袁娟偉 賈利 方 凌 王 艷 王明霞 嚴(yán)從生 張其安 俞飛飛 甘德芳 江海坤*

（1 安徽農(nóng)業(yè)大學(xué)園藝學(xué)院，安徽合肥 230036；2 安徽省農(nóng)業(yè)科學(xué)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(diǎn)實(shí)驗(yàn)室，園藝作物種質(zhì)創(chuàng)制及生理生態(tài)安徽省重點(diǎn)實(shí)驗(yàn)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(jì)末意大利探險(xiǎn)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(xué)校 等，2022；鄒學(xué)校和朱凡，2022）。辣椒于明代沿絲綢之路開始傳入我國(guó)，現(xiàn)如今已成為我國(guó)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(guó)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(guó)辣椒年播種面積穩(wěn)中有升，據(jù)國(guó)家大宗蔬菜產(chǎn)業(yè)技術(shù)體系統(tǒng)計(jì)，2020年我國(guó)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(guó)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(yíng)養(yǎng)成分，長(zhǎng)期適量食用對(duì)于預(yù)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(jìn)食欲、消炎抗菌、抗衰老等作用，隨著人們保健意識(shí)的增強(qiáng)，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(guān)注，其需求量也隨之大幅增加。

全基因組關(guān)聯(lián)分析（GWAS）的工作原理是應(yīng)用基因組中數(shù)以百萬計(jì)的單核苷酸多態(tài)性（single nucleotide polymorphism，SNP）作為分子遺傳的標(biāo)記，在全基因組水平上與特定性狀進(jìn)行對(duì)照及相關(guān)性分析，以獲得與這些性狀關(guān)聯(lián)的候選基因（Humberto et al.，2015）。GWAS 技術(shù)已成為檢測(cè)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(guān)的自然群體，同時(shí)針對(duì)多個(gè)性狀進(jìn)行多年、多點(diǎn)數(shù)據(jù)分析，并開發(fā)海量遺傳標(biāo)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(gè)基因（趙紅，2018），為闡明辣椒復(fù)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(dǎo)作用。本文簡(jiǎn)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(biāo)記輔助育種研究提供相關(guān)依據(jù)及理論參考。

1 全基因組關(guān)聯(lián)分析

1.1 全基因組關(guān)聯(lián)分析的提出

全基因組關(guān)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(guān)聯(lián)的實(shí)驗(yàn)設(shè)計(jì)（Visscher et al.，2017），能有效地進(jìn)行候選基因的定位。1996年Risch 和Merikangas首次提出了GWAS 的概念，并預(yù)測(cè)未來人類復(fù)雜疾病中每一個(gè)基因的變異能在全基因水平上檢測(cè)到（Risch & Merikangas，1996）。2001年Hansen等第1 次利用GWAS 技術(shù)挖掘了2 個(gè)與野生甜菜抽薹顯著相關(guān)的變異位點(diǎn)（Hansen et al.，2001）。2005年Klein 等第1 次運(yùn)用GWAS 技術(shù)探究年齡與黃斑變性的研究，發(fā)現(xiàn)了復(fù)雜疾病的分子遺傳標(biāo)記，在人類遺傳學(xué)研究中成功應(yīng)用，并得到了廣泛的關(guān)注（Klein et al.，2005）。隨后加之測(cè)序技術(shù)的進(jìn)步，GWAS 已成為識(shí)別動(dòng)植物復(fù)雜屬性背后的自然變化的有力工具（Gupta et al.，2014），應(yīng)用其高分辨率進(jìn)行關(guān)聯(lián)分析，預(yù)測(cè)候選基因并剖析人類、動(dòng)物和植物的數(shù)量性狀，在人類和動(dòng)物復(fù)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(yīng)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(yùn)用GWAS 分析提供了理論依據(jù)。

