全基因組關聯(lián)分析及其在辣椒育種中的應用研究進展

袁娟偉 賈利 方 凌 王 艷 王明霞 嚴從生 張其安 俞飛飛 甘德芳 江海坤*

（1 安徽農(nóng)業(yè)大學園藝學院，安徽合肥 230036；2 安徽省農(nóng)業(yè)科學院園藝研究所，農(nóng)業(yè)農(nóng)村部園藝作物種質(zhì)創(chuàng)制與利用重點實驗室，園藝作物種質(zhì)創(chuàng)制及生理生態(tài)安徽省重點實驗室，安徽合肥 230031）

辣椒（Capsicum annuumL.）屬茄科辣椒屬一年生或有限多年生草本植物，原產(chǎn)于墨西哥及中南美洲，15世紀末意大利探險家哥倫布在印第安發(fā)現(xiàn)后將其帶回歐洲，并由此傳播到世界各地（鄒學校 等，2022；鄒學校和朱凡，2022）。辣椒于明代沿絲綢之路開始傳入我國，現(xiàn)如今已成為我國各地普遍種植的蔬菜作物之一。據(jù)FAO 數(shù)據(jù)顯示，2018年我國辣椒播種面積為77.03 萬hm2，產(chǎn)量為1 821.40 萬t（王立浩 等，2021a）。近年來，我國辣椒年播種面積穩(wěn)中有升，據(jù)國家大宗蔬菜產(chǎn)業(yè)技術(shù)體系統(tǒng)計，2020年我國辣椒種植面積已超過153.33 萬hm2，約占全球辣椒種植面積的40%（王立浩 等，2021b），其播種面積及產(chǎn)值在我國蔬菜作物中均居首位。辣椒富含辣椒堿、辣椒素、VC、蛋白質(zhì)及各種礦物質(zhì)等營養(yǎng)成分，長期適量食用對于預防癌癥、膽結(jié)石、咳嗽、流感等疾病有顯著成效，還具有散寒除濕、促進食欲、消炎抗菌、抗衰老等作用，隨著人們保健意識的增強，辣椒的保健功能日益受到重視（帥天罡 等，2014），辣椒新功能的研發(fā)與用途的拓展受到關注，其需求量也隨之大幅增加。

全基因組關聯(lián)分析（GWAS）的工作原理是應用基因組中數(shù)以百萬計的單核苷酸多態(tài)性（single nucleotide polymorphism，SNP）作為分子遺傳的標記，在全基因組水平上與特定性狀進行對照及相關性分析，以獲得與這些性狀關聯(lián)的候選基因（Humberto et al.，2015）。GWAS 技術(shù)已成為檢測作物農(nóng)藝性狀的主要方法之一（Zhang et al.，2021），近年來也為培育高產(chǎn)優(yōu)質(zhì)的辣椒品種提供了便捷、高效的研究方法（Zhao et al.，2019）。GWAS 可以利用不相關的自然群體，同時針對多個性狀進行多年、多點數(shù)據(jù)分析，并開發(fā)海量遺傳標記，使得定位分析的精度在一定程度上得以提高，甚至可以定位到單個基因（趙紅，2018），為闡明辣椒復雜性狀的遺傳結(jié)構(gòu)提供了理論依據(jù)，可以為辣椒品種的改良起到指導作用。本文簡要綜述了GWAS 在辣椒各主要農(nóng)藝性狀遺傳育種中取得的成就及所需要解決的問題，并提供解決途徑，以期為辣椒分子標記輔助育種研究提供相關依據(jù)及理論參考。

