Mol Plant | 程时锋综述：植物基因组重测序与群体基因组学

分享一篇2023年7月25日发表在Molecular Plant上的一篇综述文章：“Plant genome resequencing and population genomics: Current status and future prospects”，总结了植物基于群体的基因组重测序研究的进展以及这些研究对作物育种的影响。

全文摘要

这篇论文总结了植物基因组重测序和群体遗传学领域的现状及未来前景。随着DNA测序技术的进步，越来越多的研究关注于探索植物功能及其对作物改良的影响。文章指出，目前已有来自163个国家的187种陆地植物进行了基因组重测序，涵盖了54413个样本，并对367个性状进行了调查，开展了86项全基因组关联分析。虽然经济作物如谷物、蔬菜和豆类在重测序工作中占据了主导地位，但仍有49个目尚未被覆盖。此外，文章还提到了一些已选中的与家养有关或与农艺性状相关的基因，为未来的研究提供了候选基因库。然而，许多人口遗传数据集并不开放，阻碍了二次分析的发展。因此，作者呼吁采取更加开放和协作的人口遗传学方法，促进数据共享并鼓励基于贡献的信用政策。随着DNA测序成本的降低以及分析和计算技术的进步，植物基因组重测序研究的数量和质量将继续增长，这将有助于更深入地了解植物性状的遗传学和育种设计。

群体重测序用种质采集点的地理分布和环境背景

在植物育种中的种群基因组学方法的示意图表示

植物基因组重测序与群体遗传学研究进展

介绍了植物基因组重测序和群体遗传学研究的现状和未来前景。通过DNA测序技术的发展，人们对植物基因组的研究已经从简单的遗传多样性探索转向了功能意义的挖掘以及对作物改良的有益基因的发掘。目前已有来自163个国家的187种陆地植物进行了重测序，涵盖了54413个样本，并且已经调查了367个性状并开展了86项全基因组关联分析。虽然经济作物如谷物、蔬菜和豆类在重测序方面占主导地位，但还有49个目尚未得到研究。同时，作者呼吁更加开放和协作的人群遗传学方法，促进数据共享和基于贡献的信用政策。随着DNA测序成本的降低和分析计算技术的进步，植物基因组重测序研究将继续扩大规模和提高质量，从而深入探究植物性状遗传和育种设计。

植物基因组重测序研究进展与展望

介绍了植物基因组重测序研究的进展和应用前景。随着DNA测序技术的发展，越来越多的植物物种进行了基因组重测序，并且发现了许多与作物改良、适应环境等相关的基因。虽然已经完成了大量的植物基因组重测序工作，但是仍存在一些空白区域需要进一步探索。同时，这些数据也面临着难以获取的问题，这限制了它们在科学研究中的应用。未来的研究方向包括填补植物基因组重测序的空缺以及提高数据共享和利用效率等方面。

植物全基因组重测序研究的发展与前景

介绍了全基因组重测序在植物学研究中的应用和进展。随着DNA测序成本的不断降低，越来越多的植物物种进行了全基因组重测序，并且已经完成了对许多重要作物的全基因组重测序，如葡萄、鹰嘴豆、水稻等。此外，对于一些经济价值较低但具有药用价值或生态意义的植物，也已经开始进行全基因组重测序的研究。虽然目前已经有超过180个植物物种进行了全基因组重测序，但是仍有许多其他植物物种尚未得到相应的研究。因此，未来还需要进一步加强全基因组重测序技术的应用和发展，以便更好地了解植物的遗传多样性和进化机制。

作物基因组学研究揭示了植物共同驯化和选育的过程。

介绍了作物的起源和驯化中心以及不同作物之间的关系。通过对全球各地的作物品种进行收集和分析，可以确定不同作物的驯化中心，并发现一些作物的驯化是相互交织的。同时，这些数据也揭示了作物之间营养成分的互补性，这可能是导致它们在同一地区驯化的原因之一。此外，研究还发现了在驯化过程中基因的选择和变化，这对于培育更好的品种具有重要意义。最后，文章指出了植物基因组重测序研究的重要性，可以帮助我们更好地理解作物的进化历史和驯化过程。

植物基因组重测序研究进展与应用前景

介绍了植物基因组重测序研究的现状和前景。通过对全球范围内收集到的植物基因组进行重测序分析，可以揭示不同地区植物物种的起源和演化历史，并且能够发现一些与农业生产密切相关的基因。在重测序过程中，研究人员还发现了许多经过人工选择而得到的基因，这些基因对于农作物的改良具有重要意义。虽然已经取得了一些进展，但是仍需要进一步的研究来深入理解这些基因的功能和作用机制。

基因组响应环境变化与作物适应性研究

讲述了基因组响应环境变化的研究现状和进展。通过研究不同环境下物种的多样性，可以识别出适应性变异的基因，并利用这些信息进行作物育种。例如，对植物开花时间、温度和降水等环境因素的研究发现了一些与适应性相关的基因。此外，文章还提到了一些重要的基因如VIN3、FLC、FT等在植物适应环境中的作用。最后，文章指出不同的植物采用不同的机制来应对环境的变化。

