《Plant-Environment Interactions》：Application of Omics Technologies for Cowpea Improvement
编辑推荐：
豇豆（Vigna unguiculata）是撒哈拉以南非洲及其他半干旱地区粮食安全、营养和气候适应性的重要作物。然而，其改良受到多基因控制的复杂性状（如耐旱性、抗虫性和籽粒品质）的制约。传统育种尽管具有基础性作用，但仍不足以按所需速度应对这些挑战。近年来，多组
豇豆（Vigna unguiculata）是撒哈拉以南非洲及其他半干旱地区粮食安全、营养和气候适应性的重要作物。然而，其改良受到多基因控制的复杂性状（如耐旱性、抗虫性和籽粒品质）的制约。传统育种尽管具有基础性作用，但仍不足以按所需速度应对这些挑战。近年来，多组学技术（multi-omics technologies）的进展，包括基因组学（genomics）、转录组学（transcriptomics）、蛋白质组学（proteomics）和代谢组学（metabolomics），为解析复杂性状、鉴定候选基因以及加速培育抗逆、高产栽培种提供了新的机遇。本综述对当前组学技术在豇豆改良中的应用进行了批判性综合，重点阐述了其在胁迫适应、营养强化和精准育种方面的贡献。综述还分析了限制豇豆组学辅助育种应用的关键技术和制度性制约因素，包括研究基础设施不足、多组学数据整合的挑战以及撒哈拉以南非洲育种项目技术能力有限等。文章讨论了通过区域合作、生物信息学能力投资以及将计算方法整合到育种流程中来应对这些障碍的策略。总体而言，本综述得出结论：将多组学技术与人工智能（artificial intelligence, AI）和机器学习（machine learning, ML）相结合，在改进基因型-表型预测（genotype–phenotype prediction）、加速育种决策以及支持培育气候适应性和营养强化型豇豆品种方面具有巨大潜力。
1 Introduction
豇豆（Vigna unguiculata）是一种耐旱豆科作物，广泛种植于撒哈拉以南非洲、东南亚及部分北美和拉丁美洲地区。其籽粒富含优质蛋白质、复杂碳水化合物、维生素和矿物质，且具有生物固氮和作为牲畜饲料的价值。然而，豇豆生产常受到蚜虫、蓟马、豆荚螟等害虫，真菌和病毒病害，以及干旱、高温、盐胁迫等非生物逆境的影响。许多重要农艺性状（如产量稳定性、非生物胁迫耐受性、营养品质）受多基因控制且存在显著的基因型×环境（G×E）互作，传统依赖表型选择的育种方法周期长、精度有限。多组学技术（multi-omics technologies）的发展为解析复杂性状遗传基础、加速抗逆和高产品种培育提供了新途径，本综述旨在系统总结这些技术在豇豆改良中的应用现状与前景。
2 Overview of Omic Technologies
组学技术是一类高通量手段，从基因组学（genomics）、转录组学（transcriptomics）、蛋白质组学（proteomics）和代谢组学（metabolomics）等不同分子层面刻画生物系统。这些层面分别反映DNA序列变异、RNA表达调控、蛋白质丰度与修饰以及小分子代谢谱，共同构成从基因型到表型的系统级认知框架。在豇豆研究中，不同组学方法在生物和非生物胁迫研究中的侧重有所差异，整合多组学数据有助于弥补单一组学信息不完整的局限。
3 Genomics
基因组学是研究基因组结构、功能、进化和作图的学科，为连接遗传变异与目标性状提供基础。主要方法包括数量性状位点（Quantitative Trait Loci, QTL）定位、全基因组关联分析（Genome-Wide Association Studies, GWAS）、标记辅助选择（Marker-Assisted Selection, MAS）、基因组选择（Genomic Selection, GS）以及基因组编辑（Genome Editing）。QTL定位可识别控制复杂性状的基因组区域，GWAS利用自然群体实现高分辨率关联定位，MAS适用于主效基因控制的性状，GS则通过全基因组标记预测育种值，以提高复杂性状选择效率，基因组编辑如CRISPR/Cas可精确创制新等位变异。
4 Transcriptomics
转录组学研究特定细胞、组织或发育阶段中全部RNA转录本的组成与动态变化，包括信使RNA和非编码RNA。相较于基因组，转录组能反映基因表达在时间、空间和环境条件下的变化。高通量RNA测序（RNA-seq）可在无参考基因组情况下高灵敏地定量基因表达、检测可变剪接和新转录本。在作物改良中，转录组学被广泛用于鉴定生物和非生物胁迫下的响应基因、揭示调控网络，为育种提供候选基因和分子靶标。
5 Proteomics
蛋白质组学在大规模水平上鉴定、定量和表征蛋白质，是连接基因组与表型的功能桥梁。蛋白质是细胞过程的主要执行者，其丰度、定位、互作和翻译后修饰直接决定植物表现。比较蛋白质组学可识别胁迫响应蛋白和通路，阐明耐受机制。质谱技术和非凝胶平台的进步提高了检测灵敏度，亚细胞蛋白质组学和翻译后修饰研究进一步揭示胁迫适应中的调控层次。蛋白质组学有助于发现可用于标记辅助选择和基因组编辑的关键蛋白/基因，但仍面临蛋白提取复杂、低丰度蛋白检测难等挑战。
