全基因組關(guān)聯(lián)分析在茶葉研究中的應(yīng)用進展

房婉萍，雷小剛，楊彬，王亞，馬媛春

南京農(nóng)業(yè)大學園藝學院，南京210095

茶樹（Camellia sinensis（?.）O.Kuntze）是重要的經(jīng)濟作物，具有數(shù)千年種植歷史。全球超50 個國家種植茶樹，茶飲料深受消費者的喜愛［1-2］。據(jù)統(tǒng)計，人類每天飲茶超20 億杯，全球茶葉年產(chǎn)量約為500萬t，每年由茶帶來的產(chǎn)值約為57 億美元［3］。茶葉中富含茶多酚、兒茶素和咖啡堿等對人體健康有益的次生代謝物，是良好的養(yǎng)生保健產(chǎn)品［4］。目前，對于氨基酸、兒茶素、茶多酚、咖啡堿等茶葉次生代謝物的研究體系較為成熟并且研究得比較深入，但茶樹分子育種研究相對滯后［5］。茶樹基因組的公布不僅加快了茶樹育種和分子生物學研究進程，還使茶樹的分子育種研究進入一個“新時代”。以基因組學為基礎(chǔ)的許多分子育種技術(shù)如數(shù)量性狀基因座（quantitative trait locus，QT?）定位、轉(zhuǎn)錄組學研究、分子標記選擇、全基因關(guān)聯(lián)分析（genome-wide association analysis，GWAS）等在茶樹基因組發(fā)表之后得到了快速發(fā)展。鑒于茶樹約3 Gb 大小的基因組、超過一半的重復序列及高度雜合特性，茶樹基因組學研究進展較為緩慢。2017 年，我國研究者公布了基于二代測序技術(shù)獲得的大葉種‘云抗10 號’茶樹基因組［6］，之后陸續(xù)公布了9個茶樹基因組，其中‘舒茶早’、‘黃旦’和‘鐵觀音’等6個茶樹品種的基因組達到參考基因組水平［2，5-12］。茶樹基因組的相繼公布加速了茶樹茶樹生物學如分子標記輔助選擇（marker assisted selection，MAS）、轉(zhuǎn)錄組學和全基因組關(guān)聯(lián)分析等研究水平和進程。在茶樹基因組公布之前，茶樹GWAS 研究領(lǐng)域始終處于空白，但是在茶樹基因組公布后2 a，以茶樹表型性狀和茶葉次生代謝物為基礎(chǔ)的GWAS得以廣泛開展。

GWAS 是一種基于連鎖不平衡（linkage disequilibrium，?D）原理的分析方法，用于檢測遺傳變異和群體樣本特征之間的聯(lián)系，挖掘與目標性狀相關(guān)聯(lián)的遺傳位點，為作物目標性狀的改良提供基礎(chǔ)，為分子育種提供新的研究路徑與思路［13］。雖然GWAS在茶樹多表型性狀、茶樹育種、茶葉品質(zhì)成分和茶葉飲用等方面取得了一些研究進展，但遠滯后于玉米、大豆、水稻等常見作物。本文介紹了影響全基因組分析結(jié)果的主要因素，總結(jié)了GWAS 在茶葉飲料消費、茶樹重要農(nóng)藝性狀、茶葉品質(zhì)和茶樹群體結(jié)構(gòu)研究中取得的一系列進展，以期為茶樹遺傳育種研究中利用GWAS提供理論依據(jù)。

1 全基因組關(guān)聯(lián)分析

1.1 影響關(guān)聯(lián)分析結(jié)果的主要因素

雖然GWAS 在人類、動物和植物中已經(jīng)被廣泛應(yīng)用，但是仍然有許多因素限制著GWAS 的發(fā)展。GWAS 研究檢測到的關(guān)聯(lián)位點一般很少，而且關(guān)聯(lián)的位點僅能解釋很少一部分性狀變異。而未能檢測到的遺傳關(guān)聯(lián)位點占有很大一部分比例［14］，丟失的部分遺傳變異位點主要由以下3個因素導致。

