整合基因调控网络以提升大豆株高与开花时间的可解释性

《Journal of Agriculture and Food Research》：Integrating gene regulatory networks to improve the interpretability of soybean plant height and flowering time

　　

大豆是全球重要的经济与粮食作物。株高和开花时间是影响产量形成与环境适应性的关键农艺性状。基因组选择（GS）已成为提升大豆育种效率的重要工具。然而，非等位位点间上位性互作的表征与利用仍较为有限，这制约了GS预测精度的进一步提升，并限制了育种效率的提高。研究人员在本研究中针对大豆株高和开花时间开展了全基因组上位性检测，并将鉴定得到的上位性互作位点对整合进6种GS模型。结果表明，将上位性效应纳入模型后，两种性状在全部模型中的预测精度均显著提高，其中株高的精度提升幅度为15.48%–17.63%，开花时间的精度提升幅度为8.46%–10.50%。进一步结合转录因子（TF，transcription factor）-靶基因调控关系分析以及基于AlphaFold2（AF2）的蛋白质结构预测，对这些互作位点对的生物学可靠性与结构可行性进行了验证。网络构建与功能富集分析表明，相关基因在特定生物调控网络中呈显著聚集，且其中优势互作对可通过非加性互作协同调控表型。综合而言，这些结果表明，在大豆育种中系统整合上位性互作能够有效增强GS的预测能力与选择效率，并为复杂性状的高效遗传改良提供一种新策略。

该论文发表于《Journal of Agriculture and Food Research》，聚焦于大豆复杂农艺性状遗传改良中的关键瓶颈，即传统基因组选择（GS，genomic selection）模型多以加性效应为核心，难以充分刻画复杂数量性状背后的非加性遗传基础，尤其是非等位基因间的上位性（epistasis）互作。大豆作为兼具经济价值与食用价值的重要作物，其株高和开花时间不仅决定群体结构、成熟期与产量形成，也深刻影响生态适应性。在全球气候变化、逆境胁迫加剧和粮食蛋白需求持续增长的背景下，如何更高效地解析并利用复杂性状的遗传信息，成为现代大豆育种急需解决的问题。常规育种周期长、资源消耗大，标记辅助选择（MAS，marker-assisted selection）又更适合少数大效应位点控制的性状，因此，GS虽已广泛应用于作物育种，但如果不能整合上位性等非加性成分，其预测潜力仍然受到限制。该研究正是在这一背景下展开，旨在通过系统挖掘大豆株高和开花时间相关的上位性互作，并将其纳入GS框架，以提升预测能力并增强结果的生物学可解释性。

研究人员以大豆株高和开花时间两个典型复杂数量性状为对象，分别利用782份和556份材料的表型数据，结合全基因组重测序数据，系统识别与性状相关的上位性SNP互作对，并将其作为非加性协变量引入6种主流GS模型，包括BayesA、BayesB、BayesC、Bayesian LASSO（BL）、RRBLUP和GBLUP。在统计层面之外，研究进一步引入双重生物学验证框架：一方面利用SoyGRN数据库中的转录因子-靶基因调控关系检验互作对是否富集于已知调控网络，另一方面借助AlphaFold2预测互作基因编码蛋白之间形成蛋白质-蛋白质互作（PPI，protein-protein interaction）的结构可能性，并通过酵母双杂交（Y2H，yeast two-hybrid）实验进行验证。最终结果表明，上位性信息的系统整合不仅显著提高了GS模型预测精度，也使统计学上识别的互作关系获得了转录调控与蛋白结构层面的支持，从而增强了其作为育种可利用信息的可信度。该研究的重要意义在于，为复杂性状育种中“可预测性”与“可解释性”的兼顾提供了新范式，并为大豆精准设计育种提供了方法学基础。

