综述：珍珠粟（Pennisetum glaucum）的全基因组关联研究及基因组辅助育种：提升气候适应性、保障营养安全并实现可持续生产

《Ecological Genetics and Genomics》：Genome-wide association studies and genomics-assisted breeding in pearl millet ( Pennisetum glaucum): Advancing climate resilience, nutritional security, and sustainable production

　　摘要：珍珠粟（Pennisetum glaucum [L.] R. Br.）是最具气候适应性的谷物作物之一。由于其出色的耐旱、耐热和在低肥力土壤中生长的能力，它在干旱和半干旱地区的粮食及营养安全中发挥着重要作用。然而，加速的气候变化、日益增加的生产限制以及对高营养价值品种的需求，要求采用比传统方法更快、更精确的育种策略。全基因组关联研究（GWAS）通过利用多样化种质资源中的自然等位基因多样性和历史重组，已成为解析复杂性状遗传结构的强大工具。本文综述了珍珠粟改良方面的最新GWAS和基因组辅助育种进展，重点讨论了基因组资源、GWAS方法、候选基因发现、功能验证以及育种应用。我们评估了常用GWAS模型（包括广义线性模型、混合线性模型、固定和随机模型循环概率统一模型、贝叶斯信息模型和连锁不平衡迭代嵌套关键模型以及多基因位点混合模型）的优势、局限性及其在育种中的适用性。此外，还总结了与 grain yield、开花时间、抗旱耐热性、抗病性、氮利用效率以及谷物中铁和锌生物强化相关的标记-性状关联、数量性状位点（QTL）和候选基因。特别强调了将GWAS衍生的位点和数量性状位点与潜在的功能基因及转录因子联系起来，并区分了假定的基因组关联与经过功能验证的育种靶标。本文还探讨了如何将GWAS与转录组学、RNA测序、表达量性状位点分析、多组学和CRISPR/Cas介导的基因组编辑相结合，以促进候选基因的功能验证并加速精准育种。进一步研究了如何整合基因组选择、人工智能辅助的表型分析和预测以及快速育种技术，以缩短育种周期、提高选择强度并加速有利等位基因的部署。同时，也讨论了面临的主要挑战，包括群体结构、连锁不平衡、基因型×环境相互作用、稀有等位基因的检测限制、表型分析瓶颈以及功能验证不足等问题。最后，提出了未来的研究重点，包括全基因组重测序、泛基因组学、高通量表型分析、人工智能支持的基因组预测、快速育种以及从位点到基因到品种的整合技术。

