摘 要：全基因組關(guān)聯(lián)分析(GWAS，genome－wideassociationstudies)是研究作物表型多樣性遺傳基礎(chǔ)的方法之一，在連鎖標(biāo)記開發(fā)、目的基因挖掘和復(fù)雜性狀的遺傳研究等方面具有重要作用，為揭示作物復(fù)雜農(nóng)藝性狀的遺傳機(jī)理提供了研究思路。文章簡要介紹了全基因組關(guān)聯(lián)分析的原理及方法步驟，論述其在亞麻農(nóng)藝、品質(zhì)及抗性性狀研究中的應(yīng)用進(jìn)展，并對(duì)存在的問題進(jìn)行探討及展望，為今后利用GWAS進(jìn)行亞麻農(nóng)藝及品質(zhì)性狀遺傳基礎(chǔ)的研究及分子標(biāo)記輔助育種提供依據(jù)和參考。
關(guān)鍵詞：亞麻；全基因組關(guān)聯(lián)分析；復(fù)雜性狀；進(jìn)展
亞麻(LinumusitatissimumL.)是亞麻科(Linaceae)亞麻屬(Linum)一年生草本植物，自花授粉，喜涼爽濕潤氣候，起源于中亞和地中海地區(qū)，是我國重要的經(jīng)濟(jì)作物之一，按照用途分為纖用亞麻、油用亞麻及油纖兼用亞麻。纖用亞麻主要種植于黑龍江、吉林、新疆、內(nèi)蒙古等地。亞麻纖維因具有強(qiáng)韌、吸濕、透氣、耐磨等優(yōu)良性狀而被譽(yù)為“纖維皇后”［1］。油用亞麻又稱為胡麻，多分布于新疆、甘肅、河北、內(nèi)蒙古等地。亞麻籽中富含α－亞麻酸、木酚素、優(yōu)質(zhì)植物蛋白質(zhì)等多種對(duì)人體有利的營養(yǎng)成分［2－3］，亞麻籽品質(zhì)特性的重要指標(biāo)是含油量，其油脂含量為35%～45%［4］。α－亞麻酸是通過外源補(bǔ)充的一種人體必需不飽和脂肪酸營養(yǎng)物質(zhì)，為二十碳五烯酸(EPA，eicosapentaeno-ic acid)、二十二碳五烯酸(DPA，docosapentaenoic acid)和二十二碳六烯酸(DHA，docosahexaenoic acid)的合成前體物質(zhì)，在降血脂血壓、預(yù)防糖病、防治癌癥以及延緩血管衰老等方面發(fā)揮著重要的作用［2］。此外，亞麻木酚素(SDG，secoisolariciresinol diglucoside)在預(yù)防和治療乳腺癌［5］以及骨質(zhì)疏松癥［6］等方面發(fā)揮著重要的作用，亞麻籽蛋白中的半胱氨酸和蛋氨酸含量能夠提高人體抗氧化能力，有效預(yù)防結(jié)腸癌發(fā)生［7］?？傮w來說，亞麻是一種綜合利用價(jià)值極高的作物，在紡織、食品、工業(yè)、醫(yī)藥保健等方面發(fā)揮著重要的作用。
隨著分子生物學(xué)的發(fā)展，利用分子標(biāo)記進(jìn)行亞麻分子育種的研究越來越多，常用的分子標(biāo)記有擴(kuò)增片段長度多態(tài)性(AFLP，amplified fragment length polymorphism)、隨機(jī)擴(kuò)增多態(tài)性 DNA(RAPD，random amplified polymorphic)、簡單序列重復(fù)(SSR，simple sequence repeats)以及單核苷酸多態(tài)性(SNP，single nucleotide polymorphism)，主要應(yīng)用于亞麻種質(zhì)資源鑒定、遺傳連鎖圖譜構(gòu)建、數(shù)量性狀座位(QTL，quantitative trait locus)定位和全基因組關(guān)聯(lián)分析(GWAS，genome－wide associa-tion studies)等。亞麻農(nóng)藝及品質(zhì)性狀多數(shù)為多基因控制的數(shù)量性狀，其遺傳表現(xiàn)復(fù)雜，一般的QTL位點(diǎn)具有較低的遺傳率。另外，我國亞麻存在纖維產(chǎn)需缺口大、亞麻品質(zhì)差、抗逆性較差等問題，因此揭示亞麻產(chǎn)量、品質(zhì)以及抗逆等相關(guān)性狀的遺傳基礎(chǔ)并培育優(yōu)良亞麻品種是目前的研究目標(biāo)。為培育出高產(chǎn)、優(yōu)質(zhì)、抗逆的新品種，需要進(jìn)行產(chǎn)量、品質(zhì)和抗性性狀等基因的發(fā)掘和利用［8－9］。GWAS是解析表型遺傳機(jī)制及挖掘QTL的重要手段，具有定位精確度高、檢測范圍廣、構(gòu)建群體所需時(shí)間短等優(yōu)點(diǎn)，已應(yīng)用于水稻［10］、玉米［11］以及大豆［12］等作物的分子育種研究。GWAS在亞麻多種性狀研究以及育種研究中得到了一定的應(yīng)用，為闡明亞麻復(fù)雜性狀的遺傳結(jié)構(gòu)提供了理論基礎(chǔ)，對(duì)亞麻品種改良具有指導(dǎo)性意義。本文簡要介紹了GWAS基本原理及方法，總結(jié)了其在亞麻遺傳育種中的研究進(jìn)展，以及存在的問題和解決途徑，進(jìn)一步為亞麻分子標(biāo)記輔助育種研究提供依據(jù)和參考。