1 全基因組關聯(lián)分析

1.1 全基因組關聯(lián)分析的提出

全基因組關聯(lián)分析（GWAS）是一種用于剖析代表大群體的樣本中自然遺傳變異和孟德爾性狀關聯(lián)的實驗設計（Visscher et al.，2017），能有效地進行候選基因的定位。1996年Risch 和Merikangas首次提出了GWAS 的概念，并預測未來人類復雜疾病中每一個基因的變異能在全基因水平上檢測到（Risch & Merikangas，1996）。2001年Hansen等第1 次利用GWAS 技術(shù)挖掘了2 個與野生甜菜抽薹顯著相關的變異位點（Hansen et al.，2001）。2005年Klein 等第1 次運用GWAS 技術(shù)探究年齡與黃斑變性的研究，發(fā)現(xiàn)了復雜疾病的分子遺傳標記，在人類遺傳學研究中成功應用，并得到了廣泛的關注（Klein et al.，2005）。隨后加之測序技術(shù)的進步，GWAS 已成為識別動植物復雜屬性背后的自然變化的有力工具（Gupta et al.，2014），應用其高分辨率進行關聯(lián)分析，預測候選基因并剖析人類、動物和植物的數(shù)量性狀，在人類和動物復雜性狀遺傳研究中已取得初步成果（Huang & Han，2014），而在植物中目前主要應用于水稻（The，2014）、大豆（李廷雨 等，2020）、大麥（Alqudah et al.，2014）、高粱（Morris et al.，2013）、小麥（Zhou et al.，2017）、油菜（Hatzig et al.，2015）以及擬南芥（Si et al.，2016）等作物的分子育種研究，這些研究成果為其他作物運用GWAS 分析提供了理論依據(jù)。

1.2 全基因組關聯(lián)分析的一般流程

GWAS 的流程主要包括以下5 個步驟：① 材料選擇。優(yōu)質(zhì)的種質(zhì)資源是進行GWAS 遺傳分析的基礎，資源越豐富才能盡可能多的包括該物種全部遺傳變異信息，更有利于發(fā)現(xiàn)一些對性狀影響較小的遺傳變異，但隨著群體來源越復雜，其出現(xiàn)假陽性的概率會越高，首先需要通過對家系群體的初步定位，此后再利用自然群體高精度定位（Rafalski & Morgante，2004），結(jié)合這兩種方法可減少群體間假陽性出現(xiàn)的概率，有效提高關聯(lián)分析的分辨率。② 植株表型性狀觀察。GWAS 分析的第1 步，即植株表型性狀觀察，基于表型性狀具有可塑性，且受基因型的控制和周圍環(huán)境的影響，因而對GWAS 分析的結(jié)果產(chǎn)生了影響（Winham &Biernacka，2013）。在試驗開展之前進行合理的試驗設計，遵循科學、隨機的選擇區(qū)組原則，可以在時間和空間上增加表型的可重復性，基于多年和多環(huán)境試驗結(jié)果進行目標性狀的表型鑒定時，要盡量避免環(huán)境的影響以及減少表型測量時的誤差。③ 基因型鑒定。結(jié)合表型數(shù)據(jù)與基因型數(shù)據(jù)的關聯(lián)分析，可以進一步對目的性狀進行精確測定和評估。目前隨著高通量測序技術(shù)的發(fā)展，Talini 等（2020）開發(fā)了441 327 個單核苷酸多態(tài)性，以檢測與幾個農(nóng)藝和質(zhì)量性狀相關的顯著位點，這樣可以提高關聯(lián)分析遺傳定位的精度，且已經(jīng)廣泛應用于GWAS 分析研究。④ 群體結(jié)構(gòu)及親緣關系分析。群體結(jié)構(gòu)是指材料的亞群分布情況，材料的亞群分化導致了標記間的非連鎖關聯(lián)，且地理隔離、人工選擇、遺傳漂變都會導致群體分化，因此在進行GWAS 分析之前要對群體結(jié)構(gòu)和親緣關系進行有效的分析評估。通過構(gòu)建群體系統(tǒng)進化樹、主成分分析等研究樣本間的群體結(jié)構(gòu)和親緣關系（萬何平等，2019），從而避免出現(xiàn)假陽性問題。⑤ 關聯(lián)作圖及候選基因挖掘。隨著GWAS 研究的不斷深入和應用范圍的擴大，其算法模型和分析軟件不斷得到優(yōu)化，常用分析軟件TASSEL（Bradbury et al.，2007）、QTXNetwork 分析軟件包（Zhang et al.，2015）、R 軟件中的mrMLM 可以畫出Manhat-tan圖和QQ（Quantile-Quantile）圖等（Wang et al.，2016）。

