《The Plant Genome》：Pangenomic framework for globe artichoke supports SNP-based varietal fingerprinting
编辑推荐：
摘要专业翻译
球蓟（Cynara cardunculus var. scolymus L.）包含广泛的本地生态型和品种类群，其遗传多样性已通过不同的分子标记进行了研究。然而，近年来下一代测序和泛基因组学方法的进展为以更高分辨率捕获全基因组变异以及开发用于品种鉴
摘要专业翻译
球蓟（Cynara cardunculus var. scolymus L.）包含广泛的本地生态型和品种类群，其遗传多样性已通过不同的分子标记进行了研究。然而，近年来下一代测序和泛基因组学方法的进展为以更高分辨率捕获全基因组变异以及开发用于品种鉴别、可追溯性和种质资源保护的实际工具提供了新的机遇。在本研究中，研究人员构建了首个栽培球蓟泛基因组框架，并评估了基于泛基因组信息的单核苷酸多态性（single-nucleotide polymorphism, SNP）标记在品种指纹鉴定中的应用价值。研究人员将意大利本地生态型Asti Sorì的全基因组重测序数据与公开可用的代表性球蓟及栽培刺菜蓟种质基因组数据整合，构建并注释了一个泛基因组。研究人员将全基因组SNP和存在/缺失变异（presence/absence variation, PAV）分析与基于泛基因组锚定的基因分型测序（genotyping-by-sequencing, GBS）数据相结合，后者覆盖了代表主要栽培品种类群的45份种质。泛基因组揭示了一个高度保守的核心基因库以及一个较小的附属组分，基因累积曲线表明在所采样的栽培种质范围内呈现出趋于饱和的趋势。基于SNP和PAV的分析提供了种质关系的互补视角，并一致地解析了主要的栽培类群。在更广泛的种质群体中，基于泛基因组锚定的GBS衍生SNP识别出了与公认品种类型相对应的、具有良好系统发育支持的聚类。性能最佳的50-SNP标记组合与基于完整数据集获得的配对遗传距离矩阵显示出高度相关性（Pearson's r = 0.96），并在很大程度上重现了其主要品种结构。这一紧凑的标记组合为品种指纹鉴定、DUS（特异性、一致性和稳定性，distinctness, uniformity, and stability）导向的应用、可追溯性以及传统球蓟种质资源的保护提供了实用的基础。
论文解读
一、研究背景与科学问题
球蓟（Cynara cardunculus var. scolymus L.）是菊科（Asteraceae）中一种二倍体异花授粉作物，主要种植于地中海盆地，其基因组大小约为1.084 Gb。球蓟包含广泛的本地生态型和品种类群，形态学和分子研究已识别出包括Catanese/Violetto、Spinoso、Romanesco和Violetto di Toscana等在内的不同品种类群。然而，目前尚不存在球蓟的泛基因组资源，这限制了对多样性分析的完整性以及对非参考基因组内容的表征。同时，缺乏标准化的基于SNP的标记组合制约了品种登记、DUS测试以及传统生态型的分子可追溯性。此前基于RADseq（限制性位点相关DNA测序）衍生标记的GBS研究已证明了全基因组SNP发现用于球蓟群体结构和多样性分析的潜力，但这些方法未锚定于泛基因组框架，也未针对精简诊断标记组合的开发进行优化。基于有限重测序组合识别出的种质特异性变异在更广泛的种质资源中可能不具备判别效力，因此需要一种基于泛基因组锚定的GBS衍生SNP的群体水平方法，以构建实用的品种指纹鉴定工具。本研究以意大利皮埃蒙特Asti地区栽培的本地生态型Asti Sorì为切入点，该生态型此前未在基因组水平上得到表征，也缺乏正式的分子鉴定工具。
二、研究内容与主要结论