1全基因組關(guān)聯(lián)分析
1.1全基因組關(guān)聯(lián)分析原理
關(guān)聯(lián)分析是以連鎖不平衡(LD，linkage disequilibrium)為基礎(chǔ)，鑒定某一群體內(nèi)目標(biāo)性狀與遺傳標(biāo)記或候選基因關(guān)系的分析方法［13］，與傳統(tǒng)作圖相比，具有不需要構(gòu)建作圖群體、可同時(shí)考察多個(gè)性狀進(jìn)行關(guān)聯(lián)分析、基因定位精確度高等特點(diǎn)［14］。關(guān)聯(lián)分析可分為全基因組掃描和基于候選基因的關(guān)聯(lián)分析兩種策略［15］。GWAS理論基礎(chǔ)是連鎖不平衡，通過全基因組內(nèi)的SNP變異與復(fù)雜性狀進(jìn)行關(guān)聯(lián)分析，發(fā)掘影響目標(biāo)性狀的候選基因［16］，從分子水平揭示作物表型多樣性的遺傳基礎(chǔ)。近年來隨著簡化基因組測序(SLAF－seq)技術(shù)的不斷發(fā)展，測序成本的下降，基于全基因組檢測SNP變異位點(diǎn)進(jìn)行GWAS的研究不斷增加。1996年，Risch等［17］首次提出了全基因組關(guān)聯(lián)分析的概念。目前已在水稻［10］、玉米［11］、大豆［12］等作物中有了深入研究，為其他作物品種遺傳改良和培育提供了理論依據(jù)。
1.2全基因組關(guān)聯(lián)分析影響因素
1.2.1群體結(jié)構(gòu)對(duì)GWAS的影響
群體結(jié)構(gòu)會(huì)導(dǎo)致GWAS 結(jié)果出現(xiàn)假陽性，故進(jìn)行試驗(yàn)前應(yīng)選取具有代表性、數(shù)量較多的種質(zhì)資源作為研究群體，通過增大群體容量和評(píng)估種群結(jié)構(gòu)來盡可能減少假陽性，進(jìn)而降低群體結(jié)構(gòu)對(duì)試驗(yàn)的干擾。一般線性模型(GLM，general linearmodel)和混合線性模型(MLM，mixed linear mod-el)是全基因組關(guān)聯(lián)分析常用的兩種模型［18］，其中MLM模型在GWAS分析過程中能夠有效控制群體結(jié)構(gòu)的影響，提高分析效率和結(jié)果的準(zhǔn)確性［19］。此外，可通過SNP標(biāo)記的檢測，主成分分析(PCA，principal component analysis)獲得的P值、親緣關(guān)系K值以及群體結(jié)構(gòu)Q值等對(duì)群體結(jié)構(gòu)進(jìn)行進(jìn)一步的校正與分析［20］。
1.2.2連鎖不平衡對(duì)GWAS的影響
連鎖不平衡是指群體內(nèi)不同位點(diǎn)上等位基因間的非隨機(jī)關(guān)聯(lián)，是GWAS的理論基礎(chǔ)，一般情況下LD衰減距離越小，關(guān)聯(lián)分析時(shí)需要的SNP標(biāo)記越多，越容易找到與目標(biāo)性狀緊密連鎖的分子標(biāo)記，提高關(guān)聯(lián)分析的精確性［21］。在構(gòu)建關(guān)聯(lián)群體時(shí)，為了減少連鎖不平衡性，獲得更多的表型和遺傳變異，應(yīng)選擇地理差異較大的品種作為關(guān)聯(lián)分析材料［22］。除此之外，GWAS研究還需要對(duì)表型性狀進(jìn)行準(zhǔn)確鑒定，如實(shí)施合理的田間試驗(yàn)、考慮環(huán)境與基因型的互作效應(yīng)等［23］。
1.3全基因組關(guān)聯(lián)分析步驟
1.3.1種質(zhì)材料選擇
豐富的種質(zhì)資源是GWAS研究的基礎(chǔ)，因而需要選取足夠多的樣本量［24］，但群體來源越多會(huì)導(dǎo)致假陽性的概率增加，需利用家系群體進(jìn)行初步定位，再用自然群體高精度定位［25］，兩種方法結(jié)合分析可減少群體之間假陽性的概率，提高關(guān)聯(lián)分析的分辨率。
