基于多环境GWAS和基因组选择解析棉花籽必需氨基酸含量并鉴定营养品质改良候选基因与优异种质

《Industrial Crops and Products》：Genomic dissection and genomic prediction of essential amino acid content in cottonseed identifies candidate genes and elite germplasm for nutritional quality improvement

　　

在5个环境中对259份种质中的18种棉花籽氨基酸进行了表型分析。多环境全基因组关联分析（genome-wide association study, GWAS）将57个稳定单核苷酸多态性（single nucleotide polymorphisms, SNPs）解析为7个候选区间。鉴定到赖氨酸（lysine, Lys）、蛋氨酸（methionine, Met）和苏氨酸（threonine, Thr）的有利单倍型（haplotype）。整合分析优先筛选出25个参与氨基酸转运与代谢的基因。基因组选择（genomic selection, GS）达到0.511–0.637的准确率并鉴定出优异种质。

论文解读：基于多环境GWAS和基因组选择解析棉花籽必需氨基酸含量并鉴定营养品质改良候选基因与优异种质

研究背景与问题：棉花（Gossypium spp.）是全球重要天然纤维作物，棉籽作为主要副产物，蛋白质含量较高，作为植物基蛋白资源潜力较大。可消化必需氨基酸评分（digestible indispensable amino acid score, DIAAS）可较准确评估单一蛋白源质量，但植物蛋白营养价值常受氨基酸组成不平衡限制。棉籽粕的实用价值与氨基酸组成、蛋白生物利用度和抗营养因子含量密切相关。除食用和饲用外，棉籽蛋白还可作为胶黏剂、可降解膜、涂层和生物塑料等可再生生物基原料，因此改良其组成可拓宽价值链。陆地棉种质间蛋白含量和氨基酸组成变异较大；Huang et al. 报道陆地棉种质营养组分存在显著变异。赖氨酸（lysine, Lys）是植物蛋白主要限制性氨基酸，蛋氨酸（methionine, Met）参与蛋白合成和含硫代谢，苏氨酸（threonine, Thr）维持必需氨基酸平衡。Galili and Amir 指出提高种子 Lys 和 Met 水平是改善植物蛋白营养品质的关键策略。Hildebrandt et al. 和 H?usler et al. 认为氨基酸是蛋白合成基础，并参与氮代谢、能量代谢和代谢调控。棉籽氨基酸含量是复杂数量性状，受基因型、环境及基因型×环境互作（genotype × environment interaction, G×E）共同影响。Piepho et al. 表明最佳线性无偏预测（best linear unbiased prediction, BLUP）可整合多环境信息提高基因型评价准确性；Smith et al. 强调建模 G×E 对可靠评价复杂性状必要。全基因组关联分析（genome-wide association study, GWAS）可解析复杂数量性状遗传基础，Yu et al. 和 Kang et al. 的混合线性模型可控制群体结构和亲缘关系。Yuan et al. 和 Du et al. 已对棉籽品质性状进行 GWAS。基因组选择（genomic selection, GS）基于全基因组标记预测基因组估计育种值（genomic estimated breeding values, GEBVs），Meuwissen et al.、Jannink et al. 和 Crossa et al. 推动其应用；Sehgal et al. 和 Zhang et al. 指出整合 GWAS 位点与基因组预测可增强解析与预测协同。Gene Ontology（GO）和 Kyoto Encyclopedia of Genes and Genomes（KEGG）可用于功能注释和通路富集。尽管如此，仍存在三个缺口：Lys、Met、Thr 等关键必需氨基酸遗传解析不完整，跨环境稳定关联位点待探索；多环境下氨基酸含量稳健评价不足，单环境表型难以准确捕获稳定遗传差异；显著单核苷酸多态性（single nucleotide polymorphisms, SNPs）、局部单倍型、公共数据库注释候选基因和基于 GEBV 的种质选择系统整合不足，限制稳定分子标记、候选基因和优异种质利用。

研究人员开展的研究：研究人员对259份陆地棉种质在5个环境中测定18种氨基酸，并结合 BLUP 进行氨基酸品质综合评价和遗传分析。目标包括：基于多环境表型和 BLUP 表征18种氨基酸表型变异和品质差异；以 Lys、Met、Thr 为焦点，用1,144,681个高质量 SNPs 进行 GWAS，鉴定跨环境稳定关联位点，并基于局部连锁不平衡（linkage disequilibrium, LD）结构进行单倍型分析验证候选区间表型效应；通过功能注释和 GO/KEGG 富集优先候选基因，比较不同 GS 模型和标记选择策略预测性能，并基于 GEBVs 鉴定关键必需氨基酸优异种质。

