《Plants》:Genetic Architecture of Grain Protein Content in Hulless Barley: Insights from Multi-Environment GWAS
编辑推荐:
裸大麦(Hulless Barley, HB)是一种营养丰富的谷物,在中国西藏地区重新引起了研究兴趣。籽粒蛋白质含量(Grain Protein Content, GPC)是HB中决定品质的性状,显著影响最终用途质量,并受环境因素强烈影响。鉴定稳定的关联区域并
裸大麦(Hulless Barley, HB)是一种营养丰富的谷物,在中国西藏地区重新引起了研究兴趣。籽粒蛋白质含量(Grain Protein Content, GPC)是HB中决定品质的性状,显著影响最终用途质量,并受环境因素强烈影响。鉴定稳定的关联区域并开发可用于育种的分子标记,是培育高GPC HB品种的育种目标。本研究分析了在6个环境(2018–2021年)种植的266份HB种质。表型GPC范围为5.02%至18.31%,具有中等遗传力(H2 = 0.473)和显著的G×E互作。利用168,983个GBS衍生SNP和三种模型(一般线性模型(General Linear Model, GLM)、混合线性模型(Mixed Linear Model, MLM)、FarmCPU)进行全基因组关联分析(Genome-Wide Association Study, GWAS),在BLUP荟萃分析中未发现达到Bonferroni显著水平的SNP。在建议性阈值(p < 1 × 10?5)下,40个SNP(18个位点)表现出名义关联,其中7H染色体携带最稳健的跨模型信号。在GLM和FarmCPU模型下,6H和7H染色体上的两个SNP在Yangma-2018环境中超过了Bonferroni校正。候选基因挖掘揭示了7个功能基因,包括30S核糖体蛋白S13和谷氨酸-半胱氨酸连接酶。先导SNP S7H_6966377位于距离30S核糖体蛋白S13基因165 kb的位置。这些发现确立了7H染色体作为GPC的调控枢纽,并为标记辅助选择提供了标记。
裸大麦籽粒蛋白质含量的遗传架构:来自多环境GWAS的见解
**研究背景与问题**
裸大麦(Hulless Barley, HB)是一种营养丰富的谷物,在中国青藏高原地区广泛种植,具有耐寒、耐旱、耐贫瘠等优良特性。籽粒蛋白质含量(Grain Protein Content, GPC)是决定HB营养品质和工业用途(如饲料、食品、制麦芽)的关键性状,其变异受遗传因素和环境因素共同影响,且存在显著的基因型×环境(Genotype-by-Environment, G×E)互作。目前,对HB中GPC的遗传基础了解有限,缺乏稳定的关联位点和可直接用于育种的分子标记。因此,开展多环境全基因组关联分析(Genome-Wide Association Study, GWAS),解析GPC的遗传架构,挖掘关键候选基因,对于高蛋白HB品种的标记辅助选择(Marker-Assisted Selection, MAS)育种具有重要意义。该论文发表在《Plants》期刊。
**主要技术方法**
研究人员利用266份HB种质(包括地方品种、育种品系、野生种质和改良品种,来源于西藏、四川、青海和甘肃),在6个环境(四川杨马2018、2019、2021,德阳2019,南充2019,康定2020)进行田间试验。表型测定采用凯氏定氮法。基因型数据通过基因分型测序(Genotyping-by-Sequencing, GBS)获得,经质量控制后保留168,983个高质量SNP。主要分析方法包括:最佳线性无偏预测(Best Linear Unbiased Prediction, BLUP)整合多环境表型;群体结构分析(主成分分析(Principal Component Analysis, PCA)、稀疏非负矩阵分解(sparse Non-negative Matrix Factorization, sNMF)和亲缘关系矩阵);采用三种GWAS模型(一般线性模型(General Linear Model, GLM)、混合线性模型(Mixed Linear Model, MLM)、FarmCPU)进行关联分析;加性主效应和乘性互作(Additive Main Effects and Multiplicative Interaction, AMMI)分析评估G×E;基于连锁不平衡(Linkage Disequilibrium, LD)衰减(半衰期约0.75 Mb)进行候选基因挖掘。