1.3.2表型考察
GWAS需要對(duì)基因型數(shù)據(jù)和表型數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析，因而需要對(duì)目的性狀進(jìn)行準(zhǔn)確測定和評(píng)估。然而，表型性狀具有可塑性，不僅受基因型的控制，還受周圍環(huán)境的影響，因而會(huì)影響GWAS分析結(jié)果［26］。因此，在試驗(yàn)前期應(yīng)制定科學(xué)的試驗(yàn)計(jì)劃［27］，合理選擇隨機(jī)區(qū)組試驗(yàn)等田間試驗(yàn)設(shè)計(jì)，從時(shí)間、空間上增加表型的重復(fù)性［24］，在多年和多環(huán)境中進(jìn)行目標(biāo)性狀的表型鑒定，降低環(huán)境影響以及減少表型測定誤差。
1.3.3基因型鑒定
隨著高通量測序技術(shù)的發(fā)展和測序成本的降低，使用SLAF－seq、基因芯片技術(shù)、全基因組重測序等方法獲得群體SNP信息，可提升關(guān)聯(lián)分析遺傳定位的精度，廣泛應(yīng)用于GWAS研究。
1.3.4群體結(jié)構(gòu)和親緣關(guān)系分析
在關(guān)聯(lián)分析過程中，自花授粉作物的群體結(jié)構(gòu)會(huì)導(dǎo)致某些等位基因頻率在不同亞群之間存在顯著差異，從而導(dǎo)致出現(xiàn)假陽性結(jié)果［28］。亞麻屬于自花授粉作物，在對(duì)亞麻進(jìn)行群體結(jié)構(gòu)分析時(shí)，可以在進(jìn)行表型與基因型關(guān)聯(lián)分析之前通過構(gòu)建群體系統(tǒng)進(jìn)化樹、PCA、Structure分析等對(duì)樣本間的群體結(jié)構(gòu)和親緣關(guān)系進(jìn)行分析［29］，從而避免定位時(shí)出現(xiàn)的假陽性問題。
1.3.5關(guān)聯(lián)作圖及候選基因發(fā)掘
PLINK［30］和TASSEL［31］等分析軟件用于全基因組關(guān)聯(lián)分析，其中TASSEL軟件既可以對(duì)各種模型進(jìn)行相關(guān)分析，又可以估計(jì)LD值和作圖，估計(jì)種群結(jié)構(gòu)和作圖基于遺傳距離的樹形圖［32］。亞麻作為自花授粉作物，通過GWAS定位性狀相關(guān)基因難以達(dá)到單基因水平，必須綜合基因芯片、RNA測序、實(shí)時(shí)熒光定量PCR(qRT－PCR，real－timereversetranscription－PCR)等技術(shù)來確定與目標(biāo)性狀相關(guān)聯(lián)的候選基因。
2亞麻全基因組關(guān)聯(lián)分析研究進(jìn)展
隨著高通量測序技術(shù)的進(jìn)步，GWAS在亞麻農(nóng)藝(表1)、品質(zhì)(表2)以及抗逆(表3)等相關(guān)性狀的育種研究中取得了一些進(jìn)展，為亞麻品種改良和分子育種奠定了重要的理論基礎(chǔ)。
表1 全基因組關(guān)聯(lián)分析在亞麻農(nóng)藝性狀中的相關(guān)進(jìn)展
表2全基因組關(guān)聯(lián)分析在亞麻品質(zhì)性狀中的相關(guān)進(jìn)展
2.1亞麻農(nóng)藝相關(guān)性狀GWAS應(yīng)用
千粒重、分枝數(shù)、開花日數(shù)、分枝習(xí)性是亞麻種子產(chǎn)量的主要決定因素，出麻率、株高、干莖制成率是亞麻纖維產(chǎn)量的主要決定因素［33］。GWAS能夠?qū)喡榉种?shù)、株高以及生育期等性狀進(jìn)行QTL定位和候選基因預(yù)測，進(jìn)一步為亞麻分子標(biāo)記輔助育種提供理論基礎(chǔ)。為了鑒定亞麻農(nóng)藝相關(guān)性狀遺傳改良的標(biāo)記和候選基因，Xie等［34］利用SLAF－seq技術(shù)對(duì)生長在3種不同環(huán)境下的224份亞麻核心種質(zhì)進(jìn)行GWAS分析，得到42個(gè)與株高、工藝長度、分枝數(shù)、單株果數(shù)、千粒重等5個(gè)農(nóng)藝性狀相關(guān)的SNP位點(diǎn)，并利用GLM和MLM模型在10kb范圍內(nèi)篩選出15個(gè)候選基因，確定與株高相關(guān)的候選基因是UGT和PL，與分枝數(shù)相關(guān)的候選基因?yàn)镚RAS和XTH，與單株果數(shù)相關(guān)的候選基因是Contig1437和LU0019C12，與千粒重相關(guān)的候選基因是PHO1。