关键技术方法概述：研究人员使用259份陆地棉（Gossypium hirsutum L.）种质，来源为新疆农业大学棉花创新团队，包括西北内陆棉区97份、黄河流域77份、长江流域34份、地方品种20份和国外引进31份。2023—2024年在新疆5个环境（23YPH、24YPH、24WS、24KT、24SP）开展田间试验，随机完全区组设计，三区组种子混合后经高效液相色谱（high-performance liquid chromatography, HPLC）测定18种氨基酸。全基因组重测序数据来自前期研究，过滤后保留1,144,681个高质量 SNPs。方法包括 BLUP、主成分分析（principal component analysis, PCA）结合隶属函数综合评价、群体结构/LD分析、GEMMA混合线性模型GWAS（P+K）、500 kb候选区间、单倍型分析、SnpEff和GO/KEGG/同源注释、CottonMD表达谱，以及14个GS模型和标记选择策略比较。

研究结果：
3.1 棉花籽18种氨基酸含量表型分析：通过5环境259份种质描述统计，18种氨基酸均呈连续变异，符合数量性状；Glu和Asp最丰富，Hyp和Met最低；总体变异系数（coefficient of variation, CV）为6.14%–26.71%，His最高，Phe、Ile、Pro较高，Ala和Thr较低且稳定，Lys约9.3%；偏度和峰度接近零，近似正态。
3.2 多环境方差分析和广义遗传力：多环境方差分析显示18种氨基酸基因型效应高度显著，环境效应和 G×E 一般显著或高度显著；广义遗传力（broad-sense heritability, H²）为0.377–0.588，均值0.510，Ile、Ala、Leu、Val较高，Met和Thr较低；因此后续同时使用单环境表型和多环境 BLUP。
3.3 相关、聚类和 PCA：利用 BLUP 分析发现 Asp 与 Ala 强正相关，Asp-Tyr、Ala-Tyr、Ala-His、Asp-His 也强正相关；Thr 与 His、Lys、Met 弱负相关。Ward 层次聚类将259份材料分为4类，Class-A综合评分最高0.657，Class-B在 Arg、Lys、Met 上有优势，Class-C最低。PCA提取5个特征值>1主成分，累计贡献60.02%，PC1主要受 Asp、Ala、Tyr、His、Leu 正向载荷，PC2–PC5主要关联 Thr、Lys、Met、Arg、Ile。综合评分前10为 GH1664、ZGH0451、GH1582、GH1642、ZGH0450、GH1668、GH0755、GH1670、GH1652、ZGH0604。
3.4 全基因组 SNP 染色体分布和变异质量：基于259份材料鉴定1,144,681个高质量 SNPs，次等位基因频率（minor allele frequency, MAF）均值0.221，缺失率均值4.67%，转换/颠换比（transition-to-transversion ratio, Ti/Tv）为2.165；A 亚基因组含848,358个 SNPs，占74.11%，密度高于 D 亚基因组；A08 最多，D03和D04较少，呈染色体和亚基因组偏倚。
3.5 群体结构和 LD：ADMIXTURE 最佳 K=2，与邻接树和 PCA 一致；Group1含88份，以西北内陆棉区为主；Group2含171份，地理来源更多样。LD 衰减约500 kb，满足后续 GWAS 分辨率。
3.6 三种棉籽氨基酸 GWAS：以 Lys、Met、Thr 为焦点，基于5个单环境和 BLUP 共6套结果，共检测357个显著 SNPs，Lys 25、Met 157、Thr 175；去冗余后13、116、137。表型方差解释率（phenotypic variance explained, PVE）：Lys 9.06%–14.58%，Met 9.06%–34.13%，Thr 9.08%–15.36%。稳定位点定义为至少2套结果重复，共57个：Lys 4、Met 23、Thr 30，合并为7个候选区间。Lys 主要在 A06、D09；Met 主要在 A08 和 A06，A08 信号突出；Thr 主要在 A04、A09 和 D09。
3.7 候选区间单倍型构建及表型效应：在候选区间局部 LD 块中构建单倍型。Thr-A09 的 Hap1 在 BLUP、24YPH、24SP、24WS 中较高，但环境依赖。Thr-D09 的 Hap3 在 BLUP、23YPH、24YPH、24KT 显著高于 Hap1 和 Hap2，是提高 Thr 的有利单倍型。Lys-D09 的 Hap2 虽为低频，但在 BLUP、24KT、24SP、24WS 显著高于 Hap1，在23YPH和24YPH均值也较高，为有利单倍型。Met-A08 的 Hap2 在 BLUP 和5个单环境中均最高，且多数显著高于 Hap1，跨环境一致，可优先精细定位。
3.8 候选基因预测和 GO/KEGG 富集：
3.8.1 GO 和 KEGG 富集分析：基于500 kb区间鉴定626个基因记录，去冗余578个，Lys/Met/Thr分别135、250、241个；SnpEff 发现145个非同义变异基因，去冗余139个，分别33、58、54个。GO 名义 P<0.05：Lys 13、Met 36、Thr 6；FDR<0.05：Lys 8、Met 26、Thr 1。Lys 候选基因富集于碳水化合物和糖代谢、能量-底物互变，可能与碳骨架供应和代谢协调相关；Met 富集于叶绿素a加氧酶活性、钼蝶呤合酶复合体、2Fe–2S 簇结合、钼辅因子生物合成、寡肽转运和氧化还原；KEGG 未通过 FDR，仅辅助。Thr 富集于蛋白结合，FDR 后仅该项显著，涉及19个候选基因，提示蛋白互作、复合体组装或分子调控；KEGG 也未通过 FDR，仅辅助。
3.8.2 优先候选基因筛选及表达谱：整合稳定关联区间、SnpEff 非同义注释、同源功能注释和 CottonMD 表达谱，优先25个候选基因，Lys 6、Met 11、Thr 8。功能主要涉及氨基酸/肽转运、蛋白合成与周转、蛋白加工折叠、氮代谢、碳骨架供应和 Fe–S 簇。表达谱显示这些基因在根、茎、叶、花器官和胚珠发育阶段差异表达。Lys 相关 Gh_D09G006500 注释为氨基酸-质子同向转运蛋白；Met 相关 Gh_A06G242800 与营养信号/蛋白合成调节相关，Gh_A08G006200 与二肽/三肽转运相关；Thr 相关 Gh_A09G006600 和 Gh_A09G007200 与氨基酸转运相关。优先关注 Gh_D09G006500、Gh_A06G242800、Gh_A08G006200、Gh_A09G006600、Gh_A09G007200。
3.9 GS 模型评价和基于 GEBV 的优异材料筛选：
3.9.1 GS 模型评价：用 Lys、Met、Thr 多环境 BLUP 输入1,144,669个适合 GS 的 SNPs，比较14个 GS 模型。模型类型是预测准确率（prediction accuracy, PA）主要决定因素，随机标记密度影响小。Elastic net（EN）模型对三性状较稳定，全标记 PA 分别为 Lys 0.511、Met 0.531、Thr 0.636，因此选 EN 作为后续主要模型。
3.9.2 标记选择策略对 PA 的影响：基于 EN 比较 LD 修剪、标记-性状相关选择和随机采样。LD 修剪中保留更多标记 PA 升高，LD0.8 时 Lys、Met、Thr PA 为0.478、0.491、0.568。标记-性状相关过滤未提高 Lys 和 Met 的 PA，Thr 仅边际提高。最终优化 PA 为 Lys 0.511、Met 0.531、Thr 0.637。当前高密度 SNP 和群体规模下，保留全基因组标记对 Lys 和 Met 更有利，标记过滤效果具有性状依赖性。
3.9.3 基于 GEBV 的优异材料筛选：计算259份材料 GEBVs。单性状高 GEBV 材料不同。综合标准化 GEBV 前10为 GH0170、ZGH0611、GH0739、ZGH0591、ZGH0465、ZGH0590、ZGH0461、GH1629、GH1586、ZGH0762。Top20%选择差：Lys 均值增0.886，相对1.40%；Met 增0.0056，相对1.07%；Thr 增0.156，相对2.68%；多性状综合 GEBV 从0.481增至0.692，相对43.85%。这些是预测选择差，非实际遗传增益，需后代和多年多点验证。

