《Industrial Crops and Products》：Integrated multi-trait selection framework for Norway spruce: Phenotypic spatial correction and multi-trait GWAS
编辑推荐：
本研究以中国引种的挪威云杉（Picea abies [L.] Karst）半同胞子代测定林为材料，构建了整合多性状联合选择与全基因组关联分析（GWAS）的综合遗传改良框架。研究人员首先采用空间-竞争混合模型（SCM）对表型数据进行校正，以控制微环境异质性与邻株
本研究以中国引种的挪威云杉（Picea abies [L.] Karst）半同胞子代测定林为材料，构建了整合多性状联合选择与全基因组关联分析（GWAS）的综合遗传改良框架。研究人员首先采用空间-竞争混合模型（SCM）对表型数据进行校正，以控制微环境异质性与邻株竞争效应，显著提高了遗传力估计精度（新梢长度遗传力达75%，冠幅达45%）；随后联合模糊隶属函数、Qi法、主成分分析（PCA）与Smith-Hazel选择指数（SI）四种多性状评价方法，建立了Met-Ipsq2联合选择策略，在平衡遗传增益与多样性的基础上筛选出41株优良个体。通过多性状GWAS（mvLMM）与基于选择指数的GWAS（SI-based GWAS）互补策略，共鉴定出21个显著单核苷酸多态性（SNP）位点及13个候选基因（包括GTL1）；转录组表达证据支持候选基因的生物学解释，跨模型共定位进一步增强了结果的可靠性。研究人员将7个SNP位点成功转化为竞争性等位基因特异性PCR（KASP）标记，该标记组合可有效区分优良与劣质材料，实现低成本早期预筛选，并为后续基因组选择（GS）提供候选标记。
研究背景：气候变化加剧、生态系统退化及可持续木材生产需求对森林遗传改良提出了前所未有的挑战，亟需在复杂环境动态下保存适应性变异并提升育种效率的新策略。单一性状改良难以在生长、形态与适应性等多目标间取得平衡，多性状整合选择因而成为提升改良效率的关键策略。多数林木试验位于环境复杂异质的山区，表型观测常受微环境效应干扰，须加以校正方能准确捕获遗传变异。此外，分子标记辅助选择（MAS）在林业中的应用受制于数量性状的复杂性、标记效应不稳定及与实际育种体系整合不足等因素。将MAS与多性状选择相整合，有望提升树木育种的有效性。多性状联合选择整合生长、木材品质与抗逆性信息，可实现更早期、更准确的筛选，缓解单性状权衡，从而缩短育种周期、降低成本。然而，现有基于指数的选择框架在育种值估计方面仍有较大改进空间；将空间分析与选择指数相结合用于优良树综合评价的研究鲜有报道。同时，挪威云杉前期GWAS研究多集中于单一性状，整合生长与形态性状的多性状关联研究及育种应用仍较匮乏。基于此，研究人员以中国引种的挪威云杉为对象开展综合遗传研究，目标包括：(a) 评估半同胞子代测定中的空间与竞争效应以确保表型评价准确；(b) 应用多种多性状评价方法筛选生长与树干性状优良个体；(c) 通过多性状GWAS与SI-based GWAS解析关键性状遗传基础；(d) 鉴定并验证可区分优劣个体的多性状SNP标记组合并开发为KASP标记。
主要关键技术方法：研究材料来自甘肃小陇山沙坝国家挪威云杉种质资源库半同胞子代测定林，含45个开放授粉家系，2010年育苗、随机区组设计（4株小区、15次重复），依据存活率阈值筛选后保留819株用于表型分析、796株用于群体结构与GWAS分析，基因分型采用GenoBaits? Picea abies 40K GBTS芯片。分析方法包括：构建标准混合线性模型（MLM）、空间混合模型（SM，基于行列一阶自回归AR1结构）、竞争混合模型（CM）及空间-竞争混合模型（SCM），以赤池信息准则（AIC）选择最优模型并以Moran's I诊断残差空间结构；采用模糊隶属函数、Qi法、PCA与Smith-Hazel选择指数进行优良个体选择；多性状GWAS采用GEMMA的多元线性混合模型（mvLMM），SI-based GWAS采用GAPIT-3中七种模型；候选基因功能注释借助PlantGenIE与STRING，表达分析基于公共RNA-seq数据集；优良等位基因（FA）富集分析采用Fisher精确检验并结合Benjamini-Hochberg校正；KASP标记在独立100个后代验证panel中进行验证。
