本研究收集了2,430份在不同地理区域推广的优良商业杂交种所选育的自交系和503份自然群体自交系，构建了一个来源广泛、遗传多样性丰富的自交系群体。利用重测序技术、群体遗传学分析和深度学习算法对2,933份玉米自交系开展了系统的遗传多样性分析及重要育种性状预测，为玉米遗传改良和智能设计育种提供了新思路。玉米是全球广泛种植的重要农作物，也是杂种优势利用最成功的粮食作物之一。优良自交系的选育是玉米杂交种培育和产量持续提升的关键。种质资源多样性分析和选择规律研究对于自交系的高效选育至关重要，但也面临着种质材料来源广泛、遗传结构复杂多样、选择性状智能预测准确性低等难题。现代基因组学技术和人工智能技术的发展为我们深刻认识种质资源遗传背景和性状预测提供了有力手段。近日，中国农业科学院作物科学研究所在SCIENCE CHINA Life Sciences发表了题为Genomic analysis of modern maize inbred lines reveals diversity and selective breeding effects的文章。研究团队广泛收集了2,430份在不同地理区域推广的优良商业杂交种所选育的自交系和503份自然群体自交系，构建了一个来源广泛、遗传多样性丰富的自交系群体。![]()
研究首先对该超大型玉米自交系群体进行了重测序，经过变异挖掘和质量控制，筛选出 437,081 个覆盖全基因组的高质量 SNP 标记。在此基础上，研究团队对该群体的基因组变异分布、遗传多样性、杂种优势群类型及群体分化特性进行了细致分析，揭示了人工选择育种对玉米基因组的塑造作用，并发现了2个潜在的新杂种优势类群。通过2,430个现代自交系和503个自然群体自交系之间的选择清除分析挖掘了大量育种过程中潜在的受选择位点，并在其置信区间内发现了大量与开花时间、根系发育、抗逆性、产量和株型结构等生物学过程相关的基因，突出了这些基因组区域的重要性。最后，该研究以鉴定到的受选择位点为特征，利用深度学习基因组预测算法，构建了8个株型和产量相关性状的基因组预测模型，实现了对这些目标性状的精准预测，从而证实了这些位点的可靠性。此外，研究还提出了选择比例的概念，用于探讨基因组选择育种中验证群体的大小与育种效率之间的关系，模拟分析表明，选择比例是影响产量相关性状遗传增益的关键因素之一。总而言之，该研究构建了一个多样化的玉米种质资源库，鉴定出新的潜在种质类群，发现了大量优异育种位点，为玉米育种提供了宝贵的遗传资源，建立的基于深度学习算法的基因组预测模型对该群体的育种利用具有重要指导作用。
![]()
2,933玉米自交系群体的基因组特征、群体结构以及基因组预测
中国农业科学院作物科学研究所助理研究员范开建，博士后Mohsin Ali、何坤辉为该文共同第一作者，李慧慧研究员、黎亮研究员为共同通讯作者。该研究得到了作科所王建康研究员、黄长玲研究员、付俊杰研究员，阿里巴巴达摩院顾斐博士的指导和帮助；作科所衡燕芳博士，博士研究生冯英伟、余廷熙、张昊、安泰、曾伟伟，硕士研究生周莹参与了该工作。该研究得到国家自然科学基金、中国农业科学院南繁专项基金、阿里巴巴公益基金会和中国农业科学院创新工程共同资助。
