1 基因组学的概念、内涵与外延
自美国进化生物学家托马斯·亨特·摩尔根创作的《基因论》（1926年）为标志的遗传学问世,近百年来基因概念经历了深度的发展,从单基因遗传因子,到DNA双螺旋结构、转座子、细胞遗传学、群体遗传学到表观遗传学,分子生物学技术的进步催生了基因组学（genomics）。美国科学家Thomas Roderick提出基因组学的概念（1986年）,是指对物种所有基因进行基因组作图、核苷酸序列分析、基因定位和基因功能分析的一门科学。基因组学是现代遗传学的基本形式,特别是核苷酸高通量测序技术的发展,以有限的成本测定所有经济物种基因组序列成为现实,进而从基因组草图升级为基因组精细图谱,结合生物学相关技术的进步,基因组学的内涵发生了显著的变化,已成为生命科学的前沿和热点领域。狭义的基因组学包括结构基因组、功能基因组和比较基因组学几个方面,而广义的基因组学还包括由生物学中心法则演化的生物遗传信息流的整合研究。如测定全基因组特定时空和组织器官的基因表达谱,即转录组学,也包括全基因组范围mRNA指导完成的蛋白质合成与调控,即蛋白质组学,还包括新兴的代谢组学,及由生物蛋白酶系统组织完成的数量更加复杂的代谢产物分析及其与遗传关系的研究[1]。有的学者赞同后者是基因组学研究的外延,这种外延还包括在DNA、RNA和蛋白质水平修饰的甲基化、泛素化、磷酸化等,及非编码RNA介导的遗传调控相关表观遗传学[1]。基因组学从个体或者细胞的单个基因研究上升到对相关基因群和全部基因的协同作用研究,构建特定生物学过程的基因网络,促进了可量化的系统生物学发展。尚包括针对物种群体的基因组解析,挖掘物种水平的遗传变异及其进化信息。
2 基因组学技术改变了生命科学进程
2.1 基因组学技术将生命科学推进到精准研究的时代
2007年第二代基因组测序技术取得突破,以454、Illumina测序技术为代表的高通量短片段测序与拼接技术,将DNA/RNA序列分析成本大大降低,导致迄今主要经济物种基因组草图全面问世,物种演化和遗传多样性等基础生物学问题取得大量数据和全新的进展,非编码RNA和表观遗传学调控初见端倪;然而由于物种基因组的复杂性,特别是重复序列的大量存在,使得现有基因组草图只具有参考价值,基因组大都不够完整,全基因组测序覆盖度一般为65%~90%[2],并且不可避免存在许多碱基序列错误和拼接次序的错误。2017年以Pac-Bio和Oxford Nanopore为代表的第三代测序仪取得显著的改进,Pac-Bio目前允许单个片段测序读长达到15 kb,测序通量和准确率进一步提升,这样将可以解决基因组重复序列的障碍;Bionano单分子纳米孔测序及光学物理图谱技术,则通过对大片段基因组DNA分子特定位点的标记,建立高覆盖度的光学物理图谱,适度拼装可以达到N50为5 Mb的超长序列[3]。该项技术不仅能够为大基因组组装提供精确的骨架,整合三代测序数据组装染色体级别的物种基因组精细图,而且通过基因转录起始区、甲基化、特定类型基因等多重标记,能够为物种群体提供功能性状的染色体镜像,解决长期以来细胞学与分子水平遗传研究的衔接问题[4]。这些三代测序技术与二代测序技术及Hi-C技术的整合,可以有限成本将物种基因组组装到染色体级别的精细图谱,覆盖度达到90%~99%,Scaffold N50达到30~50 Mb[4],标志着基因组学研究进入精准科学时代,许多基因组草图将被改写为基因组精细图谱。蛋白质组学中iTRAQ技术发展使得单次测序获得6000~10000个蛋白质片段[5],这些新技术的组合和综合应用,建立了精准生命科学研究的技术基础。以精准生命科学的基因组学、表观遗传学、蛋白质组学和代谢组学、基因组编辑技术等为基础的生命科学即将进入一个全新的时代。揭示生命活动的精细调控,生物重构,经济作物产量与品质调节,实现精准人类健康管理等精准操作,并将衍生大量的应用性技术乃至产业。基因组学技术在未来的应用图景归纳为图1。