研究结果：
3.1 挪威云杉半同胞家系表型变异：半同胞家系间存在显著变异，变异系数（CV）为26.6%～60.0%；生长性状（H、DBH、CW、NH）呈近似正态分布且变异中等，评分性状BS与SS呈离散偏态分布，BS的CV最高（60.0%），表明家系内存在丰富的遗传多样性。
3.2 半同胞家系空间异质性：通过AIC与Moran's I比较8个空间模型（SM1-SM8）对6个性状的拟合，基础模型下H、CW、NH、SS呈明显残差空间聚集（Moran's I为0.13、0.14、0.13、0.08，p<0.05），空间效应去除后残差趋于随机（p>0.48）；BS与SS最优模型为SM3。最优模型下各性状遗传力为0.18～0.41，NH遗传力较低（h2<0.2），SS最高。
3.3 六性状遗传相关：生长性状间及生长性状与SS间遗传相关强且极显著（rg=0.521～0.872）；BS与DBH、NH呈显著负相关，与其他性状负相关但不显著，表明生长性状间高度遗传协同而抽芽期与生长存在轻微拮抗。
3.4 不同方法优良个体比较：PCA前4个主成分解释总变异的93.41%，PC1贡献57.52%；在5%选择强度下四种方法各选出44株，3株个体（13_9_2、13_29_2、13_3T_4）在四种方法中均位列前10，14株（31.82%）被四种方法共同选中，30株（68.18%）在PCA、SI与Qi间重叠，个体13_9_2在所有方法中均排名第一。
3.5 不同策略遗传增益：PCA在DBH（18.06%）与CW（12.31%）上增益最高，SI在H（16.37%）与NH（5.64%）上最优，Qi在SS（13.21%）上增益最高；四种联合策略中Met-Ipsqu生长增益最高但仅选14株，Met-Ipsq2在H（15.84%）与DBH（17.22%）上增益适中且BS为6.25%，维持接近5%的选择强度并在生长与物候间取得平衡。
3.6 遗传多样性与群体结构：MAF为0.024～0.500（均值0.187），He、Ho与PIC均值分别为0.275、0.241与0.229；标记分布于全部12条染色体，LD衰减距离为52.5 kb（R2=0.1）；PCA与邻接（NJ）树显示群体呈弱而连续的遗传结构，无显著亚群分化。
3.7 多性状GWAS：mvLMM检测到11个SNP，SI-based七种模型检测到13个SNP，3个位点（chr09_273218567、chr01_39112971、chr12_309989947）被两种策略一致检出；GEMMA检出的11个位点中5个对生长性状具负效应、2个具正效应，SI-based检出的13个位点MAF为0.05～0.41、表型方差解释率为0.00%～20.87%，其中3个位于外显子区、1个为非同义变异；chr10_1098138755位于基因PA_chr10_G004402内，携带突变等位基因个体SI、H与SS较高。
3.8 候选基因组织与发育阶段表达谱：多数候选基因基础表达普遍较低，仅部分呈现组织或阶段偏好性；PA_chr02_G001459（FEY）在侵染/午后针叶、茎与晚材中高表达；含非同义SNP的PA_chr02_G004082（STP7）在虫瘿与晚材中显著上调；转录因子PA_chr10_G004402（GTL1）整体表达较低且在芽中随发育逐渐下降；表达模式佐证了GWAS信号下关键候选基因的功能相关性。
