿种质进行分析，构建高密度单核苷酸多态性（SNP）数据集，用于遗传聚类分析和基于机器学习的全基因组关联分析（GWAS）。此外，他们运用多种机器学习模型，评估其在基于种子性状和地理起源对苜蓿种质进行分类以及预测种子大小方面的性能。还利用机器学习方法对缺失的 SNP 基因型进行填补。

研究结果丰富且意义重大：

1. 遗传距离与种子形态特征的关联：通过计算遗传距离并与种子形态参数进行相关性分析，发现遗传距离与种子宽度呈弱正相关，与长宽比（LWR）呈弱负相关，与圆形度呈中等正相关。颜色强度参数与遗传距离呈中等负相关，这意味着遗传上相似的个体种子颜色往往更浓。此外，长度与宽度交点到重心的距离（IS & CG）也与遗传距离呈弱负相关，表明种子形态，尤其是形状和颜色相关特征，与苜蓿属的遗传结构存在关联。
2. 种子形态和颜色变异的可视化：运用 t 分布随机邻域嵌入（t - SNE）分析对种子形态和颜色数据进行处理。结果显示，基于种子形态，来自北非国家的苜蓿种质形成了独特的聚类。例如，不同的苜蓿物种如 M. orbicularis、M. ciliaris 等在聚类中得以区分，这对于物种鉴定和分类具有重要意义。在种子颜色方面，阿尔及利亚和摩洛哥的种质虽地理位置相近，但基于颜色的 t - SNE 分析显示出明显分离，说明种子颜色也具有地理结构特征。
3. 机器学习模型分类性能评估：评估多种机器学习模型基于地理起源和种子形态对苜蓿种质的分类性能时发现，大多数模型在验证集中的准确率超过 80%。其中，神经增强（Neural Boosted）、名义逻辑（Nominal Logistic）和支持向量机 - 径向基函数（SVM - RBF）等模型表现出色。不同模型对特征的重要性排序不同，神经增强模型认为国家起源是最重要的预测因子，而支持向量机则更侧重于种子形态特征，这表明不同算法捕捉的数据结构信息存在差异。
4. 种子大小的预测：研究人员利用机器学习模型预测苜蓿种子面积，排除种子直接尺寸测量数据，仅使用地理起源、物种信息和种子形状相关特征作为预测变量。结果发现，提升树（Boosted Tree）和自助森林（Bootstrap Forest）模型在验证集中的准确率超过 80%（R2 = 0.807 和 0.804），表明种子形状特征、分类信息与地理起源相结合可有效预测种子大小。进一步分析特征重要性发现，苜蓿物种是最重要的预测因子，其次是国家起源和一些形状描述符，如 IS & CG 和 LWR 等。
5. 基于种子颜色和地理起源的分类：当仅使用种子颜色数据进行苜蓿种质分类时，部分模型的验证集准确率约为 60%，高于随机分类的概率。加入地理起源（国家）信息后，多个模型的准确率显著提高，接近 80%。例如，神经增强模型在结合颜色和地理起源信息时表现最佳，种子颜色的各个变量（红、绿、蓝强度和亮度）在分类中也起到了重要作用。
6. 遗传关系与聚类分析：基于 8565 个 SNP 标记对 182 份紫花苜蓿种质进行层次聚类分析，鉴定出 20 个不同的遗传簇。这些遗传簇反映了种质间的遗传相似性，其关系通过星座图可视化展示，为研究遗传基础和表型变异提供了框架。
7. 全基因组关联分析：运用机器学习方法进行全基因组关联分析，预测紫花苜蓿的地理起源。模型在训练集和验证集中的准确率分别超过 90% 和 85%，表明 SNP 基因型与地理起源密切相关。通过分析发现，位于染色体 1、6 和 8 上的一些 SNP 具有较高的重要性得分，这些 SNP 所在或附近的基因与细胞壁完整性、应激反应、基因组稳定性以及植物防御机制等功能相关，暗示这些区域可能在苜蓿的局部适应中发挥作用。
8. 缺失 SNP 基因型的填补：利用机器学习方法对缺失的 SNP 基因型进行填补，多个模型在预测缺失 SNP 基因型时表现出较高的准确率，使用自助森林模型时，许多测试 SNP 位点的准确率超过 70%。对于单个核苷酸（A、T、C、G）的预测，准确率常常超过 80%。分析特征重要性发现，少数信息丰富的基因型对预测准确性贡献较大，这反映了紫花苜蓿基因组中存在强连锁不平衡（LD）模式。

综上所述，该研究整合了表型、基因型和地理数据，全面解析了苜蓿属内的多样性模式。研究明确了种子形态和颜色的显著变异，鉴定出独特的遗传簇，并确定了可能与地理适应相关的基因组区域，为苜蓿种质资源的鉴定和保护提供了重要依据。同时，研究中开发的基于机器学习的缺失数据填补方法有效解决了数据缺失问题，提高了基因组数据集的质量和完整性，为后续的全基因组关联分析和基因组选择等研究奠定了坚实基础。不过，研究也存在一些局限性，例如部分 “N” 核苷酸预测困难影响整体准确率等。未来研究可进一步利用独立数据集验证填补方法，深入探究遗传簇与表型性状的关联以及相关基因的功能，从而更深入地理解苜蓿种子特征的遗传和环境决定因素，推动苜蓿品种改良，提高其适应性、抗逆性和产量潜力，同时为有效保护宝贵的种质资源提供更有力的策略。