环境基因组选择助力大麦地方品种多基因局部适应性研究

编辑推荐：面对气候变化威胁，夏威夷大学团队创新性提出环境基因组选择(EGS)方法，通过分析753份大麦地方品种的基因组-环境关联(GEA)，利用核心种质(n=31/100)建立预测模型，成功鉴定出适应特定气候变量的优势种质资源，为作物育种提供了高效的多基因适应性筛选策略，相关成果发表于《Communications Biology》。

　　气候变化正对全球农业生产构成严峻挑战，作物种质资源库中蕴藏着应对环境胁迫的关键遗传变异。传统基因组-环境关联分析(GEA)虽能揭示局部适应的遗传基础，但在育种实践中应用有限。夏威夷大学Michael B. Kantar团队创新性地将环境基因组选择(Environmental Genomic Selection, EGS)与物种分布模型相结合，以大麦(Hordeum vulgare L.)为模式作物开展研究，相关成果发表于《Communications Biology》。

大麦作为从赤道延伸至北极圈的广适性作物，其地方品种具有丰富的环境适应多样性。研究团队利用USDA保存的753份地理参照明确的大麦地方品种，通过31份微型核心种质和100份新构建核心种质作为训练群体，采用rrBLUP等四种基因组预测模型，计算了19项生物气候变量的基因组估计适应值(GEAV)。结果显示温度相关变量（年均温bio1、最冷月最低温bio6等）预测准确率最高达50%以上，其中亚洲种群对温度季节性(bio4)表现出最强适应潜力。研究还发现15个品种同时对年均温、最冷月温和最冷季温具有高GEAV值，而降水适应基因型则呈现完全重叠特征。

关键技术包括：基于WorldClim 2.1生物气候数据的空间分析；使用SNPRelate进行种群结构解析；通过Maxent构建种群分布模型(PDM)；采用rrBLUP、BayesCπ等方法进行全基因组预测；利用corehunter软件构建去 novo核心种质。

研究结果部分：

1. 种群结构：通过3175个SNP将材料划分为东非、地中海沿岸、北非/地中海、北欧和亚洲5个群体，与历史栽培格局高度吻合。
2. 环境基因组预测：rrBLUP模型表现最优，温度相关变量预测准确性显著高于降水变量。新构建核心种质(n=100)较传统微型核心(n=31)显著提升年降水量(bio12)等变量的预测精度。
3. 环境变异与GEAV关联：不同种群对环境变量的适应呈现特异性，如亚洲种群对温度季节性(bio4)适应值最高，而地中海种群对最干季降水量(bio17)适应最强。
4. 种群分布模型应用：东非种群适生区较窄，而北欧和亚洲种群分布广泛。模型显示适生值>0.2的区域可进行农业干预。
5. 染色体适应性模式：不同种群在特定染色体上呈现独特标记效应模式，如地中海种群在1号染色体、东非种群在2号染色体上具有群体特异性适应位点。

讨论部分指出，EGS方法克服了传统GEA仅关注大效应位点的局限，通过多基因累加效应更全面捕捉适应性变异。尽管已克隆的候选基因对模型拟合有改进，但固定效应纳入并未提升预测精度，证实气候适应确属多基因控制性状。研究建立的GEAV评估体系可直接指导育种亲本选择，例如将亚洲种群的高bio4适应性与地中海种群的高bio17特性聚合，创制广适性新品种。该方法可推广至林木育种、物种保护等领域，为应对气候变化提供了高效的基因组决策工具。研究同时指出当前标记覆盖度的局限性，建议结合高密度GBS数据进一步提升预测准确性。