1.3 全基因組關聯(lián)分析的研究方法

全基因組關聯(lián)分析（GWAS）又稱為關聯(lián)映射或連鎖不平衡（LD）映射，充分利用了物種內(nèi)的高表型變異和自然種群中大量植物群體重組事件，已成為傳統(tǒng)數(shù)量性狀位點（QTL）映射的替代方法，能以相對較高的分辨率鑒定遺傳位點的潛在性狀（Wei et al.，2015）。GWAS 一般適用于研究SNP與作物表型性狀之間的關系，是分析表型遺傳機制及挖掘QTL 的重要手段，其具有定位精確度高、檢測范圍廣、縮短構(gòu)建群體時間等優(yōu)點。

GWAS 是最近幾年興起的遺傳分析方法，其統(tǒng)計模型從非參數(shù)卡方檢驗到普通線性模型（GLM）再到混合線性模型（MLM）持續(xù)改進，研究方法在全基因組關聯(lián)分析的基礎上進行了逐步擴展，從LD 分數(shù)回歸分析到薈萃分析、基因多效性分析、孟德爾隨機化和MAGMA 基因及通路分析等。

1.3.1 LD 分數(shù)回歸分析 LD 分數(shù)回歸分析是最近開發(fā)的用于檢查GWAS 關聯(lián)因果狀態(tài)的一種新方法（Bulik-Sullivan et al.，2015a），該技術(shù)依賴于測定單核苷酸多態(tài)性（SNP）j的關聯(lián)χ2統(tǒng)計的簡單線性回歸，即每個SNP 與目標SNPj的平方相關性的所有SNP 的總和，公式為：Lj=∑kT2jk（Devlin &Roeder，1999），可以估計和消除GWAS 中的多種形式的混淆而不會夸大假陽性的數(shù)量。其次，LD分數(shù)回歸可用于遺傳相關性的估計（Bulik-Sullivan et al.，2015b），是遺傳相關性的穩(wěn)健估計器。

1.3.2 薈萃分析 薈萃分析（meta-regression，MR）是全基因組關聯(lián)分析中針對檢驗基因-環(huán)境交互作用的分析方法（Borenstein et al.，2009），是通過收集、綜合多個研究的分析結(jié)果，將這些數(shù)據(jù)整合后進行二次分析，從而實現(xiàn)更大的有效樣本量，提高發(fā)現(xiàn)新關聯(lián)的概率，可以解決單個研究樣本量太小的問題（Gene，1976；Lau et al.，1998）。常用薈萃分析方法有P值檢驗、固定效應方法、隨機效應方法、貝葉斯方法、多變量方法、MA 方法和MR 方法等，其中MA 和MR 均是針對檢驗基因-環(huán)境交互作用而提出的。目前常用的分析軟件有METAL、RareMETAL、META、MetABEL、metaSKAT 和GWAMA 等（Borenstein et al.，2009）。

1.3.3 基因多效性分析 多基因風險評分（polygenic risk score analyses，PRS）是通過匯總從全基因組關聯(lián)研究中確定的多個遺傳變異的信息來估計個體復雜特征和疾病的遺傳可能性（Fisher，1919）。該模型首次應用是在農(nóng)業(yè)中，特別是在牲畜遺傳學中的估計育種值（Wray et al.，2019）。多基因風險評分的構(gòu)建方法主要分為兩種，基于貝葉斯和非貝葉斯的方法，常用的軟件有LASSO、BLUP、LDpred、SBLUP、lassosum、SBayesR、PRS-CS、LDpred2 等（Wang et al.，2022）。

