综述：高粱育种中的进展与挑战：基因组工具、气候适应性与未来方向

《Cogent Food & Agriculture》：Advances and challenges in sorghum breeding [Sorghum bicolor (L.) Moench]: genomic tools, climate resilience and future directions

　　

高粱（Sorghum bicolor (L.) Moench）是一种主要谷类作物，种植于干旱和半干旱地区，在粮食安全、牲畜饲料和工业应用中发挥重要作用。其固有的耐旱性和耐热性，得益于C₄光合途径（C₄ photosynthetic pathway）、高效水分利用和广泛的遗传多样性，使其成为最具气候适应性的谷类作物之一。然而，气候变化加剧了干旱、高温、盐碱以及新出现的病虫害压力，威胁着全球高粱生产力和产量稳定性。传统的表型育种对高粱改良有所贡献，但受限于适应性性状的多基因性、基因型×环境互作（genotype?×?environment interactions）以及长育种周期。近年来基因组学的进展，包括全基因组测序（whole-genome sequencing）、泛基因组学（pan-genomics）、全基因组关联分析（GWAS）、标记辅助选择（MAS）、基因组选择（GS）、CRISPR/Cas基因组编辑（CRISPR/Cas genome editing）、高通量表型（HTP）、加速育种（speed breeding）、人工智能（AI）和多组学方法（multi-omics approaches），通过实现更准确和高效的选择复杂性状，彻底改变了高粱育种。本综述整合了当前遗传资源、基因组工具和气候适应性育种策略，同时批判性评估了主要基因组辅助育种方法的优势、局限性、实际应用和实施挑战，特别是在资源有限的育种计划中。本综述进一步强调了基因组学、高通量表型、人工智能、环境数据、预测性育种和参与式育种的整合，以加速开发和采用气候适应性高粱品种。未来的进展将依赖于整合多组学平台（multi-omics platforms）、利用多样种质、加强表型和生物信息学能力、改善种子系统，以及将基因组学发现转化为有益于小农户的实际育种流程。

高粱育种进展与挑战综述

**1. 引言**
高粱（Sorghum bicolor (L.) Moench）是全球重要的谷类作物，在粮食安全、饲料和工业中具有关键作用，尤其适应于干旱和半干旱环境。其C₄光合途径（C₄ photosynthetic pathway）通过将CO₂在叶肉细胞中固定为草酰乙酸（OAA）并转化为苹果酸，随后在维管束鞘细胞中脱羧释放CO₂，减少了光呼吸，提高了光合效率和水分利用效率（WUE）。尽管高粱具有突出抗逆性，但干旱、高温和盐碱等非生物胁迫与生物胁迫（如病虫害）共同限制其产量，而基因型×环境互作（G×E）进一步加剧了基因型表现的不稳定性。此外，种子系统薄弱、农民偏好与育种目标脱节等社会经济因素阻碍了改良品种的采纳。传统表型育种受限于多基因性状的复杂性，而现代基因组工具（如全基因组关联分析（GWAS）、基因组选择（GS）、CRISPR/Cas基因组编辑等）结合高通量表型（HTP）和人工智能（AI），为加速遗传增益提供了新途径。

**2. 遗传多样性与种质资源**
**2.1 起源与驯化**
高粱最早在东北非洲（埃塞俄比亚和苏丹）被驯化，形成了丰富的遗传变异。传统上分为五个主要种族：bicolor、caudatum、durra、guinea和kafir，各具独特的形态、生理和适应性特征。地方品种（landraces）保留了现代育种中丢失的适应性等位基因，如持绿（stay-green）表达、深根系和抗逆性。
**2.2 野生近缘种和地方品种的利用优势与挑战**
野生近缘种和地方品种蕴含干旱、高温、盐碱和病虫害抗性的新等位基因，但引入时伴随连锁累赘（linkage drag），需要多代回交和标记辅助选择（MAS）来恢复农艺性状。基因组选择（GS）、泛基因组学和CRISPR/Cas等技术有助于精准转移有利等位基因。
**2.3 种质收集与保护**
全球基因库保存超过20万份高粱种质，但多数缺乏系统表型和分子鉴定。现代分子育种技术如高密度SNP芯片、基因分型测序（GBS）、全基因组重测序等促进了种质鉴定和利用。
**2.4 核心和微核心种质**
核心和微核心种质通过最大程度捕获遗传多样性，支持针对适应性性状的筛选和等位基因发现，需要持续更新基因组和环境数据。
**2.5 对气候适应性育种的意义**
遗传多样性是气候适应性育种的基础，需与基因组选择、GWAS、HTP、加速育种和CRISPR/Cas编辑等结合。未来应优先进行系统等位基因挖掘、地方品种预育种（pre-breeding）、构建泛基因组，并整合AI和机器学习（ML）以提高育种效率。