本研究实现了三个目标：其一，生成Asti Sorì的全基因组重测序数据，并与公开可用的代表性C. cardunculus种质基因组数据及2C参考基因组整合；其二，重建并注释各品种水平的基因组，量化泛基因组内容，包括SNP和PAV；其三，在更广泛的种质群体中评估基于泛基因组锚定的GBS衍生SNP，并推导出用于品种指纹鉴定的初步精简标记组合。研究结果显示，泛基因组包含37,198个蛋白质编码基因，其中30,817个为核心基因、1,874个为软核心基因、3,471个为外壳基因、580个为云基因。基因累积曲线表明在所采样的栽培种质范围内呈现趋于饱和的趋势。功能分层分析显示，转录调控因子和转运蛋白基因在核心基因组中显著富集，而参与次生代谢和防御响应的基因从核心到云类别呈现单调递增的富集趋势。在45份种质的GBS群体中，基于泛基因组锚定的SNP通过PCA、sNMF和最大似然系统发育分析一致地解析了主要品种类群。通过随机子采样策略，研究人员筛选出与完整数据集遗传距离矩阵相关性高达0.96的50-SNP精简标记组合，该组合在系统发育重建中基本重现了主要品种结构。Asti Sorì在基于全基因组重测序和GBS的群体分析中均被一致地解析为遗传上独特的种质。
三、关键技术方法
研究人员采用的主要技术方法包括：参考引导的基因组重建，使用MEGAHIT进行从头组装、RagTag进行支架构建；整合Helixer和BRAKER3的结构基因注释方法，并结合公开RNA-seq转录组证据；基于minimap2比对、MMseqs2冗余序列去除和NCBI nt数据库污染过滤的泛基因组构建流程；采用eggNOG-mapper、InterProScan和DIAMOND（BLASTp）的多重功能注释策略；基于BWA-MEM2比对和bcftools变异检测的全基因组SNP和INDEL鉴定；使用SGSGeneLoss进行PAV分析；使用Dysgu进行结构变异（SV）检测；对45份代表七大主要形态农艺类型（Catanesi、Violetti di Provenza、Violetti di Toscana、Romaneschi、Macau、Spinosi、Green et al.）的球蓟种质进行基于HindIII和NlaIII双酶切的RADseq GBS基因分型；以及基于随机SNP子采样和Pearson相关性评估的精简标记组合筛选策略。
四、研究结果
4.1 Asti Sorì生态型在两个栽培地点的表型特征
Asti Sorì生态型以绿色、细长、无刺的花序头为特征，代表传统的意大利北部品种类型。在两个不同环境（Costigliole d'Asti的Santa Margherita和Revigliasco）的田间评估显示，产量相关性状的分布存在重叠，花序形态性状分布总体相似。12个共享品系标识符的Pearson相关系数分析显示，形状比（L/H）在两个地点间显著相关（r = 0.750, p = 0.020），而其他性状相关性不显著。这些观察为使用Asti Sorì作为基因组表征的焦点材料提供了描述性支持。
4.2 参考引导的基因组重建与注释
通过参考引导组装方法，研究人员为所有种质生成了重建基因组，包括新测序的Asti Sorì。结构注释在VT中鉴定出34,074个基因，在C3中鉴定出34,746个基因。BUSCO基因组完整性评估范围为95.2%至97.6%，蛋白质组完整性为92.0%至95.2%。这些重建和注释的基因组为后续比较分析和泛基因组构建提供了基础。
4.3 泛基因组构建与结构
泛基因组整合了六个非参考种质的重建基因组与2C参考基因组，经冗余去除和污染过滤后保留了131.3 Mb非参考序列。RepeatMasker注释了约106.2 Mb序列，主要类别包括Unknown repeats（40.6 Mb）、LTR/Copia（23.2 Mb）和LTR/Gypsy（13.2 Mb）。非参考序列上的基因预测鉴定出2,894个非参考蛋白质编码基因模型，其中1,352个获得保守结构域支持，1,023个获得包含GO术语的功能注释。泛基因组包含37,198个蛋白质编码基因，组装序列跨度约0.86 Gb。基因分类显示30,817个核心基因、1,874个软核心基因、3,471个外壳基因和580个云基因。A41的云基因比例最高（0.70%），VT最低（0.07%）。基因累积曲线建模表明泛基因组大小随基因组数增加而增长，但新基因发现速率递减，呈现趋于饱和的趋势。功能富集分析显示，转录调控因子和转运蛋白基因在核心基因组中显著富集（BH校正Fisher检验，p < 0.001），而次生代谢和防御相关基因从核心到云类别呈递增富集趋势。附属基因组（外壳和云基因合计4,051个）的GO富集分析显示，类异戊二烯和萜类生物合成过程是最显著富集的生物学过程之一（BH p < 0.01）。Asti Sorì独有的33个基因在放宽阈值（FDR < 0.10）下富集了倍半萜合酶活性和环氧化物水解酶活性相关术语。
