《BMC Plant Biology》：A machine learning approach to genome-wide association mapping of disease resistance and geographic origin in sorghum
编辑推荐：
摘要 玉米是全球第五大重要谷物作物，却一直面临着真菌病害的威胁，这些病害限制了其产量和抗逆性。为探究抗病性和地理适应性的遗传基础，我们对377个遗传多样性不同的玉米样本进行了基于机器学习的全基因组关联分析，
摘要
玉米是全球第五大重要谷物作物，却一直面临着真菌病害的威胁，这些病害限制了其产量和抗逆性。为探究抗病性和地理适应性的遗传基础，我们对377个遗传多样性不同的玉米样本进行了基于机器学习的全基因组关联分析，使用了近30万个SNP标记，并评估了这些样本对炭疽病、黑穗病和霜霉病的抗性表现。虽然抗病性表型并未严格按地理来源聚集，但基于SNP的分析显示，不同地区的玉米样本之间存在显著遗传差异，尤其是来自塞内加尔的那个遗传上独特的群体。Bootstrap森林模型识别出了能够预测地理来源的候选SNP，其中最显著的是位于10号染色体上、靠近编码转录因子（如bHLH、EREBP样蛋白）以及可能在植物防御中起作用的DUF6598结构域蛋白的基因附近。而在抗病性方面，排名靠前的SNP则位于与典型免疫途径相关的基因附近，包括锌结合蛋白（与炭疽病相关）、含NB-ARC和LRR结构域的蛋白（与黑穗病相关），以及F-box蛋白（与霜霉病相关）。尽管这些研究仍处于探索阶段，但结果表明，对病原体压力的本地适应性可能影响了玉米的基因组特征。所识别的候选基因及相关SNP有助于确定标志辅助选择的目标，并为后续的功能验证提供依据，从而助力培育出抗性更强、适应性更好的玉米品种。
玉米是全球第五大重要谷物作物，却一直面临着真菌病害的威胁，这些病害限制了其产量和抗逆性。为探究抗病性和地理适应性的遗传基础，我们对377个遗传多样性不同的玉米样本进行了基于机器学习的全基因组关联分析，使用了近30万个SNP标记，并评估了这些样本对炭疽病、黑穗病和霜霉病的抗性表现。虽然抗病性表型并未严格按地理来源聚集，但基于SNP的分析显示，不同地区的玉米样本之间存在显著遗传差异，尤其是来自塞内加尔的那个遗传上独特的群体。Bootstrap森林模型识别出了能够预测地理来源的候选SNP，其中最显著的是位于10号染色体上、靠近编码转录因子（如bHLH、EREBP样蛋白）以及可能在植物防御中起作用的DUF6598结构域蛋白的基因附近。而在抗病性方面，排名靠前的SNP则位于与典型免疫途径相关的基因附近，包括锌结合蛋白（与炭疽病相关）、含NB-ARC和LRR结构域的蛋白（与黑穗病相关），以及F-box蛋白（与霜霉病相关）。尽管这些研究仍处于探索阶段，但结果表明，对病原体压力的本地适应性可能影响了玉米的基因组特征。所识别的候选基因及相关SNP有助于确定标志辅助选择的目标，并为后续的功能验证提供依据，从而助力培育出抗性更强、适应性更好的玉米品种。