讨论部分总结：
4.1 表型变异和优异种质筛选：棉籽蛋白质量取决于氨基酸组成、蛋白可利用性和抗营养因子；本研究多环境评价显示氨基酸连续变异和中等 H²，复合评分是群体内相对多变量指数而非直接营养质量指标。高综合分材料 GH1664、ZGH0451、GH1582 等可作为候选材料，但需结合产量、纤维品质、抗逆和多年多点验证。
4.2 GWAS 显著 SNP 和稳定区间：GWAS 信号不等同因果变异；研究人员整合多环境和 BLUP 减少单环境假信号，得到7个候选区间。Lys-A06 在染色体水平与 Liu et al. 报道的 Lys 相关数量性状位点（quantitative trait locus, QTL）一致，PVE 9.55%–14.58%；Lys-D09 和 Thr-D09 可与 D 亚基因组 QTL 比较，但因旧连锁图和 SSR 与当前物理坐标命名不一致，不能确认与 Chr22 相同。Met 相关稳定区间在 A06 和 A08，A08 突出，提示 A 亚基因组也可能影响棉籽 Met 积累。Lys、Thr、Met 属于或连接天冬氨酸族氨基酸代谢网络，但代谢分支不同；Met 还与硫同化、半胱氨酸代谢和甲基供体循环相关（Hesse and Hoefgen；Wirtz and Droux）。单倍型分析中 Met-A08-Hap2 跨环境一致，Thr-D09-Hap3 和 Lys-D09-Hap2 多数环境正向。LD 约500 kb，区间仍可能含多基因，需精细定位。
4.3 候选基因功能分析：种子氨基酸积累受合成、降解、转运、氮分配和储藏蛋白组成影响。氨基酸和肽转运蛋白参与氮源到库运输和种子氮输入（Rentsch et al.；Tegeder and Rentsch）。本研究鉴定 Gh_D09G006500、Gh_A08G006200、Gh_A09G006600、Gh_A09G007200 等转运相关候选基因。Met 区间富集 Fe–S 簇结合、辅因子合成和氧化还原；Fe–S 簇是多种代谢酶和电子传递蛋白的辅因子（Balk and Pilon）。Gh_A04G002700 与半胱氨酸脱硫和 Fe-S 簇形成相关，但不能直接证明其参与 Thr 积累。GO/KEGG、同源注释和公共表达谱只能提供线索，不能替代实验验证；重点基因位于稳定区间、携带非同义变异、在相关组织或胚珠发育表达，需表达验证、等位效应、转运活性或基因编辑验证。
4.4 GS 预测性能和定向改良种质筛选：GS 适合复杂数量性状早期选择，PA 受训练群体、遗传力、标记密度、模型和遗传结构影响。最终 Lys、Met、Thr PA 0.511、0.531、0.637，为中等预测能力。Lys 和 Met 保留全基因组标记最好，Thr 在标记-性状相关选择下略优，说明标记过滤不必然提高 PA。基于 GEBV 鉴定 GH0170、ZGH0611、GH0739 等材料，与18种氨基酸综合评分材料不完全一致，因目标不同。选择差是预测育种值水平，不等于实际遗传增益。棉籽蛋白还可用于胶黏剂、可降解膜、涂层等生物基材料（Selling et al.），但本研究未直接评估材料性能。
4.5 局限和展望：本研究补充 Lys、Met、Thr 遗传证据，整合综合氨基酸评价、稳定 GWAS、候选基因和 GS 种质筛选。局限包括：259份材料对低频有利单倍型、小效应位点和复杂互作估计精度有限；LD 约500 kb，候选区间含多基因，优先候选不等同因果基因；注释和表达为预测线索；GS 未在独立育种群体外部验证；跨年不平衡田间设计降低 G×E 估计精度，限制年份和地点效应分离；未专门进行 G×E-QTL、遗传稳定性和环境适应性分析；三区组种子混合成每基因型×环境一个复合生物样本，三次 HPLC 仅描述分析变异，无法恢复区组生物变异，H²、BLUP 等需在混合样本设计下解释。未来应精细定位 Lys-A06、Lys-D09、Met-A08、Thr-D09，功能验证重点候选基因，整合整体氨基酸综合与 GEBV 定向材料，扩大群体、增加环境重复、优化模型和表型评价。