**3. 高粱育种中的基因组工具**
**3.1 参考基因组与泛基因组资源**
2009年高粱参考基因组的发布为基因注释、比较基因组学和QTL定位提供了框架。泛基因组研究揭示了存在/缺失变异（PAV）、拷贝数变异（CNV）等结构变异，这些变异含有关键适应性等位基因。参考基因组与泛基因组互补，结合HTP、GWAS、GS和CRISPR/Cas推动下一代育种。
**3.2 全基因组关联分析（GWAS）**
GWAS通过利用自然变异高分辨率定位复杂性状的基因组区域。近年研究扩展至根系构型（RSA）、开花时间、株高和耐盐性等。多座位GWAS方法（如FarmCPU、BLINK）提高了统计功效，但需注意群体结构和G×E影响。GWAS主要用于候选基因发现和标记开发，而非直接选育品种。
**3.3 标记辅助选择（MAS）**
MAS对简单遗传性状（如抗病性、持绿）有效，通过DNA标记实现早期选择。已成功用于持绿位点（Stg1–Stg4）、Striga抗性和籽粒品质等。但多基因性状（如耐旱性）效果有限，需与GS结合。
**3.4 基因组选择（GS）**
GS利用全基因组标记预测育种值（GEBV），无需预先识别QTL，特别适用于多基因性状。在高粱中，GS对产量和抗旱性的预测准确度达0.65–0.78。多性状和多环境模型可提高预测精度。但GS依赖大型训练群体、高质量表型和计算资源，在资源有限地区受限制。
**3.5 基因组编辑与功能基因组学**
CRISPR/Cas系统（主要是Cas9）用于精确修饰目标基因，如木质素生物合成和开花时间基因，加速品种改良。但转化效率低、基因型依赖性强、法规和公众接受度问题限制其应用。Cas12a（Cpf1）作为替代也有潜力，但应用有限。
**3.6 整合的基因组辅助育种策略**
GWAS、MAS、GS和基因组编辑各具互补功能：GWAS发现候选位点，MAS转移主效基因，GS预测多基因效应，编辑实现精确验证。整合HTP（无人机、多光谱成像等）、AI和ML可进一步提高预测能力。尽管如此，在发展中国家，缺乏资金、基础设施、生物信息学人才和种子系统阻碍了技术推广。未来应构建整合育种流水线，结合多组学、加速育种和参与式育种。

**4. 高通量表型与数字育种**
**4.1 高粱育种中的表型瓶颈**
传统表型评估依赖田间试验，耗时费力且主观性强，尤其对于根系构型、蒸腾效率等地下性状。G×E作用要求多环境试验，增加成本。HTP技术（无人机、多光谱、热成像）提供非破坏性、高通量解决方案。
**4.2 田间高通量表型（HTP）**
无人机搭载多光谱、高光谱和热传感器可快速测量NDVI、冠层温度、株高、持绿等指标。连续监测捕获动态胁迫响应，提高G×E分析效率。飞行高度20–40 m时地面采样距离约1–3 cm/pixel，可准确区分冠层与土壤。
**4.3 控制环境表型**
生长室、温室等控制环境平台可精确施加干旱、高温、盐碱胁迫，测量蒸腾效率、气体交换、叶绿素荧光和根系构型。与田间HTP和基因组数据整合，提高选择准确性。
**4.4 数字育种、AI与预测表型组学**
数字育种平台整合图像采集、特征提取和数据分析。机器学习（如随机森林、深度学习）建模基因组、表型和环境之间的非线性关系，提高GEBV预测准确度。但需大型训练群体、标准化协议和计算基础设施。
**4.5 加速育种**
通过延长光周期（20–22小时光照）和优化温度，每年可完成4–6代，缩短育种周期。与GS和MAS结合，加速有利等位基因固定。但需验证控制环境下的选择在田间表现一致。

