【动植物研究动态】2022年1-3月MP发表的油菜变异数据库、大白菜突变体数据库、GWAS新方法和GS4.0

MP作为国内植物领域神刊，发展非常之快。开年之际，国人就已发表好几项卓越成果。这里摘取几项跟分子育种相关的研究，涉及工具、方法和数据库等资源。

Mol Plant | 华中农大杨庆勇团队发布油菜群体变异数据库，架起基因型与表型的桥梁、助力油菜分子育种

BnVIR: bridging the genotype-phenotype gap to accelerate mining of candidate variations for traits in Brassica napus

首先构建了一套由2,311个甘蓝型油菜核心种质鉴定的10,090,561个遗传变异的数据集，其中包括SNP、InDel和不同种类的SV，这是目前已发表的最为系统、最为完整的甘蓝型油菜遗传变异集合。然后，该研究以其中1,703个材料的18个性状的表型数据和309个材料的RNA-seq数据为基础，构建出甘蓝型油菜变异信息资源数据库。

BnVIR（http://yanglab.hzau.edu.cn/BnVIR）。

Mol Plant | 河北农大和中国农科院联合发布大白菜突变体库，助力大白菜基因功能研究和分子育种

Construction of a high-density mutant population of Chinese cabbage facilitates the genetic dissection of agronomic traits

通过EMS诱变技术构建了以结球大白菜A03为遗传背景的表型丰富的突变体库，完成组装注释。对8000多份大白菜EMS突变单株开展了系统的表型调查，并选取表型变异显著的300份突变体材料开展了重测序和突变分析。进一步建立了大白菜突变体库数据库。

CCEMD（http://www.bioinformaticslab.cn/EMSmutation/home/）。

Mol Plant | 华中农大章元明团队提出关联分析新框架（3VmrMLM方法）

A compressed variance component mixed model for detecting QTNs, and QTN-by-environment and QTN-by-QTN interactions in genome-wide association studies

在QTN检测中，新提出的压缩方差组分混合模型首先估计标记基因型效应，同时标记基因型效应多基因背景代替加性与显性多基因背景。然后，将这些基因型效应估计值剖分为QTN的加性与显性效应。在全基因组扫描时，这种方法既显著减少了方差组分数目又避免了在同一模型中编码加性与显性效应。将这种思想延伸至QEI和QQI检测，即首先估计标记基因型与环境的组合效应或2个标记的基因型组合效应，同时将组合效应多基因背景代替相应主效及其互作效应多基因背景。然后，将这些组合效应估计值剖分为相应的主效及其互作效应。这就将5、10和15个方差组分混合模型统一压缩为3个方差组分的混合模型，构建了一个能检测各种位点并估计其效应的统一关联分析新框架，称为3VmrMLM方法。

竟然没公开？

Mol Plant | 中国农业科学院作物科学研究所黎亮提出GS4.0作物杂交育种新方法（整合GS和DH技术

Integration of genomic selection with doubled-haploid evaluation in hybrid breeding: from GS1.0 to GS4.0 and beyond

该观点文章基于不同规模或不同阶段育种项目中GS与DH的多种整合方案，提出了从GS1.0到GS4.0的育种策略，并以玉米为例进行了阐明。总体来说，GS 1.0针对全同胞群体进行预测；GS 2.0综合多个半同胞群体形成训练群体进行预测；GS 3.0则利用育种项目中的历史数据进行预测，并包含了广泛的环境多样性以提高预测精准度，能实现对所有新生产DH系的预测；GS 4.0是通过对DH系间杂交种表现开展早代预测，将传统育种中的自交系和杂交种评价两步育种流程整合成一步，显著加快育种进展。