**研究结果**
**2.1 表型变异与环境稳定性**:GPC在6个环境中表现出广泛变异(5.02%–18.31%),环境间均值差异显著(8.84%–11.55%),变异系数(Coefficient of Variation, CV)为17.16%–23.63%,表明环境对GPC有强烈影响。
**2.2 跨环境相关性**:Pearson相关系数显示环境间呈强正相关(r = 0.77–0.98),其中德阳2019与康定2020相关性最高(r = 0.98),表明GPC在不同环境下具有较高的一致性。
**2.3 G×E互作与表型稳定性**:AMMI分析显示,环境主效解释了53%的表型方差,基因型效应仅占18%,G×E互作被两个互作主成分轴(IPC1和IPC2)完全捕获(100%)。年份间遗传相关性较弱(r = –0.06至0.19),表明基因型排名变化显著。广义遗传力(H
2 = 0.473)表明GPC受中等遗传控制。
**2.4 表型主成分分析**:前两个主成分(PC1和PC2)解释了45.95%的表型变异,反映GPC对环境线索的敏感性,支持使用PCA在关联分析中校正G×E。
**2.5 层次聚类揭示GPC响应模式**:基于Ward法将种质分为4个四分位数组(高、中高、中低、低),高GPC组形成紧凑簇,低GPC组分散,且聚类与绝对GPC水平不完全一致,表明存在环境依赖性蛋白积累。
**2.6 优良种质鉴定**:筛选出高GPC且稳定性较好的种质,如AMP019(均值13.39%,标准差2.65%)和AMP024(12.83%,2.48%),可作为高蛋白育种的亲本。
**2.7 群体结构与遗传多样性**:基于16,729个SNP的PCA、邻接树和sNMF(K=3)分析表明,群体存在明显分层,但GPC组在遗传树中分散分布,说明蛋白质含量变异与群体结构无强关联,可直接用PCA或Q矩阵校正。
**2.8 SNP标记基因组分布**:168,983个SNP分布于7条染色体,5H染色体SNP最多(30,069),4H最少(13,446),存在密度热点区域。
**2.9 GPC关联位点定位**:在Bonferroni校正阈值(p < 2.95×10
?7)下,BLUP分析无显著SNP;在建议性阈值(p < 1×10
?5)下,共检测到40个SNP(18个位点)。7H染色体存在跨模型稳定位点(S7H_497728768/S7H_497728826),被GLM、MLM和FarmCPU三种模型共同检测到。在Yangma-2018环境中,6H和7H上的两个SNP(S6H_342117633和S7H_6966377)超过Bonferroni阈值,代表最强信号。
**2.10 连锁不平衡模式**:LD衰减半衰期约0.75 Mb,在r
2 = 0.2阈值下,候选基因挖掘窗口设为±2 Mb。
**2.11 候选基因挖掘与功能注释**:在±2 Mb窗口内鉴定出7个候选基因,分为三类:蛋白质合成机制(7H上的30S核糖体蛋白S13和54S核糖体蛋白L27)、氮/氨基酸代谢(1H上的谷氨酸-半胱氨酸连接酶、3H和6H上的D-氨基酸转氨酶)、发育调控(7H上的种子成熟蛋白和3H上的tRNA二甲基烯丙基转移酶)。先导SNP S7H_6966377距离30S核糖体蛋白S13仅165 kb,支持其在灌浆期翻译能力中的直接作用。
**讨论与结论**
讨论部分强调了GPC受环境和遗传共同影响,多环境评估的必要性,以及7H染色体作为GPC调控枢纽的重要性。交叉模型验证降低了假阳性,多基因遗传架构和显著G×E互作解释了无Bonferroni显著位点的原因。候选基因功能注释揭示了从核糖体蛋白到氮代谢酶的调控网络,与之前侧重储藏蛋白的研究不同。结论指出:本研究通过多环境GWAS阐明了HB中GPC的遗传架构,鉴定出40个建议性SNP和7个候选基因,染色体7H是调控核心,克隆的SNP标记可用于MAS育种。未来需通过精细定位和功能验证(如CRISPR编辑)确认候选基因的因果作用。