2.2 高分辨率群体基因型分析破解物种多样性终极变异及其演化
群体基因型分析从传统的分子标记（RAPD,SSR,AFLP等）、芯片技术逐步转向简化重测序和重测序,其检测通量成等比级数上升,而分析成本则成等比级数下降。芯片杂交技术由于信号的噪声问题,加上需要多个重复增加了成本,而逐渐被重测序取代。全基因组重测序是对基因组序列已知的个体进行全基因组范围的测序,并在个体或群体水平上进行差异性分析的方法。过去10年由于重测序成本尚比较高,几种简化重测序技术应运而生。最典型的是康内尔大学推出的genotyping by sequencing（GBS）技术[6],在对物种DNA酶切基础上的随机扩增,获取基因组约5%~7%的序列,并采用加barcode混合样本测序策略,测序成本大大降低;另外一种AFSM技术,进一步选择了对甲基化敏感的酶切位点,且对基因区有一定偏置性,可同时检测全基因组的甲基化水平[7]。简化重测序技术主要用于解析物种大群体遗传多样性变异（SNPs,InDels）和性状关联分析,以及育种群体的标记选择,目前已得到广泛的应用。随着基因组测序成本的进一步降低,采用二代测序技术的完全重测序及其新型建库技术得到更多的应用,可以获得几乎完整的基因区序列信息,并可以部分检测基因组一些结构变异SV（小于50 bp）信息[8],在作物物种群体遗传多样性、育种标记检测、人类疾病的致病突变研究及物种演化中有越来越多的应用,具有重大的科研和产业价值。现将若干种应用分述如下。
2.2.1 全基因组重测序实现目标性状的精细标记 第二（NGS）、第三代测序技术与遗传学的结合,加快了作物农艺性状相关基因的识别和分离。由于标记密度的显著增大,提高了QTL位置的分辨率,有助于确定基因的功能性变异。通过重测序可以发现大量的单核苷酸多态性位点（SNPs）、拷贝数变异（copy number variation,CNV）、插入缺失（insertions/deletions,InDels）、结构变异（structure variation,SV）等变异位点。基于以上变异位点作为分子遗传标记,在人类复杂疾病、动植物经济性状和育种研究及物种起源、驯化、群体历史动态等方面具有重要的指导意义[9,10]。一系列在获取物种基因组精细图基础上,对栽培及野生种大群体重测序解析育种重要性状QTL和关联位点的研究问世,包括对于桃树主要品质性状的系统研究[11],这些研究在方法学上采用批量分离分析（BSA）、基因组遗传多态数据库的构建,结合多年多点表型数据以精确QTL和关联位点的检测[12]。全基因组重测序基础上的GWAS分析已经取得显著的成果,在生物医学领域揭示了数百个复杂的疾病性状,可以肯定未来的GWAS将以全基因组测序为基础[13]。
2.2.2 群体重测序发现新基因 通过经济物种自然群体基因型标记与表型性状的全基因组关联分析,或者实验群体的QTL定位获取性状的分子标记,进而通过图位克隆是新基因发掘的重要方法。然而传统意义上由于群体遗传标记密度过低问题,基因图位克隆需要辅之以大片段DNA文库筛选,以及染色体步移等复杂的技术程序,通过图位克隆获得动植物基因[14]。随着群体重测序技术的广泛应用,一次性获得物种超高密度的单倍型图谱变得简单可行,一旦有可靠的群体表型数据,图位克隆过程变得比过去更为简单,因而更加实用。迄今在大豆、木豆、油菜、棉花及动物山羊等经济物种中有大量成功的范例,获得具有重要经济价值的基因资源[12, 15-18]。
高分辨率基因组分析技术为农作物基因组的结构多样性提供了前所未有的视角。除了用于复杂农艺性状的遗传作图或全基因组关联研究外,高密度基因分型阵列也非常适用于基因组选择策略,它们还能以前所未有的染色体尺度分辨率描述作物多样性。这些研究深入了解了作物进化和选择的历史,同时发现了新的多样性以提高产量和杂种优势[19]。
