GWAS in der Landwirtschaft und Pflanzenzüchtung: Anwendungen in der Genkartierung und Verbesserung von Ernten

Die Verbesserung von Nutzpflanzen ist das zentrale Mittel, um die Ernährungssicherheit zu gewährleisten, den Auswirkungen des Klimawandels zu begegnen und den Bedürfnissen des globalen Bevölkerungswachstums gerecht zu werden. Laut der Prognose der FAO muss die weltweite Getreideproduktion bis 2050 um 50 % gesteigert werden, um der wachsenden Nachfrage der Bevölkerung gerecht zu werden, und die häufigen extremen Wetterereignisse, die durch den Klimawandel verursacht werden, erschweren es zunehmend, dass Pflanzen, die mit traditionellen Züchtungsmethoden angebaut werden, sich an die komplexen Umweltbedingungen anzupassen.

Mit der rasanten Entwicklung der Molekularbiologie und der Genomik-Technologie, genomweite Assoziationsstudie (GWAS) ist zu einem wichtigen Werkzeug geworden, um die genetischen Grundlagen komplexer Merkmale von Pflanzen zu analysieren und den Züchtungsprozess durch seine Vorteile, wie hohe Kapazität, keine Notwendigkeit zur Konstruktion einer spezifischen Population und gleichzeitige Analyse mehrerer Merkmale, zu beschleunigen. Durch das Scannen von Einzel-Nukleotid-Polymorphismen (SNP) im gesamten Genom kann GWAS die genetische Variation, die mit dem Zielmerkmal verbunden ist, erschließen. Im Vergleich zur traditionellen Methode der Kartierung quantitativer Merkmalsloci (QTL) kann GWAS die Kopplungsungleichgewicht durchbrechen und eine präzisere Genkartierung erreichen.

Der Artikel behandelt, wie GWAS als wichtiges Werkzeug dient in Landwirtschaft und Pflanzenzüchtung, einschließlich ihrer Anwendungen in der Pflanzenverbesserung, der Integration mit QTL-Kartierung, Herausforderungen in der Pflanzen-GWAS und ihrer Zukunft in der nachhaltigen Landwirtschaft.

GWAS zur Verbesserung von Pflanzen

Durch die Analyse der Assoziation zwischen genomischen Markern und phänotypischen Merkmalen einer großen Anzahl von Individuen in natürlichen Populationen kann GWAS genetische Loci effizient identifizieren, die komplexe Merkmale steuern, und genaue molekulare Ziele für die Verbesserung von Pflanzen bereitstellen. Seine Anwendung in der Pflanzenverbesserung spiegelt sich hauptsächlich in den folgenden Aspekten wider:

Genetische Analyse komplexer agronomischer Merkmale

Für komplexe Merkmale wie Ertrag, Qualität und Stressresistenz (wie Trockenresistenz und Krankheitsresistenz), die von mehreren Genen kontrolliert werden, kann GWAS wichtige Mutationsstellen im Gesamtes GenomIn der Untersuchung von Ertragseigenschaften haben Forscher durch die GWAS-Analyse des 1000-Korn-Gewichts von Weizen Tausende von Weizengenressourcen mit hochdichten SNP-Chips gescannt und kombiniert mit vielen Jahren an phänotypischen Felddaten erfolgreich das TaGW2-Genlocus auf Chromosom 3B lokalisiert. Die Variation dieses Locus kann 12%-18% der phänotypischen Variation erklären und bietet ein wichtiges molekulares Ziel für die Hochleistungszüchtung von Weizen.

In Bezug auf Qualitätsmerkmale ist die Länge der Baumwollfaser ein wichtiger Index, der die Baumwollspinnindustrie beeinflusst. Durch die Integration von Transkriptom- und Metabolomdaten hat die GWAS-Forschung eine Reihe von Schlüssel-QTLs identifiziert, die mit der Faserelastizität bei Inselsorten von Baumwolle in Zusammenhang stehen, wobei das GhMML4-Gen in der Phase der Faserelastizität hoch exprimiert wird und den Zellulose-Syntheseweg reguliert. Verwandte Marker wurden in der molekularen Marker-unterstützten Züchtung von hochwertiger Langstapelbaumwolle angewendet.

