袁進成, 孟亞軒, 孫穎琦, 趙心月, 王鳳霞, 劉穎慧

(河北北方學(xué)院農(nóng)林科技學(xué)院， 河北 張家口 075000)

植物在生長發(fā)育的整個生命過程中都會產(chǎn)生大量代謝物，這些代謝物不僅是人類食物和營養(yǎng)物質(zhì)的重要來源，也在保健和疾病治療中發(fā)揮重要作用[1]。植物的代謝物豐富多樣，大約有10～100萬種[2]，大多數(shù)代謝物都有物種特異性，有的代謝物還具有發(fā)育特異性或組織特異性。隨著代謝物定性和定量檢測技術(shù)的快速發(fā)展以及測量手段的精細化，人們發(fā)現(xiàn)，代謝物的結(jié)構(gòu)和種類遠遠比估計的更多，也更加復(fù)雜[3]。由于植物代謝物的多樣性，使得他們成為解析代謝物合成與分解、代謝途徑調(diào)控、基因家族解析和比較基因組學(xué)的理想標志物。

代謝組是聯(lián)系基因組和表型的橋梁。近二十年來，人們越來越關(guān)注將代謝組和系統(tǒng)生物學(xué)其他方法相結(jié)合，以揭示代謝多樣性及潛在的遺傳變異規(guī)律。由于復(fù)雜樣品快速分析平臺能力的提升，以及代謝組學(xué)與其他“組學(xué)”和遺傳學(xué)的結(jié)合，提供了更多解析代謝調(diào)控網(wǎng)絡(luò)的新方法。

1 代謝組學(xué)

代謝組學(xué)(metabolomics)是繼基因組學(xué)、轉(zhuǎn)錄組學(xué)及蛋白質(zhì)組學(xué)之后興起的又一種系統(tǒng)生物學(xué)研究手段，是對某一生物或細胞在某一特定生理時期內(nèi)所有低分子量代謝產(chǎn)物進行定性和定量分析的一門新學(xué)科，對特殊功能的小分子物質(zhì)進行分析具有突出優(yōu)勢。代謝組學(xué)是對生物體內(nèi)所有代謝物進行定量分析，并尋找代謝物與生理、病理變化間關(guān)系的一門學(xué)科，研究對象為相對分子質(zhì)量在1 000 以內(nèi)的小分子物質(zhì)[4-5]。由于代謝物處于生物系統(tǒng)生化活動調(diào)控的末端，基因表達和蛋白質(zhì)變化對生物系統(tǒng)產(chǎn)生的影響都能在代謝水平得以體現(xiàn)，因此,代謝組學(xué)分析所提供的信息能夠揭示生物體內(nèi)生理和生化功能的狀態(tài)，為功能基因組的研究提供便利。目前，隨著國內(nèi)外生物學(xué)研究重心從基因組向功能基因組的轉(zhuǎn)變，代謝組學(xué)在疾病診斷、微生物研究、轉(zhuǎn)基因作物分析、食品營養(yǎng)與安全等領(lǐng)域得到了廣泛應(yīng)用。

2 代謝組全基因組關(guān)聯(lián)分析研究

隨著質(zhì)譜分析、核磁分析平臺的完善和基因組測序技術(shù)的快速發(fā)展，全基因組關(guān)聯(lián)分析和代謝組學(xué)相結(jié)合，形成代謝組學(xué)聯(lián)合全基因組關(guān)聯(lián)分析技術(shù)(metabolome-based genome-wide association study，mGWAS)，該技術(shù)已經(jīng)應(yīng)用到植物代謝組多方面的研究中。mGWAS利用二代測序技術(shù)獲得群體材料的基因型數(shù)據(jù)(genotype)，結(jié)合代謝組數(shù)據(jù)(metabolome)開展基于代謝組學(xué)的全基因組關(guān)聯(lián)分析，有利于批量定位調(diào)控代謝物的候選基因，挖掘調(diào)控產(chǎn)量、品質(zhì)和環(huán)境應(yīng)答等相關(guān)代謝通路，深入了解植物代謝物合成調(diào)控的遺傳機制[1,6]。目前,mGWAS已經(jīng)成為研究植物代謝物遺傳多樣性的有力工具之一,已經(jīng)在多個物種中得以應(yīng)用，為代謝物多樣性的遺傳基礎(chǔ)研究提供了更深入的見解[7]。代謝組學(xué)和高通量測序相結(jié)合，使得一個物種內(nèi)或不同物種間代謝物的定量和定性分析成為可能。利用代謝譜分析，結(jié)合植物中大量的自然或人工作圖群體進行代謝物的關(guān)聯(lián)分析，有利于批量挖掘代謝物的調(diào)控基因，從而揭示植物代謝物形成的遺傳和生化基礎(chǔ)。

