《Journal of Crop Science and Biotechnology》:Harnessing genomic technologies for modern soybean breeding
编辑推荐:
基因组测序技术推动大豆研究,包括参考基因组、全基因组重测序、泛基因组项目等,应用于QTL映射和分子育种,但面临数据整合和计算挑战,未来需整合多组学和AI。
摘要
近期基因组测序技术的进步极大地改变了大豆研究,使得人们能够更深入地了解其遗传结构、驯化历史以及复杂性状的进化过程。本文综述了当前大豆基因组技术的现状、关键研究进展及其在育种中的实际应用,同时探讨了存在的问题,并提出了最大化基因组数据利用价值的策略。高质量参考基因组的构建——从Williams 82基因组的组装开始,逐步扩展到优良品种和野生种质资源——促进了全基因组范围内单核苷酸多态性(SNPs)、插入缺失(InDels)和结构变异(SVs)的发现。全基因组重测序(WGRS)技术改进了数量性状位点(QTL)的定位、基因发现以及基因组辅助育种(GAB)方法,使得与产量、抗逆性和种子成分相关的多态性得以高精度检测。以PanSoy项目为代表的泛基因组研究揭示了显著的基因组多样性,并明确了核心基因和非必需基因在性状表达和环境适应中的作用。互补的高通量基因分型平台,如SNP阵列和测序基因分型(GBS),提高了全基因组关联研究(GWAS)的准确性,并加速了标记辅助选择(MAS)和基因组选择(GS)的应用。尽管取得了这些进展,但在数据整合、测序成本和计算基础设施方面仍存在挑战。未来的研究应强调将转录组学、蛋白质组学和表观基因组学等多组学方法与基因组数据相结合,以揭示调控机制。此外,机器学习和人工智能(AI)在提高变异发现能力和预测育种模型方面具有巨大潜力。总之,前沿基因组工具的整合为加速大豆育种和实现可持续作物改良提供了坚实的基础。
近期基因组测序技术的进步极大地改变了大豆研究,使得人们能够更深入地了解其遗传结构、驯化历史以及复杂性状的进化过程。本文综述了当前大豆基因组技术的现状、关键研究进展及其在育种中的实际应用,同时探讨了存在的问题,并提出了最大化基因组数据利用价值的策略。高质量参考基因组的构建——从Williams 82基因组的组装开始,逐步扩展到优良品种和野生种质资源——促进了全基因组范围内单核苷酸多态性(SNPs)、插入缺失(InDels)和结构变异(SVs)的发现。全基因组重测序(WGRS)技术改进了数量性状位点(QTL)的定位、基因发现以及基因组辅助育种(GAB)方法,使得与产量、抗逆性和种子成分相关的多态性得以高精度检测。以PanSoy项目为代表的泛基因组研究揭示了显著的基因组多样性,并明确了核心基因和非必需基因在性状表达和环境适应中的作用。互补的高通量基因分型平台,如SNP阵列和测序基因分型(GBS),提高了全基因组关联研究(GWAS)的准确性,并加速了标记辅助选择(MAS)和基因组选择(GS)的应用。尽管取得了这些进展,但在数据整合、测序成本和计算基础设施方面仍存在挑战。未来的研究应强调将转录组学、蛋白质组学和表观基因组学等多组学方法与基因组数据相结合,以揭示调控机制。此外,机器学习和人工智能(AI)在提高变异发现能力和预测育种模型方面具有巨大潜力。总之,前沿基因组工具的整合为加速大豆育种和实现可持续作物改良提供了坚实的基础。