芬兰提摩西草产量、抗寒性及消化性的基因组学解析与育种价值预测

《Theoretical and Applied Genetics》：Genetic architecture and genomic prediction for yield, winter damage, and digestibility traits in timothy (Phleum pratense L.) using genotyping-by-sequencing data

研究人员对芬兰提摩西草开展研究，估计了相关性状的方差组分，评估基因组预测准确性，为其育种提供依据。

　　在北欧国家，提摩西草（Phleum pratense L.）是一种极为重要的多年生牧草。它不仅产量高，能耐受北方的冬季气候，还具有很高的营养价值，常被用于喂养家畜，在芬兰农业生产体系中占据着重要地位。传统的提摩西草选育策略主要依赖多环境下的后代测试等方法，这种方式不仅耗时久，成本也很高。随着现代生物技术的发展，利用基因组信息结合基因组选择（GS）的方法为提摩西草的育种带来了新希望。然而，提摩西草是六倍体异交、风媒授粉的物种，其基因组构成尚不明确，参考基因组也尚未公布，这给基因组预测方法的应用带来了诸多挑战。此外，对于芬兰本地提摩西草种群经济重要性状的遗传结构知之甚少，这也限制了其育种工作的高效开展。

为了攻克这些难题，芬兰自然资源研究所（Natural Resources Institute Finland）的研究人员展开了深入研究。他们的研究成果发表在《Theoretical and Applied Genetics》上，为提摩西草的育种改良提供了重要依据。

研究人员主要采用了以下关键技术方法：

1. 基因型测序：运用双酶切限制性内切酶相关 DNA 测序（ddRAD）技术，对 1764 个母本克隆进行基因分型，获得变异数据。由于缺乏参考基因组，构建了 “模拟” 参考基因组，并对测序数据进行质量修剪和比对，最终得到单核苷酸多态性（SNP）标记信息12。
2. 构建基因组关系矩阵：采用了三种不同的缩放因子构建基因组关系矩阵（G 矩阵），包括基于等位基因频率的简单方法、去偏策略以及基于 Beta - 二项分布的新方法，以研究其对基因组预测的影响3。
3. 田间试验与性能记录：对提摩西草的后代进行田间试验，收集了 11375 条性能记录，涵盖产量、冬季损伤、干物质中可消化有机物（D - 值）等性状。试验在多个地点进行，对这些记录进行统计分析和质量控制后用于后续研究45。

下面介绍研究的主要结果：

1. 缩放因子：使用不同方法缩放 G 矩阵时，发现简单方法和去偏策略会使 G 矩阵对角线元素均值随标记数量增加而增加，而基于 Beta - 二项分布的新方法对这种变化的影响较小。同时，新方法中过分散参数??的均值为 0.26，异质性因子??的均值为 0.30，二者相关性高达 0.9967。
2. 方差组分估计：估算出了产量、冬季损伤和 D - 值等性状的加性方差、永久环境方差和剩余方差。例如，首次刈割产量的加性方差为 60342.8 ± 12184.4，第二次刈割 D - 值的加性方差为 1.24 ± 0.12 。此外，还得到了性状间的遗传协方差、狭义遗传力和重复性估计值。如产量性状间存在正遗传协方差，首次刈割产量与冬季损伤的遗传相关性为 - 0.72 ± 0.12，D - 值在第一和第二次刈割间的遗传相关性为 0.59 ± 0.04 89。
3. 基因组预测的准确性：研究发现，基于最小读深度的标记筛选对预测能力影响较小，而最大读深度和检出率对预测能力影响较大。例如，检出率为 70% 时，与 100% 相比，交叉验证和前向预测策略的预测能力分别提高了 27% 和 24%。同时，去偏方法会降低预测能力，多性状模型在不同性状和验证策略下对预测能力的影响不一致1011。

研究结论和讨论部分强调了以下重要意义：
通过对芬兰提摩西草种群的研究，揭示了一些产量和消化性性状具有中等到较大的遗传方差和狭义遗传力，这意味着在这些性状上进行遗传改良具有较大潜力。对于遗传力较低的性状，如冬季损伤，可以利用其与其他性状的有利相关性来提高遗传增益。然而，一些产量性状与冬季损伤及消化性性状之间存在负相关，这突出了使用选择指数减少这些不利关系影响的必要性。

在基因组预测方面，虽然读深度和检出率影响了可用标记数量，但只有检出率对预测能力有显著影响。多性状 GBLUP 模型的潜在优势并不一致，需要进一步研究。不过，不同验证策略下一些产量和消化性性状的高预测准确性，为培育具有更高产量和营养品质的提摩西草材料提供了可能。

总的来说，这项研究为芬兰提摩西草的常规和全面基因组评估迈出了重要的第一步，为其育种工作提供了关键的理论支持和实践指导，有助于推动提摩西草产业的发展。