(资料图片仅供参考)

农业种质资源普查加速分子设计育种

莫

忘

旧

时

苦

菜

黄

时

人

但

只

餐

中

饱

夜

来

忽

梦

荠

麦

香

昨

夜

玉

盘

沉

大

江

分子设计育种是什么

生物育种技术发展已经历了三个主要阶段：驯化选育、常规育种、分子育种，现在正在向分子设计育种或智能化育种发展。

分子设计育种将生物遗传学理论与杂交育种相结合，基于对控制重要性状的关键基因及其调控网络的认识，利用基因组学、表型组学等多组学数据进行生物信息学的解析、整合、筛选、优化，从而获取育种目标的最佳基因型，最终高效精准地培育出目标新品种。

分子设计育种彰显出比传统杂交育种更为突出的优越性，可将育种周期缩短至2~5年，大大提高了育种效率，已经成为动植物育种的新发展方向。

SPRING

分子设计育种成功的报道

在动植物的分子设计育种上，我国已经有成功的报道。

2017年3月20日，中国农业科学院水稻研究所钱前研究组和中国科学院遗传与发育生物学研究所李家洋研究组在Nature Plants上报道了水稻分子设计育种的研究成果，该项目以超高产但综合品质差的品种“特青”作为受体，以蒸煮和外观品质具有良好特性的品种“日本晴”和“93-11”为供体，对涉及水稻产量、稻米外观品质、蒸煮食味品质和生态适应性的28个目标基因进行优化组合，经过8年多的努力，利用杂交、回交与分子标记定向选择等技术，成功将优质目标基因的优异等位聚合到受体材料，并充分保留了“特青”的高产特性。

这些优异的“品种设计”材料，在高产的基础上，稻米外观品质、蒸煮食味品质、口感和风味等方面均有显著改良，并且以其配组的杂交稻稻米品质也显著提高。这项研究结果将极大的促进动植物传统育种向高效、精准、定向的分子设计育种转变。

SUMMER

分子设计育种的关键

分子设计育种的关键就是要以动植物种质资源的基因组、表型组、转录组、蛋白组、代谢组等各类组学大数据为基础，开展优异基因的发掘与利用工作。在水稻上已经成功开展了大规模种质资源的测序和数据挖掘工作，为水稻的分子育种积累了大量的数据。

2018年4月，中国农业科学院、国际水稻研究所和华大基因等单位在Nature上报道了3,000水稻基因组计划的研究成果，该项目产生测序数据17T，平均测序深度14X，针对水稻起源、分类和驯化规律进行了深入探讨，揭示了亚洲栽培稻的起源和群体基因组变异结构，剖析了水稻核心种质资源的基因组遗传多样性。基于测序和分析的结果该项目还建立了若干重要的数据库：SNP和表型数据库（Rice SNP-Seek Database），水稻功能基因组育种数据库（Rice functional genomics and breeding database），泛基因组数据库（Rice Pan-genome Browser）。此外，3,000份水稻种质资源已经发放给多家科研单位、高校和育种单位，用于大规模发掘影响水稻高产、抗病虫、抗逆、优质新基因和育种应用，开始全面推进水稻分子设计育种。

2020年6月3日，中国农业大学农学院李自超研究组在Plant Biotechnology Journal上报道了用自然低温和冷水处理两种方式评价了580份水稻种质的生殖生长期耐冷性，利用从3,000水稻测序获得的11,622,307个SNPs作为基因型，通过全基因组关联分析发掘出156个生殖生长期耐冷关联位点，解析了水稻生殖生长期冷适应性分化的遗传基础以及生殖生长期耐冷基因的演化和育种利用潜力。

2021年9月9日，李自超研究组又在Plant Biotechnology Journal上报道了通过大规模种质筛选发现一个水稻穗粒数稀少的种质资源BS208，利用BS208与“特青”构建的定位群体，成功定位了RGN1（REGULATOR OF GRAIN NUMBER1）基因，通过分析3,000份水稻种质资源的基因组变异发现一种优势单倍型RGN1C，含有RGN1C等位基因的种质资源中LOG（LONELY GUY）的表达量高于含有RGN1G等位基因的种质资源，并且其表现出更大的穗子，可以在未来育种实践中利用RGN1C来进一步改善穗部形态和结构，从而提高水稻穗粒数和产量。

由此可见，3,000水稻基因组计划反映了大规模基因组学研究的潜力，如果所有的品系都被测序，将构建一个大型的数字基因库。下一步的研究将会集中到将水稻的基因型和表型进行关联，检测不同大田和实验环境下的表型值，并鉴定哪些基因，哪些标记与目标性状关联，去指导和加快水稻的育种进程。