Die Überbrückung der Lücke: Lipidomik-unterstützte GWAS (lGWAS) (Pranneshraj et al., 2022)

Zielentwicklung der molekularen Marker-gestützten Züchtung

Die signifikanten Assoziationsmarker, die durch GWAS gefunden wurden, können direkt als Screening-Tools für die molekulare Züchtung verwendet werden, um eine frühe Auswahl ausgezeichneter Merkmale zu ermöglichen. Dieser technische Durchbruch hat das traditionelle Modell der Pflanzenzüchtung, das auf phänotypischer Beobachtung basiert, grundlegend verändert. Genetische Loci, die eng mit Zielmerkmalen verknüpft sind, werden direkt durch die Qualcomm-quantitative Genotypisierungstechnologie lokalisiert, die es Züchtern ermöglicht, Individuen mit hervorragenden Genen bereits in der frühen Wachstumsphase von Pflanzen und sogar in der Samenphase genau zu screenen.

Im Vergleich zur traditionellen phänotypischen Selektion bietet die assistierte Selektion auf der Grundlage von GWAS-Markern erhebliche Vorteile: Erstens kann sie effektiv die Beeinträchtigung durch Umweltfaktoren bei der phänotypischen Identifizierung überwinden und eine präzise Selektion auf genetischer Ebene ermöglichen; zweitens kann sie die zeitlichen und räumlichen Einschränkungen der Merkmalsausprägung durchbrechen, wie zum Beispiel die frühzeitige Vorhersage von Ertragsmerkmalen, die erst in der späten Wachstumsphase auftreten können; drittens wird der Zuchtzyklus erheblich verkürzt. In der traditionellen Züchtung kann es 1-2 Jahre dauern, um das phänotypische Screening einer Generation abzuschließen, während die molekulare Marker-unterstützte Selektion die Screening-Zeit einer einzelnen Generation auf mehrere Wochen komprimieren kann, was die Selektionseffizienz erheblich verbessert.

Ergebnisse aus Simulationen unter Kolokalisation/Nicht-Kolokalisation-Szenarien (A, B) und Ergebnisse aus der Anwendung realer Daten (C) (Giambartolomei et al., 2018)

Die Brücke zwischen Genklonierung und funktionaler Verifizierung

Das Korrelationsintervall der GWAS-Kartierung definiert die genaue Grenze für das Klonen von Kandidatengen und schafft ein solides Grundgerüst für die nachfolgende Forschung zur Genfunktion. In der praktischen Forschung nutzen Forscher in der Regel eine Vielzahl von modernen technischen Mitteln, um die Funktionen von Schlüsselen aus dem Korrelationsintervall tiefgehend zu erforschen und zu verifizieren.

Zunächst können Forscher durch die Analyse der Genexpression Genexpressionsmuster in verschiedenen Wachstumsphasen und unter unterschiedlichen Umweltbedingungen erhalten und zunächst Kandidatengene mit potenziellen Funktionen auswählen; anschließend wurden mit Hilfe fortschrittlicher Genbearbeitungstechniken wie CRISPR/Cas9 die Kandidatengene gezielt ausgeschaltet, überexprimiert oder modifiziert, und ihre Auswirkungen auf den Phänotyp wurden beobachtet, um die biologischen Funktionen der Gene genau zu bestimmen.

Integration von GWAS mit QTL-Kartierung

Die Kartierung quantitativer Merkmalsloci (QTL) (basierend auf Verknüpfungsanalysen) und GWAS (basierend auf Verknüpfungsungleichgewicht) haben ihre Vorteile in der genetischen Analyse. Ihre Integration kann die Vorteile des jeweils anderen ergänzen und die Genauigkeit sowie Effizienz der Analyse komplexer Merkmale verbessern.

Komplementaritätsprinzip und Integrationslogik

QTL-Kartierungstechnologie wird hauptsächlich auf isolierte Populationen mit einem einfachen genetischen Hintergrund angewendet, wie die F2-Population und Rückkreuzpopulationen. Diese Methode kann genetische Loci mit signifikanten Effekten effektiv identifizieren, jedoch ist ihre Positionsauflösung relativ begrenzt. Im Gegensatz dazu kann GWAS, das auf natürlichen Populationen basiert, um Forschung zu betreiben, kleinere genetische Loci erkennen und hat eine hohe Positionsgenauigkeit.

Es sollte jedoch angemerkt werden, dass die GWAS-Methode während des Implementierungsprozesses leicht durch die Gruppenstruktur gestört werden kann. Angesichts der Vor- und Nachteile der beiden Methoden kann eine umfassende Abdeckung von Haupt- und Nebengenorten durch die Integration von QTL-Kartierung und GWAS-Technologie erreicht werden, und ein systematischer Forschungsrahmen von "QTL-Vorabbildung - GWAS-Feinkartierung" kann aufgebaut werden.

