aBIOTECH分享 http://blog.sciencenet.cn/u/aBIOTECH

博文

aBIOTECH | 中国农科院作科所牵头建立玉米农艺性状遗传互作网络图谱

已有 195 次阅读 2025-8-22 16:53 |个人分类:论文|系统分类:论文交流

aBIOTECH | 中国农科院作科所牵头建立玉米农艺性状遗传互作网络图谱

图片

玉米(Zea mays L.)是全球最重要的粮食与饲料作物之一,其产量和品质直接关系到粮食安全和农业可持续发展。玉米的农艺性状具有典型的数量性状特征,如株高、穗位高、开花期、穗长、籽粒行数等,受多基因调控并受到环境强烈影响。这些性状不仅自身遗传机制复杂,还在生长发育过程中相互影响,常呈现出明显的遗传互作与多效性特征,即单一基因能够同时调控多个表型性状。传统的单性状全基因组关联分析(GWAS)方法多以单一性状为研究对象,难以全面揭示性状之间潜在的遗传关联和共调控机制。

近日,中国农业科学院作物科学研究所联合青岛农业大学等单位aBIOTECH 发表了题为Dissecting the genetic basis of agronomic traits by multi-trait GWAS and genetic networks in maize研究论文。该研究系统分析了2,448份玉米自交系在三个生态环境下的表型表现,通过整合单性状GWAS、多性状联合分析(MTAG)和遗传网络构建等手段,深入挖掘了18个关键农艺性状的遗传基础,识别出多个具有多效性的调控基因,并揭示了性状间潜在的遗传关联与共调控网络。

图片

研究首先利用FarmCPU模型开展单性状GWAS分析,共识别出558个与18个性状显著相关的SNP位点,并定位到457个候选基因(图1)。在此基础上,研究团队进一步引入MTAG方法进行多性状联合分析,共检测到546个显著SNP,其中182个位点为单性状GWAS未能识别的新位点。对这些新增显著位点所定位的候选基因进行深入分析,结果显示它们在不同性状间具有较高的共享性,并广泛参与细胞分裂、激素信号转导和代谢合成等关键生物学过程,暗示这些基因可能在株型构建、开花调控及产量形成等多个环节发挥协同作用。这些结果为解析玉米复杂性状的遗传互作机制奠定了基础。

图片

图1. 通过MTAG、GWAS或两种方法共同检测到的候选基因数

为了进一步揭示性状间的遗传互作关系,作者构建了基于GWAS与MTAG结果的遗传网络图谱(图2)。网络中节点代表QTL或性状,边代表连锁不平衡(LD)关系。结果显示,多个QTL区域同时调控多个性状,其中QTL411区域包含经典的kn1基因,该基因参与株高、穗位高调控,并与ZmGA20ox1rth3等形成互作网络。研究共检测出49个“枢纽QTL”,这些“枢纽QTL”在网络中连接2个及以上性状,可作为开展多性状联合改良的重要靶标。

图片

图2. 玉米18个农艺性状之间的遗传互作网络

此外,研究团队还通过RT-qPCR实验,在玉米B73的两个关键发育阶段(大喇叭口期V12和抽雄期VT)的12个不同组织中,对30对关键候选基因的共表达模式进行了验证。结果显示,这些基因对在这两个发育阶段均表现出显著的共表达关系(图3),且与不同性状相关的基因往往在特定的发育阶段呈现同步变化。例如,部分与株高和穗位高相关的基因在营养生长阶段协同高表达,而与开花期性状相关的基因则在生殖生长阶段共同上调。这种发育阶段特异性的共表达模式不仅与它们在遗传网络中的互作关系高度一致,还揭示了多性状间可能存在的动态协同调控机制。

图片

图3. 玉米基因对共表达动态热图

综上,该研究不仅提出了整合GWAS与多性状分析的新策略,还建立了玉米农艺性状间遗传互作网络图谱,为发掘多效性基因、理解复杂性状调控网络以及开展智能设计育种提供了重要理论支撑。

该研究得到了国家重点研发计划(2022ZD0115703)、中国农业科学院科技创新工程(CAAS-CSIAF-202303)等项目资助。中国农科院作科所与青岛农大联合培养硕士研究生周莹和作科所助理研究员衡燕芳为本研究共同第一作者,作科所李慧慧研究员、黎亮研究员和青岛农大张恩盈教授为共同通讯作者。

引用本文:

Zhou, Y., Heng, Y., Chen, S. et al. Dissecting the genetic basis of agronomic traits by multi-trait GWAS and genetic networks in maize (Zea mays L.). aBIOTECH (2025). https://doi.org/10.1007/s42994-025-00241-4

 

相关阅读:

aBIOTECH | 李慧慧团队利用大规模进化信息和机器学习算法成功预测植物盐胁迫相关基因

aBIOTECH | 刘羽飞团队基于高光谱与深度学习技术实现水稻恶苗病早期高效监测

aBIOTECH | 中国农科院作科所开发无监督的深度学习算法对植物单细胞RNA测序数据进行聚类

aBIOTECH封面文章 | 刘羽飞课题组联合王蒙岑课题组综述利用先进技术在不同观测尺度上预测水稻病害的现状与展望

aBIOTECH | 阮珏团队开发跨文件数据筛选工具Filterx

aBIOTECH | 阮珏团队开发快速和特异性检测miRNA/短RNA片段的方法



https://wap.sciencenet.cn/blog-3458049-1498717.html

上一篇:aBIOTECH | 四川大学钟振晖团队揭示大豆抗病基因的表观遗传特征
收藏 IP: 175.169.167.*| 热度|

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2025-8-25 04:08

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部