1.3.4 孟德爾隨機化 1968年，Katan 在探索血清膽固醇水平與癌癥風險關系時，首次提出孟德爾隨機化的概念（Katan，2004），其以遺傳變異作為工具變量建立模型，用于測試風險因素與各種表型間的因果關系（Davies et al.，2018），目前已被廣泛用于流行病學中疾病復雜病因的探索。孟德爾隨機化研究的常見類型有單樣本孟德爾隨機、兩樣本孟德爾隨機、兩步孟德爾隨機、雙向孟德爾隨機、基因-風險因素交互作用孟德爾隨機和多變量孟德爾隨機（王莉娜和 Zhang，2017），隨著研究方法的不斷改進，其研究的把握度也在不斷提高。

1.3.5 MAGMA 基因及通路分析 MAGMA 基因及基因集分析被認為是GWAS 中典型的單個SNP 分析的潛在更有力的替代方案（Wang et al.，2011），是基于多元線性主成分回歸模型在標記之間正確結(jié)合LD 并檢測多標記效應，以提供更好的統(tǒng)計性能（Massy，1965）。其模型是根據(jù)染色體位置提取某個基因SNP 矩陣，計算PC，然后去除特征值過小的PC，對剩下的主成分進行回歸，最后通過F檢驗獲得p值（H0∶αg=0），在進行通路分析時，MAGMA 首先將上一步所得到的每個基因的p值通過probit 方程轉(zhuǎn)化為z值，可反映該基因關聯(lián)的強度。與許多其他常用方法的比較表明，MAGMA 具有更強的統(tǒng)計能力，可以直接找到與目標性狀相關的功能基因，也可發(fā)現(xiàn)由多個微效SNP關聯(lián)的基因。

2 全基因組關聯(lián)分析在辣椒育種中的應用

隨著高通量測序技術(shù)的逐漸成熟和價格的平民化，多組學水平聯(lián)合分析的GWAS 研究成為了現(xiàn)實。而GWAS 在辣椒育種中也是近幾年才剛剛起步，研究的策略方法都有待改進和完善，主要是在辣椒農(nóng)藝性狀、品質(zhì)性狀與抗性等育種研究中取得的一些進展，為辣椒改良品種和分子輔助育種提供了一定的理論基礎。

2.1 GWAS 分析在辣椒種質(zhì)農(nóng)藝性狀中的應用

眾所周知，隨著辣椒全基因組序列的公布和新育種技術(shù)的不斷開發(fā)與融入，辣椒豐富的遺傳密碼被育種家所解析，對于遺傳改良的育種目標有了更高的要求，最值得關注的農(nóng)藝性狀包括產(chǎn)量、品質(zhì)、抗性和機械收獲性。果實縱徑、果實橫徑、單節(jié)葉腋著生花數(shù)、單果質(zhì)量、果形指數(shù)、VC 含量、辣椒素含量等是辣椒產(chǎn)量與品質(zhì)的決定因素，而GWAS 分析能夠?qū)εc果實產(chǎn)量和品質(zhì)相關的農(nóng)藝性狀進行QTL 定位和候選基因預測，可以為辣椒分子標記輔助育種提供理論依據(jù)。