在相关研究中,首先,需要获取物种地域分布演化过程群体的原始样本,一般具有栽培类型的祖先种（亚种）或近缘种群体,加上农家种和改良品种,每个类型选择具有统计学意义的小群体,栽培类型适当增加,总居群数量应在100份以上。通过对若干代表性样本的精细图谱构建,结合群体全部居群的重测序,能够获得百万至千万级别的SNPs、InDels多样本变异标记,以及部分SV信息（小于50 bp）,从而构建全基因组单倍型图谱,通过栽培种内部及与野生祖先种的比较,可以清晰构建种群结构图,解析物种演化历程,发现进化中的关键事件[25]。如对72个牦牛野生和驯化群体的重测序研究,比较了中国26个地区野牦牛和家养牦牛的全基因组遗传变异图谱,发现人们早在公元7300年前新石器早期的青藏高原就已驯化了野生牦牛,而驯化数量则在公元3600年前增长了约6倍。该项研究还估算出牦牛种群大量增加和全新世晚期人类群体在此地理区域的扩散是同时发生的;研究还发现家养牦牛的基因组中,大约有200个基因受到了人为的驯化选择,这些选择可能影响到了动物的行为,尤其是温顺性。而这种驯化基因与狗等其他驯化动物中发现的基因也十分相似[26]。
2.3 泛基因组测序——整合物种完全遗传变异信息
泛基因组（pan genome）是指涵盖物种各种生物类型群体的整合基因组。迄今,物种的参考基因组已经达到精细图谱水平,但是其对于物种群体遗传变异的代表性仍然具有局限性。过去5年大量的重测序、简化重测序信息为在群体水平挖掘遗传变异、发现育种标记提供了巨大的机遇,在结构基因组领域发挥了重要作用。然而,其主要检测的是SNP和InDel（小于50 bp）的多样性,对于基因组SV信息,包括大的插入/缺失、倒位、转位和重复等,尚不足以解析。随着第三代测序技术的进步,以及测序成本的大幅度下降,针对物种平行性测定多个基因型序列,并独立组装注释,绘制物种泛基因组结构图景,并挖掘其SV取得显著进展[27]。为此,生物信息学专家设计了专门的算法和软件应用于不同程度多基因组序列的整合和注释[28]。由26个大豆品系独立组装的泛基因组中,每个品系平均有约16%序列是不存在的[29],而在油菜8个独立组装的泛基因组分析中,发现仅有76%~84%的共线性序列存在于参考基因组中[30]。植物中受到复杂基因组、多倍化等影响,泛基因组结构可以涵盖多个来源基因组序列信息,发现新的基因、新的大尺度SV,揭示染色体水平的基因重排和剂量效应。
在技术方面,泛基因组主要依赖于第三代单分子测序技术,包括Pac-Bio的天然DNA链的单分子实时（SMRT）测序[31],牛津大学的Nanopore单分子技术[32]。它们可以克服第二代短链高通量测序技术的3个基本缺陷：即重复序列区排序错误而不能检测大的结构变异、组装引入非随机误差阻碍了基因变异的检测以及包括聚合酶链式反应扩增的偏倚和测序覆盖范围的非均匀分布[33]。当然,已有的技术并不能够解决所有的读长问题,光学物理图谱（BioNano）及基于二代测序的特有组装策略10×Genomics等为泛基因组分析提供了补充方法。在计算层面,泛基因组数据具有“大数据”的所有标准属性,由于所生成的测序数据的巨大规模、数据的极端异质性和不同层次上复杂的交互作用,泛基因组学给算法和软件开发带来了巨大的挑战。国际癌症基因组联合会在短短5年内积累了一套超过2兆字节的数据集,其结论是一般以云层存储数据,提供了一种以廉价、灵活、可靠和安全的方式处理数据的弹性、动态和并行方式[34]。在基因组测序技术不断发展的今天,获取物种所有可能的基因组已经成为可能,将很快在许多物种、群体和癌症基因组中实现。换句话说,生命科学已经进入了“泛基因组学”的时代,这个时代的特征是了解一组感兴趣的基因组的所有重大遗传变异。如何挖掘和分析这些令人难以置信的知识财富,以及如何使其走向应用是一项神圣的使命。
2.4 转录组学建立生物特定时空基因表达全景