在此基礎(chǔ)上，Xie等［35］又利用GLM模型對(duì)13個(gè)農(nóng)藝性狀進(jìn)行分析，檢測出與亞麻纖維相關(guān)性狀相關(guān)聯(lián)的幾個(gè)位點(diǎn)，預(yù)測了亞麻出麻率的候選基因Lus10016354和株高候選基因Lus10016125，為進(jìn)一步研究亞麻纖維相關(guān)性狀的分子機(jī)制提供了幫助。鄧欣［33］利用SSR標(biāo)記對(duì)182份亞麻核心種質(zhì)產(chǎn)量進(jìn)行關(guān)聯(lián)分析，確定與株高相關(guān)聯(lián)的位點(diǎn)是M187，與工藝長度相關(guān)聯(lián)的位點(diǎn)是M169－1，與單株蒴果數(shù)相關(guān)聯(lián)的位點(diǎn)是M80，M169－2、M192與分枝數(shù)相關(guān)聯(lián)，M146、M185與開花期相關(guān)聯(lián)，M155－1、M187與全生長日數(shù)相關(guān)聯(lián)。伊六喜［36］基于相關(guān)序列擴(kuò)增多態(tài)性(SRAP，sequence－related amplified pol-ymorphism)通過全基因組重測序?qū)?69份胡麻進(jìn)行GWAS分析，獲得了與產(chǎn)量相關(guān)性狀顯著關(guān)聯(lián)的21個(gè)SNP位點(diǎn)和57個(gè)候選基因，其中與株高相關(guān)的SNP位點(diǎn)有5個(gè)，獲得14個(gè)候選基因；分枝數(shù)相關(guān)SNP位點(diǎn)有2個(gè)，獲得5個(gè)候選基因；千粒重相關(guān)SNP位點(diǎn)3個(gè)，獲得5個(gè)候選基因；千株粒重相關(guān)SNP位點(diǎn)2個(gè)，獲得1個(gè)候選基因；果粒數(shù)相關(guān)SNP位點(diǎn)2個(gè)，獲得8個(gè)候選基因；株果數(shù)相關(guān)SNP位點(diǎn)1個(gè)，獲得7個(gè)候選基因；工藝長度相關(guān)SNP位點(diǎn)4個(gè)，獲得15個(gè)候選基因。Pydiura等［37］基于亞麻基因組信息，通過GWAS分析鑒定出與亞麻纖維發(fā)育相關(guān)的候選基因32個(gè)，其中編碼纖維素合成酶(CesA)和纖維素合成酶類蛋白(Csl)的候選基因各有16個(gè)。Chandra-wati等［38］選取168份亞麻材料，通過50個(gè)SSR標(biāo)記對(duì)其進(jìn)行分析，在GLM和MLM模型的關(guān)聯(lián)分析過程中均檢測出Lu__3043是與開花天數(shù)50%相關(guān)的SSR標(biāo)記。GWAS挖掘到的亞麻株高、千粒重等性狀相關(guān)的基因，為亞麻新品種的分子選育提供理論依據(jù)，前人研究所鑒定的SNP位點(diǎn)和相應(yīng)的候選基因可作為改良亞麻重要農(nóng)藝性狀的生物學(xué)基礎(chǔ)。
表3全基因組關(guān)聯(lián)分析在亞麻抗逆性狀中的相關(guān)進(jìn)展
2.2亞麻品質(zhì)相關(guān)性狀GWAS應(yīng)用
亞麻品質(zhì)性狀有含油率、碘值、油酸、亞油酸、亞麻酸、棕櫚酸、粗脂肪等，被廣泛應(yīng)用于食品、醫(yī)療保健等領(lǐng)域，研究亞麻品質(zhì)相關(guān)性狀遺傳機(jī)理有助于提高亞麻品質(zhì)，進(jìn)一步為亞麻優(yōu)質(zhì)育種提供理論依據(jù)。Soto－Cerda等［39］利用460個(gè)微衛(wèi)星標(biāo)記對(duì)390份亞麻種質(zhì)材料的含油率、硬脂酸、亞油酸、亞麻酸和碘值等品質(zhì)性狀進(jìn)行關(guān)聯(lián)作圖，鑒定了9個(gè)候選QTL。You等［40］通過GWAS對(duì)3個(gè)不同雙親亞麻作圖群體的260個(gè)品系進(jìn)行分析，共鑒定出17288個(gè)SNP，解釋的成熟期、碘值、棕櫚酸、硬脂酸、亞油酸和亞麻酸含量的表型變異高于80%，檢測到23個(gè)基因組區(qū)域與33個(gè)QTL相關(guān)，解釋了含油量、碘值、棕櫚酸、亞油酸和亞麻酸的表型變異為48%～73%。