Die Berücksichtigung des genetischen Hintergrunds verbessert die Leistung von GWAS (Korte et al., 2013).

Technologieintegrationsmethode

Zunächst wurde QTL-Kartierung verwendet, um die Hauptloci in der isolierten Population zu lokalisieren, und anschließend wurde GWAS eingesetzt, um die Region sorgfältig in der natürlichen Population zu scannen, um das Kandidatenintervall einzugrenzen. Diese Strategie nutzt die Vorteile der beiden Technologien voll aus, nämlich die Fähigkeit der QTL-Kartierung, große Effektorte in Populationen mit relativ einfachen genetischen Hintergründen zu erkennen, und die Eigenschaften von GWAS, hochauflösende Kartierungen in natürlichen Populationen mit reicher genetischer Vielfalt zu erreichen.

Verwendung statistischer Methoden (wie gemischte lineare Modelle), um direkt zu integrieren die Genotyp und Phänotypinformationen der beiden Datentypen und schätzt gleichzeitig die Effekte von QTL- und GWAS-Loci. Diese Methode überwindet die Einschränkung der traditionellen Einzelanalysenmethode und kann die genetischen Grundlagen komplexer Merkmale umfassender erfassen.

Die Integrationsstrategie verbessert die Genauigkeit der Lokalisierung genetischer Loci erheblich durch multidimensionale Datenfusion und Algorithmusoptimierung. Das gemischte lineare Modell (MLM) und die auf maschinellem Lernen basierende bayesianische Analysemethode können effektiv die durch Populationsstruktur und Verwandtschaft verursachten Störungen kontrollieren und die Positionierungsgenauigkeit von der Chromosomenabschnittsebene traditioneller Methoden auf die kb-Ebene von Kandidatgenen verbessern.

Der aktuelle Stand von GWAS mit Hochdurchsatz-Phänotypisierung in Pflanzen (Xiao et al., 2021)

Herausforderungen bei der Pflanzen-GWAS

Obwohl GWAS ein wichtiges Werkzeug für die genetische Forschung und die Verbesserung von Pflanzenzüchtungen geworden ist, ist seine praktische Anwendung weiterhin mehreren Einschränkungen der biologischen Eigenschaften von Pflanzen und der Forschungsbedingungen unterworfen, und es stehen viele technische und theoretische Herausforderungen an, die dringend gelöst werden müssen.

• Die natürliche Population von Pflanzen weist oft offensichtliche Untergruppendifferenzierungen auf (wie unterschiedliche geografische Herkunft und Zuchtverhältnisse), was leicht zu falschen Assoziationen führen kann. Es gibt große genetische Unterschiede zwischen den Indica- und Japonica-Reissubspecies, und wenn sie direkt gemischt werden, können die subspezifischen Marker fälschlicherweise als Loci angesehen werden, die mit Eigenschaften assoziiert sind. Darüber hinaus kann die genetische Basis derselben Eigenschaft in verschiedenen Untergruppen unterschiedlich sein (genetische Heterogenität), was die Analyse der Ergebnisse erschwert.
• Die Plastizität des Pflanzenphänotyps wird erheblich durch Umweltvariablen kontrolliert, einschließlich abiotischer Faktoren wie Lichtstrahlungsintensität, Bodenfeuchtigkeitsgehalt und Nährstoffversorgung. Gleichzeitig sind die Ertragskomponenten von Nutzpflanzen, qualitätsbezogene Indikatoren und andere wichtige agronomische Merkmale durch dynamische Veränderungen und multidimensionale zusammengesetzte Eigenschaften gekennzeichnet, was dazu führt, dass die Messfehler, die im Prozess der phänotypischen Datensammlung entstehen, leicht zu einer Signalabschwächung der genetischen Effekte führen können. Am Beispiel des 1000-Korn-Gewichts hängt die Genauigkeit der phänotypischen Daten erheblich von Faktoren wie der Reifebewertung zur Erntezeit, der Gleichmäßigkeit der Kornentwicklung usw. ab. Wenn die Datensammlung phänotypischer Daten an standardisierten Betriebsverfahren und einem Qualitätssicherungssystem mangelt, führt dies direkt zu einem signifikanten Rückgang der statistischen Testeffizienz von GWAS.

