《Genes》:Chloroplast Genome Assembly and Genetic Structure Analysis of Coffea arabica L. Based on Maternal Inheritance Markers
编辑推荐:
背景:密码子使用偏性已在阿拉比卡咖啡(Coffea arabica L.)核基因组中得到分析,但该物种的综合基因组资源仍然有限。叶绿体基因组具有母系遗传和高保守性特征,是研究植物系统发育、作物驯化及母系谱系演化的宝贵资源。结果:研究人员组装了52份阿拉比卡咖啡
背景:密码子使用偏性已在阿拉比卡咖啡(Coffea arabica L.)核基因组中得到分析,但该物种的综合基因组资源仍然有限。叶绿体基因组具有母系遗传和高保守性特征,是研究植物系统发育、作物驯化及母系谱系演化的宝贵资源。结果:研究人员组装了52份阿拉比卡咖啡种质的完整叶绿体基因组,涵盖4个栽培品种(Geisha、Catimor、Bourbon和Caturra)、Geisha类群内4个改良育种系(云卡3号、云卡4号、G02和G13)、2个Catimor育种系(CCCA25和T5175)以及4个来源未知的种质。研究整合了比较基因组学、无根系统发育重建(邻接法和最大似然法)、单倍型推断及探索性主成分分析(PCA),以表征这些叶绿体基因组的遗传架构。这些基因组长度为155,133 bp至155,192 bp,呈现典型的四分体结构,GC含量为37.43%–37.44%。基因注释鉴定出131个基因,包括86个蛋白质编码基因、37个tRNA和8个rRNA。密码子使用分析揭示出第三密码子位置明显偏向A或U。每个质体基因组检测到194个SSR位点,其中以单核苷酸A/T重复为主。邻接法和最大似然法系统发育树、PCA及单倍型网络重建一致地将52份种质划分为3个遗传类群(C1–C3;C1仅由1个分歧明显的种质代表)和5种不同的单倍型。SNP和InDel分析进一步表明,基因间区(IGS)含有最高密度的遗传变异。结论:这些基因组为咖啡种质鉴定、系统发育研究和标记辅助育种提供了资源。它们还建立了叶绿体基因组框架,与核基因组学和扩大采样相结合,将有助于全面解析阿拉比卡咖啡的母系历史、驯化过程及异源多倍体起源。
阿拉比卡咖啡(Coffea arabica L.)是全球最重要的经济饮料作物之一,隶属于茜草科(Rubiaceae),商业栽培主要集中于阿拉比卡和罗布斯塔(Coffea canephora)两个物种。在中国,咖啡生产以云南省为核心产区,该作物已成为区域特色农业经济的重要组成部分。咖啡的品质、产量和抗逆性与其遗传组成密切相关,因此准确的种质鉴定和全面的遗传多样性评估是品种改良和产业可持续发展的基础。
叶绿体基因组具有母系遗传特征和高度保守的四分体结构,基因组大小适中、进化速率适宜,适用于系统发育和群体遗传推断。典型的叶绿体基因组为环状双链DNA分子,包含大单拷贝区(LSC)、小单拷贝区(SSC)和一对反向重复区(IR)。相较于核基因组,叶绿体标记——包括单倍型、简单序列重复(SSR)和单核苷酸多态性(SNP)——能有效阐明植物的群体历史、扩散路径和遗传结构。然而,由于质体基因组为单倍体、非重组且母系遗传的分子,叶绿体数据仅能捕获母系历史,无法单独揭示父系祖先、双亲基因流或核质不一致性。
目前咖啡研究多集中于栽培管理、品质化学和基于有限核基因标记的遗传分析,基于完整叶绿体基因组的大规模群体遗传研究仍然稀缺。已有少数咖啡叶绿体基因组报道多依赖单份或少数种质的基因组浅测序结合基础注释,种内变异模式和群体水平系统发育关系尚未得到充分探索。为此,研究人员对52份代表性阿拉比卡咖啡种质进行了高通量测序、组装和叶绿体基因组注释,系统分析了基因组结构特征、密码子使用偏性和重复序列分布,并开展了群体遗传结构分析(无根邻接法和最大似然法系统发育树、主成分分析)、单倍型网络构建及SNP/InDel分析。研究旨在阐明咖啡叶绿体基因组的基本特征和变异谱系,揭示咖啡种质的群体遗传结构和分化,并鉴定适用于种质鉴定和遗传研究的候选分子标记。