植物适应高海拔和土壤肥力变化的基因机制研究

介绍了植物适应环境的遗传机制研究。其中，作者们通过分析不同环境下收集到的植物样本，发现了一些与高海拔、太阳辐射和土壤肥力等环境因素相关的基因。这些基因可能参与了植物对环境变化的适应过程，并且在不同的环境中具有不同的表现形式。例如，在青稞、白杨树、小麦、核桃和拟南芥等物种中，一些特定的基因被发现与高海拔或太阳辐射相关联；而在天竺葵、向日葵和水稻等物种中，则有一些基因与土壤肥力有关。这些研究结果为我们理解植物如何适应不同的环境提供了重要的线索。

基因组关联分析在作物育种中的应用与进展

介绍了基因组关联分析在作物育种中的应用和研究进展。通过DNA重测序技术，研究人员能够快速发现农作物中的单核苷酸多态性（SNP），并利用基因组关联分析方法来鉴定与重要性状相关的基因或位点，从而加速农作物的选育进程。目前已经从38个作物中鉴定了8332个与367个性状相关的位点，并将这些位点分为四类，包括产量、植物形态、耐受性和代谢物多样性等。虽然大部分相关基因尚未得到实验验证，但它们仍然具有潜在的应用价值。其中，转录因子被发现在作物产量特征方面发挥着重要作用。

基因组关联分析在植物抗逆研究中的应用

介绍了植物对非生物胁迫的耐受性及其与基因的关系。通过关联分析（GWAS）技术，可以识别出与高温、盐度和干旱等胁迫相关的基因位点和候选基因。例如，在棉花中发现了三个含有G型lectin受体激酶家族基因的棉籽核基因组，这些基因与高温响应有关；在水稻中，通过GWAS鉴定了一种编码应激相关蛋白16（OsSAP16）的基因，该基因控制低温发芽。此外，GWAS还可以用于鉴定与产量相关性状相关的基因，如大豆和亚麻种子中的NIP1;1酶E2基因。

植物基因组重测序研究进展及应用前景

介绍了基因组重测序在植物抗病性和代谢物研究中的应用。通过关联分析和重组测序等方法，研究人员可以鉴定出与植物抵抗不同疾病相关的基因，并且可以通过代谢组学研究来探索植物内多种代谢产物的含量和功能。这些研究对于了解植物生长发育、适应环境变化以及农业生产具有重要意义。

基因组重测序技术在植物育种中的应用与前景

介绍了基因组重测序技术在植物育种中的应用和前景。通过基因组重测序可以识别出基因组变异，并利用这些变异来引入特定的等位基因、预测杂交性能以及设计更有效的育种策略。例如，在水稻研究中，将OsTCP19的一个等位基因H引入两个优良品种中，可增加低氮和中氮条件下的分蘖数。此外，基因组重测序还可以用于预测杂交性能，如在珍珠小米的研究中，训练好的模型能够准确地预测产量，并筛选出具有潜在改进潜力的杂交组合。虽然目前基因组重测序技术的成本较高，但随着技术的发展和成本的降低，它将成为未来植物育种的重要工具之一。

植物基因组数据共享现状及未来展望

主要探讨了大规模植物基因组重测序数据的可访问性问题，并提出了相应的解决方案。文章指出，尽管许多研究已经通过公共数据的二次分析提供了对基因组进化和转录调节的深入洞察，但人口基因组数据集的二次分析相对较少，这主要是由于难以获取这些数据集所导致的。作者通过对已发表的研究进行调查发现，仅有21%的文章提供了VCF文件的访问权限，而且其中只有82%的链接仍然有效。此外，文章还提出了一些措施来促进数据共享，例如将数据存储在永久数据库中，并提供详细的信息描述和原始SNP数据等。最后，文章强调了开放共享的重要性，不仅有助于复制已发表的分析结果，还可以减少冗余工作并促进数据的二次分析。

植物基因组学研究进展与应用展望

主要介绍了植物基因组学研究的进展和应用。通过全基因组测序、比较基因组学等手段，研究人员已经对多种植物的基因组进行了深入分析，并发现了许多与植物生长发育、适应环境等方面的遗传机制相关的信息。这些研究成果不仅有助于我们更好地理解植物的生命活动规律，也为植物育种、农业生产等方面提供了重要的理论基础和技术支持。此外，该章节还介绍了一些新的技术和方法，如全基因组关联分析、多组学数据整合等，这些新技术的应用将进一步推动植物基因组学的发展和应用。

植物基因组研究进展及应用前景

介绍了植物基因组学研究的进展和应用。其中涉及到了植物基因组测序、植物基因组比较分析、植物基因功能注释等方面的内容，并且介绍了一些重要的植物基因组研究案例。此外，该章节还提到了植物基因组研究在农业生产和环境保护方面的应用前景。通过这些研究，我们可以更好地了解植物的遗传特征和适应性，为植物育种和农业生产提供科学依据。同时，也可以利用植物基因组研究来保护生态环境，促进可持续发展。

植物基因组重测序研究进展与应用前景

介绍了植物基因组重测序研究的现状和前景。通过对全球范围内的不同作物进行全基因组测序和比较分析，可以深入了解植物的遗传变异、适应性和产量性状等方面的信息，为作物品种改良和农业生产提供重要的科学依据和技术支持。同时，该领域也面临着数据量大、计算复杂度高、样本来源多样等挑战，需要不断探索新的技术和方法来提高研究效率和准确性。未来的研究方向包括深入挖掘基因功能、开发新型育种策略、探究环境因素对基因表达的影响等。