研究采用的主要技术方法包括：基于NCBI SRA数据库重测序数据进行SNP检测与质控；以782份株高材料和556份开花时间材料为样本队列，使用BridGE算法开展通路间与通路内上位性互作识别；将筛选得到的正向上位性SNP互作对构建为标准化非加性协变量矩阵，并整合至6种GS模型中，通过5折交叉验证重复50次评估预测精度；利用SoyGRN数据库开展TF-靶基因验证，利用AlphaFold2进行蛋白互作结构预测，并辅以Y2H实验验证；采用Cytoscape构建多层遗传互作网络，结合GO（Gene Ontology）富集分析和单倍型-表型关联分析阐释功能基础。

在研究结果部分，论文首先给出了“3.1. Dissection of epistatic interactions and their contribution to GS”的结果。研究人员通过BridGE构建了株高和开花时间的通路间模型（BPM，between-pathway model）与通路内模型（WPM，within-pathway model）互作网络。筛选后共获得与株高相关的30,125对基因互作、与开花时间相关的26,291对基因互作，显示两类性状都具有广泛且模块化的上位性调控结构。进一步在GBLUP框架下比较Basic、Random和Epistatic三类策略后发现，整合显著上位性互作的Epistatic模型在株高和开花时间上的预测精度均明显优于仅包含加性效应的Basic模型及随机位点对照模型，说明所识别的上位性互作确实捕获了复杂遗传结构中的重要非线性信息。

在“3.2. Validation of the molecular interaction mechanisms of epistatic interaction pairs”中，研究人员从转录调控和蛋白互作两个层面验证上位性互作对的真实性。基于SoyGRN数据库，株高相关互作对中有125对、开花时间相关互作对中有342对得到明确TF-靶基因关系支持；超几何检验显示两者均显著高于随机预期，其中株高富集倍数为2.33倍，开花时间为7.31倍，表明这些上位性互作并非随机组合，而是在真实调控网络中具有富集特征。进一步利用AF2对3000对候选蛋白组合进行结构预测，在多个ipTM（interface predicted template modeling）阈值下，株高组和开花时间组均显著高于阴性对照组，说明候选互作蛋白之间存在较高的物理互作可行性。研究还筛选了5对蛋白组合进行Y2H验证，结果均支持直接物理互作，从而为上位性互作对提供了实验支撑。

在“3.3. Construction of multi-level genetic networks related to PH and FT traits in soybean”中，研究人员基于已鉴定的互作对构建了一个包含4341个基因节点和55,704条互作边的多层遗传网络，并依照性状来源和GI值划分为7个功能模块。开花时间相关基因主要聚集于网络左侧模块，株高相关基因主要聚集于右侧模块，而中部模块则包含同时参与两种性状调控的关键基因，显示出较强跨模块连接能力。这种网络结构提示，株高和开花时间虽具有一定独立性，但也共享部分核心调控基础。尤其是AF2预测中ipTM≥0.8的高可信基因节点主要分布在关键互作模块中，进一步显示遗传互作与蛋白结构互作之间具有一致性。

在“3.4. Functional enrichment and characteristic analysis of epistatic interaction genes”中，研究人员通过GO富集分析揭示了两类性状上位性互作基因的功能特征。株高相关基因主要富集于胁迫响应、内源刺激响应和次生代谢过程等生物过程，在细胞组分上偏向线粒体、细胞骨架和细胞核，在分子功能上则以转录调节活性和细胞骨架马达活性较为突出，说明株高调控与能量代谢、细胞形态建成和转录控制密切相关。开花时间相关基因则主要富集于碳水化合物代谢、细胞稳态与物质运输等过程，在分子功能层面显著涉及DNA结合型转录因子活性、转运活性和核苷酸结合功能，提示开花时间调控更偏向代谢状态、能量利用和转录网络协调。两种性状在次生代谢、生物合成过程、线粒体和脂质结合等方面又存在共同富集，说明它们兼具共性和特异性的分子基础。