mGWAS是將代謝組數(shù)據(jù)作為表型，與基因型數(shù)據(jù)進行關(guān)聯(lián)分析的一種方法。由于代謝組數(shù)據(jù)較表型鑒定更為精細，因此關(guān)聯(lián)分析結(jié)果比傳統(tǒng)GWAS精確度更高。mGWAS使用精心設(shè)計的方法和作圖群體,為破譯代謝物多樣性的遺傳基礎(chǔ)(尤其是稀有變異)提供了新的方法?；趍GWAS的多維數(shù)據(jù)分析，對于代謝物遺傳多樣性及其調(diào)控機制的理解具有重要意義。mGWAS最早應(yīng)用于擬南芥中[8]，在擬南芥中將非靶向代謝譜和全基因組關(guān)聯(lián)分析相結(jié)合，利用代謝組學(xué)、遺傳學(xué)和基因組學(xué)相關(guān)研究，通過模式植物擬南芥的生物化學(xué)和遺傳多樣性來揭示基因和代謝物之間的聯(lián)系，將次級代謝物與調(diào)控基因聯(lián)系起來。這種方法在了解代謝物特性或相關(guān)酶生化功能的情況下，有助于研究代謝物與酶之間的關(guān)系。利用代謝物與基因型數(shù)據(jù)通過關(guān)聯(lián)分析可以挖掘與代謝相關(guān)的基因及基因座。與傳統(tǒng)表型 GWAS相比，mGWAS可進行大量代謝產(chǎn)物分析，且精確度較高。由于代謝物的種類、含量在不同品種或個體間具有較大差異性，因此， mGWAS 能夠批量、精準定位候選基因，進而發(fā)掘參與代謝調(diào)控的功能基因。近年來不斷有mGWAS在植物中應(yīng)用，并取得顯著的成果[1,7]。

3 mGWAS解讀代謝物的遺傳多樣性

代謝物由酶催化合成,任何活的細胞中都存在代謝反應(yīng)，代謝反應(yīng)對維持機體的生長、發(fā)育以及維護細胞的結(jié)構(gòu)和功能至關(guān)重要[9]。根據(jù)結(jié)構(gòu)和功能不同，將代謝物劃分為初生代謝物和次生代謝物。初生代謝物是植物產(chǎn)量和品質(zhì)的化學(xué)基礎(chǔ)，是維持植物生命活動和生長發(fā)育所必需的物質(zhì)。一般來說，初生代謝物的結(jié)構(gòu)和豐度相對保守。次生代謝物雖不是生命活動和生長發(fā)育所必需的物質(zhì)，但在植物遭遇病蟲害或逆境時，對維持機體內(nèi)物質(zhì)的動態(tài)平衡有重要意義。不同物種次生代謝物的結(jié)構(gòu)和豐度具有較大差異[10]。