4.4 全基因组变异、种质关系与候选诊断标记
全基因组变异检测揭示了广泛的遗传变异，杂合变异占主导地位，与C. cardunculus的异花授粉特性一致。A41的杂合变异数最低（约290万），Asti Sorì最高（约970万）。Asti Sorì的变异检测共鉴定出16,247,543个变异记录，包括14,891,580个SNP和1,355,963个INDEL。基于全基因组SNP的PCA显示，2C和A41沿PC1明显分离，VT、VS和SP紧密聚集，Asti Sorì占据中间位置，C3沿PC2表现出更大分歧。基于34,583个剪枝SNP的最大似然系统发育分析与PCA聚类模式一致。PAV-based系统发育重建呈现总体相似的拓扑结构，但部分种质的相对位置存在差异。结构变异分析在严格质控后保留了213,082个高置信度候选SV记录（≥50 bp），包括102,943个缺失、107,112个插入、1,536个重复、896个倒位和595个易位。更严格的大片段事件子集包含9,099个记录，聚类为5,031个操作性非冗余SV簇，其中1,988个由至少两个种质共享，3,043个仅在一个种质中观察到。
4.5 基于泛基因组锚定GBS标记的品种关系与精简SNP指纹鉴定
基于完整过滤SNP数据集的PCA显示，PC1和PC2分别解释了24.59%和12.14%的总方差。PC1分离了三大种质类群：Spinosi位于正侧，Catanesi和Violetti di Provenza位于相反侧，Romanesco、Violetto di Toscana及相关材料占据中间位置。sNMF分析确定K = 6为最具信息量的亚分水平。Catanesi和Violetti di Provenza种质显示出相似的祖先谱系，Spinosi种质形成独立遗传群并进一步分为西西里和撒丁岛两个亚簇。Asti Sorì显示出独立于所有其他品种类群的聚类特征。最大似然系统发育重建基本支持PCA和sNMF的聚类模式，Spinosi种质形成独立且高支持度的进化枝，Asti Sorì归入绿色头状花序种质的更广泛簇中但保持独特系统发育位置。随机子采样分析中，最佳50-SNP组合与完整数据集遗传距离矩阵的Pearson相关系数为0.96。在最终45份种质群体中，所选50-SNP组合在45份种质中产生44个可区分谱型。基于该50-SNP子集的系统发育重建基本重现了完整数据集观察到的主要品种结构，Asti Sorì保持了明确分化的系统发育位置。
五、讨论与结论
讨论部分指出，球蓟泛基因组以大型保守核心基因集为主，辅以较小的附属组分，这与在其他作物泛基因组中观察到的结构一致。附属基因组中次生代谢和防御相关功能的富集提示，可变基因可能优先贡献于种质特异性化学多样性，这与球蓟中倍半萜内酯（如菜蓟苦素）和酚类化合物（如绿原酸）等次生代谢物对产品质量和品种分化的核心作用相关。SNP和PAV分析提供了互补而非冗余的多样性视角。Asti Sorì的基因组独特性不应被解释为单一种质完全代表整个生态型，而是表明该本地材料含有可识别的基因组组分，可作为进一步表征的靶标。50-SNP组合应被视为初步候选工具而非即用型诊断工具，需要在独立种质资源库和技术平台上进行验证，并转化为可部署的基因分型检测方法（如KASP探针或靶向扩增子测序）。研究结论指出，本研究开发了球蓟首个泛基因组框架，SNP和PAV分析一致地将Asti Sorì解析为所分析材料中基因组上独特的种质，50-SNP精简组合在分析种质范围内重现了完整数据集的主要群体结构，为品种指纹鉴定、DUS测试和传统意大利球蓟生态型的分子保护提供了实用的候选资源。