研究人员采用的主要技术方法包括:从云南省保山、普洱、临沧和怒江等主要咖啡产区采集52份阿拉比卡咖啡叶片样本,涵盖Geisha(27份,含云卡3号、云卡4号、G02和G13四个改良育种系)、Catimor(12份,含CCCA25和T5175)、Bourbon(4份)、Caturra(5份)及来源未知种质(4份);采用改良CTAB法提取基因组DNA,在Illumina NovaSeq 6000平台进行双端测序(150 bp),使用SPAdes v3.14.1进行从头组装,Bandage v0.8.1可视化组装图,BLASTN比对参考叶绿体基因组(NC_008535)鉴定叶绿体来源contig并人工排序连接为环状基因组;使用PGA进行注释并以Geneious Prime人工校正;采用MAFFT v7.427进行多序列比对;使用MEGA7构建邻接法(NJ)树、IQ-TREE v2.1.3构建最大似然法(ML)树;使用GCTA v1.94.1进行主成分分析(PCA);使用DnaSP v6.12.03进行单倍型推断和变异检测,PopART v1.7构建TCS单倍型网络;使用CodonW v1.4.2计算相对同义密码子使用度(RSCU),MISA v1.0鉴定SSR,REPuter检测散在重复,Tandem Repeats Finder v4.09预测串联重复。
3.1 叶绿体基因组基本特征。52份阿拉比卡咖啡叶绿体基因组均成功组装和注释,呈现典型的环状四分体结构。基因组总长度为155,133 bp至155,192 bp(平均155,170.6 bp),LSC、SSC和IR区域分别跨越85,159~85,168 bp、18,137~18,138 bp和25,914或25,946 bp。GC含量为37.43%–37.44%,IR区域GC含量最高(43.00%~43.03%),SSC区域最低(31.27%)。共鉴定131个基因,包括86个蛋白质编码基因(PCG)、37个tRNA基因和8个rRNA基因。多个基因含有内含子,边界跨越基因包括rps19、ycf1和反式剪接基因rps12。C3类群所有种质携带25,946 bp的IR,C2类群所有种质携带25,914 bp的IR,两者相差32 bp。
3.2 密码子使用偏性分析。基于52份种质所有蛋白质编码序列的RSCU值计算,发现28个高频密码子(RSCU>1)大多以A或U结尾,32个低频密码子(RSCU<1)大多以G或C结尾。UUA(亮氨酸)的RSCU值最高(1.90),AGC(丝氨酸)最低(0.35)。终止密码子中UAA为优先使用(RSCU=1.56)。52份种质的RSCU值高度一致,仅在第三位小数存在细微差异,表明该物种密码子使用偏性高度保守,这与质体基因组AT富集的核苷酸组成一致。
3.3 重复序列分析。每个质体基因组鉴定出194个SSR位点,其中单核苷酸重复114个、二核苷酸重复5个、三核苷酸重复71个、四核苷酸重复4个。单核苷酸A/T重复最为丰富,平均每样本108个。散在重复分析仅检测到正向和回文重复,反向和互补重复缺失,回文重复平均每基因组15.67个,长度集中在30–39 bp。串联重复以61–70 bp长度类别最丰富,平均每基因组4.65个,71–90 bp的串联重复未检测到。
3.4 群体遗传结构与谱系分化。基于完整叶绿体基因组序列构建的无根NJ树将52份种质清晰划分为3个遗传类群:C1(仅含C_19)、C2(16份种质)和C3(其余35份种质,包括所有H、K和T系列样本)。ML分析(最佳模型F81+F)恢复了一致拓扑,两个节点分别获得94%和100%的超快自举支持(NJ自举值为80%和99%)。PCA结果与NJ聚类模式一致,PC1、PC2和PC3分别解释总方差的55.4149%、28.6727%和13.4195%。PC1显著区分C1/C2与C3,PC2区分C1与C2,PC3主要捕获C3内部细微分化。三个母系类群与先前报道的阿拉比卡咖啡三个核基因组类群在数量上一致。