張喻［41］對(duì)來自43個(gè)國家的200份亞麻進(jìn)行GWAS分析，挖掘了8個(gè)與油酸代謝相關(guān)的候選基因，2個(gè)與亞油酸代謝相關(guān)的候選基因。伊六喜［36］通過全基因組重測序?qū)?/font>269份胡麻進(jìn)行GWAS分析，獲得了與品質(zhì)相關(guān)性狀顯著關(guān)聯(lián)的19個(gè)SNP位點(diǎn)和43個(gè)候選基因，其中與油酸、亞油酸、亞麻酸、棕櫚酸、硬脂酸以及粗脂肪相關(guān)的SNP位點(diǎn)分別是3個(gè)、1個(gè)、8個(gè)、2個(gè)、3個(gè)、2個(gè)，獲得的候選基因分別是5個(gè)、6個(gè)、17個(gè)、5個(gè)、7個(gè)、3個(gè)。Xie等［42］通過GWAS對(duì)3種不同環(huán)境下的224個(gè)亞麻群體進(jìn)行分析，檢測到16個(gè)與種子脂肪酸含量顯著相關(guān)的SNP，10個(gè)候選基因，其中有6個(gè)候選基因參與脂肪酸代謝途徑。伊六喜等［43］選取220份亞麻核心種質(zhì)，通過SSR標(biāo)記的關(guān)聯(lián)分析檢測亞麻木酚素含量相關(guān)位點(diǎn)，基于GLM模型和MLM模型均檢測到LU_203、LU_661和LU_330位點(diǎn)。伊六喜等［44］對(duì)4個(gè)環(huán)境下的269份亞麻種質(zhì)的木酚素含量進(jìn)行GWAS分析，得到13個(gè)SNP位點(diǎn)和21個(gè)候選基因。目前亞麻品質(zhì)改良育種較薄弱，GWAS分析在亞麻育種中的應(yīng)用較少，這些新發(fā)現(xiàn)的遺傳位點(diǎn)可以顯著改善亞麻分子育種進(jìn)程，鑒定的候選基因有助于闡明亞麻品質(zhì)相關(guān)性狀的生物合成機(jī)制。
2.3亞麻抗逆相關(guān)性狀GWAS應(yīng)用
干旱、鹽堿、礦物質(zhì)缺乏等非生物脅迫以及白粉病［45］、炭疽病［46］等病害引起的生物脅迫，均嚴(yán)重影響亞麻產(chǎn)量和品質(zhì)，因而提供抗逆性是亞麻育種目標(biāo)之一。近年來科學(xué)家利用GWAS挖掘到部分亞麻抗逆相關(guān)位點(diǎn)。Dash等［47］通過GWAS揭示了在莖和根中共調(diào)控表達(dá)的26個(gè)基因與干旱脅迫反應(yīng)有關(guān)，其中根應(yīng)對(duì)干旱脅迫比莖要強(qiáng)一些。Soto－Cerda等［48］選取390份加拿大亞麻核心種質(zhì)進(jìn)行關(guān)聯(lián)作圖，基于MLM模型確定了與6個(gè)農(nóng)藝性狀關(guān)聯(lián)的12個(gè)位點(diǎn)，其中位于第6連鎖群的兩個(gè)標(biāo)記位點(diǎn)，確定了1個(gè)抗倒伏相關(guān)的QTL位點(diǎn)。Sertse等［49］通過GWAS對(duì)6個(gè)性狀及其相應(yīng)的脅迫指數(shù)進(jìn)行了分析，檢測到編碼干旱脅迫相關(guān)蛋白候選基因Lus10030150。He等［50］選取370份亞麻核心種質(zhì)材料確定了與抗派斯莫病相關(guān)的67個(gè)QTL位點(diǎn)，獲得候選基因Lus10031043和Lus10020016。謝冬微等［51］在亞麻全基因組中共找到137個(gè)核苷酸結(jié)合位點(diǎn)(NBS，nucleotide－bindingsite)類抗病基因，進(jìn)一步加快了亞麻抗病育種研究。Saha等［52］找到響應(yīng)高溫脅迫的熱休克因子(HSF，heatshockfactor)基因34個(gè)，為進(jìn)一步促進(jìn)亞麻耐高溫遺傳改良和適應(yīng)性育種提供了依據(jù)。目前GWAS在亞麻抗逆相關(guān)性狀研究中的應(yīng)用還較少，雖然利用該方法能夠鑒定出一些與亞麻抗逆相關(guān)的位點(diǎn)，但這些位點(diǎn)是否能夠有效地應(yīng)用到亞麻分子育種中，還需要進(jìn)一步驗(yàn)證。
3問題與展望
綜上可知，與傳統(tǒng)的QTL作圖相比，GWAS具有檢測范圍廣［53］、分辨率高［54］、材料來源多［55］等優(yōu)勢(shì)，從而在亞麻產(chǎn)量、品質(zhì)以及抗逆等相關(guān)育種研究中取得一系列重要進(jìn)展。但GWAS也有其自身的局限性，在亞麻育種試驗(yàn)設(shè)計(jì)上仍需謹(jǐn)慎，畢竟其只是對(duì)候選遺傳位點(diǎn)的一種預(yù)測，后續(xù)還需要結(jié)合其他技術(shù)手段進(jìn)行深入研究，探究其生物學(xué)功能。常規(guī)育種效率低、周期長，而關(guān)聯(lián)分析與分子育種相結(jié)合，再加上基因組、轉(zhuǎn)錄組、蛋白組及代謝組等多組學(xué)融合能更深入地了解亞麻復(fù)雜性狀的遺傳結(jié)構(gòu)，有利于亞麻遺傳育種的進(jìn)一步發(fā)展。