Implikationen der Sequenzierungstiefe von Proben für k-mer-basierte GWAS (Karikari et al., 2023)

• Im Bereich der genetischen Forschung an polyploiden Pflanzen (wie Kartoffeln und Zuckerrohr) erhöht sich die Komplexität der Genomstruktur erheblich, was die Forschung erschwert. Aufgrund der hohen Wiederholung und Sequenzhomologie polyploider Genome weist der Aufbau von Referenzgenomen in der Regel einige Probleme auf, wie z. B. eine schlechte Kontinuität und unzureichende Integrität. Eine große Anzahl von nicht geschlossenen Sequenzlücken und falschen Annotierungsstellen stört ernsthaft die genaue Positionierung von molekularen Markern in GWAS.

Gleichzeitig ist die Genotypisierungstechnologie, die auf einem Niedrigdichte-SNP-Chip basiert, aufgrund der begrenzten Sondenabdeckung schwierig in der effektiven Erfassung seltener Allele und struktureller Variationsstellen. Obwohl die genomweite Resequenzierungstechnologie eine umfassende Erkennung genetischer Variationen ermöglichen kann, stellen die hohen Sequenzierungskosten und der Datenverarbeitungsdruck weiterhin doppelte Einschränkungen in Bezug auf Technologie und Wirtschaftlichkeit für die tiefgehende genetische Analyse großangelegter Populationen dar.

Zukunft von GWAS in der nachhaltigen Landwirtschaft

Durch technologische Innovation und Methodenoptimierung wird GWAS eine entscheidende Rolle in der nachhaltigen landwirtschaftlichen Entwicklung spielen und die Transformation der Pflanzenzüchtung in eine effiziente, präzise und umweltfreundliche Richtung fördern.

• A. Kombination mit umweltanpassungsfähiger Zucht
  • a) GWAS wird verwendet, um die genetische Reaktion von Pflanzen auf extreme Klimastressfaktoren (einschließlich hoher Temperaturen, Dürre, Salinität und anderen ungünstigen Bedingungen) zu analysieren, was effektiv wichtige regulatorische Stellen erschließen und eine theoretische Grundlage sowie genetische Ressourcen für das molekulare Design und die Züchtung von stressresistenten Pflanzenvarianten bieten kann. Basierend auf dem Prinzip der Kopplungsungleichgewichts natürlicher Populationen lokalisiert diese Methode genau die QTL, die die Zielmerkmale steuern, durch die Korrelationsanalyse zwischen dem Qualcomm-Genotyp und den phänotypischen Daten.
• B. Genetische Analyse der effizienten Nutzung von Ressourcen
  • a) GWAS-Forschung zur Nutzungseffizienz von Nährstoffen wie Stickstoff, Phosphor und Kalium ist zu einem wichtigen technischen Weg geworden, um den Engpass bei landwirtschaftlichen Ressourcen zu überwinden. In der globalen landwirtschaftlichen Produktion wird das Problem der Umweltverschmutzung und Ressourcenverschwendung, das durch die übermäßige Anwendung von chemischen Düngemitteln verursacht wird, immer gravierender, und die GWAS-Technologie kann durch das Scannen des gesamten Genoms großer natürlicher Populationen Gene lokalisieren, die mit Schlüsselprozessen wie der Aufnahme, dem Transport, der Assimilation und dem Stoffwechsel von Stickstoff, Phosphor und Kalium in Verbindung stehen.

Identifizierung potenzieller Geninteraktionen aus GWAS und GWES (Assefa et al., 2020)

• C. Kollaborative Innovation mit Genom-Editierungstechnologie
  • a) Die von GWAS identifizierten Schlüsselstellen können präzise Ziele für Gentechnologien wie CRISPR/Cas9 bieten und eine gezielte Verbesserung der Pflanzenmerkmale ermöglichen. GWAS kann effizient die Genloci lokalisieren, die eng mit den Zielmerkmalen verknüpft sind, indem eine Korrelationsanalyse zwischen phänotypischen Daten einer großangelegten Population und SNP-Markern des gesamten Genoms durchgeführt wird, und somit das präzise Ziel für die Gentechnologie verankern.
  • b) Am Beispiel der Verbesserung des Gehalts an Ölsäure in Sojabohnen verwendeten die Forscher GWAS, um die natürliche Population von Sojabohnen mit mehr als 3.000 Genressourcen zu analysieren, und lokalisierten erfolgreich das Schlüsselen-Gen GmFAD2, das die Synthese von Ölsäure steuert. Die von diesem Gen kodierte ω-6-Fettsäure-Desaturase kann die Umwandlung von Ölsäure in Linolsäure katalysieren, die das zentrale Element zur Regulierung des Grades der Ölsättigung ist.