转录组学（transcriptomics）,或RNA-seq测序及分析,肇始于第二代高通量测序技术,理论上可以揭示生物组织、器官在特定时间基因组上所有转录本,进而用于建立一定信号调节生物学过程中相关基因的共表达网络（Co-expression network）,从而发现起到交互作用的节点基因（hub genes）。在过去的10年中,转录组测序（RNA-seq）已经成为分析差异基因表达和mRNAs差异剪接的不可缺少的工具[35]。转录组分析应用于动植物、微生物生长发育的所有方面,主要获取基因转录本类型、数量及表达丰度。转录组与基因组、表型组、代谢组等大数据的整合,衍生了更多具有生物学意义的基因组信息。通过试验设计,多组学及生物学技术分析,如与表型、DNA序列及基因组甲基化的关联分析,分别解析群体E-QTLs,甲基化偏好的基因表达信息,能够有效获取特定生物学过程相关关键基因和代谢途径,已经有广泛的应用,如在水稻产量品质[36]、葡萄黄酮类代谢途径[37]及人类遗传病[38]等方面的高效解析。
随着第三代基因组测序技术的发展,RNA- seq方法可用于研究RNA生物学的许多不同方面,包括单细胞基因的表达、翻译组（translatome)和RNA结构。新的长读和直接RNA-seq技术,提供了无扩增的、单分子的cDNAs测序,可以在不需要装配步骤的情况下展示完整的转录本。长片段测序技术可能最终还原复杂cDNAs的全长及其丰度[39]。结合更好的数据分析计算工具,转录组学的创新有助于更全面地理解RNA生物学,从转录发生的时间和地点等问题到控制RNA功能的折叠和分子间相互作用。
2.5 表型组学成为精确解析遗传效应的新趋势
表型组（phenome）是指某一生物的全部性状特征,表型组学（phenomics）是一门在基因组水平上系统研究某一生物或细胞在各种不同环境条件下所有表型的学科。Steven A Garan（1996）首次提出了phenomics（表型组学）这一概念,比利时Crop Design公司成立并肇始研发植物性状评价的高通量技术平台（1998）。该公司发表了具有里程碑意义的论文,详细阐述了称之为“性状工厂”（trait mill）的可大规模自动化分析全生育期植物表型的技术设施（2005）。2009年,第一届国际植物表型组大会在澳大利亚堪培拉成功举办。南京农业大学与美国科学促进会联合出版的《Plant Phenomics》正式发刊（2019年）,标志着表型组学学科已经成为生物学研究的热点领域,将是精准植物遗传研究的重要工具。
基于消除遗传学研究中不可控环境因素引起的表型数据噪声的需要,表型组学发展出一套系统的研究方法。其范围涵盖高通量数据获取、数据管理、数据解释、建模和集成应用5个方面[42]。在技术层面,除了在控制环境下进行表型数据获取外,更重要的是发展了新型植物生长发育及品质性状检测的专门设备。高通量数据获取目前有室内固定平台、室外移动监测平台、无人机监测平台、田间大型固定监测平台、田间全自动表型机器人等多种设备。室内固定平台集成了多光谱相机、RGB相机、激光雷达、热成像仪以及高光谱相机等,采用“sensor-to-plant”的工作方式[43];室外表型监测平台,通常还研发有车载及背包式移动平台、田间固定监测平台和无人机监测平台。车载移动平台将传感器装载在遥控的移动智能小车或大型特制车辆上,可实现长距离、大范围的样本数据采集[44];背包式移动平台,将传感器装载在简易的背负系统上,可方便、灵活地完成目标区域的数据采集;田间固定监测平台,可长期、固定地对有效测区作物进行观测[45];无人机监测平台,可快速获取大面积的作物三维点云,用于广泛、复杂的农田冠层数据收集[46]。新型技术包括采用多种光谱技术检测地上部光合作用、生长状况及生物积累量。最新的3D激光扫描模块能够耐受全日照辐射而不影响测量,在高精度测量三维点云信息的同时,测量400~900 nm范围内4个波段的多光谱成像,使得我们可以得到植物在X、Y和Z轴上所有坐标点的多光谱信息,通过对光谱信息进行完美的校准,从而获得更加精准的数据[47]。红外和近红外热成像技术用于对植物水分状况及胁迫性状的监测[48];根系CT成像模块,可成功实现原位监测植株根系状态,并对花盆内自然土壤中的根系进行扫描和重建[49]。表型组数据处理依赖生物信息学技术,将原始数据还原为有效性状,涵盖计算机视觉、信息过程、机器学习、统计学、生理等,然后通过对生态生理过程的详细描述,对植物结构及其动态和植物功能进行建模。