在“3.5. Evaluation of the predictive performance of six GS models integrating epistatic effects”中，研究人员系统比较了6种GS模型在加性框架与上位性整合框架下的预测表现。结果显示，对株高而言，整合上位性后所有模型精度提升15.48%–17.63%，其中BL模型表现最佳，预测精度达到0.9040；对开花时间而言，精度提升8.46%–10.50%，其中BayesA模型表现最佳，预测精度达到0.8972。Hotelling's T²检验进一步证实，两种性状中上位性模型均显著优于加性模型。这表明上位性效应是大豆株高与开花时间遗传结构中的重要组成部分，将其纳入GS模型可稳定提升育种值预测能力。

在“3.6. Protein structure visualization and functional synergy analysis of optimal interaction pairs”中，研究人员对最优互作对进行了三维结构可视化分析。株高中最佳互作对为同源二聚体Glyma.18G137300，开花时间中最佳互作对为同源二聚体Glyma.02G186700和Glyma.10G106900。三者均表现出较高的pLDDT（predicted local distance difference test）得分和较低的PAE（Predicted Aligned Error），说明预测结构具有较高可信度。尤其是两个开花时间相关蛋白不仅序列保守，三维结构也高度相似，提示它们可能通过协同方式参与开花调控通路。

在“3.7. Study on the association effect between haplotype combinations of optimal interaction pairs and phenotypes”中，研究人员进一步分析了最优互作对对应SNP组合的单倍型与表型关系。结果显示，不同SNP组合在开花时间和株高上对应显著不同的表型分布。例如，Glyma.02G186700相关的T/T-C/C组合对应较早开花，而A/A-T/C组合对应较晚开花；Glyma.18G137300相关的A/T-G/A组合对应矮秆表型，而A/A-G/A组合对应高秆表型。统计分析支持各单倍型组间存在显著差异，说明这些上位性互作对不仅在统计模型中重要，也与实际表型变异紧密相关。文中同时指出，这些基因编码的S-formylglutathione hydrolase和aldehyde dehydrogenase在既往研究中已与植物生长和开花调控相关，从功能角度进一步支持了这些最优互作对的生物学意义。

在讨论部分，研究人员强调，本研究的核心贡献之一在于大规模、系统性地将上位性互作引入大豆GS分析框架，并证实其可显著提高复杂性状预测精度。与以往仅纳入少量上位性互作不同，本研究整合了大规模高效应互作对，显示出上位性信息在复杂数量性状预测中的实际价值。研究同时指出，株高的精度提升幅度高于开花时间，提示不同性状对上位性遗传方差的依赖程度不同。论文还提出，只有针对目标性状有选择地引入高价值、正向的上位性互作，才能在提高预测精度的同时避免遗传复杂性过高带来的选择效率下降。更重要的是，研究建立了转录调控网络与蛋白结构预测相结合的双维度验证体系，使得上位性分析结果不再停留于统计相关，而获得了明确的分子生物学支持。作者也客观指出，本研究仍存在局限，包括Y2H验证数量有限、缺乏体内功能验证、AF2预测仍属于计算推断，以及所用标记密度低于部分标准GS研究等，这些问题为后续工作提供了改进方向。

研究结论部分可译为：本研究通过对大豆株高和开花时间材料开展上位性分析，分别鉴定出30,125对和26,291对互作对。为验证这些互作对的生物学真实性，研究整合了TF-靶基因调控关系与基于AF2的蛋白质结构预测。结果证实，这些互作对同时具有统计学显著性与物理互作可行性。尤其重要的是，对于两种性状，AF2预测中ipTM得分最高的同源二聚体编码基因所对应的互作对，此前均已被报道与相关性状调控有关。进一步的遗传网络构建、功能富集分析和单倍型分析表明，这些上位性互作基因显著富集于相关生物学通路，并与表型变异密切相关。此外，GS分析表明，将上位性SNP互作对纳入模型可有效提高株高和开花时间的预测精度。总体而言，这些结果为大豆株高和开花时间的高效育种提供了理论依据，并加深了对上位性互作生物学验证机制的认识。