1.2 全基因組關(guān)聯(lián)分析的一般流程

GWAS 的流程主要包括以下5 個(gè)步驟：① 材料選擇。優(yōu)質(zhì)的種質(zhì)資源是進(jìn)行GWAS 遺傳分析的基礎(chǔ)，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(duì)性狀影響較小的遺傳變異，但隨著群體來源越復(fù)雜，其出現(xiàn)假陽(yáng)性的概率會(huì)越高，首先需要通過對(duì)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(yáng)性出現(xiàn)的概率，有效提高關(guān)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(duì)GWAS 分析的結(jié)果產(chǎn)生了影響（Winham &Biernacka，2013）。在試驗(yàn)開展之前進(jìn)行合理的試驗(yàn)設(shè)計(jì)，遵循科學(xué)、隨機(jī)的選擇區(qū)組原則，可以在時(shí)間和空間上增加表型的可重復(fù)性，基于多年和多環(huán)境試驗(yàn)結(jié)果進(jìn)行目標(biāo)性狀的表型鑒定時(shí)，要盡量避免環(huán)境的影響以及減少表型測(cè)量時(shí)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(guān)聯(lián)分析，可以進(jìn)一步對(duì)目的性狀進(jìn)行精確測(cè)定和評(píng)估。目前隨著高通量測(cè)序技術(shù)的發(fā)展，Talini 等（2020）開發(fā)了441 327 個(gè)單核苷酸多態(tài)性，以檢測(cè)與幾個(gè)農(nóng)藝和質(zhì)量性狀相關(guān)的顯著位點(diǎn)，這樣可以提高關(guān)聯(lián)分析遺傳定位的精度，且已經(jīng)廣泛應(yīng)用于GWAS 分析研究。④ 群體結(jié)構(gòu)及親緣關(guān)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(dǎo)致了標(biāo)記間的非連鎖關(guān)聯(lián)，且地理隔離、人工選擇、遺傳漂變都會(huì)導(dǎo)致群體分化，因此在進(jìn)行GWAS 分析之前要對(duì)群體結(jié)構(gòu)和親緣關(guān)系進(jìn)行有效的分析評(píng)估。通過構(gòu)建群體系統(tǒng)進(jìn)化樹、主成分分析等研究樣本間的群體結(jié)構(gòu)和親緣關(guān)系（萬何平等，2019），從而避免出現(xiàn)假陽(yáng)性問題。⑤ 關(guān)聯(lián)作圖及候選基因挖掘。隨著GWAS 研究的不斷深入和應(yīng)用范圍的擴(kuò)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(guān)聯(lián)分析的研究方法

全基因組關(guān)聯(lián)分析（GWAS）又稱為關(guān)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(diǎn)（QTL）映射的替代方法，能以相對(duì)較高的分辨率鑒定遺傳位點(diǎn)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(guān)系，是分析表型遺傳機(jī)制及挖掘QTL 的重要手段，其具有定位精確度高、檢測(cè)范圍廣、縮短構(gòu)建群體時(shí)間等優(yōu)點(diǎn)。

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

1.3.1 LD 分?jǐn)?shù)回歸分析 LD 分?jǐn)?shù)回歸分析是最近開發(fā)的用于檢查GWAS 關(guān)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(cè)定單核苷酸多態(tài)性（SNP）j的關(guān)聯(lián)χ2統(tǒng)計(jì)的簡(jiǎn)單線性回歸，即每個(gè)SNP 與目標(biāo)SNPj的平方相關(guān)性的所有SNP 的總和，公式為：Lj=∑kT2jk（Devlin &Roeder，1999），可以估計(jì)和消除GWAS 中的多種形式的混淆而不會(huì)夸大假陽(yáng)性的數(shù)量。其次，LD分?jǐn)?shù)回歸可用于遺傳相關(guān)性的估計(jì)（Bulik-Sullivan et al.，2015b），是遺傳相關(guān)性的穩(wěn)健估計(jì)器。