3.1 mGWAS解讀初生代謝物的遺傳機制

初生代謝產(chǎn)物又被稱為植物的營養(yǎng)物質(zhì)，主要包括蛋白質(zhì)、糖、脂肪、維生素、礦物質(zhì)、水及其他各類微量活性功能成分。植物不同品種、組織及器官的營養(yǎng)成分也存在差異。在某些情況下，植物的營養(yǎng)物質(zhì)是植物形態(tài)特征的標記物[11]。利用代謝組學(xué)，可以獲得不同品種、組織及器官的營養(yǎng)成分及含量信息，借助mGWAS分析，可以對這些代謝物的遺傳機制進行解析[12]。Chen等[13]選取502份水稻品種，利用Illumina HiSeq 2000平臺進行測序，通過高通量LC-MS/MS分析檢測到837個代謝產(chǎn)物，發(fā)現(xiàn)有587個代謝產(chǎn)物受遺傳調(diào)控，且代謝物之間有較強的相關(guān)性，如纈氨酸和苯丙氨酸代謝呈顯著正相關(guān)(P<0.05)，同時不同亞種間代謝物也有相關(guān)性；通過mGWAS分析，共檢測到1 489個顯著關(guān)聯(lián)位點，可注釋到參與氨基酸及其衍生物合成和運輸?shù)认嚓P(guān)的60個候選基因。為進一步驗證GWAS結(jié)果及候選基因功能，對10個代表性候選基因進行了功能驗證，發(fā)現(xiàn)了控制粒色和粒徑的潛在候選基因，為代謝物和表型關(guān)聯(lián)分析提供了有力證據(jù)。Angelovici等[14]檢測了313份擬南芥籽粒中18 種游離氨基酸的絕對含量，利用氨基酸含量之間的比值為衍生性狀進行mGWAS分析，確定了12種相互關(guān)聯(lián)氨基酸的代謝網(wǎng)絡(luò)，并發(fā)掘出一個與組氨酸相關(guān)的候選基因CAT4，并利用RNAi對該基因進行了功能驗證。Deng等[15]將513份玉米自交系在云南和重慶兩種環(huán)境種植，分別測定了籽粒中17種氨基酸的含量，通過mGWAS在兩種環(huán)境中分別檢測出247個和281個關(guān)聯(lián)位點，這些位點的平均貢獻率分別為7.44% 和7.90%，意味著氨基酸的遺傳受有限基因座調(diào)控，并進一步解析了氨基酸的生物合成和分解代謝途徑。Chen等[16]利用GWAS分析普通小麥籽粒中20種游離氨基酸(free amino acids，F(xiàn)AAs)，共鑒定出328個關(guān)聯(lián)位點，不同F(xiàn)AAs的關(guān)聯(lián)位點數(shù)在8～41個，在這些關(guān)聯(lián)位點附近，共發(fā)現(xiàn)15個候選基因參與FAAs的生物合成，其中1個候選基因編碼色氨酸脫羧酶，參與色氨酸的合成。Zhou等[17]對3 991個玉米葉尖和葉基部的質(zhì)量性狀進行分析，檢測了玉米不同組織及不同亞群中特異性代謝物，mGWAS結(jié)果表明，90%的關(guān)聯(lián)位點具有多重性，分布于不同染色體。Du等[18]對419份陸地棉品種進行深度測序，檢測了約366萬個SNP，對13個纖維相關(guān)性狀進行GWAS，發(fā)現(xiàn)有7 383個SNP與纖維性狀顯著相關(guān)，并且D染色體上的關(guān)聯(lián)位點數(shù)要多于A染色體，研究表明，在長期馴化和育種過程中，人們對纖維品質(zhì)的選擇增加了優(yōu)異等位基因出現(xiàn)的頻率。

