《Theoretical and Applied Genetics》：Multi-variant GWAS and genomic prediction dissect the genetic architecture underlying tomato fruit weight
编辑推荐：
摘要 关键信息：番茄果实重量主要受稳定遗传效应及与驯化/改良相关的位点控制，其中包括突出的5号染色体信号；整合SNP、INDEL和SV多样性可改善候选位点发现、生物学解释以及跨环境的基因组预测。
番茄果实重量（fw）是受驯化、作物改良和环境变异影响的主要育种
摘要 关键信息：番茄果实重量主要受稳定遗传效应及与驯化/改良相关的位点控制，其中包括突出的5号染色体信号；整合SNP、INDEL和SV多样性可改善候选位点发现、生物学解释以及跨环境的基因组预测。
番茄果实重量（fw）是受驯化、作物改良和环境变异影响的主要育种目标。研究人员在代表番茄驯化连续体的Varitome群体中研究了fw的遗传架构和基因组可预测性，该群体包括Solanum pimpinellifolium (SP)、S. lycopersicum var. cerasiforme (SLC) 和栽培种 S. lycopersicum (SLL)。分别及联合分析了全基因组SNP、插入缺失（INDELs）和结构变异（SVs），以评估它们对关联作图、候选位点发现和基因组预测的贡献。基于所有三类变异的群体结构清楚地区分了各驯化类群。全基因组关联分析鉴定了与环境相关的15个SNP、10个INDEL和10个SV位点显著关联。若干关联与已知fw基因共定位，包括fw2.2/CNR、fw3.2/KLUH、fw11.3/CSR、lc/WUSCHEL和fas/CLAVA3，支持所检测信号的生物学相关性。5号染色体（Chr 5）尤其值得注意，在全部四个环境中检测到chr5_45,551,023处的390-bp缺失，并在三个环境中检测到chr5_55,361,233处的INDEL，提示存在用于fw变异验证的稳定的改良相关候选位点。多个位点表现出从SP经SLC到SLL的明显等位基因频率转变，与驯化和改良过程中的选择一致，而另一些位点几乎仅在栽培种质中检测到，提示其具有较近的育种相关起源。fw表现出强烈的遗传控制，基因型解释了超过92%的表型方差，环境和基因型与环境互作的贡献较小。基于SNP、INDEL、SV、其组合以及基因型与环境互作核的五个基因组预测模型通过四种交叉验证方案（CV1、CV2、CV0和CV00）进行了评估。预测准确性受验证方案和预测算法选择的影响大于标记类别。偏最小二乘（PLS）和贝叶斯基因组线性回归（BGLR）一致优于随机森林（RF）和深度学习（DL）模型，尤其是在涉及未测试基因型和环境的方案中。基于INDEL的模型在最严格的预测方案下经常达到最高准确性，尽管标记类别间的差异总体较小。整合多类基因组变异改善了生物学解释，能够鉴定与驯化和改良相关的位点，并在不同环境和遗传背景下提供准确预测。总之，这些结果表明番茄fw主要由稳定的加性遗传效应控制，并突显了多变异基因组方法在遗传解析和基因组辅助育种中的价值。
番茄果实重量（fw）是番茄育种的核心目标，受驯化、作物改良和环境变异共同影响。过去已克隆了fw2.2/CNR、fw3.2/SlKLUH、fw11.3/CSR、lc/WUSCHEL和fas/CLAVATA3等主效基因，但fw仍是由众多微效位点及基因型与环境互作（G×E）控制的复杂数量性状。番茄由野生醋栗番茄（S. pimpinellifolium, SP）经樱桃番茄（S. lycopersicum var. cerasiforme, SLC）驯化为栽培番茄（S. lycopersicum var. lycopersicum, SLL），驯化瓶颈导致遗传多样性显著下降。以往研究多集中于SNP，而插入缺失（INDEL）和结构变异（SV）在关联作图和基因组预测中的相对贡献仍不清楚。为此，研究人员利用代表番茄驯化连续体的Varitome群体，通过多环境表型评价、全基因组关联分析（Genome-Wide Association Study, GWAS）和基因组预测（Genomic Prediction, GP）系统解析fw的遗传架构。该研究发表在《Theoretical and Applied Genetics》。