3 热带作物及其基因组学研究
3.1 热带作物基因组特性
热带地区是人类驯化经济物种的主要起源中心之一,最典型的是茄科、葫芦科、大戟科和禾本科作物,包括起源于南美洲的玉米、木薯、橡胶树、马铃薯、番茄、辣椒等,以及起源于东南亚的水稻、甘蔗等。除了人类长期驯化已经全球分布的大宗作物外,木薯、橡胶树、甘蔗、杧果、菠萝等典型热带作物具有极其重要的经济、社会价值。热带植物适应热带高光、高温及充沛的降雨环境,形成高生物转化能力,一般具有高生物量、高营养利用和环境适应力强等共性生物学特征。它们在适应其生存环境的长期过程中演化出多样性的形态学、遗传学适应机制。在基因组结构层面,由于其多数的开放授粉、营养体繁殖和生长周期长等习性,大多数热带植物基因组具有高杂合度,物种群体具有复杂的遗传多样性[21,51]。热带作物群体中一般连锁不平衡（LD）相对较低,长期无性繁殖和开放授粉在不同程度上积累了遗传冗余和不利的遗传变异,使得育种所需求的优良等位基因位点分散在不同的自然品系群体中。这样通过常规育种选择优良变异聚合的新类型效率一般较低[52]。按照传统的植物品种驯化与资源利用方式,开发新的品种和利用方式需要经过漫长的过程。热带作物杂合基因位点中有利等位基因挖掘需要依赖群体的基因型和表型数据解析,充分利用现代基因组、蛋白质组、代谢组学和表型组学方法,发现热带作物中高生物积累,具有人类健康、营养和环保价值的活性物质,挖掘代谢途径,发掘基因资源,并通过设计育种培育新品种,将为资源利用开辟全新的途径。
3.2 热带作物基因组学研究进展
3.2.1 主要热带农业生物基因组测序与精细图谱绘制 2008年首个热带水果番木瓜基因组草图问世,此后先后绘制了油棕、椰枣、木薯、香蕉A、B基因组,以及菠萝、橡胶树、麻疯树、铁皮石斛、甘蔗等基因组草图;近年完成并公布了杧果、菠萝、狼尾草等热带作物的基因组精细图谱,据不完全统计26个重要热带作物完成基因组测序与注释（表1）,为相关物种的生物学研究和遗传改良奠定了基础。随着第三代基因组技术的进步,基因组测序成本大大降低,速度加快,基因组组装难度下降,组装水平提升,获得基因组精细图谱已经成为新的技术标准。越来越多的热带农业物种基因组图谱将被公布,为热带作物的遗传多样性评价、基因挖掘和精准育种提供了全新的基础。基因组数据与其它多组学数据的整合,在热带作物中尚很少报道。目前基因组测序工作大都依赖为数不多的生物技术公司,研究机构对于基因组学技术的认知程度有限,从业人数较少,在基因组研究方案设计、材料选择及所能够解决的科学问题认知方面均存在较多问题,特别是对于基因组学的地位和价值认识不足,短视行为普遍,往往片面追求论文,而忽视数据价值。
基因组学新技术的发展,允许一个基础研究落后的物种,直接完成染色体级别的精细参考基因组,同时借助重测序和简化重测序技术,解析其核心种群的遗传多样性、物种起源与演化、关键经济农艺性状的遗传结构,开展原创性研究。从热带作物育种研究的顶层设计,组织相关研究计划对于从根本上改变其遗传改良的技术水平,提升育种效率,可以起到事半功倍的效应。
表1 热带作物中完成基因组草图和精细图的物种统计Tab. 1 Statistics of tropical crop species of which the draft or fine genome map finished |
| 物种Species | 参考文献Reference | 物种Species | 参考文献Reference |
