廣東
近日，南京農業大學劉金定副教授在《Molecular Plant》期刊上發表題為《SSBP: A meta-GWAS-based pleiotropy-aware QTL atlas and smart breeding platform for soybean》的研究成果。該研究圍繞大豆復雜性狀遺傳解析與育種決策中的關鍵瓶頸，構建了集大規模變異資源整合、多環境meta-GWAS分析和育種決策支持于一體的大豆智慧育種平臺SSBP，為大豆分子育種和智能設計育種提供了一體化工具平臺。南京農業大學前沿院劉金定為論文第一作者和通訊作者，南京農業大學前沿院竇道龍教授、信管學院朱毅華副教授和徐州農科院王幸研究員為論文共同通訊作者。
研究團隊系統整合全球大豆基因組、表型組與育種數據資源，構建了大豆智慧育種平臺SSBP。該平臺實現了從群體遺傳變異挖掘、復雜性狀遺傳解析到候選位點優選的全鏈條貫通，并進一步打通了基因型填充、表型預測、編輯位點推薦和親本組合優化等關鍵環節，為大豆復雜性狀研究和育種決策提供了一體化解決方案。
研究首先構建了超大規模大豆參考單倍型面板SoyRefHap。該面板整合全球55個國家和地區的10,479份大豆重測序材料，包括野生大豆、地方品種和改良品種，共包含2,444萬個SNP和343萬個INDEL，較為完整地覆蓋了大豆群體中的主要遺傳變異。基于該面板，團隊實現了6種主流大豆SNP芯片向序列水平的高精度基因型填充，準確率均超過99.3%，為歷史芯片數據的深度挖掘與再利用提供了可靠基礎。
圖1 參考面板構建及填充性能
基于該資源，研究進一步利用USDA-SGC大規模基因型和表型資源，對622個“性狀—環境”組合開展GWAS，并在性狀層面進行meta分析，最終構建了覆蓋79個農藝性狀的大豆QTL圖譜，解析出4,321個候選QTL。結果顯示，約28%的顯著位點表現出跨性狀關聯特征，提示多個重要農藝性狀之間可能廣泛共享遺傳基礎。這不僅提升了對大豆復雜性狀遺傳結構的系統認知，也為協同改良產量、品質和抗性等性狀提供了重要線索。
圖2 候選QTL圖譜及性狀間多效性與遺傳關系
為推動遺傳發現服務育種實踐，進一步開發了一站式智慧育種工作流，支持基因型填充、多環境表型預測、候選編輯位點推薦和親本組合優化等關鍵分析。研究針對622個性狀—環境組合訓練BayesR模型，最終保留455個預測準確率不低于0.50的模型，覆蓋了54個性狀。平臺整合Variation、QTL、CausalMap和Breeding四大模塊，實現了從變異查詢、QTL瀏覽、區域精細定位到育種決策分析的連續操作。
圖3 SSBP驅動的大豆智能育種決策流
論文通過兩個案例展示了平臺應用能力。在油分性狀案例中，團隊結合區域關聯信號、精細定位和共定位分析，優先鎖定15號染色體候選基因GmSWEET10a，揭示其與油分、粒重、產量和蛋白含量等多個性狀相關，表現出明顯多效性。在蛋白育種案例中，平臺對多個代表性品種進行了多環境蛋白含量預測，并給出編輯位點推薦和親本組合優化結果。與徐州農科院合作開展的回顧性評估顯示，育成高蛋白品種“徐豆23”的親本組合在多個環境下均具有較高育種潛力預測值，表明該平臺在育種實踐中具有較好的應用潛力。
文章鏈接：
https://doi.org/10.1016/j.molp.2026.04.001
平臺鏈接：
https://biotec2.njau.edu.cn/ssbp
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