3.2 mGWAS解讀次生代謝遺傳機制

次生代謝物對植物正常生長和發(fā)育是非必需的，如生物堿、類黃酮、萜類和苯丙酸等物質(zhì)，但其在植物抵御生物和非生物脅迫中發(fā)揮著重要作用。此外，植物次生代謝物對制藥工業(yè)具有重要作用，如顛茄中提取的阿托品、罌粟中提取的嗎啡、金雞納樹中提取的奎寧等。除不同物種水平的代謝物多樣性外，植物次生代謝物的累積還表現(xiàn)出時空特異性[1,7]。Matsuda等[19]選取175份水稻材料，利用GWAS研究了水稻次生代謝物的遺傳基礎(chǔ)，89種次生代謝物共檢測出323個關(guān)聯(lián)位點，一些代謝物僅由少量主效位點控制，一些位點與多種次生代謝物密切相關(guān)。為解析番茄代謝組的遺傳機制，Zhu等[20]檢測了番茄果實中次生代謝物，研究表明，在馴化中對番茄味道的選擇是對番茄堿進行了負選擇，利用mGWAS技術(shù)發(fā)現(xiàn)，控制此性狀的關(guān)聯(lián)位點位于人類長期選擇的區(qū)域，其中10號染色體上檢測到一個新的基因簇，包含1個P450氧化還原酶基因、1個?；D(zhuǎn)移酶基因和8個糖基轉(zhuǎn)移酶基因。Fang等[7]對來自秈稻和粳稻兩個亞種的502份水稻材料進行分析，結(jié)果表明，多酚類物質(zhì)在葉片中的累積量高于籽粒，而黃酮類化合物如苯丙素、糖基黃酮主要在籽粒中積累。Zhou等[17]對282份玉米自交系進行代謝組學(xué)分析發(fā)現(xiàn)，不同品種的苯并惡唑嗪酮類化合物含量差異顯著，葉尖和葉基中黃酮含量也存在差異，可能是由于葉尖需要更多的類黃酮來抵御生物和非生物脅迫；通過mGWAS發(fā)掘調(diào)控苯丙惡嗪和苯丙烷類物質(zhì)的基因座，表明了次生代謝物遺傳調(diào)控的復(fù)雜性。Fernie等[21]對擬南芥中黃酮類化合物的靶向代謝組進行分析，從1 800種代謝物中鑒定出8種新的花青素，獲得2個糖基轉(zhuǎn)移酶基因，分別編碼類黃酮3-O-葡萄糖基轉(zhuǎn)移酶和花青素5-O-葡萄糖基轉(zhuǎn)移酶；除與花青素代謝有關(guān)的已知基因外，還發(fā)掘出一些功能不明或假定功能注釋的基因，這些基因可能與糖基轉(zhuǎn)移酶、?；D(zhuǎn)移酶、谷胱甘肽S-轉(zhuǎn)移酶、糖轉(zhuǎn)運蛋白等有關(guān)。將代謝組學(xué)和轉(zhuǎn)錄組學(xué)相結(jié)合，不僅提供了一種發(fā)掘調(diào)控代謝物基因的新方法，并進一步揭示了花青素和槲皮素衍生物的遺傳機制[21]。

4 mGWAS對植物生長發(fā)育調(diào)控和應(yīng)激反應(yīng)的解析

由于代謝物與植物表型的相關(guān)性較大，因此，代謝組學(xué)對研究植物生長發(fā)育過程尤為重要。全面闡明植物發(fā)育的生化和遺傳機制以及應(yīng)激反應(yīng)的遺傳基礎(chǔ)在很大程度上依賴于代謝組學(xué)在植物科學(xué)中系統(tǒng)、綜合的應(yīng)用。代謝組學(xué)可以檢測植物不同發(fā)育階段和不同環(huán)境脅迫下的特征代謝標記物，篩選出的標記物可作為植物的代謝診斷物，育種家可以結(jié)合遺傳背景和環(huán)境變化來識別代謝標記物。

