Mol Plant | 南京农业大学构建大豆智慧育种平台SSBP,为大豆复杂性状解析与分子设计育种提供一站式支撑

大豆是全球重要的植物蛋白和食用油来源，其产量、品质和抗逆性等性状直接关系农业生产与食品安全。但大豆重要农艺性状多属于复杂性状，受多基因及环境共同调控。尽管 GWAS 推动了大豆遗传研究发展，现有研究仍普遍存在分型密度偏低、样本规模有限、多环境结果难整合等问题，长期缺乏覆盖全基因组、面向多性状并兼顾多效性的系统性 QTL 图谱，也缺少贯通“位点发现—效应解析—育种应用”的综合平台。

针对这一瓶颈，研究团队首先构建了超大规模大豆参考单倍型面板 SoyRefHap。该面板整合全球55个国家和地区的10,479份大豆重测序材料，包括野生大豆、地方品种和改良品种，共包含2444万个 SNP 和343万个 INDEL，较完整覆盖了大豆群体遗传变异。基于该面板，团队实现了6种主流大豆 SNP 芯片向序列水平的高精度基因型填充，准确率均超过 99.3%，为历史芯片数据升级提供了可靠基础。

在此基础上，利用 USDA-SGC 大规模基因型和表型资源，对622个“性状—环境”组合开展 GWAS，并在性状层面进行 meta 分析，最终构建了覆盖79个农艺性状的全景式大豆 QTL 图谱，解析出4,321个候选 QTL。结果显示，约 28% 的显著位点具有跨性状多效性，表明多个重要农艺性状之间广泛共享遗传基础。这不仅提升了对大豆复杂性状遗传结构的系统认知，也为协同改良产量、品质和抗性等性状提供了重要线索。

为推动遗传发现服务育种实践，进一步开发了一站式智慧育种工作流，支持基因型填充、多环境表型预测、候选编辑位点推荐和亲本组合优化等关键分析。研究针对622个性状—环境组合训练 BayesR 模型，最终保留455个预测准确率不低于0.50的模型，覆盖54个性状。平台整合 Variation、QTL、CausalMap 和 Breeding 四大模块，实现了从变异查询、QTL 浏览、区域精细定位到育种决策分析的连续操作。

论文通过两个案例展示了平台应用能力。在油分性状案例中，团队结合区域关联信号、精细定位和共定位分析，优先锁定15号染色体候选基因 GmSWEET10a，揭示其与油分、粒重、产量和蛋白含量等多个性状相关，体现出明显多效性。在蛋白育种案例中，平台对多个代表性品种进行了多环境蛋白含量预测，并给出编辑位点推荐和亲本组合优化结果。与徐州农科院合作，开展回顾性评估显示，育成高蛋白品种“徐豆23”的亲本组合在多个环境下均具有较高育种潜力预测值，表明平台在真实育种场景中具有良好应用前景。

该研究由南京农业大学牵头，联合江苏徐淮地区徐州农业科学研究所、丹麦奥胡斯大学和美国密歇根州立大学等单位共同完成。南京农业大学刘金定为论文第一作者和通讯作者，窦道龙、王幸和朱毅华为共同通讯作者。其中，徐州农科院王幸参与了研究的数据验证与育种实践支撑工作。丹麦奥胡斯大学房灵昭和密西根州立大学黄温也对本研究提供了帮助。该研究得到国家自然科学基金项目（32270208）和国家留学基金委项目（202306850077）等资助。