3.9 7个KASP标记效用评估：21个显著SNP不同基因型间SI差异显著，部分位点呈清晰加性梯度或杂合优势；Tier1位点（如chr10_1098138755，OR=19.0；chr12_309989947，OR=3.3）在优良树中显著富集而劣质树中缺失；基于7个Tier1位点的层次聚类可清晰区分优劣树，100个个体验证panel中7个KASP assay均形成明确荧光簇且对应基因型SI差异显著，证实该标记组合可有效区分SI表型。
讨论部分总结：空间模型可有效分离遗传变异与环境变异，本研究中纳入空间与竞争效应后加性方差增加、残差方差降低，H、DBH、NH、CW加性方差分别提高21%、9%、98%与83%，遗传力相应提高5.8%、0.9%、65%与45%，其中新梢与冠幅增益更为显著，与 shoot 性状对光竞争的高敏感性一致，同时试验地缺失率高与丘陵地形可能削弱了H与DBH的空间校正幅度。多方法选择方面，除Ui外其余三种方法均至少在一个性状上获得最高遗传增益，Ui因依赖极值标准化对离群值敏感且偏向整体均衡个体而不适于本研究目标；BS与生长的拮抗提示需采用性状依赖加权或约束指数以兼顾物候适应。四种联合策略中Met-Ipsq2选出41株优良个体，有效降低单一方法选择的偏倚，与云南松研究相比重叠率较低主要源于本研究采用三方法交集结合SI的策略。候选基因方面，PA_chr10_G004402注释为PTL类三螺旋转录因子，其拟南芥同源基因为GTL1，是经典的生长负调控因子；PA_chr10_G001459注释为视黄醇脱氢酶12类基因，属短链脱氢酶/还原酶（SDR）家族，参与激素代谢相关的氧化还原反应；此外还鉴定到与细胞壁代谢和运输相关的SYP61、STP7及UDP-糖焦磷酸化酶类同源基因，以及类酪蛋白激酶CKA1同源基因和II类氨酰-tRNA合成酶同源基因，候选基因跨越转录调控、激素代谢、细胞壁生物合成、信号转导与基础代谢多个生物学层面；研究人员同时指出多性状信号可能源于真实多效性或局部连锁不平衡，故强调基于标记组合的分类而非单位点推断。标记组合方面，整合空间校正与多性状GWAS提高了作图稳健性，chr09_273218567、chr12_309989947与chr01_39112971在独立模型间一致检出，为panel设计提供高置信锚点；7个Tier1位点在优良个体中FA明显富集，分子FA富集与表型选择指数的一致性构建了跨空间校正、性状相关与群体分化的收敛证据框架；多位点组合通过累积效应优于单标记，与作物中少量优势单倍型解释主要表型变异的证据一致；KASP assay已在外部群体中验证，未来将建立苗期高通量基因分型标准操作流程（SOP）；研究目前局限于单一群体，小效应位点跨环境重复性有限，需在独立 cohort 中验证，实践中紧凑panel可用于低成本早期分流而GS仍用于连续排序与家系内选择，GWAS衍生位点作为信息先验可衔接二者。结论部分译文：本研究在空间异质性明显的挪威云杉半同胞子代测定林中开展，为标记辅助的多性状并发选择提供了方法学基础。通过纳入空间-竞争混合模型，有效控制了细尺度环境变异，提高了生长与形态性状遗传参数估计的准确性。四种多性状选择策略的联合使用将单一方法筛选的固有偏倚降至最低，同时保留了优良个体，从而有助于构建一致性优良树集合并实现可操作的早期选择。多性状GWAS鉴定了少量SNP及具有生物学可解释性的候选基因（包括转录因子GTL1），提示生长与形态相关性状间存在可利用的共调控联系。优先筛选的7位点panel可可靠区分优良与劣质个体，并已成功开发为KASP assay用于初步MAS部署。未来工作将沿两条路线推进：(1) 跨群体与多环境验证，评估7位点panel在不同遗传背景与地点间的稳定性与可转移性；(2) 与GS整合，将稳健位点作为先验纳入GS模型以提高预测准确性与稳定性，并结合功能验证（表达谱、时间序列分析与基因编辑）阐明关键基因的作用机制。