1）結(jié)構(gòu)變異。一般情況下，復雜性狀的差異不是由一個位點的遺傳變異引起，還可能受到結(jié)構(gòu)變異的影響，如拷貝數(shù)變異（copy number variations，CNV）［15］。最初統(tǒng)計方法的不完備和粗糙的基因分型方法等條件限制了GWAS 研究，在許多GWAS 研究中忽略了結(jié)構(gòu)變異的功能。隨著GWAS研究的不斷發(fā)展和傳播，眾多GWAS 研究開始關(guān)注拷貝數(shù)引起的變異。但是，研究主要集中在人類和動物研究中的CNV 與性狀關(guān)聯(lián)性。但是，除水稻、玉米等模式植物中關(guān)于CNV 的研究較多，有關(guān)CNV 對植物性狀變異的研究報道比較少。

2）上位效應(yīng)和環(huán)境效應(yīng)。據(jù)統(tǒng)計，大多數(shù)GWAS 研究沒有關(guān)注不同遺傳變異位點之間的相互作用以及遺傳位點和環(huán)境之間的相互作用［16］。Zuk等［17］認為不同基因之間的互作是造成關(guān)聯(lián)位點丟失的一個重要原因。隨著對GWAS 研究的不斷深入，Wei 等［18］提出了鑒定上位基因間互作的方法。但是，要通過幾百萬甚至是上億次的顯著性檢驗鑒定關(guān)聯(lián)位點，對統(tǒng)計方法和計算機計算能力的選擇甚為重要。目前，研究GWAS 遺傳變異位點的上位基因間的互作方法通常分為分為兩步。首先，基于全基因組水平運用一種全局搜索方法對成對的互作基因進行快速搜索，結(jié)果為成對基因的1個子集；然后，鑒定子集內(nèi)標記遺傳位點之間的互作關(guān)系，最終得到具有顯著性的互作位點［18］。

復雜性狀不僅受到基因位點之間互作的影響同時也會受到不同環(huán)境條件的影響，在GWAS 研究中未能通過遺傳相關(guān)性解釋的關(guān)聯(lián)位性點可能是由于沒有考慮基因和環(huán)境之間的互作。因此，需要結(jié)合樣本大小、試驗設(shè)計和基因型等眾多因素來考慮基因與環(huán)境之間的互作對于GWAS 研究的影響。在GWAS 的相關(guān)研究中，雖然已經(jīng)提出有關(guān)研究基因與環(huán)境之間互作的研究方法和實驗方案，并取得一定的成果［19］，但是，已提出的基于上位效應(yīng)和環(huán)境效應(yīng)背景下的研究方法并不能很好地解決關(guān)聯(lián)性位點丟失的問題，也無法有效地估計關(guān)聯(lián)位點的P值［20］。因此，未來需要進一步研究解決GWAS 中出現(xiàn)基因之間和基因與環(huán)境之間互作丟失關(guān)聯(lián)性位點的問題。

3）稀有等位頻率。GWAS 鑒定關(guān)聯(lián)性位點是以等位基因頻率（allel frequency）為基礎(chǔ)，低頻率的等位基因遺傳變異對研究群體的影響較小，但還有部分低頻率的等位基因?qū)π誀钣泻艽蟮挠绊懀?1］。目前，與變異顯著相關(guān)的遺傳變異位點容易被識別，但是這些位點僅與少量表型性狀相關(guān)聯(lián)。然而，從遺傳學和進化學的角度來看，絕大多數(shù)等位基因突變都是低頻的，控制復雜性狀的遺傳變異關(guān)聯(lián)位點一般也是低頻的，即稀有變異（rare variant）［22］。相關(guān)研究得出了稀有變異與復雜性狀之間的關(guān)聯(lián)［23］，也提出了鑒定稀有變異的研究方法［24］。