|---|---|---|---|
| 番木瓜（Carica papaya） | [53] | 橡胶树（Hevea brasiliensis） | [66-67] |
| 可可（Theobroma cacao） | [54] | 香蕉（Musa acuminate; Musa balbisiana） | [68-69] |
| 木薯（Manihot esculenta） | [51, 55] | 杧果（Mangifera indica L.） | [70] |
| 柑橘（Citrus clementina） | [56] | 油棕（Elaeis guineensis） | [71] |
| 甜橙（Citrus sinensis） | [57] | 椰子（Cocos nucifera） | [72] |
| 咖啡（Coffea） | [58] | 菠萝（Ananas comosus） | [73-74] |
| 巨桉（Eucalyptus grandis） | [59] | 甘蔗（Saccharum spontaneum） | [52, 75] |
| 鹰嘴豆（Cicer arietinum） | [60] | 油梨（Persea americana） | [76] |
| 麻疯树（Jatropha curcars） | [61-62] | 辣木（Moringa oleifera） | [77] |
| 辣椒（Capsicum annuum） | [22, 63] | 石斛（Dendrobium officinale） | [78] |
| 胡椒（Piper nigrum） | [64] | 珍珠粟（Pennisetum glaucum; Cenchrus americanus） | [79] |
| 龙眼（Dimocarpus longan） | [65] | 狼尾草（Pennisetum purpureum） | [80] |
3.2.2 热带作物基因组数据库建设 基因组测序的真正价值不是一篇文章,而是大数据库。美国生物技术中心（NCBI Genbank数据库）成为全球农业与生物学研究者无可替代的信息源,此外欧洲生物技术研究所数据库,日本生物技术数据库,美国能源部的基因组数据库等确立了在全球学术领域的地位。所有一流期刊发表文章均要求提供原始数据到三大数据库。我国北京基因组研究所,华大基因及相关大学也建立了不同程度的基因组数据库,但与基因组学技术发展相匹配的更加专业化数据库仍然欠缺。上述数据库更多为基础数据库,承担数据淀积、基因序列检索、文献查询等功能。而针对物种从基因组完全序列,到转录组、蛋白组、代谢组到性状的全景信息,及整合育种需求的指导性方案,鲜有报道。在热带作物领域,重要国际研究机构、相关大学拥有分散的、相对简单的数据库,如康内尔大学建立的木薯育种数据库（Cassavabase. org）[81]。中国热带农业科学院建立了木薯的基因组数据库（Cassava-genome. cn）,并通过国家重点研发计划项目与北京基因组研究所合作建立热带作物的整合基因组数据库。建立一个热带作物的专业数据库和分子育种服务平台极为重要,其必要性在于：（1）基因组数据是极为重要的资源和知识产权,需要搜集和整合针对重要热带经济作物的基因组和多组学数据,并不断丰富完善,提供更加有价值的服务;（2）大数据的服务功能,随着数据库的进一步完善,现代基础生物学研究和遗传改良将更加依赖数据库,成为必不可少的工具;（3）基因组数据库是新型科学形式,机器学习和系统化将让数据库自我完善,具有智能特征,衍生多元化功能。