4.1 mGWAS對植物發(fā)育時空代謝譜的解析

功能基因組學(xué)提供了基因和蛋白的時空表達模式信息，代謝組學(xué)可以將豐富的代謝物數(shù)據(jù)添加到功能基因組數(shù)據(jù)中，以了解植物發(fā)育的整體情況，探索植物生長發(fā)育過程中代謝物的動態(tài)變化，為代謝物質(zhì)遺傳機制的解析提供新見解。無論是單子葉水稻還是雙子葉擬南芥，在植物進化中代謝物的累積具有相似的特點[6,19]。Dong等[22]對水稻兩個亞種進行mGWAS分析發(fā)現(xiàn)，酚酰胺類化合物的豐度在發(fā)育過程中受時空調(diào)控，在不同組織中的累積也存在差異，由此表明，種子成熟和萌發(fā)過程中的代謝物以及編碼代謝物相關(guān)基因的表達均受時間和空間的影響。Strauch等[8]對擬南芥全基因組關(guān)聯(lián)分析發(fā)現(xiàn)，種子發(fā)育始于胚胎發(fā)生后的代謝活躍期，在此期間合成大量的儲備化合物。種子成熟與大多數(shù)糖、有機酸和氨基酸的顯著減少有關(guān)，這表明它們能有效地轉(zhuǎn)入貯藏庫。從貯藏積累到種子干燥轉(zhuǎn)變與代謝物的轉(zhuǎn)換有關(guān)，導(dǎo)致不同糖、有機酸、富氮氨基酸和莽草酸衍生代謝物累積。Zhu等[20]研究番茄種子氨基酸的代謝規(guī)律發(fā)現(xiàn)，氨基酸在整個種群中表現(xiàn)出高度的多樣性，糖表現(xiàn)出明顯的季節(jié)波動。Toubiana等[23]和Fait等[24]對番茄果皮代謝物分析發(fā)現(xiàn)，代謝物多態(tài)性主要受基因型影響，受環(huán)境或組織影響較小。植物發(fā)育的時空代謝特征可以作為潛在的生物標志物，從而捕捉植物遺傳發(fā)育的內(nèi)在特征。目前，該方法已成功應(yīng)用于水稻分蘗的研究，Dong等[22]對水稻分蘗發(fā)育過程中的代謝組學(xué)數(shù)據(jù)進行分析，發(fā)現(xiàn)其中21種代謝物捕獲了約83%的代謝反應(yīng)，這些代謝物在植物發(fā)育過程發(fā)生明顯變化，它們可作為快速篩選與發(fā)育相關(guān)代謝譜的基礎(chǔ)。Tarpley等[25]為研究大豆葉片從營養(yǎng)生長到生殖生長階段代謝物的轉(zhuǎn)變，追蹤整個生育期的代謝譜，結(jié)果表明，山奈酚黃酮苷元、大豆苷元、染料木黃酮和香豆黃酮可以作為生長標記物，8種隨著特定發(fā)育階段和環(huán)境信號而變化的黃酮類山奈酚苷被確定為潛在的生長標記物。由于代謝物種類繁多，在植物的不同細胞、甚至亞細胞水平上均存在差異，因此，用于分辨植物代謝物的高分辨率技術(shù)越來越受到重視[26]。Rolda等[27]以3—9日齡幼苗為材料，分析種子、子葉、下胚軸和根系中代謝物的差異，結(jié)果表明，皂甙類化合物主要積累在種子中，生物堿主要積累于根系中，糖基化黃酮醇主要積累于子葉中，花青素主要積累于下胚軸中，85% 的代謝物都表現(xiàn)出器官積累特性。Fernando等[28]分析毛果海棠生物量及木材的化學(xué)成分發(fā)現(xiàn)，春芽物候、水分利用效率、碳氮同化以及木質(zhì)纖維素也均存在代謝物的差異累積；還發(fā)現(xiàn)1個涉及RNA轉(zhuǎn)錄調(diào)控的核糖核酸外切酶基因(XRN4)在乙烯信號通路中發(fā)揮作用，同時參與脅迫應(yīng)答，該基因可能影響氮代謝和葉片形態(tài)建成；纖維素合成酶基因(CesA1A，CesA2B和CesA1A)與木質(zhì)素的形成密切相關(guān)。水稻種子的萌發(fā)活力是一個復(fù)雜的數(shù)量性狀，需要同化、儲存和使用非結(jié)構(gòu)性碳水化合物來產(chǎn)生幼芽和幼葉，將全基因組關(guān)聯(lián)分析(GWAS)應(yīng)用于形態(tài)和非結(jié)構(gòu)性碳水化合物檢測，結(jié)果表明，萌發(fā)活力由微效多基因控制，與糖含量密切相關(guān)；進一步研究表明，己糖在源葉和分生組織中累積，與舌狀葉的形成相關(guān)，在控制葉片大小和葉片生長中發(fā)揮重要作用[29]。代謝和代謝物的變化是發(fā)育過程的一部分，也是對發(fā)育過程的響應(yīng)，這些變化既受生命進程的影響，也受外部因素的影響。

