核心提示：6月19日，我院郭亮、陳偉課題組聯合在Genome Biology發表了題為“Characterization of novel loci controlling seed oil content in Brassica napus by marker metabolite-based multi-omics analysis”的研究成果。
6月19日，我院郭亮、陳偉課題組聯合在Genome Biology發表了題為“Characterization of novel loci controlling seed oil content in Brassica napus by marker metabolite-based multi-omics analysis”的研究成果。該研究以基因組、轉錄組和代謝組數據為基礎，通過多組學聯合分析，從代謝的角度挖掘了一批油菜種子含油量的新位點，并克隆了兩個影響油菜種子含油量的關鍵基因。
該研究選擇油菜成熟種子作為研究材料，采用廣泛靶向代謝物分析的方法檢測了2173種代謝物。通過分析鑒定了131個與含油量顯著相關的代謝物，并将它們作為含油量的代謝标志物（marker metabolite）。對131個含油量代謝标志物開展了代謝物全基因組關聯分析（mGWAS），定位到446個代謝物數量性狀位點（mQTL）。同時，結合發育40天種子群體轉錄組數據，進行代謝物全轉錄組關聯分析（mTWAS），鑒定到與含油量代謝标志物顯著關聯的7316個基因。結合這些基因的eQTL分析結果，構建了包括代謝物、QTL和基因之間的三元關系網絡（圖1）。
圖1 含油量标記代謝物、QTL和基因之間的三元關系網絡
BnaTT4編碼查爾酮合成酶，該酶催化黃酮生物合成的第一步反應。該研究結合mGWAS和共表達網絡分析，發現黃酮生物合成途徑中的基因BnaTT4可能影響油菜種子的含油量（圖2）。進一步通過基因編輯技術創建BnaTT4基因的突變體材料，與野生型相比，BnaTT4突變體種子中黃酮類物質含量顯著下降。BnaTT4突變體L53和L68的種子含油量分别為45.7%和44.8%，顯著高于野生型油菜種子含油量（40%）。
圖2. BnaTT4影響油菜種子代謝和含油量
該研究進一步發現了C05染色體上一個含油量标志代謝物熱點mQTL3947，該位點與前期報道的含油量和皮殼率QTL共定位，通過多組學分析預測候選基因為BnaC05.UK。通過基因編輯技術創建了BnaC05.UK的突變體材料，BnaC05.UK突變體材料種子比野生型種子含油量顯著提高。同時，種子含油量負相關的多個代謝标志物（兒茶素、柚皮素等）含量在突變體中顯著降低。突變體發育中種子轉錄組分析與種皮钌紅染色結果表明，該基因的突變可能導緻質體RNA水平的變化，并影響脂肪酸、黃酮和果膠在種子中的積累。上述結果表明BnaC05.UK是調控甘藍型油菜種子含油量的新基因。
該研究創新性的通過基于标志代謝物的多組學分析方法挖掘了一批油菜種子含油量的新位點，首次提出了mTWAS的概念并且進行了相關分析，研究結果對推動油菜高含油量育種，保障國家食用植物油供給安全具有重要意義。
作物遺傳改良全國重點實驗室、湖北洪山實驗室郭亮教授和陳偉教授為該論文共同通訊作者，郭亮教授團隊博士生李隆，陳偉教授團隊博士生田志濤為論文共同第一作者。該研究得了到國家傑出青年科學基金項目（32225037）和湖北洪山實驗室重大項目（2021HSZD004）資助。作物遺傳改良全國重點實驗室趙虎研究員和姚璇副教授，園藝植物生物學教育部重點實驗室聞玮玮教授參與了該研究。
供稿： 李隆
審核人：郭亮 陳偉
【英文摘要】
Background: Seed oil content is an important agronomic trait of Brassica napus (B. napus), and metabolites are considered as the bridge between genotype and phenotype for physical traits.
Results: Using a widely-targeted metabolomics analysis in a natural population of 388 B. napus inbred lines, we quantify 2,173 metabolites in mature seeds by liquid chromatography mass spectrometry, in which 131 marker metabolites are identified to be correlated with seed oil content. These metabolites are then selected for further metabolite genome-wide association study and metabolite transcriptome-wide association study. Combined with weighted correlation network analysis, we construct a triple relationship network, which includes 21,000 edges and 4,384 nodes among metabolites, metabolite quantitative trait loci, genes, and co-expression modules. We validate the function of BnaA03.TT4, BnaC02.TT4 and BnaC05.UK, three candidate genes predicted by multi-omics analysis, which show significant impacts on seed oil content through regulating flavonoid metabolism in B. napus.
Conclusions: This study demonstrates the advantage of utilizing marker metabolites integrated with multi-omics analysis to dissect the genetic basis of agronomic traits in crops.
論文鍊接：https://doi.org/10.1186/s13059-023-02984-z
