《Plants》：Integrative Genome-Wide Association and Transcriptome Analyses Identify Candidate Genes for Salt Tolerance During Cotton Germination
Yin Wang,
Yilei Long,
Shen Jin,
Yinan Yang,
Shixiao Fang,
Xiutong Wu,
Teng Liu and
Xiantao Ai
编辑推荐：
为应对土壤盐渍化对棉花生产的威胁，本研究整合了全基因组关联分析(GWAS)与转录组学(RNA-seq)，在300份陆地棉种质资源中系统解析了萌发期的耐盐遗传基础。研究鉴定出1277个显著关联SNP、94个QTL以及73个候选基因，并最终筛选出3个在转录组中差异表达的高置信度候选基因(GH_D06G0273、GH_A10G2036、GH_D06G0283)。该工作不仅揭示了棉花早期耐盐的分子调控网络，也为耐盐棉花品种的精准育种提供了关键的遗传资源和分子标记。
土壤盐渍化是威胁全球农业可持续发展的重大障碍，尤其在气候变化和人类活动影响下，可耕地资源加速流失。对于像棉花这样的重要经济作物，其种植区域往往土壤盐分较高，而种子萌发期恰恰是整个生命周期中对盐胁迫最敏感、也最脆弱的环节。高盐环境会破坏种子吸水、干扰离子平衡、降低根系活力，直接影响出苗率和后续生长。尽管棉花在三叶期后耐盐性会增强，但萌发期遭受的损伤直接决定了田间群体密度和最终产量。因此，深入解析棉花萌发期的耐盐遗传机制，挖掘关键耐盐基因，对于培育耐盐新品种、保障盐碱地棉花生产安全具有紧迫的现实意义。
以往的研究多关注棉花的产量、纤维品质等终端性状，针对萌发期耐盐性的遗传解析仍不够深入，且大多采用单一的组学方法，难以精准锁定关键基因。本研究巧妙地采用了“表型-基因组-转录组”多组学整合的策略，旨在系统回答：棉花萌发期耐盐性存在怎样的表型变异？其背后的关键遗传位点（QTL）和分子标记（SNP）是什么？如何从海量数据中筛选出功能明确的高置信度候选基因？
为了回答上述科学问题，研究团队开展了一项系统而深入的工作。相关研究成果已发表在学术期刊《Plants》上。
关键技术方法
本研究采用整合组学策略。首先，利用300份来源广泛的陆地棉种质资源构成自然群体，在200 mmol L-1NaCl胁迫下，系统测定了萌发率(GR)、根长(RL)等6个表型性状及其耐盐指数(STI)，并进行了表型变异分析和耐盐性分级。其次，基于高通量SNP芯片数据，利用四种模型（GLM+P, GLM+Q, MLM+P+K, MLM+Q+K）进行了全基因组关联分析(GWAS)，以鉴定与耐盐性显著关联的位点。接着，对筛选出的一个耐盐材料（中棉所4号，CN4）在盐胁迫后1、6、24小时进行了根组织的转录组测序(RNA-seq)，分析差异表达基因(DEG)。最后，通过整合GWAS定位的候选基因区间与RNA-seq鉴定的DEG，交叉筛选出在遗传和转录层面均被验证的高置信度候选基因，并进行了单倍型分析和基因功能注释。
研究结果
1. 表型分析
通过梯度盐胁迫测试，确定200 mmol L-1NaCl为后续实验浓度（此时盐害指数SII≈0.5）。300份种质的6个性状在盐胁迫下变异系数(CV)为31.93%–48.52%，表明存在丰富的表型变异。通过隶属函数法将种质分为高耐盐(HST)到不耐盐(NST)5个类别，为后续关联分析提供了清晰的表型数据基础。
2. 棉花耐盐相关性状的全基因组关联分析
群体结构分析将300份种质分为6个亚群，与地理来源有对应关系。连锁不平衡(LD)衰减距离为454.6 kb。利用四种模型进行GWAS，共鉴定到1277个显著SNP，可整合为94个QTL，其中49个为被至少三个模型检测到的“稳定QTL”。这些稳定QTL在染色体上分布不均，在A03和A06染色体上分布最为密集。
3. 候选基因预测
从稳定QTL中，根据多模型检测、多性状共定位及较高的表型贡献率(PVE)等标准，优先聚焦于3个代表性QTL：qSSL-Gh6.3 (A06), qSFW-Gh10.1 (A10), qSL-Gh19.1 (D06)。通过单倍型分析和连锁不平衡热图，分别将候选区间缩小至200 kb或150 kb，共预测了73个候选基因。单倍型分析表明，与耐盐表型相关的有利等位基因型在耐盐材料中富集度更高。
4. 转录组数据质量分析
对耐盐材料CN4的根组织进行RNA-seq，在盐胁迫1、6、24小时后，分别鉴定出7701、9269和11646个DEG。三个时间点共有的DEG有1346个。
5. KEGG和GO富集分析
对1346个共有DEG的富集分析显示，它们显著富集于苯丙烷生物合成、MAPK信号通路-植物等代谢与信号转导途径，以及光合作用、响应氧化胁迫、过氧化物酶活性等生物过程和分子功能。
6. 通过整合GWAS和RNA-seq筛选候选基因
将GWAS预测的73个候选基因与RNA-seq鉴定的1346个共有DEG取交集，成功筛选出3个高置信度候选基因：GH_D06G0273、GH_A10G2036和GH_D06G0283。这3个基因在盐胁迫不同时间点的表达量(FPKM值)均发生显著变化，表明它们很可能在棉花萌发期耐盐性中扮演关键角色。
研究结论与意义
本研究通过多组学整合，系统解析了棉花萌发期耐盐性的遗传基础。主要结论包括：1) 明确了200 mmol L-1NaCl是进行棉花萌发期耐盐性评价和遗传研究的适宜胁迫浓度；2) 鉴定了94个QTL，其中49个为稳定QTL，并发现A03和A06染色体是耐盐QTL的富集“热点”；3) 预测了73个候选基因，并通过与转录组数据整合，最终筛选出GH_D06G0273、GH_A10G2036和GH_D06G0283这3个高置信度候选基因。这些基因编码的蛋白质可能涉及细胞表面信号感知（LRR-RLK）、转录调控和蛋白周转等过程。
在讨论部分，作者进一步推测了激素调控的可能机制。例如，位于A06染色体的候选基因GH_A06G0675是生长素(Auxin)合成基因YUC2的同源物，而位于A10染色体的GH_A10G2042则编码一个可能负调控脱落酸(ABA)信号的E3泛素连接酶KEG。这提示生长素和ABA信号的交叉对话可能在调控种子打破休眠、应对盐胁迫过程中起到关键作用。当然，这些激素通路机制尚需后续功能实验验证。
本研究的意义在于：首次在较大规模的棉花自然群体中，整合GWAS和转录组学对萌发期耐盐性进行了系统遗传解析，超越了以往单一组学研究的局限。所鉴定出的稳定QTL、显著SNP标记以及高置信度候选基因，为深入理解棉花早期耐盐的分子调控网络提供了全新见解。更为重要的是，这些遗传资源和分子标记可直接应用于棉花耐盐性的分子标记辅助选择(MAS)和基因编辑（如CRISPR/Cas9）育种，为培育适合盐碱地种植的棉花新品种奠定了坚实的理论与材料基础，对保障棉花产业在边际土地上的稳定生产具有重要战略价值。