3.2.3 热带作物基因组研究中存在的问题 尽管高通量、低成本的基因组测序技术已经为全面解析物种遗传特性和遗传育种提供了全新的工具,但是新技术应用的广泛性和效率仍然存在许多不确定因素。主要包括：（1）研究者特别是应用研究专家对基因组技术的认知度不够。由于技术更新很快,且高通量测序技术依赖于生物信息学专家的大数据处理,海量数据与常规研究方法的契合点常常不能够被有效认知;（2）新技术的规模化应用还未达到成熟的阶段,数据迅速积累,理论需要不断完善。针对大多数经济物种,在群体水平精准解析性状遗传位点需要花费大量的人力和物力,特别是表型性状易受到环境因素影响,需要在多个环境下或者不同群体中加以验证。因此基因组选择育种还没有在多数物种中应用;（3）大群体重测序和表型数据获取的成本仍然较高。尽管相关测定与数据分析的成本已经大幅度下降,但是若要完成数百份种质的群体重测序和所有育种表型性状,从单个实验室来看,确实难以承受,但是国家针对物种的研究计划若能够从源头系统进行,则成本就在可控范围;（4）缺乏高效、完整的数据库服务系统。基因组及多组学数据除了那些典型的性状关联区域外,其全基因组变异特征及其与多种表型特征的对应关系需要信赖生物信息学专家的数据处理与图形化等一系列的数据管理工作。现有全球性基因组数据库一般均比较综合,尚未达到针对物种的全景式数据服务水平。因此,针对特定作物的基因组数据库是未来作物育种的必然条件。
4 基因组学技术的应用前景
4.1 结构基因组学将成为传统线性遗传学的终结,走向三维空间遗传学
物种全基因组精细图谱构建,不仅可以阐明控制物种性状的基因位点在全套染色体上的分布,构建染色体DNA序列图谱,而且能够提供物种群体在染色体上所有位点碱基序列的变异谱;同时,注释在不同生育环境下基因位点甲基化、泛素化和磷酸化等修饰导致基因“闭合”与开放表达的信息。然而,真核生物的细胞核是一个复杂的三维环境,基因组的功能不仅依赖于调控序列元件的线性排列,还依赖于它们的空间组织来有效控制基因表达。转录调控部分是通过调控元件和基因启动子的空间邻近发生的,这些相互作用对于真核生物的机体发育和对环境刺激的反应至关重要。全基因组染色质接触图为基因组的三维组织与基因表达之间的关系提供了重要的见解[82]。出于对生物细胞核整体染色体组织的兴趣,科学家提出3D基因组的观点,借助物理学技术,审查沿染色体和染色体之间的通信[83]。相关研究开始受到重视,并在转录因子蛋白与DNA结合算法等方面取得了可喜的进展[84]。
4.2 多组学数据整合构建生物物种遗传调控的信号网络
植物生长、发育、繁殖和适应,反应到分子层面是一个极为复杂的网络系统。如果说传统遗传学只是在挖掘单个的遗传调控点,迄今的结构基因组成果构建了一个线性的多基因结构,而多组学可能提供不同的平面遗传结构。如何建立复杂遗传系统中多基因的互作关系?实验生物学经过漫长的积累,根据生物产物化学结构的逻辑关系建立主要生物学过程如光合作用、呼吸作用、免疫应答等的代谢通路。借助人工诱导和遗传转化突变体库及蛋白互作等正向遗传学分析,发现许多代谢途径的调控相关蛋白基因,初步形成单个过程与相关环境信号因子、内源激素基因的互作网络,但是这些网络还远不够完善。多组学数据可以大大加快多基因互作网络的构建。转录组学数据真实反应物种在特定环境和生育时期哪些基因表达和不表达,以及控制生物过程的大量基因之间是如何协同表达。共同表达网络（gene co-expression network,GCN）分析是解释大型转录数据集的最强大的方法之一,它能够映射功能相关基因的共同表达基因模块的特性。一个针对拟南芥和玉米叶片发育的全转录组比较分析,在近1000个同源基因群中鉴定出19个转录因子家族,提供了双子叶和单子叶植物间叶片发育的共性功能基因网络[85]。基因共表达网络（GCN）分析被广泛应用于生物医学鉴定特定疾病的特异性生物标志物。针对前列腺癌的单细胞转录组数据,采用加权相关网络分析（WGCNA）鉴定出29个基因模块,结合雄性激素受体（AR）基因筛选发现两个新基因具有AR结合位点,并用雄激素治疗试验证明其可以作为前列腺癌的早期靶标,具有重要的医学价值[86]。
