基因组特异性关联研究（GSAS）：挖掘大麻表型变异的遗传奥秘

为探究大麻表型变异遗传基础，研究人员开展 GSAS 研究，确定相关 SNVs 和单倍型，助力育种。

　　# 基因组特异性关联研究（GSAS）：解锁大麻遗传密码，助力产业发展
在农业领域，大麻（Cannabis sativa L.）是一种极具潜力的多功能作物，它在创造高效、可持续和适应性强的农业系统方面前景广阔。然而，与常见的谷物等作物不同，大麻的高度杂合性给农业生产、育种工作以及科学研究带来了诸多挑战。在过去，由于大麻复杂的法律地位，其在遗传研究方面进展缓慢，导致统一性能的品种难以获得，许多重要农艺性状的遗传基础也一直不为人知。虽然近年来相关立法有所松动，研究人员开展了不少关于大麻性状的研究，探索了施肥灌溉、种植密度等因素对大麻生长的影响，也对不同品种间的差异进行了研究，但针对大麻品种内变异的研究仍较为匮乏，而且传统的研究方法，如数量性状基因座（QTL）定位和全基因组关联研究（GWAS），都各自存在一定的局限性。在这样的背景下，开展深入研究以揭示大麻遗传奥秘、解决现有问题显得尤为迫切。

为了攻克这些难题，来自都柏林大学学院（University College Dublin）、Kazusa DNA 研究所等机构的研究人员携手合作，开展了一项意义重大的研究。他们利用从单株自花授粉大麻植株衍生的 S₁群体，深入探究大麻品种内的表型变异，并借助新开发的基因组特异性关联研究（Genome-specific association study，GSAS）方法，寻找与感兴趣性状相关的基因位点。该研究成果发表在《Scientific Reports》上，为大麻的遗传研究和育种工作开辟了新的道路。

研究人员在实验过程中运用了多种关键技术方法。首先是植物培养技术，他们选取法国的 “Felina 32” 大麻品种，将自花授粉得到的种子在特定条件下培育成 S₁群体。在培育过程中，严格控制环境条件，定期随机调整植株位置，确保实验结果不受环境因素干扰。其次是表型测量和形态记录技术，对 S₁群体的植株高度、侧枝出现时间、开花时间等多种性状进行详细记录。然后是组织收获和 DNA 提取技术，从植株不同部位和生长阶段采集样本并提取 DNA。最后是测序和数据分析技术，利用双酶切限制性位点相关 DNA（ddRAD）测序和全基因组测序（WGS）技术对样本进行测序，通过一系列生物信息学分析方法筛选变异位点，运用 GSAS 方法进行关联分析。

研究结果

1. S₁群体形态性状的广泛变异：研究人员观察到 S₁群体在所有记录的形态性状上都表现出很大的变异性。植株高度在营养生长期迅速增加，到生殖期趋于稳定，最终高度范围从 26 厘米到 303 厘米不等，差异十分显著。茎直径在不同高度也有明显变化，且与植株高度和生物量产量密切相关。侧枝方面，播种后第 5 周开始出现，最终长度差异较大。生物量产量更是令人惊讶，每株干生物量产量从不足 0.5 克到 81.7 克不等。
2. 开花时间动态及相关指标：“Felina 32” 是雌雄同株的两用品种，其开花时间对于纤维和种子产量至关重要。研究发现，雄花最早在第 8 周出现，雌花在第 10 周出现，大多数雄花在第 9 周出现，雌花在第 11 周出现，且雄花先于雌花出现。通过测量性别比程度，发现其变化趋势与开花时间一致。此外，花序密度的分布呈现出一定的规律，整体趋向于平衡分布。
3. 形态和开花参数的相关性：通过皮尔逊相关性分析，研究人员发现一些形态性状之间存在显著的相关性。例如，植株高度与 10 厘米高处的茎直径以及干生物量产量呈强正相关；雄花开花时间与雌花开花时间呈正相关，但与植株高度、茎直径和干生物量产量呈负相关，而雌花开花时间与其他形态性状的相关性则相对较弱。
4. GSAS 识别与表型性状相关的 SNV 和单倍型：利用 GSAS 方法，研究人员在筛选符合孟德尔分离定律的单核苷酸变异（SNV）后，使用 BLINK 软件进行分析，成功识别出与多种性状相关的 SNV 和单倍型。在一些染色体上，虽然部分 SNV 因可能存在分离畸变而被去除，但仍能找到与各感兴趣性状相关的至少一个统计显著的 SNV。这些 SNV 解释的表型性状方差比例各不相同，且与次要等位基因频率和标记效应大小呈正相关。研究还确定了 410 个单倍型块，对与多个性状相关的 SNV 进行分析，发现了有趣的遗传模式。例如，位于 3 号染色体上的一个 SNV 与植株高度和 10 厘米高处的茎直径显著相关，携带不同等位基因的个体在这些性状上表现出明显差异；位于 6 号染色体上的一个 SNV 与植株高度和雄花开花时间相关，携带不同等位基因的个体在这两个性状上也有显著差异。

研究结论与意义

该研究首次全面地对大麻单株的品种内表型变异进行了深入研究，通过 S₁群体揭示了大麻许多重要农艺性状的变异情况，并利用 GSAS 方法确定了与这些性状相关的 SNV 和单倍型。这一研究成果具有多方面的重要意义。在理论层面，它极大地丰富了人们对大麻遗传变异的认识，揭示了表型变异主要源于遗传变异，为后续深入研究大麻的遗传机制奠定了坚实基础。在应用方面，GSAS 方法为大麻育种提供了有力的工具，有助于培育出更加均匀一致的新品种，提高大麻在不同应用领域的性能，如优化收获和加工过程，提高纤维、种子和生物量产量等。此外，该方法还具有广泛的应用潜力，有望推广到其他高度杂合的蔬菜和水果作物的研究中，为这些作物的遗传育种提供新的思路和方法，推动整个农业领域的发展，促进可持续农业系统的构建。总之，这项研究为大麻产业的发展带来了新的希望和机遇，在生命科学和农业领域具有重要的价值。