近年來，全基因組關聯(lián)分析在辣椒農(nóng)藝性狀中取得了一定的研究進展（表1）。袁欣捷等（2020）以194 份辣椒核心種質(zhì)為試驗材料，利用廣義線性模型（GLM）和混合線性模型（MLM）兩種方法分析了與果實產(chǎn)量和品質(zhì)相關的7 個農(nóng)藝性狀，篩選出了28 份優(yōu)良農(nóng)藝性狀典型種質(zhì)材料。Nimmakayala 等（2016a）通過GWAS 分析了96 份辣椒種質(zhì)，在4 號染色體發(fā)現(xiàn)了與果梗長度相關的36 個SNP 位點和16 個與單果質(zhì)量相關的SNP 位點。Lee（2020）利用GWAS 與QTL 相結(jié)合的方法對351 份辣椒品種進行分析，獲得了與果實性狀相關的178 個SNP 顯著位點，其中果實縱徑1 個、橫徑148 個、單果質(zhì)量28 個、果肉厚1 個，使用17 個與果實相關的QTL 交叉驗證了GWAS 結(jié)果，并確定了16 個與果實形態(tài)相關的馴化性狀相關的候選基因，1 個基因（CA.PGAv.1.6.scaffold517.20）位于H04-0562 中4 號染色體，與果實縱徑密切相 關；4 個基因（CA.PGAv.1.6.scaffold283.11、CA.PGAv.1.6.scaffold730.39、CA.PGAv.1.6.scaffold534.6和CA.PGAv.1.6.saffold3.11）與單果質(zhì)量相關；1 個基因（CA.PGAv.1.6.scaffold1239.15）位于4 號染色體上，在單果質(zhì)量和果肉厚中均被檢測到；10 個基因（8 個位于9 號染色體，2 個位于12 號染色體）與果實橫徑相關，這些基因具有細胞分裂和增殖等分子功能；同時發(fā)現(xiàn)CA.PGAv.1.6.scaffold1368.1和CA.PGAv.1.6.scaffold1387.3位于12 號染色體，對花梗著生狀態(tài)起著非常的重要作用。Kim 等（2022）對276 份辣椒種質(zhì)進行了基因測序與表型分析，其結(jié)果發(fā)現(xiàn)1、2、7、11 號染色體上有4 個新的QTL，共鑒定出5 個控制辣椒多花形成的優(yōu)良候選基因，分別為：WOX9、ME12-like5、WRKY71、AGAMOUS和SP5G，因辣椒遺傳轉(zhuǎn)化體系尚未完全建立，其基因功能無法有效驗證，觀察茄科家族其他成員（如番茄）中候選基因的同系物可以幫助驗證功能分配，經(jīng)前人研究確定WOX9是番茄花序結(jié)構(gòu)的主要決定因素，而辣椒中的WOX9促進分生組織從營養(yǎng)階段到生殖階段的過渡，并且是花形成所必需的，因此其可能有助于控制每個節(jié)點的多個花朵。Yu 等（2016）證明WRKY71通過激活擬南芥中的開花位點（FT）和葉片表達來加速花分生組織的啟動，SP5G控制初級和典型腋芽的開花時間，其突變會導致番茄植株迅速開花，并增強番茄植株的緊湊性以決定生長習性（Soyk et al.，2017）。Du 等（2019）對271 個辣椒品種（包括90 個塊狀、113個長角、25 個短角和43 個線形品種）使用TargetSNP-seq 進行基因分型，獲得位于1、2、3、4、6 號和12 號染色體上的9 個位點（CaSSR013、CaSSR090、CaSSR105、CaSSR091、CaSSR039、CaSSR044、CaSSR107、CaSSR077 和CaSNP112）與果形指數(shù)顯著相關（P＜ 0.000 1）。張小微等（2022）以195 份一年生辣椒構(gòu)成的自然群體為試驗材料，分別在2020年和2021年調(diào)查辣椒果色（青果色和熟果色）性狀，通過DNA 測序和SNP 變異檢測將得到的高質(zhì)量SNP 位點用于GWAS 分析，篩選出8 個與辣椒果色相關的SNPs；共注釋到31 個基因，預測呼吸爆發(fā)氧化酶同源蛋白A（Capana01g000138）、類異黃酮2′-羥化酶（Capana04g000616、Capana04g000617、Capana04g000618、Capana04g000619、Capana04g000620、Capana04g000621 和Capana04g000622）和F-box-like/WD 重復類蛋白TBL1Y（Capana04g000624）可能與辣椒果色相關。