1.2 關(guān)聯(lián)分析的優(yōu)勢與不足

QT?和GWAS 都是基于群體的遺傳圖譜來研究群體間個體的復雜性狀，二者有許多異同點。數(shù)量性狀位點（QT?）定位的連鎖分析是GWAS 等關(guān)聯(lián)研究的直接先驅(qū)，這就意味著GWAS比QT?研究結(jié)果更為精確。連鎖圖譜不是將個體組合成一個不同的GWAS 面板，而是研究具有已知關(guān)系的個體［25］。例如，對作物的連鎖定位分析通常是使用雙親本雜交產(chǎn)生的后代，無論是F2個體還是重組自交系（RI?s）。由于QT?研究的個體在家系中親緣關(guān)系較近，發(fā)生的重組較少，因此，存在較大的連鎖塊，意味著所使用的遺傳標記不必像GWAS中使用的遺傳標記那樣密集，以確保檢測到含有研究位點的基因組區(qū)域，同時也意味著QT?對群體選擇要比GWAS 苛刻。一旦發(fā)現(xiàn)并驗證了一個QT?，該區(qū)域就可以被用于精細定位和QT?克隆。在下一代測序技術(shù)出現(xiàn)之前，這是1 個相當大的優(yōu)勢。1988 年，在番茄中進行了第1 次全基因組QT?分析［26］，比第1個GWAS發(fā)表早了14 a。發(fā)展到今天，連鎖分析和GWAS互補，可以用來解析不同群體中的復雜性狀。

盡管連鎖分析是解析復雜性狀的主要方法，但關(guān)聯(lián)研究的潛在價值也受到了重視。與連鎖分析相比，關(guān)聯(lián)分析的優(yōu)勢包括不需要進行雜交實驗［27］，增加了檢測效應(yīng)較小基因的能力，并提高較小?D 塊的分辨率。然而，對高密度基因型的需求，意味著在三代測序發(fā)展之前進行的第1 個關(guān)聯(lián)研究只能關(guān)注于基因組的小子集，只能研究已經(jīng)被其他方法確定的區(qū)域。例如，1 項關(guān)于玉米株高和開花時間的早期關(guān)聯(lián)研究集中在之前研究已經(jīng)確定的候選基因dwarf8上，檢測到dwarf8及其附近的123 個多態(tài)性位點以及141 個全基因組標記［28］。但是，隨著測序技術(shù)的進步，全基因組序列的公布顯著加快了GWAS 的研究進程。

GWAS 一個明顯的缺陷是會出現(xiàn)較高的假陽性，即把不與性狀相關(guān)聯(lián)的位點劃分到關(guān)聯(lián)位點內(nèi)，使結(jié)果中包含有與研究目的不相關(guān)的位點。群體結(jié)構(gòu)和個體間的親緣關(guān)系都會導致高假陽性率，降低假陽性的方法包括調(diào)整多重測試校正的限制錯誤發(fā)現(xiàn)率、調(diào)整每個標記的P值以及使用合適的結(jié)構(gòu)化關(guān)聯(lián)方法［29］。通用線性模型（generalized linear model，G?M）和混合線性模型（mixed linear model，M?M）是最基礎(chǔ)的結(jié)構(gòu)化關(guān)聯(lián)方法，混合線性模型可以通過親緣關(guān)系和群體結(jié)構(gòu)分析的結(jié)果減少假陽性。為了提高混合線性模型的運算速率，研究者開發(fā)了混合模型關(guān)聯(lián)（EMMA）、分解譜變換線性混合模型（factored spectrally transformed linear mixed models，

FaST?MM）、全基因組高效混合模型分析（genomewide efficient mixed model association，GEMMA）、壓縮混合線性模型（compressed mixed linear model，CM?M)和富集壓縮混合線性模型（enriched compressed mixed linear model，ECM?M）。雖然上述混合線性模型提高了M?M 的運行速度，但是增加了運行的負荷，同時也可能增加結(jié)果的假陰性，所以要根據(jù)實際情況選擇低假陽性、低假陰性和高運算速度的最佳模型［30-31］。

