利用抗病基因挖掘技术提高玉米南方叶枯病的基因组预测能力

《Journal of Integrative Agriculture》：Leveraging disease-resistant gene mining to enhance genomic predictability for southern leaf blight in maize

　　

Youyu Zhao|Sen Xie|Guanhua He|Dengfeng Zhang|Zhenju Li|Chunhui Li|Yu Li|Tianyu Wang|Xuyang Liu|Yuncai Lu|Yongxiang Li

黑龙江大学高级农业与生态环境学院，哈尔滨 150080，中国

摘要

南方叶枯病（SLB）对全球玉米生产构成了严重且持久的威胁。虽然基因组选择（GS）在改良复杂性状方面具有潜力，但利用基于功能信息的SNP并减少标记数量的方法可以提高模型效率、成本效益和生物学解释性。在此研究中，我们建立了一个包含2,108个不同自交系的关联分析面板，并采用了多模型全基因组关联研究（GWAS）框架。通过这种方法，我们鉴定出了325个数量性状位点（QTNs）并确定了83个候选基因。这些候选基因在植物免疫反应中具有功能富集性，其中包括已知的抗病基因ChSK1和ZmMM1。单倍型分析显示，包括ZmCNGC2和ZmAGC1在内的新候选基因的有利等位基因主要在特定亚群（如热带品种）中富集，但在其他现代育种材料中尚未得到充分利用，这表明它们在遗传改良方面具有巨大潜力。基于这些遗传学发现，我们开发了一套包含83个GWAS Tag-SNPs的紧凑标记集。这套紧凑标记集的基因组预测准确性可与全基因组标记相媲美，同时将标记密度降低了99.7%。在独立验证中，该紧凑SNP集保持了强大的预测能力，通过纳入群体结构作为协变量可以进一步提高其预测能力。我们的研究全面解析了SLB抗性的遗传结构，并为玉米抗病育种提供了一个成本效益高且生物学解释性强的框架。