1.3.2 薈萃分析 薈萃分析（meta-regression，MR）是全基因組關(guān)聯(lián)分析中針對(duì)檢驗(yàn)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(gè)研究的分析結(jié)果，將這些數(shù)據(jù)整合后進(jìn)行二次分析，從而實(shí)現(xiàn)更大的有效樣本量，提高發(fā)現(xiàn)新關(guān)聯(lián)的概率，可以解決單個(gè)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(yàn)、固定效應(yīng)方法、隨機(jī)效應(yīng)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(duì)檢驗(yàn)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(fēng)險(xiǎn)評(píng)分（polygenic risk score analyses，PRS）是通過匯總從全基因組關(guān)聯(lián)研究中確定的多個(gè)遺傳變異的信息來估計(jì)個(gè)體復(fù)雜特征和疾病的遺傳可能性（Fisher，1919）。該模型首次應(yīng)用是在農(nóng)業(yè)中，特別是在牲畜遺傳學(xué)中的估計(jì)育種值（Wray et al.，2019）。多基因風(fēng)險(xiǎn)評(píng)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(jī)化 1968年，Katan 在探索血清膽固醇水平與癌癥風(fēng)險(xiǎn)關(guān)系時(shí)，首次提出孟德爾隨機(jī)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(cè)試風(fēng)險(xiǎn)因素與各種表型間的因果關(guān)系（Davies et al.，2018），目前已被廣泛用于流行病學(xué)中疾病復(fù)雜病因的探索。孟德爾隨機(jī)化研究的常見類型有單樣本孟德爾隨機(jī)、兩樣本孟德爾隨機(jī)、兩步孟德爾隨機(jī)、雙向孟德爾隨機(jī)、基因-風(fēng)險(xiǎn)因素交互作用孟德爾隨機(jī)和多變量孟德爾隨機(jī)（王莉娜和 Zhang，2017），隨著研究方法的不斷改進(jìn)，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(rèn)為是GWAS 中典型的單個(gè)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(biāo)記之間正確結(jié)合LD 并檢測(cè)多標(biāo)記效應(yīng)，以提供更好的統(tǒng)計(jì)性能（Massy，1965）。其模型是根據(jù)染色體位置提取某個(gè)基因SNP 矩陣，計(jì)算PC，然后去除特征值過小的PC，對(duì)剩下的主成分進(jìn)行回歸，最后通過F檢驗(yàn)獲得p值（H0∶αg=0），在進(jìn)行通路分析時(shí)，MAGMA 首先將上一步所得到的每個(gè)基因的p值通過probit 方程轉(zhuǎn)化為z值，可反映該基因關(guān)聯(lián)的強(qiáng)度。與許多其他常用方法的比較表明，MAGMA 具有更強(qiáng)的統(tǒng)計(jì)能力，可以直接找到與目標(biāo)性狀相關(guān)的功能基因，也可發(fā)現(xiàn)由多個(gè)微效SNP關(guān)聯(lián)的基因。

2 全基因組關(guān)聯(lián)分析在辣椒育種中的應(yīng)用

隨著高通量測(cè)序技術(shù)的逐漸成熟和價(jià)格的平民化，多組學(xué)水平聯(lián)合分析的GWAS 研究成為了現(xiàn)實(shí)。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(jìn)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(jìn)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(chǔ)。

2.1 GWAS 分析在辣椒種質(zhì)農(nóng)藝性狀中的應(yīng)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(duì)于遺傳改良的育種目標(biāo)有了更高的要求，最值得關(guān)注的農(nóng)藝性狀包括產(chǎn)量、品質(zhì)、抗性和機(jī)械收獲性。果實(shí)縱徑、果實(shí)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(shí)產(chǎn)量和品質(zhì)相關(guān)的農(nóng)藝性狀進(jìn)行QTL 定位和候選基因預(yù)測(cè)，可以為辣椒分子標(biāo)記輔助育種提供理論依據(jù)。