GWAS是作物表型與基因型結(jié)合用于作物遺傳改良的優(yōu)良技術(shù)，其包括研究群體的選擇、多年多點(diǎn)的表型鑒定、高通量測序、關(guān)聯(lián)分析、基因功能注釋、精細(xì)定位、候選基因功能驗(yàn)證等，在亞麻遺傳改良中具有重大的應(yīng)用潛力。盡管GWAS當(dāng)前還存在一些不足，但隨著分子生物學(xué)技術(shù)的不斷深入，其在實(shí)際應(yīng)用中的局限性會(huì)不斷得以克服。隨著高通量測序技術(shù)的發(fā)展，水稻、玉米、大豆等參考基因組已公布，其基因組范圍內(nèi)的變異數(shù)據(jù)用于遺傳作圖和作物演化研究，GWAS在這些作物育種研究中已較為成熟，GWAS在應(yīng)用于亞麻重要性狀研究中可多參考這些作物以進(jìn)一步對(duì)亞麻農(nóng)藝相關(guān)性狀、品質(zhì)相關(guān)性狀以及抗逆相關(guān)性狀等方面進(jìn)行研究，為亞麻品種改良和培育提供依據(jù)。在今后的亞麻育種研究中，應(yīng)當(dāng)繼續(xù)利用高通量測序等技術(shù)，在全基因組水平對(duì)亞麻群體進(jìn)行基因型鑒定，開展遺傳多樣性和群體結(jié)構(gòu)分析，進(jìn)一步結(jié)合多組學(xué)融合分析和基因功能驗(yàn)證等方法，挖掘亞麻產(chǎn)量、品質(zhì)以及抗性等相關(guān)性狀的候選基因，為亞麻優(yōu)質(zhì)育種提供一定的理論基礎(chǔ)。
參考文獻(xiàn)
［1］鄧欣，陳信波，邱財(cái)生，等.我國亞麻種質(zhì)資源研究與利用概述［J］.中國麻業(yè)科學(xué)，2015，37(6)：322－329.
［2］趙利，黨占海，李毅，等.亞麻籽的保健功能和開發(fā)利用［J］.中國油脂，2006，31(3)：71－74.
［3］曹秀霞，張信.胡麻籽營養(yǎng)保健功能成分研究綜述［J］.安徽農(nóng)學(xué)通報(bào)，2009，15(21)：75－76.
［4］米君.亞麻(胡麻)高產(chǎn)栽培技術(shù)［M］.北京：金盾出版社，2006：1－90.
［5］狄濟(jì)樂.亞麻籽作為一種功能食品來源的研究［J］.中國油脂，2002，27(4)：55－57.
［6］羅俊杰，歐巧明，葉春雷，等.重要胡麻栽培品種的抗旱性綜合評(píng)價(jià)及指標(biāo)篩選［J］.作物學(xué)報(bào)，2014，40(7)：1259－1273.
［7］Oomah B D. Flaxseed as a functional food source［J］. Journal of the Science of Food and Agriculture，2010，81(9)： 889－894.
［8］HUANG X，WEI X，SANG T，et al. Genome－wide association studies of 14 agronomic traits in rice landraces［J］. Nature Genetics，2010，42(11)： 961－967.
［9］Mccouch S R，Zhao K，Wright M，et al. Development of genome－wide SNP assays for rice［J］. Breeding Science，2010，60(5)：524－535.
［10］The R. The 3，000 rice genomes project［J］. Gigascience，2014，3(1)： 1－6.
［11］Paterson A H，Bowers J E，Bruggmann R，et al. The Sorghum bicolor genome and the diversification of grasses［J］. Nature，2009，457(7229)： 551－556.
［12］李廷雨，黎永力，甘卓然，等.全基因組關(guān)聯(lián)分析在大豆中的研究進(jìn)展［J］.大豆科學(xué)，2020，39(3)：479－484.