• D. Kreuzfeld-GWAS und Pan-Genom Integration
  • a) Mit der Vertiefung der Pan-Genomik-Forschung bietet die GWAS-Technologie ein neues Forschungsparadigma zur Analyse des molekularen Regulationsnetzwerks wichtiger agronomischer Merkmale von Pflanzen. Durch die Integration von genomischen Variationsdaten mehrerer Arten und die systematische Erschließung konservativer genetischer Regulierungselemente zwischen verschiedenen Pflanzen kann die artübergreifende Nutzungseffizienz von Genressourcen in der Pflanzenzüchtung erheblich verbessert werden.
  • b) Unter Verwendung von Gramineae-Pflanzen als Forschungsobjekt wurde durch eine Pan-Genom-Assoziationsanalyse festgestellt, dass OsSPL14, ein Schlüsselgen, das die Anzahl der Körner pro Ähre in Reis reguliert, eine hochgradig konservierte biologische Funktion in Mais, Weizen und anderen Arten aufweist. Die Forschungsergebnisse bieten nicht nur eine theoretische Grundlage für die Analyse des konservativen Regulationsmechanismus wichtiger agronomischer Merkmale von Pflanzen, sondern legen auch eine solide genetische Basis für die Entwicklung von Strategien zur kooperativen Verbesserung mehrerer Pflanzenarten.

Verteilung der gemessenen Merkmale in Mais unter Kontroll- und Salzstressbedingungen (Luo et al., 2021)

Schlussfolgerung

GWAS ist zu einem leistungsstarken Werkzeug für die Verbesserung von Nutzpflanzen geworden. Durch die Integration mit QTL-Kartierung und die Innovation technischer Methoden hat seine Rolle bei der Analyse der genetischen Grundlagen komplexer Merkmale und der Beschleunigung des Züchtungsprozesses zunehmend an Bedeutung gewonnen. Obwohl die Pflanzen-GWAS weiterhin Herausforderungen wie die Populationsstruktur und die phänotypische Identifikation gegenübersteht, sind mit der Integration von Multi-Omics, künstlicher Intelligenz und anderen Technologien die Anwendungsperspektiven in der nachhaltigen Landwirtschaft breit gefächert.

In der Zukunft werden GWAS tief in die Genomeditierung, Pan-Genomik und andere Technologien integriert sein, um die Pflanzenzüchtung in das Zeitalter des "präzisen Designs" zu fördern und eine zentrale Unterstützung für die Gewährleistung der globalen Ernährungssicherheit und der nachhaltigen landwirtschaftlichen Entwicklung zu bieten.

Referenzen:

1. Pranneshraj V, Sangha MK, Djalovic I, Miladinovic J, Djanaguiraman M.Lipidomik-unterstützter GWAS (lGWAS)-Ansatz zur Verbesserung der Hitzestresstoleranz von Pflanzen." Int J Mol Sci2022 23(16): 9389
2. Giambartolomei C, Zhenli Liu J, Zhang W, et al. "Ein Bayessches Framework zur Kolokalisation mehrerer Merkmale aus zusammenfassenden Assoziationsstatistiken." Bioinformatik2018 34(15): 2538-2545
3. Korte A, Farlow A. "Die Vorteile und Einschränkungen der Merkmalsanalyse mit GWAS: eine Übersicht." Pflanzenmethoden2013 9:29
4. Xiao Q, Bai X, Zhang C, He Y. "Fortgeschrittene Hochdurchsatz-Pflanzenphenotypisierungstechniken für genomweite Assoziationsstudien: Ein Überblick." J Adv Res. 2021 35: 215-230
5. Karikari B, Lemay MA, Belzile F. "k-mer-basierte genomweite Assoziationsstudien in Pflanzen: Fortschritte, Herausforderungen und Perspektiven." Gene (Basel)2023 14(7): 1439
6. Assefa T, Zhang J, Chowda-Reddy RV, et al. "Dekonstruktion der genetischen Architektur der Eisenmangelchlorose bei Sojabohnen unter Verwendung genomweiter Ansätze." BMC Pflanzenbiologie2020 20(1): 42
7. Luo M, Zhang Y, Li J, et al. "Molekulare Zerlegung der Salzverträglichkeit von Maiskeimlingen mittels einer genombreiten Assoziationsanalyse."Plant Biotechnol J. 2021 19(10): 1937-1951"