2 GWAS 在茶葉飲用人群特征中的應(yīng)用

茶作為三大無酒精飲料之一，具有良好的養(yǎng)生保健功能，其飲用價值一直是研究的熱點。對于茶葉消費習慣的GWAS研究是社會學研究的熱點。雖然有較多關(guān)于茶葉消費習慣的GWAS 研究，但是并沒有鑒定出與茶葉飲用習慣相關(guān)的遺傳位點。Taylor 等［32］、Cornelis［33］和Zhong 等［34］都對酒精和非酒精飲料（咖啡、茶）的消費習慣與基因型數(shù)據(jù)進行了GWAS 研究，雖然能夠鑒定出與酒或咖啡消費相關(guān)聯(lián)的遺傳位點，但是并未鑒定出與茶葉消費習慣相關(guān)的遺傳位點，可能是調(diào)查的人群數(shù)量過少或是人群過于集中不具有代表性。然而，仍有部分研究鑒定出與飲茶習慣相關(guān)的遺傳位點。例如，F(xiàn)urukawa等［35］和Matoba等［36］分別收集了12 258和165 084個日本參與者的茶葉消費習慣和基因型數(shù)據(jù)，對茶葉消費習慣和基因型數(shù)據(jù)進行GWAS 分析，都鑒定出12q24 這一遺傳變異位點與日本人群的茶葉飲用習慣相關(guān)，并鑒定出調(diào)控飲茶習慣相關(guān)的基因ALDH2。另外，Cole等［37］對449 210名個體進行問卷調(diào)查，研究143 個顯著遺傳的飲食習慣，共鑒定出與飲食習慣相關(guān)聯(lián)的814個SNPs位點，其中rs1453548位點與飲茶習慣相關(guān)，并在位點附近鑒定出6個與飲茶相關(guān)的基因。通過GWAS鑒定出與茶葉飲用習慣相關(guān)的遺傳位點和調(diào)控基因，有利于加深對人類飲茶習慣基因?qū)用娴牧私?，并能發(fā)掘出人類基因新功能。

人類健康問題一直是研究者關(guān)注的重心，由于茶有其獨特的養(yǎng)身保健功能，所以也一直成為醫(yī)藥和營養(yǎng)研究關(guān)注的熱點。Malik 等［38］研究性別、吸煙、飲用鹽茶與食管癌之間的全基因組關(guān)聯(lián)分析，發(fā)現(xiàn)與食管癌相關(guān)的遺傳變異位點，鑒定出P?CE1（rs2274223、rs7922612 和rs3765524 位點）基因型與吸煙和鹽茶攝入以及患食管癌（EC）風險之間的關(guān)聯(lián)。這些飲用鹽茶與食管癌的關(guān)聯(lián)位點和調(diào)控基因，為醫(yī)學上研究飲用鹽茶和食管癌之間的關(guān)系提供了基因?qū)用娴淖C據(jù)，并為進一步了解飲茶和疾病之間的關(guān)系提供了新的研究方向。