表1 全基因組關聯(lián)分析在辣椒農(nóng)藝性狀中的相關研究進展

2.2 GWAS 分析在辣椒品質(zhì)性狀中的應用

研究辣椒品質(zhì)相關性狀遺傳機理對辣椒品質(zhì)的改良有重要的作用，其品質(zhì)性狀有干物質(zhì)含量、VC 含量、可溶性糖含量、辣椒素含量、粗纖維含量、蛋白質(zhì)含量等，在食品、醫(yī)療保健等領域受到青睞。表2 主要從辣椒素含量進行描述，辣椒素含量受數(shù)量性狀位點（QTL）控制，Han 等（2018）以辛辣的辣椒Perennial 和甜椒Dempsey 為雙親材料，得到208 份雜交種質(zhì)并進行QTL 定位和GWAS 分析，共篩選出5 個與辣椒素合成途徑相關的候選基因，分別為pAMT、C4H、CSE、4CL和FatA，每個基因在辣椒素生物合成途徑中具有已知或潛在的功能。pAMT位于3 號染色體上，介導香草胺的形成（Lang et al.，2019）；在6 號染色體上，肉桂酸4-羥化酶（C4H）參與苯丙烷途徑，并在肉桂酸生物合成香豆酸鹽中具有催化活性（Mazourek et al.，2009）；而QTL 映射和GWAS 結(jié)果的比較鑒定出位于3 號染色體上的咖啡酰莽草酸酯酶（CSE），其功能尚不清楚，但已知CSE 可水解莽草酸咖啡酰（Vanholme et al.，2013）；編碼4-香豆酰輔酶A 連接酶（4CL）的基因位于3 號染色體（Ben-Chaim，2006），另一個編碼?；?ACP 硫代酯酶（FatA）的基因在脂肪酸生物合成途徑中起作用（Yarnes et al.，2013）。Kethom 等（2019）利用收集的243 份材料進行多樣性微陣列基因分型技術(shù)或DArTseq 技術(shù)，從泰國辣椒地方品種中篩選到逾22 000 個SNPs，經(jīng)過濾得到9 610 個，經(jīng)全基因組關聯(lián)分析，鑒定出7 個與辣椒素類物質(zhì)含量顯著相關的SNP 位點。曼哈頓圖顯示分別位于1、3、4、6、7、10 號染色體。Nimmakayala 等（2014）通過GWAS 分析了96 份辣椒種質(zhì)，在1 號染色體上發(fā)現(xiàn)了參與辣椒素與二氫辣椒素含量有關的基因。在此基礎上，Han 等（2018）篩選出了參與辣椒素合成的5 個候選基因。當前辣椒品質(zhì)改良育種研究較為薄弱，GWAS 分析在辣椒育種中的應用較少，這些新發(fā)現(xiàn)的遺傳位點可以顯著改善辣椒分子育種進程，鑒定的候選基因有助于闡明辣椒品質(zhì)相關性狀的生物合成機制。