引言：珍珠粟（Pennisetum glaucum [L.] R. Br.）是最具气候适应性的谷物作物之一，是撒哈拉以南非洲和南亚干旱及半干旱地区9000多万人的主食。它对干旱、高温和低投入生产系统的极强适应性使其能够在恶劣环境中稳定产粮，而玉米、小麦和水稻等主要谷物在这些条件下往往遭受严重的产量损失。全球范围内，珍珠粟的种植面积约为3100万公顷，对粮食安全、气候智能农业和在气候变异性增加下的可持续生产系统做出了重要贡献[[1], [2], [3]]。除了其出色的环境适应性外，珍珠粟还被认为是一种营养价值极高的谷物。其籽粒富含铁、锌、蛋白质、膳食纤维和必需氨基酸，成为减少微量营养素缺乏的有效作物。因此，珍珠粟成为气候适应性、营养安全和生物强化方面的优先作物，直接推动了与粮食安全、人类健康和气候行动相关的可持续发展目标[[3], [4], [5]]。尽管具有这些优势，但其产量仍受到反复干旱、热应激、土壤退化、营养不足以及新出现的害虫和疾病的制约。许多经济上重要的性状（如 grain yield、开花时间、抗旱性、抗病性、氮利用效率及谷物中的微量营养素含量）都是量性状，并受基因型×环境相互作用的影响较大。这些特性限制了传统育种方法的效率，凸显了需要基因组辅助策略来加速遗传改良的需求[[2,6]]。下一代测序、高密度单核苷酸多态性（SNP）基因分型、参考基因组组装和高通量表型分析技术的进步使珍珠粟成为一种依赖基因组的作物。其中，GWAS通过利用多样化种质资源中的自然等位基因多样性和历史重组，成为识别标记-性状关联、数量性状位点和候选基因的强大工具。将GWAS与标记辅助选择、基因组选择、转录组学、多组学和基因组编辑相结合，正在逐步将基因组发现转化为实际的育种应用，以培育出具有气候适应性和高营养价值的品种[[7,8]]。然而，GWAS的实际价值不仅取决于检测到的标记-性状关联的数量，还取决于区分稳健位点和环境特异性信号的能力，以及将相关基因组区域与生物学意义上的基因和调控网络联系起来的能力[[8,9]]。在珍珠粟中，这一转化尚未完成，因为许多报道的关联尚未被验证为因果变异或实验验证的基因。因此，在将GWAS相关标记、数量性状位点（QTL）、潜在的功能基因和表达支持的候选基因应用于标记辅助选择或基因组选择之前，需要有效的基因组辅助育种框架[[10,11]]。高密度基因组数据的日益丰富也为将GWAS结果与互补的育种技术相结合提供了机会。GWAS可以识别基因组区域和有利等位基因，而转录组学、表达量性状位点（eQTL）分析、蛋白质组学、代谢组学和泛基因组学可以为候选基因的优先排序提供补充证据。基因组选择可以利用全基因组标记信息来处理复杂的多基因性状，而高通量表型分析和人工智能可以改进对环境响应性性状的表征和预测[[8,12]]。快速育种为缩短育种周期、加速有利等位基因的部署提供了补充机制。对于珍珠粟而言，这种整合尤为重要，因为气候适应性性状通常由多个效应较小的位点控制，并受环境变异的强烈影响。仅基于单个标记-性状关联的育种策略可能对复杂性状（如 grain yield、抗旱性、耐热性和氮利用效率）的预测价值有限。相反，结合GWAS衍生的生物学知识与基因组预测、人工智能辅助的表型分析、快速育种和功能验证，可以促进从标记发现向基于基因的预测性育种的转变[[8,12]]。尽管已有许多综述总结了珍珠粟的基因组学和分子育种，但大多数仅关注基因组资源、标记开发或个别育种方法。因此，需要一项综合性的综述来整合GWAS方法、统计模型、候选基因发现、功能验证、基因组辅助育种、多组学整合以及新兴的人工智能应用[[8,9]]。这样的综述应不仅评估用于检测基因组关联的方法，还应评估这些方法产生的生物学和育种结果。综合分析应涵盖主要育种目标（包括产量及其组成部分、开花和适应能力、抗旱耐热性、抗病性、氮利用效率和谷物微量营养素积累）的QTL和标记-性状关联。此外，还应评估支持候选基因和转录因子的证据，并探讨这些发现如何转化为功能标记、基因组预测模型、基因叠加和靶向基因组编辑[[7,8]]。本文全面总结了珍珠粟中的GWAS和基因组辅助育种进展，具体包括：(i) 最新的农艺、营养和气候适应性性状的GWAS研究；(ii) 基因组资源、标记平台和统计方法；(iii) 候选基因及其功能验证策略；(iv) GWAS与转录组学、多组学、基因组选择和人工智能的整合；(v) 未来开发高产、气候适应性和营养增强型珍珠粟品种的研究重点。此外，本文还根据性状类别和证据水平对报道的QTL和候选基因进行了批判性综合，并评估了如何将GWAS发现与人工智能支持的表型分析、基因组预测、快速育种和基因组编辑相结合。通过将基因组信号与候选基因、功能证据和育种应用联系起来，本文旨在为珍珠粟的遗传改良提供实用的“从位点到基因到品种”的框架。

支持珍珠粟全基因组关联研究的基因组资源：基因组学的最新进展已将珍珠粟从一种未充分利用的孤儿作物转变为一种具有精准育种潜力的基因组依赖型作物[[15]]。高质量参考基因组、多样化的种质资源、下一代测序平台和高密度基因分型技术的可用性为全基因组关联研究奠定了基础[[16]]。这些资源使得可以全面解析遗传多样性，发现复杂性状的基因组结构和遗传机制。全基因组关联研究已成为解析珍珠粟复杂性状的中心方法，因为它们利用了遗传多样化的种质资源中的历史重组和自然等位基因多样性。与传统双亲QTL作图（仅限于单一次杂交中的重组）不同，GWAS可以同时分析多种来源的数千个全基因组标记，从而提供更高的作图分辨率。

结论与未来展望：全基因组关联研究显著推进了珍珠粟复杂性状的解析，并加强了基因组辅助育种的基础。高密度基因分型、全基因组测序、泛基因组学、QTL作图、单倍型分析、转录组学、代谢组学和多组学整合的进步提高了与产量、物候、抗旱适应性、营养质量和饲料性状相关的基因组区域的分辨率。在本研究的撰写过程中，作者使用了OpenAI的GPT-4.0技术开发的ChatGPT来修订手稿中的英语文本，以提高可读性和语言表达。作者在使用该工具后对内容进行了审查和编辑，并对出版物的内容负全责。

致谢：本项工作未获得任何资助。

利益冲突声明：作者声明没有已知的可能影响本文报告工作的财务利益或个人关系。