近日，中国农业科学院深圳农业基因组研究所作物组学大数据与应用创新团队绘制了首个葡萄图泛参考基因组、基因型图谱和农艺性状图谱，开发了一种利用机器学习指导葡萄育种的新方法，该方法有望大幅缩短葡萄育种周期，加速葡萄品种创新，并为其他多年生作物育种提供方法参考。相关研究成果发表在《自然·遗传学（Nature Genetics）》上。
由于葡萄生长周期长、基因组杂合度高，利用杂交技术进行葡萄育种的传统方法耗时长、效果不佳，导致葡萄的生物育种技术远远滞后于水稻、小麦等一年生粮食作物。
为加速葡萄育种进程，研究团队构建了首个驯化葡萄图泛参考基因组（Grapepan v1.0），消除了参考基因组的偏差，绘制了葡萄基因型图谱与重要表型图谱，并鉴定到148个与农艺性状显著相关的位点，其中122个位点为首次发现。在此基础上，研究团队引入机器学习算法，解析了葡萄基因数据与葡萄性状数据之间的复杂网络关系，构建了葡萄全基因组选择模型。通过这一模型，科研人员可以快速地预测葡萄成熟后的性状，经数据分析验证，预测准确率达到了85%，有助于更好地选择优良品种，在葡萄育种中有很大的应用潜力。目前，相关研究成果已获国家发明专利6项，已申请国际专利1项。
该研究得到了国家重点研发计划、国家自然科学基金等项目的支持。
原文链接：
https://www.nature.com/articles/s41588-024-01967-5
来源：中国农业科学院深圳农业基因组研究所
采编：盛冉
排版：小同