**5. 气候适应性育种**
**5.1 气候挑战概述**
气候变化导致干旱、热浪、盐碱和病虫害加剧，严重影响高粱产量。气候适应性育种聚焦于维持产量稳定性的性状，如持绿、高效根系和抗逆性。
**5.2 耐旱性**
耐旱性涉及持绿、根系构型、渗透调节和气孔调节。GWAS已鉴定与耐旱指数相关的QTN，常与持绿QTL（Stg1–Stg4）共定位。分子水平上，DREB、NAC、WRKY等转录因子和ABA信号通路调控适应反应。
**5.3 耐热性**
高温降低花粉活力、缩短灌浆期。热激蛋白（HSP70、HSP90等）和抗氧化酶（SOD、CAT、APX）保护细胞功能。多组学研究揭示热耐受的代谢和转录组特征。
**5.4 耐盐性与土壤胁迫耐性**
耐盐基因型维持离子稳态（SOS1、NHX1、HKT家族）、渗透平衡和抗氧化防御。离子排斥和组织耐受两种机制共同作用。
**5.5 生物胁迫抗性**
气候变化改变病虫害动态。抗蚜虫基因（SgR1）和NLR免疫受体基因可用于标记辅助选择和QTL金字塔。防御反应涉及MAPK、钙信号、水杨酸、茉莉酸等途径。
**5.6 整合多适应性性状**
同时改良耐旱、耐热、耐盐和抗病性需要整合GS、HTP、GWAS和预测模型。分子网络包括DREB、NAC、WRKY、bZIP转录因子和激素信号。CRISPR/Cas、泛基因组和多组学整合加速基因鉴定。HTP平台（无人机、热传感器）结合AI提高预测精度。但发展中国家仍面临资金、基础设施和人才短缺。

**6. 高粱育种中的挑战**
**6.1 基因型×环境互作（G×E）**
G×E导致基因型排名变动，需多环境试验。AMMI和GGE双标图用于分析稳定性，环境协变量和基因组信息整合的模型提高预测精度。但环境数据分辨率低、极端气候代表性不足等问题仍存在。
**6.2 资源与基础设施有限**
许多育种计划缺乏资金、HTP设备和计算基础设施，限制GS实施。缺乏定量遗传学和生物信息学人才，以及共享平台。
**6.3 采纳与种子系统限制**
改良品种采纳率低（如埃塞俄比亚<20%），农民偏好早期成熟、籽粒颜色和饲料品质等。种子系统薄弱，参与式品种选择（PVS）和社区种子繁殖（CBSM）可提高采纳。
**6.4 复杂多基因性状**
耐旱、耐热等性状由多基因控制，MAS效果有限。GS通过全基因组标记预测GEBV更有效，但需较大训练群体和计算资源。
**6.5 生物与非生物胁迫变异性**
复合胁迫（干旱+高温）诱导独特生理反应，需同时评估。病虫害压力持续变化，需整合监测和抗性基因。
**6.6 多组学与预测育种整合**
基因组、转录组、蛋白质组和代谢组数据整合可提高预测精度。多座位GWAS结合转录组和代谢组鉴定候选基因。但成本高、数据标准化和计算复杂性问题限制应用。
**6.7 未来展望**
未来高粱育种应整合泛基因组、GWAS、GS、基因组编辑、加速育种、多组学、AI和HTP。同时需加强种子系统、投资基础设施、培养人才和促进农民参与。

**7. 结论与未来方向**
高粱育种正从传统表型选择转向预测性、基因组学驱动的系统。整合GWAS、GS、基因组编辑和预测育种已提高选择效率。但技术转化面临资金、基础设施、种子系统和农民偏好等挑战。未来应优先建设整合育种流水线，开发成本效益高的表型平台，利用野生近缘种和泛基因组，并强化保障环境（如种子系统、政策、伙伴关系）。建议未来十年（2025–2035）增加公共育种投资30–50%，以加速气候适应性品种的开发。