3 GWAS 在茶樹生物學研究中的應(yīng)用

3.1 GWAS 在茶樹表型性狀研究中的應(yīng)用

1）GWAS 在茶樹樹型和葉片表型研究中的應(yīng)用。茶樹主要生長在熱帶、亞熱帶，不同地區(qū)、不同品種的茶樹樹型和葉片表型差異很大，即使是生長在同一地區(qū)的不同茶樹品種的葉片表型差異也較大。茶樹的樹型主要分為灌木、小喬木和喬木，樹姿主要分為直立、半開張和開張，不同地區(qū)、不同品種的茶樹樹型和樹姿有明顯的差異，因此，樹型和樹姿可作為茶樹分類和品種選育的重要依據(jù)。?u 等［39］測定了云貴高原古茶樹的表型和遺傳數(shù)據(jù)，將茶樹樹型、葉形、葉色、葉身等表型數(shù)據(jù)與遺傳數(shù)據(jù)進行全基因組關(guān)聯(lián)分析，揭示了云貴高原古茶樹的多樣性和進化、馴化機制，系統(tǒng)進化分析結(jié)果與主成分分析（PCA）結(jié)果一致，將120 株古茶樹主要分為3 類和5 個單分支；遺傳結(jié)構(gòu)分析進一步將古茶樹分為7 個亞群；研究發(fā)現(xiàn)，由于外部自然環(huán)境或人工育種的壓力，古茶樹的變異（非同義/同義=1.05）并沒有減少；最后，通過整合GWAS、選擇信號和基因功能預測結(jié)果，鑒定出4 個候選基因與3 個葉片性狀顯著相關(guān)，2個候選基因與植物株型顯著相關(guān)，這些候選基因未來可用于茶樹的功能鑒定和遺傳改良。

茶樹葉片不僅是重要的營養(yǎng)器官也是茶葉產(chǎn)品的原材料，具有重要的經(jīng)濟價值。茶葉面積的大小對茶葉產(chǎn)量具有重要影響，以黑茶、烏龍茶、紅茶以及抹茶尤為突出［40］。根據(jù)茶葉葉面積的大小將茶樹分為大葉種和小葉種，茶葉葉面積大小與茶樹樹型和地理分布密切相關(guān)。目前，對于調(diào)控葉面積的關(guān)鍵基因和遺傳機制的研究相對較少。Tan 等［41］以‘龍井43’和‘白毫早’作為親本，對其170個后代構(gòu)建了基于SSR 標記的連鎖圖譜，對成熟茶葉葉面積進行了初步QT?定位，鑒定出1 個與茶葉面積顯著相關(guān)的QT?位點；但是與SNPs 連鎖圖譜相比，構(gòu)建的連鎖圖譜準確性較低。An 等［40］以‘金萱’和‘云茶1號’作為親本，對其96 個后代進行重測序，構(gòu)建了1個包含15 個連鎖群的高密度遺傳圖譜，其中包括8 956 個高質(zhì)量SNPs，共鑒定出25 個與葉面積相關(guān)的代表性標記（潛在的QT?）和2 個與茶樹葉面積相關(guān)的SNP，這些數(shù)據(jù)和圖譜將為進一步研究茶樹性狀分離、功能基因定位和標記輔助育種提供強有力的支持。

茶葉葉片形狀具有較強的遺傳多樣性，不同品種的茶樹葉片形狀差異大，即使是同一品種的茶樹其葉片形狀也會有所不同。茶葉葉片特性是決定茶葉品質(zhì)的重要因素，是育種選擇的重要指標。Zhang等［42］對貴州黔南都勻毛尖8 個產(chǎn)區(qū)中的123 株茶樹進行特定位點擴增片段（the specific-locus amplified fragment，S?AF）測序，將測序數(shù)據(jù)與茶樹葉尖和葉形等表型數(shù)據(jù)進行全基因組關(guān)聯(lián)分析，結(jié)果表明，群體結(jié)構(gòu)分析將123 株茶樹劃分為3 個群體，關(guān)聯(lián)分析共鑒定出11 個與葉尖相關(guān)的候選基因和7 個與葉片形狀相關(guān)的候選基因。這些候選基因更新了對于茶樹葉片表型調(diào)控基因的認識，未來可用于茶樹葉片表型的分子生物學研究和茶樹遺傳育種研究。

