USDA-SoyWheOatBar-3K基因分型平台：小麦、大麦与燕麦规模化分子育种的高通量标准化工具

《Frontiers in Genetics》：USDA-SoyWheOatBar-3K: a robust high-throughput genotyping platform to accelerate molecular breeding in small grains

　　

： 高通量基因分型技术支撑着已知位点的标记辅助选择以及对复杂性状的基因组预测。然而，对于许多育种项目而言，这些分子育种工具的常规化应用仍难以实现。本研究呈现了一种用于小麦、大麦和燕麦标准化基因分型的多物种单核苷酸多态性（single-nucleotide polymorphism, SNP）芯片平台。该平台包含9,468个小粒谷物SNP（小麦3,421个、大麦3,058个、燕麦2,989个），通过采用小麦和燕麦1厘摩（cM）、大麦0.5 cM的遗传选择区间，策略性地实现了全基因组覆盖。在超过10,000份样品的多样化种质资源验证中，该平台表现出稳健的技术性能，其中大麦、小麦和燕麦分别有98.7%、89.0%和91.5%的SNP满足全部质量阈值。该芯片的一个实用特性是能够在多物种杂交模式下对样品进行基因分型，从而降低每份样品的芯片处理成本。多物种杂交产生了伙伴特异的信号响应，同时保持了较高的基因型判读一致性，在所评估的双重及三重杂交组合中，一致性范围为93.5%至98.7%。燕麦在三重杂交条件下的信号质量最佳，但其性能仅略优于燕麦-小麦双重组合。独立应用研究表明，该芯片产生的基因组预测精度与使用更高密度芯片或基于测序的基因分型平台所获得的结果相当，并支持在全基因组关联研究中检测标记-性状关联。通过将小麦、大麦和燕麦的物种特异标记组合于同一平台，该芯片为常规分子育种提供了标准化的基因组资源。

论文解读文章

一、研究背景与问题

小粒谷物作物，包括小麦（Triticum aestivum）、大麦（Hordeum vulgare）和燕麦（Avena sativa），在全球粮食安全中发挥着至关重要的作用，贡献了全球人类卡路里摄入量的25%。面对日益增长的需求、新发病害以及多变的生产条件，区域化育种项目对小粒谷物的改良力度不断加强。利用基因组信息预测性状表现，使育种者能够在育种周期早期选择具有优良性状的品系或淘汰具有不良性状的品系，这是提高遗传增益效率、加速新品种释放的重要工具之一。

高通量基因分型平台通过分子育种解锁作物基因组，是作物改良的关键支撑。全基因组多态性数据用于鉴定大规模群体中的遗传变异，这对于应用全基因组关联分析（genome-wide association studies, GWAS）和数量性状位点（quantitative trait loci, QTL）定位等先进基因组学方法发现影响性状的分子标记至关重要。这些标记随后被转化为等位基因特异性PCR等高通量靶向检测方法，用于标记辅助选择（marker-assisted selection, MAS）流程中筛选育种种质。此外，全基因组平台可直接用于基因组选择（genomic selection, GS）育种设计，同时估算所有性状的育种值。

在现有各类全基因组基因分型技术中，基于测序的方法如全基因组测序（whole genome sequencing, WGS）、基因分型测序（genotyping-by-sequencing, GBS）、序列捕获和多重扩增子测序极大地扩展了小粒谷物的变异发现能力，但全基因组测序虽能提供近乎饱和的标记密度，对于复杂基因组的大规模育种群体常规基因分型而言成本仍然过高。GBS及相关的简化代表方法降低了每样品成本并已广泛应用，但存在位点回收不稳定、缺失数据以及依赖生物信息学处理等问题，使跨项目、跨群体和跨育种周期的比较复杂化。捕获和扩增子方法在预定目标上提高了一致性，但其成本和有效标记密度仍取决于DNA质量、检测设计和测序深度。