3.5 单倍型网络与母系演化历史。基于15个核苷酸多态位点将52份种质划分为5种单倍型。C1(C_19)对应独特单倍型Hap_4,与其他所有单倍型遗传距离最大。C2包含Hap_1和Hap_5两种单倍型,仅相隔一个突变步。C3包含Hap_2和Hap_3,其中Hap_2为中央单倍型,涵盖C3大多数种质及所有H、K、T系列样本,呈星状模式。
3.6 叶绿体基因组变异的区域分布特征。全基因组比对鉴定出15个多态记录,对应14个独立变异事件(V05和V06合并为块替换V15)。15个记录包含7个单核苷酸变异(SNV)、7个插入缺失(InDel)和1个块替换。基因间区(IGS)多态性最丰富(9个位点,60.00%),其次为蛋白质编码区(3个位点,20.00%)和内含子区(3个位点,20.00%)。三个CDS变异均为SNV(accD、psaA和rpoA各一个),其中accD(A>G)为非同义突变(Lys→Arg),psaA(T>G)为同义突变(Val→Val),rpoA(C>T)为非同义突变(Asp→Asn)。atpB-rbcL区域变异尤为突出,含2个SNV和1个块替换。RNA聚合酶亚基基因(rpoA、rpoC1)变异最丰富。
讨论部分指出,本研究首次基于完整叶绿体基因组序列对52份阿拉比卡咖啡种质进行群体遗传结构系统分析,鉴定出3个不同的母系谱系(C1、C2和C3)。叶绿体基因组在长度、GC含量和基因数量上表现出显著保守性。C1仅由单一种质(C_19,Geisha/G13,采自云南普洱)代表,被描述为独特且高度分化的叶绿体单倍型而非特征明确的群体。C3在采样种质中占主导地位,与Bourbon/Typica栽培类群的广泛传播一致。三个母系类群与Saloj?rvi等人及中国种质资源库基于RAD-seq报道的三个遗传类群在数量上一致,但由于标记遗传方式、基因组覆盖度、采样策略和地理代表性不同,且本研究未对核标记进行共享参考种质基因分型,该对应关系应视为未来核质联合分析的假说而非已证实的等价性。C_16、C_21和C_26的叶绿体单倍型在遗传上接近C3类群但在PCA空间中占据外围位置。SSR分析揭示的A/T单核苷酸重复和IGS区域(特别是atpB-rbcL和trnL-trnF区域)的多态位点富集为候选分子标记开发提供了靶区。52份叶绿体基因组仅检测到15个多态位点的极低遗传变异,与阿拉比卡咖啡约35万至61万年前单一异源多倍化事件导致的严重遗传瓶颈一致。C3中Hap_2的星状模式与狭窄母系奠基群体增殖的假设相容,但采样不均和品种无性繁殖也可能产生类似拓扑。C1和C2谱系在云南种质中的存在虽在全球收集品中罕见,但提示中国咖啡遗传资源保留了值得关注的母系多样性。研究局限于叶绿体基因组提供的母系单倍型信息,无法阐明核水平的全基因组演化历史,未来应整合核基因组SNP、转录组和表型组数据构建泛基因组图谱,并扩大采样范围纳入埃塞俄比亚野生群体和二倍体近缘种以检验C1单倍型是否与异源多倍化事件的母系供体相关。
结论:本研究组装了52份阿拉比卡咖啡完整叶绿体基因组,解析出3个母系类群(C1–C3)和5种单倍型。C1是由单一Geisha/G13种质代表的独特且高度分化的叶绿体单倍型;C2和C3代表栽培基因库内分化的母系谱系,其中C3包含大多数种质。共检测到15个多态记录(对应14个独立变异事件)——9个位于基因间区、3个位于编码区、3个位于内含子区——以及每个质体基因组194个SSR位点,为种质鉴定和育种提供了候选母系标记,其效用需实验验证。由于叶绿体数据仅捕获母系历史,质体类群与先前报道的核基因组类群之间的对应关系以及驯化历史、群体扩张和异源多倍体起源等问题,有待整合核基因组学、扩大采样范围纳入野生近缘种和合适外类群来进一步检验。