2024年10月18日，浙江大学棉花精准育种团队的方磊教授和张天真教授，与中国农科院生物技术所的谷晓峰研究员及阿里巴巴达摩院（湖畔实验室）顾斐博士团队，在国际学术期刊Cell Research上发表了 “Population-wide DNA Methylation Polymorphisms at Single-nucleotide Resolution in 207 Cotton Accessions Reveal Epigenomic Contributions to Complex Traits”研究论文。本研究结合遗传学、生物大数据及人工智能技术，构建了迄今最为详尽的作物全基因组DNA甲基化图谱，并首次描绘了不受遗传因素影响的纤维发育相关表观调控网络。通过开发深度学习模型DeepFDML，我们实现了全基因组范围内功能性表观遗传修饰位点的智能预测。
棉花作为最主要的天然纺织原料之一，同时也是探索细胞分化、伸长、细胞壁形成控制及作物多倍体化的关键模式植物。深入理解棉花复杂农艺特征背后的遗传与生物机制，对于提升棉花的分子育种技术具有重大意义。尽管全基因组关联研究（GWAS）是剖析作物复杂农艺性状的有效工具，但它无法全面揭示表观遗传层面上的群体多样性及其与性状变异之间的关系。
DNA甲基化作为表观遗传的关键组成部分，不仅可以通过自然演化过程传递，也能因人为选择而发生改变，但其在群体间的多样性及育种应用中的作用尚不明确。为此，本研究运用了207份棉花种质资源的全基因组亚硫酸盐测序、基因组测序及转录组测序数据，配合农艺性状的表型信息，构建了一个涵盖群体层面的棉花全基因组DNA甲基化图谱。在此基础上，我们将传统的群体遗传学分析方法延伸至表观遗传标记，实施了大规模的多组学关联分析。
研究发现，棉花基因组庞大（约2.5Gb），通过15倍覆盖的全基因组亚硫酸盐测序，成功鉴定了2.87亿个单一甲基化多态性（SMP）位点，这一数字是单核苷酸多态性（SNP）位点数目的百倍之多。在不同的甲基化类型中，全基因组范围内的CG和CHG甲基化显示出高度相关性（皮尔逊相关系数=0.95），而与CHH甲基化的相关性则相对较低（皮尔逊相关系数=0.22）。各基因组区域的DNA甲基化多态性受不同选择压力的影响，例如，转座子通常表现出较高的甲基化水平，其CG-SMP的次要等位基因频率仅为蛋白质编码基因的一半，这反映了甲基化在抑制转座子活动方面的作用。为了描述相邻DNA甲基化位点之间的联系，我们引入了甲基化不平衡（MD）的概念，这是一种对传统连锁不平衡概念的扩展。结果显示，MD在大约50bp的距离内就会降至峰值的一半，这与人类和拟南芥中已有的研究结果相符。MD的衰退速度明显快于传统的连锁不平衡（LD），并且CHH的MD低于CG和CHG，这提示CG甲基化可能比非CG甲基化更容易遗传。
通过整合多组学数据分析，我们确定了5,426,782个顺式甲基化数量性状位点（cis-meQTL）、5,078个顺式表达数量性状甲基化位点（cis-eQTM）以及9,157个表达数量性状位点（eQTL）。
本研究进一步探讨了表观遗传与遗传因素如何共同或独立调节基因表达的几种模式，指出由于许多甲基化位点并未与SNP连锁，因此表观关联分析能发现常规GWAS未能触及的位点，成为后者的一个有力补充。通过执行表观全基因组关联分析（EWAS），我们鉴定了1,715个与棉花农艺性状相关的表观遗传位点，这些位点中有36个（占比2.10%）与GWAS中识别的位点相吻合。此外，构建的多组学调控网络揭示了43个可能参与棉纤维发育的eQTM基因，为棉花的功能基因组研究提供了宝贵的候选基因库。
面对功能基因组学研究中解析调控元件功能影响的重大挑战，本研究开发了一种深度学习模型——DeepFDML，旨在基于DNA甲基化位点周围的序列特征，预测那些能够影响基因表达的甲基化位点。该研究系统地分析了群体水平上的DNA甲基化多态性如何调节基因表达模式及其对农艺性状改进的贡献，揭示了遗传与表观遗传因素共同调控农艺性状的复杂网络，为推动表观遗传设计育种提供了重要的资源和指导方针。
浙江大学棉花精准育种团队赵汀特聘研究员、关雪莹研究员、胡艳教授、硕士研究生张子迁和阿里巴巴算法专家杨晗硕士为论文共同第一作者，浙江大学方磊教授、中国农科院生物技术所谷晓峰研究员、阿里巴巴达摩院（湖畔实验室）顾斐博士、浙江大学张天真教授为论文共同通讯作者。本研究工作获得国家科技重大专项、国家自然科学基金、浙江大学-阿里巴巴AZFT等项目资助。
图1：群体单碱基DNA甲基化多态性的精准鉴定、调控网络解析与预测模型构建
原文链接：
https://www.nature.com/articles/s41422-024-01027-x