6 Metabolomics
代谢组学又称代谢物谱分析，全面研究生物系统中的小分子代谢物，包括糖类、氨基酸、脂质、核苷酸、次生代谢物和激素等。这些代谢物在能量生产、生长发育、胁迫适应和环境互作中发挥关键作用。代谢组学可解析胁迫响应的代谢机制，利用代谢物标记（mQTL）关联目标性状，辅助筛选耐逆、优质种质。将代谢组学纳入育种流程有助于减少对农药、肥料和水资源的依赖，提高营养品质。
7 Advances in Cowpea Genomics
豇豆基因组学已取得重大进展。高质量的参考基因组（栽培种IT97K-499-35，约519 Mb）为基因发现、比较基因组学和GWAS读段比对提供了基础坐标；首个豇豆泛基因组的构建包含约35,436个基因，其中可变基因富集于病原防御、非生物胁迫响应和次生代谢通路。QTL定位已鉴定出多个与耐旱、成熟期、产量和抗性相关的位点，如稳定表达的Dro-3、Dro-4和产量相关QTL。GWAS研究鉴定了控制气孔行为、籽粒蛋白含量、荚长和抗氧化能力等的显著SNP及候选基因。这些基因组资源促进了标记开发、亲本选择和基因组选择，为多组学整合奠定基础。
8 Advances in Cowpea Transcriptomics
转录组学在豇豆抗逆机制解析中应用广泛。在病毒抗性研究中，RNA-seq显示抗性基因型在侵染早期迅速激活茉莉酸和乙烯信号、MAPK、水通道蛋白及NBS-LRR抗病基因，并受AP2-ERF、WRKY、MYB转录因子调控。线虫抗性涉及WRKY转录因子、茉莉酸信号、蛋白酶抑制物和细胞壁加固等协调响应。针对蚜虫和斑潜蝇的抗性研究表明，诱导型防御包括水杨酸信号、黄酮和木质素生物合成。干旱胁迫转录组分析表明，早响应以信号转导和转录因子为主，持续胁迫诱导渗透保护和ROS清除基因。盐胁迫和热胁迫研究也鉴定了离子转运、抗氧化和热激相关候选基因。此外，miRNA测序揭示了冷害和干旱下的转录后调控网络。
9 Advances in Cowpea Proteomics
蛋白质组学揭示了豇豆与病原互作及逆境适应中的蛋白质动态。在线虫侵染中，抗性品种快速积累抗氧化酶和病程相关（PR）蛋白，并诱导几丁质酶、β-1,3-葡聚糖酶和蛋白酶抑制物以限制取食位点建立。真菌和病毒研究中，抗性基因型通过上调PR蛋白、热激蛋白（HSPs）和ROS清除酶维持蛋白稳态，病毒早期感染可能抑制宿主防御，而抗性品种通过恢复光合和蛋白酶体途径重建平衡。干旱胁迫下，耐旱品种上调谷氨酰胺合成酶、分子伴侣、苹果酸脱氢酶和HSPs以保护光合机构；盐胁迫下维持能量代谢相关蛋白（如Rubisco活化酶、ATP合酶）水平；热胁迫下种子积累LEA蛋白和sHSP保护蛋白。这些研究共同表明，豇豆抗逆性依赖于维持光合、抗氧化和蛋白稳态的整合网络。
10 Advances in Cowpea Metabolomics
代谢组学鉴定了豇豆响应逆境的多种代谢物。干旱胁迫下，脯氨酸、半乳糖醇、槲皮素衍生物和蔗糖等渗透保护剂与抗氧化物质积累，且不同器官的代谢应答具有特异性。采后研究中，一氧化氮处理通过增强黄酮、酚酸和生物碱积累延缓衰老，而冷储诱导脂质过氧化和类黄酮积累。抗虫代谢组学发现，花蕾中的蛋白质、多酚和萜类物质与蓟马抗性相关，黄酮类化合物（如木犀草素）和异黄酮（如香豆雌酚）可直接防御蠼螋。种子代谢物分析揭示了不同种皮颜色与酚酸、黄酮和花青素含量的关联，为营养强化和生物强化提供了靶标。
11 Integrated Omics for Cowpea Improvement
单一组学技术仅能捕捉生物系统的一个层面，不足以解析复杂性状。整合基因组学、转录组学、蛋白质组学、代谢组学与表型组学和环境信息，可在系统生物学框架下重建基因→转录→蛋白→代谢→表型的因果链条。实际整合流程包括数据标准化、基因-蛋白-代谢网络重构、分子QTL（eQTL、mQTL等）鉴定和预测模型部署。整合分析已揭示采后衰老中褪黑素介导的氨基酸/糖代谢和激素信号协调变化，病毒抗性中miRNA调控AGO和GST等防御基因，以及真菌抗性中抗氧化与光合代谢的协同重编程。人工智能和机器学习可处理高维异质数据、进行特征选择和网络推断，增强基因组预测和选择准确性，从而为精准育种提供系统性支撑。
12 Conclusion and Perspectives
豇豆是撒哈拉以南非洲重要的蛋白质和热量来源，但其遗传改良受多基因控制性状的复杂性制约。当前组学研究仍以单组学为主，多组学整合在常规育种中的应用有限。未来需将参考基因组、泛基因组、SNP芯片、GWAS群体等资源与转录组、蛋白质组、代谢组和高通量表型数据深度融合，并借助人工智能/机器学习和基因组编辑、基因组选择、代谢物辅助选择等手段，缩短育种周期，提高选择精度，培育气候韧性、高产和营养强化型豇豆品种，以支撑全球粮食安全和可持续农业。