4.2 mGWAS解析植物應(yīng)激反應(yīng)機制

植物在發(fā)育過程中經(jīng)常遭遇生物或非生物脅迫，一旦植物受到脅迫刺激信號，脅迫應(yīng)答基因被激活表達，就會產(chǎn)生特異的脅迫代謝產(chǎn)物，特別是一些次級代謝物以適應(yīng)環(huán)境脅迫[19]。Ahmed等[30]研究表明，植物對干旱和鹽分脅迫的耐受性與代謝水平有關(guān)，對耐鹽野生大麥的轉(zhuǎn)錄組分析發(fā)現(xiàn)，次級代謝物含量與對照具有較大差異，如黃酮和酚類化合物的含量顯著增加。植物受到脅迫后，其代謝反應(yīng)受物種、組織和脅迫類型等影響，為了適應(yīng)脅迫，植物通過復(fù)雜的生化反應(yīng)來緩解脅迫造成的損傷。因此，脅迫環(huán)境下鑒定的代謝物有助于解析植物防御機制，同時這些代謝物也是植物防御反應(yīng)的重要標志物。目前越來越多脅迫耐受或敏感的代謝標志物被鑒定[31]。如Agarrwal等[32]發(fā)現(xiàn)16種脂肪酸(如不飽脂肪酸和亞油酸)和2種氨基酸(谷氨酰胺和苯丙氨酸)為抗癭蚊水稻品種的抗性標志物。Sana等[33]發(fā)現(xiàn)苯乙酮、葉黃素、脂肪酸、生物堿、谷胱甘肽、碳水化合物和脂質(zhì)的生物合成途徑受脅迫影響，并發(fā)現(xiàn)Xa21、GAD、PAL、ICL1和谷胱甘肽-S-轉(zhuǎn)移酶基因的表達量發(fā)生變化。Parker等[34]通過代謝組學(xué)分析表明，大麥和紫假雀麥草感染米曲霉后，代謝模式發(fā)生變化，蘋果酸、多胺、奎寧酸和非聚合木質(zhì)素前體物大量累積。Gunnaiah等[35]發(fā)現(xiàn)，小麥被鐮刀菌侵染后，苯丙素和酚類化合物含量增加。苯丙素是木質(zhì)素的前體物質(zhì)，參與根的細胞壁建成，增厚細胞壁有助于植物防御病原體感染，是植物抗逆機制的重要組成部分。Luo等[6]在磷素充足和缺磷的條件下，以6個低磷敏感品系和6個低磷抗性品系為材料，結(jié)合代謝譜和全基因組關(guān)聯(lián)分析，比較玉米葉片和根系中與磷素缺乏有關(guān)的代謝途徑和基因，發(fā)現(xiàn)類黃酮、黃酮苷、多酚、苯并萜類化合物等42種次級代謝產(chǎn)物與磷素脅迫反應(yīng)密切相關(guān)。Xu等[36]利用兩個玉米自然群體進行全基因組關(guān)聯(lián)分析，在兩個不同氣候和土壤類型的試驗地點進行鑒定，共檢測出259個與低磷脅迫相關(guān)的候選基因，這些候選基因主要參與轉(zhuǎn)錄調(diào)控、活性氧清除、激素調(diào)節(jié)和細胞壁重塑等四個方面。Courtois等[37]利用來自熱帶的167份粳稻資源，對根系性狀進行關(guān)聯(lián)分析，共獲得261個相關(guān)基因，其中27個激酶表達量較高，包括多銅氧化酶、赤霉素雙加氧酶、谷胱甘肽-S轉(zhuǎn)移酶及伸長因子等。未來代謝組學(xué)將致力于更好地理解植物對生物和非生物脅迫的應(yīng)激反應(yīng)機制，從而提高植物的抗逆性，減少因脅迫造成的經(jīng)濟損失。

5 基于mGWAS的多維分析在植物中的應(yīng)用

將代謝組學(xué)和轉(zhuǎn)錄組學(xué)數(shù)據(jù)相結(jié)合，這種多個數(shù)據(jù)集相結(jié)合可以彌補單一數(shù)據(jù)類型缺少或者不可靠的缺點。目前，多維分析方法已越來越多地應(yīng)用于作物代謝遺傳機制的研究。Hegeman等[3]基于主成分分析法(PCA)，可以最大限度地提高GWAS對表型的分析能力，類似的策略也可應(yīng)用于代謝物分析，該方法有助于解析代謝物多樣性的遺傳基礎(chǔ)。Huang等[38]開發(fā)了一種高性價比的GWAS方法，可以對低豐度測序數(shù)據(jù)進行高效、準確、快速的基因型鑒定，也可對代謝途徑和缺失數(shù)據(jù)進行補充。他們利用大樣本對水稻低覆蓋測序數(shù)據(jù)從頭組裝，構(gòu)建了一張精確的高密度基因型圖譜；結(jié)合mGWAS分析共檢測到32個與開花時間、10個與籽粒形成相關(guān)的關(guān)聯(lián)位點，該結(jié)果表明大樣本提高了GWAS的檢測精度。利用多位點(multi-locus)mGWAS分析普通小麥籽粒中20種FAA，共鑒定出328個關(guān)聯(lián)位點，在這些位點附近共發(fā)現(xiàn)15個候選基因參與FAAs的生物合成[16]。這種方法彌補了單位點(single-locus)忽略代謝標記物疊加效應(yīng)的不足[11]。由此表明，多位點mGWAS分析是一種非常有應(yīng)用價值的方法。