2）GWAS 在茶樹春芽萌發(fā)時間研究中的應(yīng)用。茶樹春梢是茶葉生產(chǎn)加工的直接原材料，葉片是進行光合作用制造有機營養(yǎng)物質(zhì)的器官，其著生于新梢［43］，充分了解新梢生長發(fā)育的特點，對于茶樹生長規(guī)律的深入了解具有極其重要的意義。尤其是對于早春溫度相對較低的地區(qū)，早春芽萌發(fā)（spring bud flush，TBF）的茶樹在第一輪收獲中可以避免一些病蟲害發(fā)生，并積累大量的有機天然化合物，確保茶的最佳品質(zhì)，因此，了解茶樹春芽萌發(fā)時間的遺傳背景和多樣性對于選育早春芽萌發(fā)的茶樹良種具有重要意義。Wang 等［44］以151 個茶樹種質(zhì)資源為研究對象，利用確定位點擴增片段測序（specific-locus amplified fragment sequencing，S?AF-seq）進行GWAS 分析，鑒定大量的SNP 變異位點以及與茶樹TBF 相關(guān)的候選基因。3 a 中GWAS 分析檢測到26 個與TBF相關(guān)的SNP，最終確定了1 個與茶樹TBF 顯著相關(guān)的SNP 位點。為了鑒定可能與TBF 相關(guān)的候選基因，在與TBF 密切相關(guān)的SNP 位點100 kb 區(qū)域范圍內(nèi)篩選了7 個候選基因。此外，還在SNP 位點中發(fā)現(xiàn)了有利的等位基因變異的“TT”基因型，設(shè)計了與TBF 共分離的裂切擴增多態(tài)性（derived cleaved amplified polymorphism，dCAPS）標記，此標記可用于茶樹標記輔助選擇育種。鑒定出的7 個候選基因與調(diào)控春芽萌發(fā)密切相關(guān)，將為之后春芽萌發(fā)的調(diào)控機制研究奠定基礎(chǔ)。

3.2 GWAS 在茶樹品質(zhì)性狀研究中的應(yīng)用

茶葉品質(zhì)一直是茶葉研究的重點。茶葉的品質(zhì)由茶葉中多種生化成分共同決定，其中對茶葉品質(zhì)影響顯著的主要是次生代謝物，如兒茶素、茶多酚和咖啡堿等。Yamashita 等［45］評估了基因組預測（genomic prediction，GPs）和GWAS 對茶品質(zhì)相關(guān)代謝物遺傳育種的潛力，使用SNP 檢測來自150 個茶樹種質(zhì)的DNA 測序結(jié)果的限制性相關(guān)位點。GP 有效地預測了與EC、ECG、EGCG、總兒茶素和咖啡堿含量相關(guān)的遺傳位點，但沒有預測到與游離氨基酸（FAAs）含量相關(guān)的位點。采用genomic best linear unbiased prediction（GB?UP）with linear ridge kernel regression（RR）或GB?UP with non-linear Gaussian kernel regression（GAUSS）、Ridge、?asso、Elastic Net和隨機森林模型等6 種分析模型對GP 進行評估，結(jié)果顯示這些預測值是穩(wěn)定的。此外，通過GWAS 和GP 的綜合分析可以鑒定與預測代謝物相關(guān)的潛在候選基因，在150 份材料中，每個代謝物通過GWAS分析鑒定出80～160 個SNPs，最終鑒定到13 個與EGCG 和咖啡堿含量相關(guān)的常見候選基因。這些候選基因為研究茶葉品質(zhì)成分相關(guān)的基因奠定了基礎(chǔ)，有利于培育出高品質(zhì)的茶樹新品種。

目前很少同時將茶樹表型性狀、茶葉品質(zhì)成分與茶樹進行全基因組關(guān)聯(lián)分析，但Hazra 等［46］將23株大吉嶺茶樹種質(zhì)與農(nóng)藝性狀和風味相關(guān)成分進行全基因組關(guān)聯(lián)分析，最終檢測到57 個SNPs 標記位點，其中12 個SNPs 與表沒食子兒茶素沒食子酸酯（EGCG）密切相關(guān)，8 個SNPs 與茶葉風味密切相關(guān)，3 個SNPs 與酚類物質(zhì)密切相關(guān)，8 個SNPs 與活性氧清除密切相關(guān)，6 個SNPs 與氣孔指數(shù)密切相關(guān)，5 個SNPs 與單寧密切相關(guān)，7 個SNPs 與產(chǎn)量密切相關(guān)。這些SNPs 位點的鑒定為茶樹表型性狀和品質(zhì)調(diào)控相關(guān)研究奠定了基礎(chǔ)，有利于推動茶樹分子育種的發(fā)展。

