每周文献 2021-06-19

大家好，本周我分享的文献是一篇前瞻性文章，什么是前瞻性文章呢？
先给大家简单解释一下吧，前瞻性文章（perspective）是对某主题现有的问题、基础概念或普遍的观念提出独特的观点，提出新的假设，或是讨论落实新创新的含意。前瞻性文章会聚焦在特定主题的目前发展和未来方向，也有可能包含原始数据和个人意见。

文章题目：Advancing crop genomics from lab to field （从实验室到田间的作物基因组学进展）

期刊：Nature Genetics

影响因子：IF = 27.603; 中科大类: 生物 1区; 中科小类: 遗传学 1区; JCR分区: Q1

发文单位：美国纽约大学, 纽约大学阿布扎比分校和Bayer Crop Science, Chesterfield, MO, USA

文章作者：Michael D. Purugganan 和Scott A. Jackson

摘要：作物基因组学是确保科学进步以确保全球粮食安全的关键因素。 自从第一个植物基因组——拟南芥的序列发布以来，已经过去二十多年。目前已经对超过100多种作物的基因组进行了测序，植物基因组研究已经扩展到多个领域，新技术和新方法的出现在未来有望推动其进一步的发展。同时作物基因组测序、基因图谱和多层次生物数据获取方面的持续创新，以及生物组织的多个维度基因组信息整合，推动了我们对作物生物过程的理解，反过来又推动了研究成果从实验室向大田的转化。

主要观点：

1. 基因组测序的新时代
   测序一直是基因组科学的基石，在过去的二十年中，已经对大约10种谷类作物和超过100种蔬菜和水果的基因组进行了测序（图1）。短读长测序技术的创新（如改进的连接读长测序），同时长读长读测序（包括单分子实时测序和纳米孔方法）的易用性和成本的降低，改善了基因组组装，使得常规处理全基因组测序项目成为可能。
   长读长测序、genome-wide contact和限制性图谱、高通量染色体构象捕获和光学图谱等等，这些方法与改进的基因组组装计算工具相结合，使得在大量的物种中产生了更高质量的参考基因组序列。鉴于测序成本的降低以及测序和组装的便利性，在今后基因组资源将更多应用于当地物种——所谓的孤儿作物，这些物种可能没有全球重要性，但对当地经济和粮食系统却至关重要。

   
   Fig1.png
   

   图1. 几种重要作物物种的基因组序列发布时间表。图中显示了对应物种基因组序列的发布年份，以及基因组的估计大小或组装大小。拟南芥被列为第一个被测序的植物基因组，具有里程碑意义。单位（Mb）。

2. 扩展遗传图谱
   近二十年来，通过数量性状位点（QTL）定位和全基因组关联研究（GWAS）结合分子遗传学分析，对农业性状的关键基因进行鉴定，实现了重要基因座的克隆和功能研究。在过去的10年里，已经有超过1000个发表在20多种作物中的GWAS。QTL定位和GWAS方法有助于鉴定主效基因，但对多基因性状的遗传分析仍然不足。另外，目前研究的重点是加性基因，而识别与上位性和基因与环境相互作用相关的基因座则困难得多。
   剖析表型背后的遗传机制是非常包含复杂的，在这个系统中，基因组学方法将继续扩展。系统方法研究包括多层次的组织，从基因组序列到单细胞转录组学，从发育轨迹到多物种相互作用（包括病原体、昆虫和微生物组）和多环境干扰。这将需要在全基因组范围内收集各种功能基因组和表观基因组信息，这些信息可用于推断基因功能和调控（图2）。我们面临的挑战是如何以一种最优方法利用不同的组织和时间尺度获得有意义的数据，并整合这些数据。

   
   Fig2.png
   

   图2. 全基因组功能基因组和表观基因组信息图谱。除了序列数据，对各种功能和生化标记的分析能力为理解基因功能和调控提供了新的工具。以水稻为例，基因模型显示在顶部，各种特征的水平显示在下面，包括RNA-seq， ATAC-seq，甲基化水平，以及各种组蛋白甲基化和乙酰化修饰。

3. 作物系统基因组学
   目前，虽然在鉴定农艺改良的关键基因方面取得了成功，但对基因功能及其如何影响作物表型的理解仍然欠缺。在未来的几年中，应更多地关注揭示性状的分子机制，并在基因型和表型之间建立联系，以便将这些知识应用于作物改良。最后，随着越来越多的系统基因组学方法被采用，现在在作物物种中常规获得的基因组数据的数量、质量和类型将继续增长。我们在现在（或不久之后）就有数据来检验多个层次的生物学相关性,从而获得新的生物学见解。为实现研究从实验室到田间的转化提供理论基础。

   
   Fig3.png
   

   图3. 多层次的功能基因组、表观基因组生物和生态系统信息。这里需要在生物的层次结构中整合信息。例如，从左到右，我们可以有基因组序列和表观基因组标记、三维染色体构象、基因表达数据（假设在单细胞转录组水平上聚类）、组织/器官和生物体表型以及野外环境/生态系统因素。最大的挑战在于如何在实践和概念上跨越这些不同的尺度进行信息的整合。

作物基因组学是21世纪头20年农业发展的内在驱动力。基因组测序和分析多层次功能基因组和表观基因组信息已被证明对人类更清楚地理解植物生物学至关重要。整合多层次的数据，例如整合基因表达、代谢组学和环境数据；或三维染色体构象与序列数据和进化信息，对我们来说是一个机会。随着基因组技术和计算方法的不断发展，我们探索重要植物性状的能力不断增强，这些性状可以转化为田间作物的改良。基因组科学将在最大程度上保证粮食安全，以及农业的可持续发展。

文中所有图片均来自Advancing crop genomics from lab to field

文中有表述不当的地方，是我的问题，请在后台与小编联系修改，谢谢理解与支持。

文章链接地址：https://www.nature.com/articles/s41588-021-00866-3

参考文献：

1. Purugganan, M.D., Jackson, S.A. Advancing crop genomics from lab to field. Nat Genet**53, **595–601 (2021). https://doi.org/10.1038/s41588-021-00866-3