近年來，全基因組關(guān)聯(lián)分析在辣椒農(nóng)藝性狀中取得了一定的研究進(jìn)展（表1）。袁欣捷等（2020）以194 份辣椒核心種質(zhì)為試驗(yàn)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(shí)產(chǎn)量和品質(zhì)相關(guān)的7 個(gè)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(hào)染色體發(fā)現(xiàn)了與果梗長(zhǎng)度相關(guān)的36 個(gè)SNP 位點(diǎn)和16 個(gè)與單果質(zhì)量相關(guān)的SNP 位點(diǎn)。Lee（2020）利用GWAS 與QTL 相結(jié)合的方法對(duì)351 份辣椒品種進(jìn)行分析，獲得了與果實(shí)性狀相關(guān)的178 個(gè)SNP 顯著位點(diǎn)，其中果實(shí)縱徑1 個(gè)、橫徑148 個(gè)、單果質(zhì)量28 個(gè)、果肉厚1 個(gè)，使用17 個(gè)與果實(shí)相關(guān)的QTL 交叉驗(yàn)證了GWAS 結(jié)果，并確定了16 個(gè)與果實(shí)形態(tài)相關(guān)的馴化性狀相關(guān)的候選基因，1 個(gè)基因（CA.PGAv.1.6.scaffold517.20）位于H04-0562 中4 號(hào)染色體，與果實(shí)縱徑密切相 關(guān)；4 個(gè)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(guān)；1 個(gè)基因（CA.PGAv.1.6.scaffold1239.15）位于4 號(hào)染色體上，在單果質(zhì)量和果肉厚中均被檢測(cè)到；10 個(gè)基因（8 個(gè)位于9 號(hào)染色體，2 個(gè)位于12 號(hào)染色體）與果實(shí)橫徑相關(guān)，這些基因具有細(xì)胞分裂和增殖等分子功能；同時(shí)發(fā)現(xiàn)CA.PGAv.1.6.scaffold1368.1和CA.PGAv.1.6.scaffold1387.3位于12 號(hào)染色體，對(duì)花梗著生狀態(tài)起著非常的重要作用。Kim 等（2022）對(duì)276 份辣椒種質(zhì)進(jìn)行了基因測(cè)序與表型分析，其結(jié)果發(fā)現(xiàn)1、2、7、11 號(hào)染色體上有4 個(gè)新的QTL，共鑒定出5 個(gè)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(yàn)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(yàn)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(jìn)分生組織從營(yíng)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(gè)節(jié)點(diǎn)的多個(gè)花朵。Yu 等（2016）證明WRKY71通過激活擬南芥中的開花位點(diǎn)（FT）和葉片表達(dá)來加速花分生組織的啟動(dòng)，SP5G控制初級(jí)和典型腋芽的開花時(shí)間，其突變會(huì)導(dǎo)致番茄植株迅速開花，并增強(qiáng)番茄植株的緊湊性以決定生長(zhǎng)習(xí)性（Soyk et al.，2017）。Du 等（2019）對(duì)271 個(gè)辣椒品種（包括90 個(gè)塊狀、113個(gè)長(zhǎng)角、25 個(gè)短角和43 個(gè)線形品種）使用TargetSNP-seq 進(jìn)行基因分型，獲得位于1、2、3、4、6 號(hào)和12 號(hào)染色體上的9 個(gè)位點(diǎn)（CaSSR013、CaSSR090、CaSSR105、CaSSR091、CaSSR039、CaSSR044、CaSSR107、CaSSR077 和CaSNP112）與果形指數(shù)顯著相關(guān)（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(yàn)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(cè)序和SNP 變異檢測(cè)將得到的高質(zhì)量SNP 位點(diǎn)用于GWAS 分析，篩選出8 個(gè)與辣椒果色相關(guān)的SNPs；共注釋到31 個(gè)基因，預(yù)測(cè)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(fù)類蛋白TBL1Y（Capana04g000624）可能與辣椒果色相關(guān)。

表1 全基因組關(guān)聯(lián)分析在辣椒農(nóng)藝性狀中的相關(guān)研究進(jìn)展

2.2 GWAS 分析在辣椒品質(zhì)性狀中的應(yīng)用

研究辣椒品質(zhì)相關(guān)性狀遺傳機(jī)理對(duì)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(lǐng)域受到青睞。表2 主要從辣椒素含量進(jìn)行描述，辣椒素含量受數(shù)量性狀位點(diǎn)（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(jìn)行QTL 定位和GWAS 分析，共篩選出5 個(gè)與辣椒素合成途徑相關(guān)的候選基因，分別為pAMT、C4H、CSE、4CL和FatA，每個(gè)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(hào)染色體上，介導(dǎo)香草胺的形成（Lang et al.，2019）；在6 號(hào)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(hào)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(hào)染色體（Ben-Chaim，2006），另一個(gè)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(jìn)行多樣性微陣列基因分型技術(shù)或DArTseq 技術(shù)，從泰國(guó)辣椒地方品種中篩選到逾22 000 個(gè)SNPs，經(jīng)過濾得到9 610 個(gè)，經(jīng)全基因組關(guān)聯(lián)分析，鑒定出7 個(gè)與辣椒素類物質(zhì)含量顯著相關(guān)的SNP 位點(diǎn)。曼哈頓圖顯示分別位于1、3、4、6、7、10 號(hào)染色體。Nimmakayala 等（2014）通過GWAS 分析了96 份辣椒種質(zhì)，在1 號(hào)染色體上發(fā)現(xiàn)了參與辣椒素與二氫辣椒素含量有關(guān)的基因。在此基礎(chǔ)上，Han 等（2018）篩選出了參與辣椒素合成的5 個(gè)候選基因。當(dāng)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(yīng)用較少，這些新發(fā)現(xiàn)的遺傳位點(diǎn)可以顯著改善辣椒分子育種進(jìn)程，鑒定的候選基因有助于闡明辣椒品質(zhì)相關(guān)性狀的生物合成機(jī)制。