当我们把控制农艺性状的基因研究透彻，在未来实现水稻的分子设计育种将成为可能。

SUMMER

高通量测序对分子设计育种的作用

2021年4月，国际半干旱热带作物研究中心作物加速改良研究计划主任Rajeev Varshney教授在Trends in Plant Science提出了未来基因组学辅助育种（GAB 2.0）的研究设想，其主要思想就是使用高通量测序技术对基因库中收集存档的种质资源进行广泛的测序，结合多组学分析和田间的表型分析，将基因组变异和重要表型数据关联起来，从而积累基因组中的有利等位基因或清除有害等位基因，提高育种计划的遗传增益，进行未来的分子设计育种。

为了验证这一设想，2021年11月，Rajeev Varshney教授联合华大基因等单位在Nature上报道了全球3,366份鹰嘴豆种质资源测序计划的研究成果，该项目产生测序数据29T，平均测序深度12X，构建了一个较为完善的鹰嘴豆泛基因组，得到了迄今最为广泛的鹰嘴豆遗传变异图谱，揭示了鹰嘴豆的起源和驯化，阐释了基因组辅助育种方法在鹰嘴豆上的应用和实践。

通过栽培鹰嘴豆和野生祖先的比较分析，研究人员发现了导致作物品种衰减的有害基因，而深入分析地方品种，研究人员鉴定得到了决定鹰嘴豆的产量、气候适应性、种子特性等重要农艺性状的优势单倍型。进一步地，针对16个重要农艺性状，研究人员提出了三种基于全基因组数据的预测方法来预测鹰嘴豆的生产能力，并证明了这些方法可以提高“百粒重”这一个关键的产量性状，并预测增加12%到23%。

因此，无论是避开导致品种衰减的基因型，整合优势基因型，还是全基因组选育方法，都正在成为鹰嘴豆育种实践中的高效手段。

AUTUMN

分子设计育种的标志及现状

分子设计育种的标志是能够快速、合理和精确地将任何已知的优良等位基因组合到理想的组合中，然而大部分的动植物种质资源信息能够被分子设计育种直接应用的信息还非常有限。

利用生物信息学方法进行分子设计育种必需从海量信息数据中快速获取有用的基因和基因序列、亲本携带的等位基因、基因与环境互作信息，需要精确地预测不同亲本杂交后代在不同生态环境下的表现以提供可靠的信息支撑，这些都迫切需要对大规模的种质资源进行高通量测序和深入的数据解析工作。

随着以国产自主DNBSEQ测序平台为代表的短读长测序技术的快速发展，在测序的通量和准确性方面都有了大幅度的提高，并且显著降低了测序成本，使开展成千上万份的大规模的动植物种质资源重测序研究成为可能。

利用大规模种质资源普查的相关数据，在基因组层面开发遗传标记，研究在群体进化过程中遗传结构的变化、遗传多样性的变化、种群历史的变化、种群间基因交流情况、识别受到定向选择的基因，鉴定重要经济性状和环境适应性相关的基因等，为分子设计育种提供优异的基因资源。

SUMMER

参考文献：

1. 景海春,等。分子设计育种的科技问题及其展望概论。中国科学: 生命科学 51, 1356 （2021）。

2. Zeng, D. et al. Rational design of high-yield and superior-quality rice. Nature Plants 3, 17031 （2017）.

3. Wang, W. et al. Genomic variation in 3,010 diverse accessions of Asian cultivated rice. Nature 557, 43–49 （2018）. （华大参与）

4. Alexandrov, N. et al. SNP-Seek database of SNPs derived from 3000 rice genomes. Nucleic Acids Res. 43, D1023–D1027 （2015）. （华大参与）

5. Wang, C. et al. Towards a deeper haplotype mining of complex traits in rice with RFGB v2.0. Plant Biotechnology Journal 18, 14-16 （2020）. （华大参与）

6. Sun, C. et al. RPAN: rice pan-genome browser for ~3,000 rice genomes. Nucleic Acids Res. 45, 597–605 （2017）.

7. Guo, H. et al. Differentiation, evolution and utilization of natural alleles for cold adaptability at the reproductive stage in rice. Plant Biotechnology Journal 18, 2491-2503 （2020）.

8. Li, G. et al. RGN1 controls grain number and shapes panicle architecture in rice. Plant Biotechnology Journal 20, 168-182 （2022）.

9. Varshney, R. K. et al. Designing Future Crops: Genomics-Assisted Breeding Comes of Age. Trends in Plant Science 26, 631-649 （2021）.

10. Varshney, R. K. et al. A chickpea genetic variation map based on the sequencing of 3,366 genomes. Nature 599, 622–627 （2021）. （华大参与）

关键词：