研究人员选用Varitome群体的166份材料（28份SP、117份SLC、21份SLL），在土耳其安塔利亚、西班牙瓦伦西亚、美国乔治亚和佛罗里达四个环境开展田间试验。利用已有重测序数据检测全基因组SNP、INDEL和SV；采用主成分分析（Principal Component Analysis, PCA）评估群体结构；使用BLINK模型对三类变异分别进行GWAS；通过贝叶斯RKHS模型估算各标记类别的基因组遗传力；构建五个预测模型（M1-SNP、M2-INDEL、M3-SV、M4-三者组合、M5-M4+G×E），比较贝叶斯基因组线性回归（BGLR）、偏最小二乘（PLS）、随机森林（RF）和深度学习（DL）四种算法，并采用四种交叉验证方案（CV1、CV2、CV0、CV00）评估预测能力。
**果实重量在不同环境中的变异**。多环境混合模型方差组分分析显示，基因型解释92.1%的表型方差，环境、G×E和重复贡献很小，广义遗传力（H
2）为0.98。SLL果实最大，SLC居中，SP最小。SLL在不同环境下表现稳定，而SP环境敏感性高，表明驯化过程中fw的环境敏感性逐渐降低。
**群体结构与变异基因组分布**。基于SNP的PCA清晰区分SP、SLC和SLL三个类群，PC1和PC2共解释28.77%的遗传变异。过滤后共获得3,879,252个SNP、831,152个INDEL和11,447个SV；7号染色体变异密度最高，9号染色体最低，三类变异的分布模式总体一致。
**fw的全基因组关联分析**。GWAS共检测到15个SNP、10个INDEL和10个SV显著位点。多个信号与已知fw基因共定位，例如SNP位于fw2.2/CNR下游约121 kb，SV位于fw3.2/SlKLUH上游约11 kb，另有一些信号落在lc/WUSCHEL和fas/CLAVATA3附近。5号染色体上的390-bp缺失在所有四个环境中均显著，INDEL在三个环境中显著，是稳定的改良相关候选位点。
**INDEL、SNP和SV相关等位基因在番茄物种中的演化情景**。等位基因频率分析显示，多数有利等位基因从SP到SLL逐渐固定，如2号染色体45.66–50.41 Mb区域；5号染色体上的有利INDEL和SV仅存在于SLL，提示其源于近期改良；另一些与减小果实相关的等位基因被逐步淘汰；12号染色体上的有利SV在SLC中出现但随后丢失。
**SNP、INDEL和SV标记集捕获的基因组遗传力**。三种标记的基因组遗传力分别为0.9668、0.9629和0.9606，差异很小，表明它们捕获高度重叠的遗传信号。
**跨模型和环境的预测性能**。预测准确性受交叉验证方案和算法选择的影响大于标记类别。PLS和BGLR在所有方案中优于RF和DL；在CV2方案中，基于INDEL的模型在BGLR和PLS下表现最佳。标记密度对CV1和CV0影响较小，但增加密度可提高CV2和CV00的预测准确性。
讨论指出，fw主要由稳定的加性遗传效应控制，G×E贡献很小。GWAS信号与已知驯化/改良基因共定位，支持所检出的位点具有生物学意义。INDEL可能比SNP更易直接影响基因功能，因此其预测性能相对较好。多变异整合虽未大幅提升预测精度，但改善了候选位点发现和生物学解释。PLS和BGLR的优越性源于其能高效处理加性遗传和高相关预测变量，而RF和DL在中等训练群体下未表现出优势。
总之，本研究结果表明，番茄fw主要由稳定的加性遗传效应控制，能够在不同环境和遗传背景下被准确预测。尽管基于INDEL的模型在挑战性预测方案下经常达到最高准确性，标记类别间的差异通常小于预测算法间的差异。PLS和BGLR持续提供最可靠的预测，而RF和DL尽管复杂度更高，却几乎没有优势。这些发现表明，成功的基因组预测不仅取决于标记密度，还取决于选择能够高效捕获具有生物学意义的遗传变异的标记类别和分析方法。因此，整合SNP、INDEL和SV为同时改善生物学解释、鉴定功能位点以及理解番茄驯化和改良过程中塑造fw的进化过程提供了一个有价值的框架。
