《Frontiers in Plant Science》：Integrative genomic approaches to unravel genomic regions and candidate genes associated with flag leaf photosynthesis at the reproductive stage in rice
编辑推荐：
为解析水稻剑叶光合作用(Pn)这一复杂数量性状，研究团队利用181份种质开展GWAS与基因组预测(GP)整合分析。基于3.7M SNP鉴定出18个QTNs，精细定位到43个候选基因(涉及信号传导、气孔调控等)，并筛选出44个高价值SNP标记，为高光效育种提供了基因资源与预测工具。
论文解读
研究背景：为什么要死磕水稻的“光合效率”？
水稻是全球最重要的粮食作物之一，尤其在亚洲、拉丁美洲和非洲，它贡献了35%–75%的日常热量摄入。随着人口增长，预计2050年全球人口将超过90亿，提高水稻单产是保障粮食安全的刚性需求。
然而，水稻作为C3植物，其光合效率存在天然短板——容易发生光呼吸且CO2利用效率低，这直接限制了产量的天花板。在植株各部位中，剑叶（Flag leaf）在抽穗期的光合能力最强，是籽粒灌浆期间同化物（Photosynthate）的主要“生产车间”。因此，解析剑叶光合作用（Pn）的遗传机制，是突破产量瓶颈的关键。
虽然此前有研究利用双亲本群体定位过相关QTL（数量性状位点），但存在遗传背景单一、分辨率低的问题。GWAS（全基因组关联分析）虽能利用自然变异，但在光合作用这种复杂性状上的应用仍较少。此外，如何将GWAS发现的位点转化为育种中可用的预测模型（Genomic Prediction, GP），也是目前研究的空白。
技术路线概览
本研究以181份高度多样化的水稻种质（USDA rice mini-core collection）为材料，在温室控制条件下，于孕穗期利用Li-COR 6400 XT系统精准测量剑叶光合参数（Pn、气孔导度等）。基因型数据基于全基因组测序（~20×深度），经质控后获得3.7 million高质量SNP。研究整合了MLMM、FarmCPU、BLINK多种GWAS模型进行高分辨率定位，并结合RRB、BTS等模型进行基因组预测，通过单倍型分析与同源比对筛选候选基因。
研究结果解析
1. 高分辨率定位：锁定18个“高置信”QTNs
通过多模型联合分析（LOD ≥ 8.0），研究团队在除5号和10号染色体外的所有染色体上共鉴定出18个与Pn显著关联的QTNs（Quantitative Trait Nucleotides）。其中，位于1号染色体（1-2050328）和12号染色体（12-11380740）的两个位点在两种模型中同时被检测到，可靠性极高。
2. 基因挖掘：从千余基因中“淘”出7个核心候选
在QTNs侧翼区域共挖掘出1,091个结构/调控基因。通过精细单倍型分析，进一步将范围缩小至43个高潜力基因。这些基因功能多样，涉及信号传导（如受体激酶、F-box）、转录调控（NAC/NAM、PPR）、膜运输（Exo70）及胁迫防御（热激蛋白）等。最终，通过同源和调控分析，7个基因被确定为最核心的候选基因，它们分别参与类胡萝卜素合成（Carotenoid isomerase）、气孔调控（OsABA4）、糖转运（Sugar transporter 14, UDP-glucose transporter）及叶片发育（Auxin-responsive genes）。
3. 基因组预测：44个SNP提升育种价值预估
为了将发现转化为育种工具，研究整合了GWAS与GP模型（RRB、BTS）。结果显示，44个共同的SNP标记能显著提高基因组育种值（Genomic breeding value）的估计准确性，这为分子标记辅助选择（MAS）提供了可直接使用的工具集。
4. 表型深剖：五份种质揭示生理机制
选取Nipponbare（低Pn）、Zhe733、Cypress、N22（耐逆）、310045等5份代表性种质进行光响应（A/Q）、CO2响应（A/Ci）及NPQ（非光化学淬灭）分析。结果表明，高Pn种质通常具有更高的光饱和点（Isat）、羧化效率（Vcmax）和电子传递速率（ETR），且NPQ机制更活跃，能有效耗散过剩光能，保护光合机构。
结论与意义
本研究成功绘制了水稻剑叶高光合效率的遗传图谱，不仅发现了新的调控基因（如OsABA4、糖转运蛋白），还建立了从基因发现到育种预测的完整技术链条。所鉴定的18个QTNs、7个核心候选基因及44个预测SNP，为培育“高光效、高产”水稻新品种提供了坚实的理论依据与分子工具，有力推动了 genomics-assisted breeding（基因组辅助育种） 在复杂生理性状改良中的应用。