研究结论翻译：
利用259份陆地棉种质，研究人员基于5个环境中18种氨基酸含量并结合 BLUP 综合评价，研究棉籽氨基酸组成的遗传变异和改良潜力。18种氨基酸均呈连续变异，具中等模型估计的广义遗传力，若干氨基酸间存在相关表型变异。基于 PCA 的综合评价鉴定出较高综合氨基酸评分候选种质 GH1664、ZGH0451、GH1582。聚焦三种营养限制性必需氨基酸 Lys、Met、Thr，使用1,144,681个高质量 SNPs 进行多环境 GWAS，检测到357个显著 SNPs，其中57个跨环境稳定并合并为7个稳定候选区间。单倍型分析显示 Thr-D09 Hap3、Lys-D09 Hap2 和 Met-A08 Hap2 为与相应性状较高表型值相关的有利单倍型，可作为后续分子标记开发和遗传效应验证的候选靶点。整合非同义变异注释、GO/KEGG、同源功能注释和公共表达谱，优先筛选25个候选基因，部分涉及氨基酸/肽转运、蛋白合成调节和氮分配。GS 显示 Lys、Met、Thr 预测准确率分别为0.511、0.531、0.637；鉴定综合 GEBV 优良材料 GH0170、ZGH0611、GH0739、ZGH0591、ZGH0465、ZGH0590、ZGH0461、GH1629、GH1586、ZGH0762。总体而言，该研究为陆地棉棉籽氨基酸组成的后续验证和定向改良提供稳定关联区间、优先候选基因和优异种质资源；除营养品质改良外，这些遗传资源也可能支持未来定制棉籽蛋白原料用于生物基非食品应用，但其加工和材料性能仍需充分验证。