表2 全基因組關聯(lián)分析在辣椒素中的相關研究進展

2.3 GWAS 分析在辣椒種質(zhì)抗性中的應用

目前辣椒生產(chǎn)上對抗性強、適應性強的品種需求量很大，但由于受到非生物脅迫和白粉病、疫病等形成的生物脅迫的影響，辣椒產(chǎn)量和品質(zhì)均受到一定程度的影響，因而提高抗性是未來辣椒育種的目標之一。如表3所示，袁欣捷等（2019）對194份辣椒核心種質(zhì)疫病抗性進行關聯(lián)分析，結(jié)果發(fā)現(xiàn)12 個與疫病病情指數(shù)顯著相關的位點，其中位于7號染色體的CM005 貢獻率最大。苗悅（2022）對272 份一年生辣椒材料進行象耳豆根結(jié)線蟲抗性鑒定，結(jié)合基因型數(shù)據(jù)進行GWAS 分析，篩選出222個與抗性顯著關聯(lián)的SNP 標記，共117 個QTL 位點，并鑒定了14 個辣椒抗象耳豆根結(jié)線蟲相關候選基因，為辣椒抗病品種的培育和抗病機理的研究奠定了一定基礎。Ro 等（2022）對342 份接種假單胞菌28 d 后的辣椒種質(zhì)進行全基因組關聯(lián)研究（GWAS），以確定與辣椒假單胞菌（分離KCP7）抗性相關的單核苷酸多態(tài)性（SNP），共獲得45 481個SNPs，其中Chr02-1126 標記可用于準確預測辣椒遺傳資源中疫霉病抗性。Siddique 等（2022）利用測序基因分型（GBS）構(gòu)建高密度連鎖圖譜，鑒定了與辣椒黃葉卷曲病毒（PepYLCV）耐藥性相關的SNP 標記，QTL 分析顯示在1、7、12 號染色體分別存在3 個QTL 位點，即peplcv-1、peplcv-7 和peplcv-12，推斷出與QTL 區(qū)域中PepYLCV耐藥性相關的候選基因。目前GWAS 在辣椒抗逆相關性狀研究中的應用還比較少，利用該方法雖然能夠鑒定出一些與辣椒抗逆性相關的位點，但這些位點能否有效地應用到辣椒分子育種，還需要進一步驗證。

表3 全基因組關聯(lián)分析在辣椒抗逆性中的相關研究進展

3 展望

基于GWAS 分析方法利用作物表型特征與候選基因型相結(jié)合可用于作物品質(zhì)的改良，具體包含了研究群體樣本選擇、表型鑒定、高通量測序、關聯(lián)分析、基因功能注釋、精細定位、候選基因挖掘與功能驗證等。與傳統(tǒng)的QTL 作圖相比較，具有檢測范圍廣、分辨率高、材料來源豐富（Winham &Biernacka，2013）的優(yōu)點，在我國辣椒遺傳改良育種方面應用潛力巨大，如辣椒的品質(zhì)改良、抗逆性育種等相關研究取得了眾多成果。

雖然GWAS 分析目前還存在一些不足，但隨著分子生物學技術(shù)的不斷深入，在辣椒實際應用中的局限會不斷地被克服。且隨著高通量測序等技術(shù)的進一步發(fā)展，水稻、玉米、大豆等作物重要參考植物基因組數(shù)據(jù)的公布，其基因組范圍內(nèi)的變異數(shù)據(jù)可用于遺傳作圖和作物演化研究分析，GWAS 分析在這些作物育種研究中較為成熟，可為進一步研究辣椒農(nóng)藝性狀、品質(zhì)性狀、抗逆性狀以及品種改良和培育提供參考依據(jù)。在今后的辣椒育種研究中，要繼續(xù)利用高通量測序等技術(shù)，進一步結(jié)合多組學融合分析和基因功能驗證等方法，對辣椒群體進行全基因組水平基因型鑒定，開展遺傳多樣性和群體結(jié)構(gòu)分析，挖掘辣椒若干個優(yōu)良性狀較為集中的候選基因，為辣椒優(yōu)質(zhì)育種提供一定的理論基礎。

此外，GWAS 目前只是對候選遺傳標記位點分布的一種理論預測，后續(xù)仍需要結(jié)合其他生物學方法進行一系列深入研究以繼續(xù)探究其生物學功能，如通過qRT-PCR 驗證、同源基因比對、多組學結(jié)合驗證等才能進一步證實GWAS 分析結(jié)果。隨著研究的不斷深入和芯片技術(shù)的發(fā)展，基因組測序成本的下降和統(tǒng)計方法的完善，多種植物基因組測序相繼完成，GWAS 將在未來的植物育種方面發(fā)揮越來越重要的作用，也將成為辣椒遺傳研究中一種流行和常規(guī)的方法，更會在揭示辣椒復雜性狀的遺傳基礎和品種改良中發(fā)揮超長的作用。