相比之下，SNP芯片检测一组固定的经验证位点，提供标准化的基因型判读、高重复性、快速处理以及跨实验室、群体和育种周期的直接可比性。这些特性使芯片特别适合常规基因组选择和标记辅助育种，前提是标记密度、探针特异性和 ascertainment 针对目标种质进行优化。尽管已有多种基因分型平台可供选择，但针对小粒谷物常规育种的标准化、快速、高通量平台仍存在缺口。高密度芯片提供的分辨率可能超出常规选择所需，且价格较高；而GBS虽成本较低，但生物信息学需求增加且位点回收逐年波动。中密度、固定内容的平台因此被认为是操作性基因组选择中成本效益较高的折中方案。

为填补这一空白，研究人员基于Illumina Infinium II芯片技术开发了一种多物种、全基因组基因分型平台，在小麦、燕麦和大麦中各靶向约3,000个策略性选择的SNP，提供适合常规育种应用的固定标记密度。

二、研究内容与主要结论

研究人员开发并评估了USDA-SoyWheOatBar-3K芯片的小粒谷物组分，该平台包含9,468个SNP，其中小麦3,421个、大麦3,058个、燕麦2,989个。验证结果表明，该平台在多样化种质中表现出稳健的技术性能，大麦、小麦和燕麦分别有98.7%、89.0%和91.5%的SNP满足全部质量阈值。多物种杂交模式能够在同一检测中处理不同作物样品，降低了每样品的处理成本，同时保持了93.5%至98.7%的高基因型判读一致性。独立应用证明，该芯片产生的基因组预测精度与高密度芯片或基于测序的平台相当，并支持GWAS中标记-性状关联的检测。该平台通过将三个物种的特异标记组合于同一芯片，为常规分子育种提供了标准化的基因组资源，在标记密度、重复性和通量之间实现了实用平衡。

三、关键技术与方法

研究人员在SNP发现阶段采用了物种特异的策略：小麦方面，使用384份品系的外显子捕获测序数据，比对至IWGSC Chinese Spring RefSeq v2.1参考基因组；大麦方面，利用历史育种种质在北中央小粒谷物区域基因分型实验室生成的50K iSelect芯片和9K芯片基因分型数据；燕麦方面，整合了6K芯片数据和全基因组测序数据。标记选择采用遗传区间策略，小麦和燕麦按1 cM、大麦按0.5 cM的区间进行单标记选择，综合次要等位基因频率（minor allele frequency, MAF）、亚群多态性、性状关联和芯片聚类分离度进行排序。验证群体包含来自22个美国育种项目的5,046份小麦、2,301份大麦和2,675份燕麦样品。基因分型采用标准Illumina Infinium HTS/XT流程，使用GenomeStudio多倍体基因分型模块进行聚类和基因型判读。多物种杂交模式按物种基因组大小比例混合DNA，评估了双重和三重杂交配置下的信号质量与基因型一致性。

四、研究结果

1. 1.
   芯片开发与设计

最终小粒谷物组分包含9,468个SNP，其中小麦3,421个（3,356个来自测序，65个来自90K芯片）、大麦3,058个（2,745个来自50K芯片，282个来自9K芯片，30个来自测序）、燕麦2,989个（942个来自6K芯片，930个来自专有芯片，1,117个来自测序）。标记分布于各物种全部染色体，小麦在A和B亚基因组密度高于D亚基因组，大麦在重组率较高的远端染色体区域密度较高。490个检测被指定为MAS标记，包括231个小麦、94个大麦和165个燕麦SNP。

1. 2.
   数据质量评估

标准化质量指标评估显示，大麦SNP技术质量最高，仅1.3%（41/3,058）被归类为问题标记；小麦和燕麦分别为11.0%（377/3,421）和8.5%（255/2,989）。这一模式与物种基因组复杂性一致，六倍体小麦和燕麦基因组对SNP稳健性能的挑战大于二倍体大麦。不同物种的主要质量问题各异：大麦以杂合度问题为主（51%），燕麦以杂合度问题（48%）和NC/NULL判读问题（40%）为主，小麦以NC/NULL判读问题为主（76%）。小麦无判读问题SNP比例为5.1%，高于燕麦（1.1%）和大麦（0.03%）。

