遗传资源创新对于育种很重要，可为作物改良提供必要的遗传多样性。通过利用丰富的遗传资源，育种者能够筛选出具有优良性状的新品种，例如提高作物产量，增强作物抗病性和适应性等。
遗传资源创新的关键在于以下两点：（1）对于生长发育的重大基础科学问题的认识；（2）对遗传调控机制的解析。
基于全基因组重测序进行全基因组关联分析（Genome-wide association study，GWAS）是解析遗传调控机制的常用策略。它通过检测特定群体中全基因组水平数以百万计的分子标记（SNP、SV等）研究表型-基因型对应关系，从而鉴定影响重要表型形成的关键功能基因。
GWAS的分析效能随着样本量的增加而提升，因为更大的样本量能够有效减少基因型数据中的噪声干扰，进而更准确地揭示基因与表型之间的关联。然而在实际实践中，由于研究成本的限制，大基因组物种往往可纳入的样本量有限，这不可避免地会导致检验效能的降低。
针对全基因组重测序成本高昂的问题，多种成本低廉的基因分型方法被相继开发并应用。其中，低深度全基因组重测序（Low coverage whole genome sequencing，LcWGS）通过降低测序深度达到大幅降低测序成本的目的，后续通过基因型填充的方法获得与高深度测序接近的全基因组范围内的高密度SNP。
表 不同高通量基因分型技术对比
表 部分已发表LcWGS文章统计[1-5]
1、猪、牛
格致博雅自建猪和牛的高质量参考面板，囊括猪和牛的多个常见品种，经测试其填充基因型相关性可达0.98以上。对于以上两物种的GWAS分析，可直接进行LcWGS的送检分析。
图 猪和牛基于LcWGS的GWAS送检流程
具体方案：
step1：确认送检样本量，建议越多越好，至少500以上。
step2：确认送检样本类型：血液、组织、毛囊等各类样本均可。
step3：样本送至实验室进行1X LcWGS。
step4：对下机数据参照格致博雅猪和牛基因型参考面板进行基因型填充。
step5：根据需求（如关注性状等）进行GWAS分析。
2、其他物种
对于除猪和牛之外的其他物种，可先进行群体1X LcWGS，根据群体结构分析结果，选取代表性个体进行高深度测序构建参考面板，对1X LcWGS结果填充后进行GWAS分析。
图 除猪和牛以外其他物种基于LcWGS的GWAS送检流程
具体方案：
step1：确认送检物种/品种。有参考基因组的各类动植物物种均可送检。
step2：确认送检样本量，建议越多越好，至少500以上。
step3：确认送检样本类型：各类样本均可。
step4：样本送至实验室进行1X LcWGS。
step5：对下机数据进行群体结构分析。
图 群体结构分析示意图
step6：根据群体结构分析结果选取代表性个体进行高深度测序构建参考面板。如图所示，每个颜色代表不同的群体，则在每个群体中分别选择一定数量的代表物种进行高深度测序。构建参考面板策略如表格所示。
step7：利用高深度重测序后下机数据进行参考面板的构建，并对1X LcWGS数据结果进行基因型填充。
step8：根据需求（如关注性状等）进行GWAS分析。
LcWGS助力大基因组物种GWAS研究
GWAS研究的基础是高质量的群体基因组数据，但对于大基因组物种来说，高昂的高深度全基因组测序成本限制了对这些物种遗传多样性的深入研究，进而阻碍了在育种、保护和疾病抗性等领域的应用研究。LcWGS的出现为这类研究提供了可能。对此，小格对大基因组部分动植物进行了统计，因品种繁多，基因组大小不一，数据仅供参考。
表 部分大基因组植物统计
表 部分大基因组动物统计
【参考文献】
【1】Fuller ZL, Mocellin VJL, Morris LA, et al. Population genetics of the coral Acropora millepora: Toward genomic prediction of bleaching. Science. 2020;369(6501):eaba4674. doi:10.1126/science.aba4674
【2】Nicod J, Davies RW, Cai N, et al. Genome-wide association of multiple complex traits in outbred mice by ultra-low-coverage sequencing. Nat Genet. 2016;48(8):912-918. doi:10.1038/ng.3595
【3】Wang H, Xu X, Vieira FG, et al. The Power of Inbreeding: NGS-Based GWAS of Rice Reveals Convergent Evolution during Rice Domestication. Mol Plant. 2016;9(7):975-985. doi:10.1016/j.molp.2016.04.018
【4】Wang D, Tan L, Zhi Y, et al. Genome-wide variation study and inter-tissue communication analysis unveil regulatory mechanisms of egg-laying performance in chickens. Nat Commun. 2024;15(1):7069. Published 2024 Aug 16. doi:10.1038/s41467-024-50809-9
【5】Yang R, Guo X, Zhu D, et al. Accelerated deciphering of the genetic architecture of agricultural economic traits in pigs using a low-coverage whole-genome sequencing strategy. Gigascience. 2021;10(7):giab048. doi:10.1093/gigascience/giab048
