苜蓿早期耐盐性的多组学整合与基因组预测揭示其遗传基础

本研究通过整合全基因组关联分析（GWAS）、转录组学（RNA-seq）与机器学习驱动的基因组预测框架，系统解析了紫花苜蓿（Medicago sativa L.）早期耐盐性的遗传机制。研究发现盐胁迫下性状遗传相关性弱，鉴定出60个显著关联SNP及14个候选基因（如MsHSD1和MsMTATP6），并首次将多组学标记纳入预测模型，使跨群体预测准确率提升至54.4%，为耐盐分子育种提供了新策略。

　　

Highlight

本研究揭示了苜蓿萌发期耐盐性的遗传奥秘！通过多组学"侦探组合"——全基因组关联分析（GWAS）和转录组学（RNA-seq），我们在176份苜蓿资源中捕获了60个关键SNP"指纹"，发现中国种质富含优势单倍型。有趣的是，盐浓度越高，苜蓿"体能测试"成绩（发芽率、根重等）下降越明显，而100 mM盐浓度时SNP"信号"最强。

Genetic basis of salt tolerance in alfalfa germination and early growth

盐胁迫像一位严格的考官，显著降低了苜蓿种子萌发率（ST_SGR）、根重（ST_RW）等指标。但这些性状间遗传相关性微弱，暗示它们受不同基因"操控"。GWAS发现的候选基因中，激素信号通路（如ABA和GA）的"调度员"和渗透调节"工程师"尤为突出。转录组则显示，盐胁迫让应激转录因子集体"沉默罢工"，而能量代谢基因MsMTATP6等可能扮演着"应急供电站"角色。

Plant materials and sequencing

研究团队从全球45国精选176份苜蓿"运动员"，包括中国、美国等主要产地的野生型和栽培种。所有样本均经过BGI平台双端测序，并分为四组遗传背景。RNA-seq数据揭示了盐胁迫下基因表达的"紧急预案"，为候选基因功能验证提供线索。

Conclusion

这项研究不仅绘制了苜蓿耐盐的"基因地图"，更创新性地将机器学习引入基因组预测（GS），使模型预测准确率突破54.4%。就像给育种家配上了"智能导航"，MsHSD1等14个候选基因可作为分子标记，助力培育适合盐碱地的"超级苜蓿"。