由于茶氨酸、咖啡堿和兒茶素對茶品質(zhì)及其生理功能有重要影響，其合成和調(diào)控相關(guān)基因的鑒定對于了解茶葉品質(zhì)成分的合成和調(diào)控途徑、培育高品質(zhì)的茶樹具有重要意義。Fang 等［47］對289 株茶樹在3 個季節(jié)的茶氨酸、咖啡堿、兒茶素進行全基因組關(guān)聯(lián)分析，基于SNP 數(shù)據(jù)將茶樹分為2 個群體，群體1（191 株）鑒定到307 個與茶氨酸、咖啡堿、兒茶素相關(guān)的SNP 標記，通過群體2（98 株）驗證候選的30個SNP 標記，其中有17 個與特定的次生代謝物顯著或極顯著相關(guān)，這些標記位點的確定將為茶葉風味相關(guān)代謝物的研究提供基礎(chǔ)，并有助于加快茶樹新品種的培育。

游離氨基酸（尤其是茶氨酸）是茶葉中最主要的化學成分之一，有助于提高茶的口感、功能和質(zhì)量。人工雜交能夠有效選育出高氨基酸含量且綜合性狀優(yōu)良的茶樹新種質(zhì)。Huang 等［48］以‘龍井43’和‘白雞冠’作為親本，基于簡化基因組測序（genotypingby-sequencing，GBS）技術(shù)對其198 個雜交F1植株的游離氨基酸含量進行GWAS分析，發(fā)掘出2 688個多態(tài)性SNP 標記，構(gòu)建了具有15 個連鎖群（linkage groups，?Gs）的高密度圖譜，共鑒定出4 個與游離氨基酸（茶氨酸、谷氨酸、谷氨酰胺、天冬氨酸和精氨酸）含量相關(guān)的QT?，分別定位到?G03、?G06、?G11 和?G14。該研究對于闡明茶樹優(yōu)異種質(zhì)資源高氨基酸性狀的遺傳機制以及優(yōu)質(zhì)茶樹品種選育和改善茶葉品質(zhì)具有重要意義。

4 總結(jié)與展望

傳統(tǒng)的基于表型評價的育種方法存在茶樹世代長、表型測量準確性差，無法在茶樹達到生理成熟之前對茶葉品質(zhì)和產(chǎn)量進行評估等問題。然而，傳統(tǒng)的茶樹育種方法仍處于主導地位［49］?？焖偾腋咝У挠N方法對于推動茶產(chǎn)業(yè)的發(fā)展和滿足茶葉市場的需求具有重要意義?；蚪M學的發(fā)展能夠推動植物育種進程，提高植物的育種效率，如分子標記輔助育種技術(shù)能夠提高植物的育種效率，縮短木本植物的育種進程。從育種群體的種子或幼苗中獲得的基因型數(shù)據(jù)可用于預測成熟個體的表型性狀，而不需要在不同的年份和環(huán)境中進行廣泛的表型評估。由于茶樹中的大多數(shù)性狀都是復雜性狀，目前有關(guān)茶樹GWAS 研究檢測到的基因位點只能解釋一小部分表型變異（遠小于性狀的遺傳力），所以未來需要對茶樹復雜性狀進行更深入的GWAS 研究，盡可能減少由于上位效應(yīng)和環(huán)境效應(yīng)造成遺傳位點丟失的現(xiàn)象發(fā)生，從而能夠檢測到更為有效的基因位點。