利用物種進化的線性關(guān)系研究物種之間的相似性和差異性，可以深入了解各物種復(fù)雜的代謝途徑，GWAS為解析植物性狀的遺傳調(diào)控機制提供了方法。由于近緣物種間代謝物的結(jié)構(gòu)相同或相近，利用mGWAS跨物種識別候選基因和代謝途徑成為一種新的嘗試。利用mGWAS在小麥、玉米、水稻等作物間通過比較連鎖圖譜，挖掘目標代謝物的候選基因，研究表明，在玉米通過GWAS檢測到的關(guān)聯(lián)位點分辨率較高，但效應(yīng)值較低[12,39]；而水稻中檢測到的關(guān)聯(lián)位點效應(yīng)值較高，但分辨率較低[13,16]。Chen等[16]利用玉米和水稻高分辨率圖譜和高通量SNPs，對籽粒中代謝物和表型性狀進行全基因組關(guān)聯(lián)分析，分別獲得420和292個關(guān)聯(lián)位點，共檢測到123個位點在水稻和玉米中與同一代謝物相關(guān)，兩個物種之間共檢測到23個共同代謝特征，發(fā)現(xiàn)調(diào)控種子大小、粉碎習(xí)性和開花習(xí)性的基因座在兩種作物間有較好的同源性，一些候選基因也存在共線性關(guān)系。該研究為植物功能基因組學(xué)和代謝組學(xué)的相互結(jié)合，特別是復(fù)雜性狀的遺傳解析提供了有力的支持。多維分析有利于代謝組遺傳機制的深度解析，但是由于目前許多物種代謝組提供的信息有限，限制了該技術(shù)的應(yīng)用。

6 展望

代謝組學(xué)是轉(zhuǎn)錄組學(xué)和蛋白質(zhì)組學(xué)的下游，被認為是連接基因組和表型之間的橋梁。一個物種代謝組的實際大小無法同轉(zhuǎn)錄組或蛋白質(zhì)組一樣，由已知的基因組信息通過中心法則進行推測，因此，代謝組學(xué)與基因組學(xué)相結(jié)合可以獲得更多有價值的信息。對代謝組學(xué)的深入研究極大地拓寬了人們對植物復(fù)雜代謝網(wǎng)絡(luò)的認識，以及對植物生長發(fā)育和脅迫應(yīng)答機制的了解。代謝組學(xué)分析有助于通過代謝網(wǎng)絡(luò)了解基因型與代謝物間的關(guān)系。隨著基因組測序技術(shù)和生物信息學(xué)的應(yīng)用，植物代謝組與功能基因組學(xué)相結(jié)合，已應(yīng)用到許多領(lǐng)域，盡管目前還存在一些局限性，但它無疑是植物生理學(xué)和作物育種學(xué)的一個重要工具。基于來自不同組織或不同條件下代謝組數(shù)據(jù)的GWAS分析表明，許多關(guān)鍵基因?qū)Υx物的積累具有重要作用，還發(fā)現(xiàn)不同物種間同源基因調(diào)控的代謝物具有相同或相似的化學(xué)結(jié)構(gòu)。然而，整合多組學(xué)數(shù)據(jù)解析植物代謝組仍然具有挑戰(zhàn)性，因為每個獨立個體的代謝網(wǎng)絡(luò)都是錯綜復(fù)雜的。如何更高效地認識并區(qū)分結(jié)構(gòu)相似但代謝途徑不同的代謝物以及它們的生物學(xué)功能？如何探索關(guān)聯(lián)代謝物或者衍生代謝物的代謝途徑？這些都是mGWAS需要重點關(guān)注的問題。今后，代謝組學(xué)平臺的改進為準確有效地鑒定盡可能多的代謝物(尤其次生代謝物)提供了可能，精確解釋這些數(shù)據(jù)，并與其他平臺快速集成，解析主要農(nóng)作物代謝物的分子生化機制，深入了解作物在正常和脅迫條件下生長發(fā)育過程中的代謝途徑，為提高作物產(chǎn)量和品質(zhì)服務(wù)。