建立在实验生物学基础上的植物环境信号感知以及多基因调控的信号网络是了解生命过程的前沿。植物对环境信号反应的最新研究表明,非生物胁迫作用于单个叶片时,植物会产生一种全面的应激特异性系统反应,包括许多不同的应激特异性转录产物和代谢物的积累,且植物可以整合不同的局部和系统组合信号高效地适应环境[89]。根毛发育相关基因调节网络描述了控制细胞命运和（或）根毛细胞生长的关键转录调节因子[90]。同时,非编码小分子RNA在过程调节中的作用也会耦合其间。这样从基因组、转录组、蛋白质组及表观组,就构建了生命过程的立体结构,阐释了物种特异性及其过程的复杂性,在组学水平建立物种的遗传调控网络,这些均需要体现在专门的基因组数据库中,为生物基础研究及应用服务。
4.3 基因组学技术与实验生物学的结合驱动生物功能模块解析
实验生物学在建立基因的精确功能及生物遗传修饰走向应用等方面具有不可替代性。基因组学的发展不仅加速了功能基因的发现,而且可以规模化建立基因之间的互作关系,结合多组学及其整合技术为生物功能研究提供愈益直接而强有力的支持。基因组学除了解析物种精细遗传结构外,在功能基因挖掘方面也有显著的进展。在大量物种基因组注释信息不断积累基础上,人们开发了专门富集DNA结合蛋白、转录因子等调节蛋白的实验流程,并采用深度学习方法建模基因组调控景观中的复杂依赖关系,并为遗传变异的调用和解释提供预测因子[91]。深度学习主要应用是在功能基因组学中预测DNA和RNA结合蛋白以及增强子和顺式调控蛋白的序列特异性区域,甲基化状态和剪接的控制。人类基因组中已经可以通过高通量功能分析鉴定功能性遗传变异和预测性状（如有害变异和疾病）[92]。由于实验生物学研究受到材料、单基因突变、环境均一性等诸多限制因素,实证基因功能及其互作关系进展缓慢;事实上,植物整合广泛的细胞、发育和环境信号来调节复杂的基因表达模式,进而形成多样化的蛋白体和代谢产物,因而在特定实验设计下,基因表达谱、蛋白谱集合代谢产物变异谱,就可以用于对基因间调控相互作用网络进行推断,这些基因调控网络用于可视化调控因子与其下游靶基因之间的因果调控关系,而对于相关结果的实验验证是必不可少的[93]。生物定向遗传改良是传统育种家的梦想,而不断改进的基因组编辑系统提供了一种以精确和可预测的方式快速修改基因组的方法,使直接改进优良品种成为可能[94]。
4.4 精准育种,群体结构单倍型分析建立设计育种及全基因组选择育种基础
建立在物种精细参考基因组及种质资源群体大规模重测序基因型分析基础上,作物遗传改良即将进入精准设计和快速选择的时代[95]。而基因组编辑技术（genome editing）将为单个基因或者寡基因控制性状改良提供精确的手术刀[96]。无论作物类型、染色体遗传结构和杂合程度,拥有多样化的遗传资源始终为遗传改良的第一步。综合传统遗传学、现代分子遗传和表观遗传学的知识,所有育种目标性状的调控基因均存在于物种遗传群体,而且大多数性状会受到系列多基因调控,作物在生长周期的不同阶段均对环境因子做出响应,并通过复杂的内源激素直接或间接作用于多个生物学过程,形成产量、品质和抗逆的表型。过去对于生物基因型的检测有如大海捞针挂一漏万,所以育种家依赖直觉和抓主要矛盾培育新品种,而今,基因型分析技术已经可以达到无遗漏的监测,只是我们对于生物基因功能的认知尚没有达到完全的水平,一般物种中尚有约20%~30%的注释基因功能未知,需要整体的知识积累;而表型分析成为育种瓶颈,这就是为什么代谢组学和表型组学会成为生物育种的热点技术。借助于物理学和材料科学的进步,基因组和育种学者希望通过过程解析将育种目标性状进行分解,获取更有价值的中间性状基因调控基因,支持最终产量、品质和抗逆表型。这里对如何通过群体的重测序和多年多点表型分析、结合控制环境下的表型解析,构建针对特定物种的育种指标体系,进而筛选亲本群、多重杂交、标记选择、品系鉴定再结合基因组编辑实现精准育种绘制一个策略图（图2）,为基因组和育种专家提供参考。