表2 全基因組關(guān)聯(lián)分析在辣椒素中的相關(guān)研究進(jìn)展

2.3 GWAS 分析在辣椒種質(zhì)抗性中的應(yīng)用

目前辣椒生產(chǎn)上對(duì)抗性強(qiáng)、適應(yīng)性強(qiáng)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(biāo)之一。如表3所示，袁欣捷等（2019）對(duì)194份辣椒核心種質(zhì)疫病抗性進(jìn)行關(guān)聯(lián)分析，結(jié)果發(fā)現(xiàn)12 個(gè)與疫病病情指數(shù)顯著相關(guān)的位點(diǎn)，其中位于7號(hào)染色體的CM005 貢獻(xiàn)率最大。苗悅（2022）對(duì)272 份一年生辣椒材料進(jìn)行象耳豆根結(jié)線蟲抗性鑒定，結(jié)合基因型數(shù)據(jù)進(jìn)行GWAS 分析，篩選出222個(gè)與抗性顯著關(guān)聯(lián)的SNP 標(biāo)記，共117 個(gè)QTL 位點(diǎn)，并鑒定了14 個(gè)辣椒抗象耳豆根結(jié)線蟲相關(guān)候選基因，為辣椒抗病品種的培育和抗病機(jī)理的研究奠定了一定基礎(chǔ)。Ro 等（2022）對(duì)342 份接種假單胞菌28 d 后的辣椒種質(zhì)進(jìn)行全基因組關(guān)聯(lián)研究（GWAS），以確定與辣椒假單胞菌（分離KCP7）抗性相關(guān)的單核苷酸多態(tài)性（SNP），共獲得45 481個(gè)SNPs，其中Chr02-1126 標(biāo)記可用于準(zhǔn)確預(yù)測(cè)辣椒遺傳資源中疫霉病抗性。Siddique 等（2022）利用測(cè)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(guān)的SNP 標(biāo)記，QTL 分析顯示在1、7、12 號(hào)染色體分別存在3 個(gè)QTL 位點(diǎn)，即peplcv-1、peplcv-7 和peplcv-12，推斷出與QTL 區(qū)域中PepYLCV耐藥性相關(guān)的候選基因。目前GWAS 在辣椒抗逆相關(guān)性狀研究中的應(yīng)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(guān)的位點(diǎn)，但這些位點(diǎn)能否有效地應(yīng)用到辣椒分子育種，還需要進(jìn)一步驗(yàn)證。

表3 全基因組關(guān)聯(lián)分析在辣椒抗逆性中的相關(guān)研究進(jìn)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(cè)序、關(guān)聯(lián)分析、基因功能注釋、精細(xì)定位、候選基因挖掘與功能驗(yàn)證等。與傳統(tǒng)的QTL 作圖相比較，具有檢測(cè)范圍廣、分辨率高、材料來源豐富（Winham &Biernacka，2013）的優(yōu)點(diǎn)，在我國(guó)辣椒遺傳改良育種方面應(yīng)用潛力巨大，如辣椒的品質(zhì)改良、抗逆性育種等相關(guān)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(xué)技術(shù)的不斷深入，在辣椒實(shí)際應(yīng)用中的局限會(huì)不斷地被克服。且隨著高通量測(cè)序等技術(shù)的進(jìn)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(jìn)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(cè)序等技術(shù)，進(jìn)一步結(jié)合多組學(xué)融合分析和基因功能驗(yàn)證等方法，對(duì)辣椒群體進(jìn)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(gè)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(chǔ)。

此外，GWAS 目前只是對(duì)候選遺傳標(biāo)記位點(diǎn)分布的一種理論預(yù)測(cè)，后續(xù)仍需要結(jié)合其他生物學(xué)方法進(jìn)行一系列深入研究以繼續(xù)探究其生物學(xué)功能，如通過qRT-PCR 驗(yàn)證、同源基因比對(duì)、多組學(xué)結(jié)合驗(yàn)證等才能進(jìn)一步證實(shí)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(cè)序成本的下降和統(tǒng)計(jì)方法的完善，多種植物基因組測(cè)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(huì)在揭示辣椒復(fù)雜性狀的遺傳基礎(chǔ)和品種改良中發(fā)揮超長(zhǎng)的作用。