［13］段忠取，朱軍.全基因組關(guān)聯(lián)分析研究進(jìn)展［J］.浙江大學(xué)學(xué)報(bào)(農(nóng)業(yè)與生命科學(xué)版)，2015，41(4)：385－393.
［14］盧坤，王騰岳，徐新福，等.甘藍(lán)型油菜結(jié)角高度與莢層厚度的全基因組關(guān)聯(lián)分析［J］.作物學(xué)報(bào)，2016，42(3)：344－352.
［15］Flint－GarciaS A，Thornsberry J M，Th B E. Structure of linkage disequilibrium in plants［J］. Annual Review of Plant Biology，2003，54(1)： 357－374.
［16］Monir M M，Zhu J. Tools for quantitative trait locus mapping and genome－wide association study mapping： a review［J］. Journal of the Zhejiang University － Agriculture and Life Science，2014，40(4)： 379－386.
［17］Risch N，Merikarigas K. The Future of Genetic Studies of Complex Human Diseases［J］. Science，1996，273(5281)： 1516－1517.
［18］周慶紅，周燦，鄭偉，等.甘藍(lán)型油菜角果長度全基因組關(guān)聯(lián)分析［J］.中國農(nóng)業(yè)科學(xué)，2017，50(2)：228－239.
［19］Yu J，Buckler E S. Genetic association mapping and genome organization of maize. Curr Opin Biotech 17： 155－160［J］. Current Opin-ion in Biotechnology，2006，17(2)： 155－160.
［20］Price A L，Patterson N J，Plenge R M，et al. Principal components analysis corrects for stratification in genome－wide association stud-ies［J］. Nature Genetics，2006，38(8)： 904－909.
［21］Sorkheh K，Malysheva－Otto L V，Wirthensohn M G，et al. Linkage disequilibrium，genetic association mapping and gene localization in crop plants［J］. Genetics and Molecular Biology，2008，31(4)： 5499－5503.
［22］Ogura T，Busch W. From phenotypes to causal sequences： using genome wide association studies to dissect the sequence basis for vari-ation of plant development［J］. Current Opinion in Plant Biology，2015，23： 98－108.
［23］宿俊吉.陸地棉早熟與產(chǎn)量纖維品質(zhì)性狀的全基因組關(guān)聯(lián)分析及候選基因篩選［D］.西安：西北農(nóng)林科技大學(xué)，2017.
［24］Flint－GarciaS A，Thuillet A C，Yu J，et al. Maize association population： a high－resolution platform for quantitative trait locus dis-section［J］. Plant Journal for Cell and Molecular Biology，2005，44(6)： 1054－1064.
［25］Rafalski A，Morgante M. Corn and humans： recombination and linkage disequilibrium in two genomes of similar size［J］. Trends in Genetics，2004，20(2)： 103－111.
［26］Winham S J，Biernacka J M. Gene－environment interactions in genome－wide association studies： current approaches and new direc-tions［J］. Journal of Child Psychology and Psychiatry，2013，54(10)： 1120－1134.
［27］Myles S，Peiffer J，Brown P J，et al. Association Mapping： Critical Considerations Shift from Genotyping to Experimental Design［J］.Plant Cell，2009，21(8)： 2194－2202.
［28］Kriz A L，Larkins B A. Molecular Genetic Approaches to Maize Improvement［M］. Berlin Heidelberg： Springer，2009： 1－369.
［29］萬何平，陳禪友，陳高，等.全基因組關(guān)聯(lián)分析在大豆遺傳學(xué)上的研究進(jìn)展［J］.江漢大學(xué)學(xué)報(bào)(自然科學(xué)版)，2019，161(3)：6－12.
［30］Purcell S，Neale B，Todd－Brown K，et al. PLINK： a tool set for whole－genome association and population－based linkage analyses［J］. The American Journal of Human Genetics，2007，81(3)： 559－575.
［31］Bradbury P J，Zhang Z，Kroon D E，et al. TASSEL： Software for Association Mapping of Complex Traits in Diverse Samples［J］.Bioinformatics，2007，23(19)： 2633－2635.
［32］姜洪真，馬伯軍，錢前，等.全基因組關(guān)聯(lián)分析(GWAS)在作物農(nóng)藝性狀研究中的應(yīng)用［J］.農(nóng)業(yè)生物技術(shù)學(xué)報(bào)，2018，26(7)：1244－1257.
［33］鄧欣.亞麻分子標(biāo)記的開發(fā)及產(chǎn)量相關(guān)性狀的關(guān)聯(lián)分析［D］.北京：中國農(nóng)業(yè)科學(xué)院，2013.
［34］XIE D，DAI Z，YANG Z，et al. Genome－Wide Association Study Identifying Candidate Genes Influencing Important Agronomic Traits of Flax (Linum usitatissimum L.) Using SLAF－seq［J］. Frontiers in Plant Science，2018，8： 2232－2232.
