近日，中国农业科学院北京畜牧兽医研究所饲草育种与栽培创新团队鉴定出与苜蓿根系结构相关SNP标记，并结合机器学习模型和关联SNP标记提高了根系结构性状预测的准确性。相关研究成果以“The whole-genome dissection of root systemarchitecture provides new insights for the geneticimprovement of alfalfa ( Medicago sativa L.)”为题发表在《园艺研究（Horticulture Research）》上。

紫花苜蓿是多年生豆科牧草，具有产草量高、营养价值丰富、适口性好、适应性强等特点，素有“牧草之王”之美誉。紫花苜蓿根系结构复杂，不仅为自身生长提供养分，同时可以改善土壤结构，培肥地力。然而，关于紫花苜蓿根系结构（RSA）及其发育的遗传机制尚未明确。

研究人员对苜蓿核心种质的6个RSA性状与5个产量相关性状进行相关性分析，在正常浇水与干旱处理下，均发现根干重（RDW）与饲草干重（DW）显著正相关。6个RSA性状的GWAS分析定位到60个显著关联的SNP，这些标记附近的基因主要在根系发育、激素合成和信号传导以及形态发育相关的GO条目中富集，其中包括19个高置信度的候选基因，如： ARF ， LBD 和 WOX 等转录因子（图1）。单倍型分析结果表明，饲草干重DW随着RSA相关的有利单倍型数量增加而增加，而现代栽培品种中RSA相关有利单倍型数量较野生材料和地方品种并未表现出显著差异。将显著关联的SNP标记结合机器学习模型进行全基因组预测（GP）（图2），准确性可达0.7～0.8之间。该研究为实现苜蓿育种过程中根系性状的高效选择提供了有利依据。

图1  GWAS鉴定苜蓿根系性状变异的候选基因

图2  机器学习模型在6个RSA相关性状中的预测准确性

中国农业科学院北京畜牧兽医研究所博士生蒋学乾和硕士生曾祥翠为论文第一作者，康俊梅研究员和杨青川研究员为共同通讯作者。该研究得到了中国农业科学院创新工程和国家重点研发计划等项目的资助。

原文链接：DOI:https://doi.org/10.1093/hr/uhae271