成功的GWAS需要來自群體的全面而又準確的基因組和表型數(shù)據(jù)。雖然有多種高通量DNA 測序方法可用于生成基因組數(shù)據(jù)，但生成高質(zhì)量表型數(shù)據(jù)的技術(shù)卻遠遠落后于基因組測序技術(shù)。傳統(tǒng)的植物表型測量方法大多依賴于人工，具有費力、耗時及不準確等缺點，不利于從群體中快速而準確地獲取表型數(shù)據(jù)。高通量表型技術(shù)克服了傳統(tǒng)方法的上述缺點，已成為評價植物表型的有力工具［50］。高通量表型技術(shù)，如可見光成像、高光譜成像和熒光成像，已成功應(yīng)用于評估植物生長、生物量和營養(yǎng)狀況，主要用于測量細胞、種子、芽、葉、根、單個植物和冠層等植物表型［51-52］。高質(zhì)量表型數(shù)據(jù)測量技術(shù)已經(jīng)廣泛運用在水稻、玉米、小麥、大豆等農(nóng)作物上，其表型主要包括株高、粒形、芽長、分蘗數(shù)等植物常見表型和植物病害等非生物脅迫［53-54］。茶樹葉身、葉面、葉緣、葉鋸齒等表型數(shù)據(jù)和病蟲害測量需要克服人工測量精準度差、主觀意識強等缺陷。所以未來對茶樹表型數(shù)據(jù)的測量可以應(yīng)用高通量表型測量技術(shù)檢測出更多、更有效的與茶樹表型調(diào)控相關(guān)的遺傳位點和基因。

生物/非生物脅迫是影響植物產(chǎn)量、品質(zhì)和生長發(fā)育的主要因素，水稻、玉米、小麥等禾本科植物和梨、桃、蘋果、茶樹等木本植物都將生物/非生物脅迫作為研究的熱點。基于病蟲害的GWAS最初是在擬南芥、水稻、小麥等模式作物中開展，因木本植物基因組問世比較晚，木本植物的GWAS 也進展緩慢。隨著木本植物基因組的公布，對木本植物基于生物/非生物脅迫的GWAS 也在不斷發(fā)展，如在蘋果、梨、橙子和杏等木本植物中開展了基于蘋果斑枯病、白粉病、病原菌抗性和低溫脅迫等的GWAS［55-56］，鑒定出一系列與植物抗性相關(guān)的基因，有利于今后選育抗性強的優(yōu)良品種。目前，幾乎沒有關(guān)于茶樹抗性鑒定的GWAS 研究，比較茶樹在不同脅迫下的抗性指標及不同茶樹品種在脅迫下抗逆性指標變化的差異仍是茶樹抗性鑒定的重要手段。基于全基因組的QT?和SNP 關(guān)聯(lián)作圖，可同時對多個等位基因進行標記分析，能夠準確鑒定出與表型和抗性性狀相關(guān)的許多遺傳變異位點和目的基因，發(fā)現(xiàn)參與抗性調(diào)控的新遺傳變異位點和新基因?？偟膩碚f，由于GWAS 能夠為茶樹育種提供分子標記，可以加快茶樹抗性基因鑒定的研究進程，并最終提高茶樹抗性品種的育種效率，基于茶樹抗性的GWAS 將會逐漸成為茶樹育種研究的熱點。

一般來說，表型性狀的變異有限，而大量代謝物的含量存在巨大的差異。GWAS 鑒定的作物表型性狀QT?往往具有中或低等效應(yīng)［57］，部分原因可能是基于目標表型的有限變異。調(diào)控代謝物積累的遺傳變異更容易與全基因組進行關(guān)聯(lián)分析，mGWAS（metabolome-based genome-wide association study）在水稻、玉米、番茄等作物中已經(jīng)被廣泛使用，鑒定出與獨角金內(nèi)酯、類黃酮等代謝物相關(guān)的調(diào)控基因［23，58-59］。此外，結(jié)合轉(zhuǎn)錄組、代謝組和基因組的多組學關(guān)聯(lián)分析已經(jīng)在擬南芥、番茄等植物中普遍應(yīng)用，鑒定出與植物非生物脅迫和調(diào)控類黃酮合成相關(guān)的基因［59-60］。茶樹多組學GWAS將會成為今后研究的熱點。