［35］XIE D，DAI Z，YANG Z，et al. Genomic variations and association study of agronomic traits in flax［J］. BMC Genomics，2018，19(1)： 512－512.
［36］伊六喜.胡麻產(chǎn)量和品質(zhì)相關(guān)性狀的全基因組關(guān)聯(lián)分析［D］.內(nèi)蒙古：內(nèi)蒙古農(nóng)業(yè)大學(xué)，2018.
［37］Pydiura N A，Bayer G Y，Galinousky D V，et al. Bioinformatic search for cellulose synthase genes in flax (Linum usitatissimum) andtheir phylogenetic analysis［J］. Cytology and Genetics，2015，49(5)： 279－287.
［38］Chandrawati，Singh N，Kumar R，et al. Genetic diversity，population structure and association analysis in linseed (Linum usitatissi-mum L. )［J］. Physiology and Molecular Biology of Plants，2017，23(1)： 207－219.
［39］Soto－Cerda B J，Duguid S，Booker H，et al. Association mapping of seed quality traits using the Canadian flax (Linum usitatissimumL.) core collection［J］. Theoretical and Applied Genetics，2014，127(4)： 881－896.
［40］YOU F，JIN X，LI P，et al. Genome－Wide Association Study and Selection Signatures Detect Genomic Regions Associated with Seed Yield and Oil Quality in Flax［J］. International Journal of Molecular Sciences，2018，19(8)： 2303－2303.
［41］張喻.CRISPR－Cas9系統(tǒng)對(duì)亞麻FAD2基因定點(diǎn)編輯及功能分析［D］.新疆：新疆大學(xué)，2019.
［42］XIE D，DAI Z，YANG Z，et al. Combined genome－wide association analysis and transcriptome sequencing to identify candidate genes for flax seed fatty acid metabolism［J］. Plant Science，2019，286： 98－107.
［43］伊六喜，薩如拉，王樹彥，等.亞麻木酚素含量的SSR關(guān)聯(lián)分析［J］.華北農(nóng)學(xué)報(bào)，2021，36(1)：63－70.
［44］伊六喜，斯欽巴特爾，馮小慧，等.胡麻木酚素含量的全基因組關(guān)聯(lián)分析［J］.分子植物育種，2020，18(3)：87－93.
［45］何建群，陳貴薈，李靖軍，等.白粉病對(duì)亞麻原莖和種子產(chǎn)量、質(zhì)量的影響［J］.中國麻業(yè)科學(xué)，2006，28(6)：317－321.
［46］楊學(xué)，王玉富，關(guān)鳳芝，等.亞麻枯萎病發(fā)生規(guī)律及其綜合防治措施［J］.中國麻業(yè)，2002，24(1)：23－26.
［47］Dash P K，CAO Y，Jailani A K，et al. Genome－wide analysis of drought induced gene expression changes in flax (Linum usitatissi-mum)［J］. Gm Crops Food，2014，5(2)： 106－119.
［48］Soto－Cerda B J，Duguid S，Booker H，et al. Genomic regions underlying agronomic traits in linseed (Linum usitatissimum L.) as re-vealed by association mapping［J］. Journal of Integrative Plant Biology，2014，56(1)： 75－87.
［49］Sertse D，You F M，Ravichandran S，et al. Loci harboring genes with important role in drought and related abiotic stress responses in flax revealed by multiple GWAS models［J］. Theoretical and Applied Genetics，2021，134(1)： 191－212.
［50］HE L，XIAO J，Rashid K Y，et al. Genome－Wide Association Studies for Pasmo Resistance in Flax (Linum usitatissimum L.)［J］.Frontiers in Plant Science，2019，9： 1982－1982.
［51］謝冬微，路穎，趙德寶，等.亞麻NBS類抗病基因家族全基因組分析［J］.中國麻業(yè)科學(xué)，2015(3)：113－119.
［52］Saha D，Mukherjee P，Dutta S，et al. Genomic insights into HSFs as candidate genes for high－temperature stress adaptation and gene editing with minimal off－target effects in flax［J］. Scientific Reports，2019，9(1)： 5581－5581.
［53］Yu J，Holland J B，Mcmullen M D，et al. Genetic Design and Statistical Power of Nested Association Mapping in Maize［J］. Genetics，2008，178(1)： 539－551.
［54］HUANG X，WEI X，SANG T，et al. Genome－wide association studies of 14 agronomic traits in rice landraces［J］. Nature Genetics，2010，42(11)： 961－967.
［55］Winham S J，Biernacka J M. Gene－environment interactions in Genome－wide association studies： current approaches and new direc-tions［J］. Journal of Child Psychology and Psychiatry，2013，54(10)： 1120－1134.
文章摘自：伍葉娜,潘根,姜慧,常麗,黃思齊,唐慧娟,欒明寶,陳安國.亞麻全基因組關(guān)聯(lián)分析研究進(jìn)展[J].中國麻業(yè)科學(xué),2022,44(02)：109-118.
