《Plant Biotechnology Journal》:Next-Generation Soybean Haplotype Map as a Genomic Resource for Enhanced Trait Discovery and Functional Analysis
编辑推荐:
研究人员提出了一个由1278份Glycine max和Glycine soja种质全基因组测序生成的全球大豆单倍型图谱(haplotype map),包含1137万个单核苷酸多态性(single nucleotide polymorphisms, SNPs)和
研究人员提出了一个由1278份Glycine max和Glycine soja种质全基因组测序生成的全球大豆单倍型图谱(haplotype map),包含1137万个单核苷酸多态性(single nucleotide polymorphisms, SNPs)和205万个短插入缺失(short insertions and deletions, InDels)。该图谱(GmHapMap-II)捕获了前所未有的遗传多样性,反映了全球大豆基因库的广泛范围。该资源构建于近无缺口参考组装(near-gapless reference assembly)之上,并超越早期仅基于栽培种质的GmHapMap-I所达到的多样性上限,纳入野生G. soja种质,以捕获大豆基因库全范围的遗传多样性。群体结构分析揭示6个地理上不同的亚群,其影响连锁(linkage)并塑造重组(recombination)。单倍型变异图谱以高于低密度SNP芯片的精度解析了先前报道的15号染色体粗蛋白含量(crude protein content)关联。研究人员进一步鉴定到1号染色体上控制亚麻酸含量(linolenic acid content)的全基因组显著位点,该位点不同于所有已知FAD3去饱和酶基因(FAD3 desaturase genes),并与几乎仅存在于野生G. soja种质中的单倍型相关,表明一种在驯化过程中丢失的种子油品质变异来源。所构建的单倍型图谱使研究人员能够详细表征大豆胞囊线虫(soybean cyst nematode, SCN)相关rhg-1和Rhg-4位点的单倍型多样性和拷贝数多态性(copy number polymorphism),揭示新的单倍型结构以及相对于先前表征基因型具有升高拷贝数变异(copy number variation, CNV)的种质系。将单倍型和拷贝数数据整合到用于SCN抗性基因组预测(genomic prediction)的机器学习(machine learning)框架,并在用户友好数据库中编目基因中心单倍型,该资源支持性状发现和应用育种决策。该单倍型图谱将作为基于性状作图的重要基因组资源,促进基因组学赋能改良品种选育。
研究背景与问题:大豆是动物饲料蛋白和油含量的主要来源,其异源多倍体基因组约11亿碱基对、分布于20条染色体,含约58 000个蛋白编码基因。大豆生产受生物和非生物胁迫严重制约,鉴定优良等位基因对改良品种至关重要。为满足2050年蛋白需求,需利用种质库中保存的大量遗传多样性,但其基因组层面仍表征不足。以往重测序虽编目数百万SNP,但依赖单一线性参考基因组限制了结构变异检测,并造成连锁不平衡(linkage disequilibrium, LD)不完整,降低全基因组关联分析(genome-wide association study, GWAS)统计功效并留下未解释的性状遗传力。长读长技术改进了参考组装Wm82.a5,但群体尺度变异发现和性状解析潜力尚未充分实现;GmHapMap-I基于Wm82.a2、仅含1007份栽培种质,其多样性发现已趋于饱和,需更新并纳入野生G. soja和地方品种。多数遗传和关联分析仍使用Soy50KSNP芯片,低密度基因分型缺乏完整序列信息,限制功能基因验证。因此,研究人员构建整合全球种质、高分辨率的单倍型变异图谱。
研究人员开展了GmHapMap-II研究,整合1278份G. max和G. soja种质,采用统一流程比对Wm82.a5,获得1137万SNP和205万InDel的高置信变异目录,并应用于种子成分、SCN抗性等性状解析、机器学习和数据库构建。该资源在更大样本量下仍未显示SNP发现平台,较GmHapMap-I捕获更多遗传多样性;其提高蛋白含量位点定位精度,鉴定独立于FAD3的1号染色体亚麻酸位点,揭示rhg1/Rhg4新单倍型和高拷贝数种质,并建立可用的基因中心单倍型数据库,为性状作图、等位基因挖掘和基因组选择提供重要资源。
关键技术方法:研究分析1278份种质,包括1116份公开重测序种质和162份新测序种质,覆盖美国、中国、韩国、日本、巴西、澳大利亚等来源的G. max与G. soja;以Wm82.a5为参考,经Trimmomatic质控、BWA-MEM比对、GATK4 HaplotypeCaller检测变异、BEAGLE定相与填充、SnpEff注释;GWAS采用MLM和FarmCPU(rMVP);LD和单倍型分析采用PLINK、LDBlockShow和geneHapR;CNV采用CNVnator;表型来自USDA种质评价;机器学习比较9种分类器;数据库采用Apache2和Postgres。
2.1 全球大豆单倍型图谱:通过对1278份重测序种质统一分析,获得约206.92亿高质量双端reads、平均测序深度19.3×,平均比对覆盖98.9%;过滤后保留1137万个MAF>0.01高质量SNP,84.47%位于基因间区,8896个基因携带至少一个预测功能丧失(loss-of-function, LOF)变异,形成全球代表性变异目录。
