基因型对环境的差异反应在复杂性状和疾病中很常见。尽管基因组学和环境监测方面存在现有的分析框架和技术，如果不能准确地量化基因和环境的相对贡献，并确定具体的潜在因素，许多长期存在的生物学问题就无法得到回答，提高对基因型-环境相互作用(G × E)的理解将提高我们预测疾病风险和植物性能的能力。
2018年5月11日，余建明等人在《PNAS》期刊发表了题为“Genomic and environmental determinants and their interplay underlying phenotypic plasticity”的文章，本研究表明，对不同环境的基因组反应的综合分析有助于揭示潜在的遗传结构。单个基因的影响连续体在大小和方向上沿环境梯度变化，该梯度由光热时间和两个环境因子(光周期和温度)的组合来量化。基因-基因相互作用也有助于观察到的表型可塑性，以确定的环境指标定量连接环境，通过基因型特异性反应规范参数或全基因组标记效应连续体建立系统的全基因组预测框架。
研究结果
1、看似复杂的G × E背后的模式
文章评估了来自两个自交系的遗传作图种群在七种野外环境中的开花时间(图1A)。以生长度日(GDD)表示的开花时间在亲本自交系间和重组自交系间均表现出等级变化和尺度变化。在没有整体建模框架的情况下，不同环境条件变化、亲本自交系之间和重组自交系(RILs)之间尺度变化的性状相关性和预测精度较低。G × E占表型变异的20%，可进一步分为基因型变异异质性(56%)和缺乏基因型相关性(44%)。
为了揭示明显复杂的G × E，文章首先研究了利用光周期、温度和观察到的种群开花时间对环境进行分组的不同方法(图1)。观察到的开花时间是不同遗传和环境因素的结果，并将7种环境分为3组。将IA14与PR11和PR12组合在一起，表明光周期和温度之间存在一定的补偿作用。
图1 遗传作图群体的开花时间G × E的模式发现
2、由光热时间定义的环境指数
文章进行了分析，以确定在不同环境下平均光热时间与开花时间种群平均值相关性最好的窗口(图2)，检查不同的起始天数和不同的窗口大小，发现种植后18至43天的平均光热时间值具有最佳的相关性，在这些环境下，种群与开花时间均值的相关性最高(r = 0.996)，光热时间解释了不同环境下平均开花时间变异的99.3%，高于温度或光周期。
文章使用一组不同高粱品种每月种植的现场数据和来自广泛物种的实验数据，进一步证明光热时间作为环境指数的普遍性，利用确定的光热时间指数，可以通过三个过程对G × E进行统一建模和机理解释:(i)通过反应规范参数估计的联合基因组回归分析(JGRA)，(ii)通过全基因组标记效应连续估计的JGRA，以及(iii)开花时间位点的遗传作图和效应分析。
图2 以临界生长窗内的光热时间作为环境指标
3、基因组预测反应规范参数
第一种建模和性能预测方法是通过使用全基因组标记信息预测的反应规范参数。用光热时间指数对不同测试环境下被测基因型的开花时间响应进行回归(图3)，回归斜率反映了基因型对不同环境影响的可塑性，截距是基因型对所检查的环境组的平均反应的一个指标。最终获得所有三种场景的准确性能预测(r =0.86~0.95，R2 =74~90%)，未测试环境中测试基因型的预测精度较高(r = 0.74)，其次是测试环境中未测试基因型(r = 0.53)和未测试环境中未测试基因型(r = 0.50)。
图3 基于反应规范参数的JGRA性能预测
在2015年和2016年再次进行了种群增长的实验。利用7种环境的模型和2种新环境的光热时间值，得到了预测的开花时间值。在这两种情况下，预测精度都很高(图4)。这些预测是“应季”的，因为一旦有了环境剖面数据，就可以随着季节的进展计算光热时间；这些预测是“应季”的，因为预测值与观测值接近，而不仅仅是具有相似的排名。
图4 通过反应规范参数进行性能预测的实证验证
4、全基因组标记效应连续统估计
文章研究了另一种方法，使用全基因组标记效应连续体来预测开花时间。首先，利用测试环境中测试基因型的性能数据，从个体环境分析中获得全基因组标记效应。然后，将这些标记效应回归到光热时间指数上，得到拟合的标记效应。最后，利用这些拟合的标记效应，将新基因型的全基因组标记和新环境的特定环境指标值结合起来，得到未测试基因型在未测试环境中的表现，使用该方法获得的结果与第一种方法相当。
5、开花时间的遗传决定因素
作者对个体环境和所有环境进行了遗传作图，在联合分析中检测到几个常见的遗传位点，而其他的仅在某些环境中发现(图5)。值得注意的是，数量性状位点(QTL)的效应大小和方向与环境有关，在一种环境中增加开花时间的等位基因可以使开花时间增加到不同程度，或减少开花时间，或在其他环境中没有作用。
图5 G × E的遗传决定因素
基因和环境的综合分析可以揭示观察到的表型动力学背后的机制相互作用，通过研究遗传作图群体在相对多样化的自然环境中的反应规范，可以将来自不同研究领域的多个概念结合起来，设计并行方法来建模、预测和解剖G × E，将G × E的复杂性视为一个机会，有助于我们更好地理解生物学和进化。