1. 3.
   基因分型性能

与来源平台比较显示，单物种杂交模式下，小麦、大麦和燕麦的纯合基因型判读一致性分别为97.6%、95.0%和92.1%。一致性在小麦中跨MAF稳定，在燕麦中低于5% MAF时下降，大麦在低MAF下表现最佳。在22个育种项目中，除硬粒小麦项目外，每个项目至少有2,000个标记在MAF≥0.05水平分离，表明芯片保留了项目内的有用多态性。

1. 4.
   多物种杂交性能

信号质量分析显示，大麦SNP在麦-麦片双重配置中质量最高（平均综合质量评分0.9049，89%为优秀），三杂交配置下最低（0.6676，64.95%为优秀）。燕麦SNP在燕麦-大麦双重配置中表现最低（0.8268，70.29%为优秀），燕麦-小麦双重配置为0.8863（80.02%为优秀），三杂交配置略高（0.8926，81.01%为优秀）。小麦SNP在麦-麦片双重配置中表现最佳（0.8250，69.88%为优秀），麦-麦片双重和三杂交配置表现相似但较低。所有配置中，AB基因型类别通常表现出比AA或BB更大的绝对Theta位移，表明杂合聚类对杂交条件变化更敏感。

1. 5.
   基因型一致性

尽管信号质量存在伙伴特异差异，基因型判读一致性仍保持较高水平。九个作物-杂交组合比较中，基因型一致性范围为93.51%至98.71%，Pearson相关系数范围为0.922至0.989，Cohen's κ值范围为0.878至0.975。质量差的SNP通常比优秀SNP具有更高的误判率，但这一关系并非普遍成立，质量差的SNP仍保持了94.04%至99.12%的基因型一致性，表明荧光聚类的移动或分散并不必然导致基因型判读错误。

1. 6.
   案例研究

在基因组选择方面，Bazzer等人（2025）在南达科他州立大学燕麦项目中评估了1,230份育种品系的β-葡聚糖含量，发现该芯片在标记较少的情况下达到了与GBS相似的预测精度。Dhakal等人（2024）在伊利诺伊大学燕麦育种项目中实施了多性状基因组选择（multi-trait genomic selection, MTGS），预测精度达到容重0.59、细粒百分比0.60和籽粒率0.47。Brault等人（2025）在春小麦赤霉病抗性预测中报告预测精度为0.49至0.72，3K芯片预测因子与90K标记表现相当。在GWAS方面，Bazzer等人（2025）通过多环境GWAS鉴定了73个显著位点，包括先前报道的与纤维素合酶样（cellulose synthase-like, Csl）基因相关的QTL。

五、讨论与结论

讨论部分指出，二倍体大麦的问题探针少于多倍体小麦和燕麦，符合预期。多倍体物种存在三个同源亚基因组（小麦的A、B和D；燕麦的A、C和D），可降低SNP特异性并增加Theta变异和缺失数据率。燕麦在5% MAF以下一致性下降可能反映了稀有等位基因型类别代表性不足。多倍体基因组中探针基因分型杂合度升高是常见挑战，育种者应检查显示过量杂合的位点，使用物种和群体适当的聚类文件，并在有参考基因型时比较可疑杂合判读。多物种杂交效应具有物种和伙伴特异性，没有一种配置对所有作物统一最优，AB聚类普遍比AA或BB聚类更敏感。这些模式不支持仅基于系统发育关系的简单解释，杂交性能可能反映了50 bp探针水平序列相似性、靶位点拷贝数、基因组复杂性、DNA输入比例和SNP特异聚类几何形状的综合效应。重要的是，所有配置下基因型一致性均保持较高水平，信号位移和基因型判读失败是相关但不同的结果。独立验证研究支持该芯片在育种应用中的实用性，表明约2,000个保留标记足以支持中等到高精度的基因组预测。该芯片将已知性状关联位点与全基因组标记整合，490个MAS标记代表抗病性、物候、籽粒品质、产量相关性状和逆境响应。研究结论指出，该芯片在标记密度、重复性和通量之间提供了实用平衡，为美国主要小粒谷物作物的常规基因组辅助育种提供了标准化框架，固定标记内容还为跨育种项目、环境和世代的种质比较提供了标准化体系。