2.2 群体结构与多样性:通过与GmHapMap-I比较及群体分析,发现GmHapMap-II纳入野生G. soja且采用Wm82.a5/GATK4流程,原始变异数不宜直接比较;USDA种质分为6个亚群、4个主要聚类;LD衰减在野生种最快、地方品种居中、栽培种最慢,单倍型块平均大小分别为野生18.15 kb、栽培31.10 kb、地方45.36 kb,表明栽培材料重组降低。
2.3 标签SNP分析:通过LD修剪获得约130万个全基因组标签SNP(tag SNP),覆盖常见、中间和低频变异,保留519个MAF 1%–5%变异、仅3个MAF<1%,适合GWAS、群体遗传学和基因组预测。
2.4 基于全球HapMap-II数据的GWAS:利用GRIN表型和MLM/FarmCPU分析,蛋白含量检测到Chr20和Chr15位点,其中Chr15为HapMap额外检出而SoySNP50K未检出;lead SNP位于3 888 132 bp(MAF=0.18),LD区间缩至3.22 kb,候选基因为糖转运SWEET基因Glyma.15G049200,并在种子和种皮表达;油含量定位同一LD区,棕榈酸定位Chr5的GmFATB1A,亚麻酸定位Chr1新信号,说明更高标记分辨率提高因果基因检测能力。
2.5 蛋白含量优势单倍型:对Glyma.15G049200进行单倍型分析,鉴定7个多态位点(含3-bp InDel和编码区G→A)及11个单倍型,H1(822份)、H2(173份)、H3(53份)为主;H3蛋白含量显著高于H1,H2居中;H1油含量较高、H2较低;中国种质单倍型多样性最高、美国近固定H1;野生保留5个主要单倍型,地方品种H1为78.1%,栽培品种H1为95.7%,H3–H5在栽培中缺失,显示驯化瓶颈和育种选择造成约85%单倍型多样性丢失。
2.6 1号染色体亚麻酸含量位点精细定位:GWAS鉴定lead SNP为Chr01:58 143 572(p=5.18×10
?11),G等位升高亚麻酸;11.7 kb区间内14个SNP定义13个单倍型;H3(约16%–17%)显著高于H1(约8%–9%),H4和H6亦升高;H3在野生G. soja中频率35.7%、地方品种0.3%、栽培品种未检出,H4–H13几乎限于野生,表明该位点独立于FAD3,驯化中丢失了可利用变异。
2.7 大规模种质扫描揭示主要SCN位点新单倍型和CNV:rhg1鉴定4个单倍型,H2(PI88788型)和H3(Peking型)与SCN race 3(HG type 0)抗性相关,H4为未表征新组合;野生种近固定易感H1,美国H2富集(13% vs 中国3.9%);Rhg4基于7个错义SNP鉴定10个单倍型;发现177份rhg1 CNV(168重复、9缺失)和66份rhg4 CNV,PI 598124等约10拷贝高于PI88788约8.6拷贝;H2抗性随拷贝数从60%升至76.5%,H1无论拷贝数仍易感,H3低于H2且依赖Rhg4,所有组合均不抗Race 5(HG type 2.5.7)。
2.8 基于多类变异的机器学习预测种质资源SCN表型:rhg1的9个高效应变异定义4个主要单倍型;整合单倍型与CNV特征并比较9种算法,多分类最佳AdaBoost交叉验证准确率72.8%(0.724±0.020,F1=0.642),二分类最佳LDA准确率0.938±0.032、F1=0.937,表明整合单倍型和CNV可提高预测,二分类较稳。
2.9 基因中心单倍型分型与大豆单倍型数据库:用geneHapR对含2个以上变异的46 441个基因进行基因中心单倍型分析,如糖转运基因含7个主要单倍型,H1主要见于地方品种、H2主要见于G. soja;SoyHapDB支持基因、染色体区域和性状关联变异查询,可视化单倍型、LD和群体遗传分析,并可按频率、功能影响和种质子集过滤,促进标记辅助选择和基因组选择。
2.10 GmHapMap-II捕获显著高于GmHapMap-I的遗传多样性:通过两版资源比较和SNP饱和分析,GmHapMap-II从n=200的1341万SNP增至n=1278的1512万(最后增量2.4%,未平台),GmHapMap-I从n=200的896万增至n=1007的1184万(最后增量0.6%,全panel总数等于VCF分离位点数,提示饱和);各匹配样本量下GmHapMap-II累计SNP更多,说明其扩展了多样性捕获。
讨论总结:研究选用Wm82.a5,因其为自2010年以来广泛用于育种的标准参考谱系,且注释含58 105个预测基因、较Wm82.a6的48 310个提供更广候选基因覆盖。GmHapMap-II统一了全球栽培与野生种质,群体结构清晰分离栽培和野生,LD模式与栽培重组降低一致;Chr15蛋白位点H1受选择、H3限于野生,支持保护野生种质;rhg1/Rhg4抗性由单倍型身份和拷贝数共同决定,H2存在拷贝数阈值而H3依赖Rhg4,扩大种质扫描发现罕见高拷贝组合,提示部署标记时应同时核实单倍型和拷贝数;机器学习适合纳入CNV连续预测,二分类优于多分类,但需独立种质和更多SCN race验证。研究结论部分翻译:本研究呈现高分辨率单倍型图谱,显著推进了对US大豆种质遗传变异及其与关键农艺性状关系的理解;通过整合变异检测、数量遗传学、结构变异分析和机器学习,展示了基于单倍型的分析在解析大豆复杂性状结构中的能力;发现低密度标记平台未检出的微效QTL,详细表征SCN抗性位点上位互作,强调全基因组测序用于种质表征的价值;1号染色体亚麻酸位点独立于已知FAD3基因且几乎限于野生种质,说明驯化中丢失的种子品质变异仍可从野生近缘种恢复;rhg1单倍型与CNV整合的机器学习框架为复杂结构变异区基因组预测提供模板;基因中心单倍型数据库可作为社区资源,促进标记辅助选择、基因组选择和候选基因鉴定;总体而言,该工作为基于单倍型的育种策略奠定基础,其关于数量性状变异遗传机制的见解适用于基础研究和大豆改良。