Nature Genetics | 陆地棉泛T2T基因组再发顶刊
棉花在全球农业和工业发展中具有重要地位，尤其是陆地棉已成为主要栽培种。尽管现代育种显著提升了产量和品质，但现有基因组资源局限于少数不完整参考，制约了对遗传变异和基因组结构的深入解析。
河北农业大学马峙英研究团队于2026年3月20日在著名期刊Nature Genetics上发表了标题为“A pangenome reference and population studies link structural variants with breeding traits in Gossypium hirsutum”的研究性论文，构建了高质量陆地棉T2T基因组和泛基因组资源，系统揭示了复杂结构变异的全景特征及其与纤维品质、产量和抗病等重要农艺性状的遗传关联。
一、构建T2T参考基因组及27个近T2T基因组
本研究以1,671份陆地棉种质资源为基础，从中组装获得28个代表性基因组，包括1个高质量T2T参考基因组NDM13和27个near-T2T基因组。通过整合PacBio HiFi、ONT超长读长、Hi-C和Illumina测序数据，成功构建了约2.29 Gb的T2T基因组，并将其锚定到26条染色体上，进一步解析了端粒、着丝粒和45S rDNA等复杂区域。与已有参考基因组NDM8相比，NDM13填补了全部组装缺口，新鉴定出93个基因，并显著提高了片段重复（SD）区域的解析精度。与此同时，其余27个近T2T基因组在完整性和准确性方面也表现出较高水平，整体组装质量与NDM13接近。
图1：NDM13的T2T基因组特征分析
表1：NDM13基因组组装总体概况及其与NDM8的比较
二、基于基因的28个棉花泛基因组分析
本研究基于28个棉花基因组构建了基于基因的泛基因组，共鉴定出约8.5万个基因家族，其中约53%为所有基因组共享的核心基因，47%为可变基因以及少量私有基因。在每个基因组中平均注释到约7.99万个蛋白编码基因，且重复序列约占基因组的62.65%，其中以反转座子为主。进一步分析发现，蛋白编码基因在染色体末端区域显著富集，呈现明显的分布偏倚；随着纳入基因组数量增加，基因家族数在22个样本时趋于稳定，表明所选材料具有较好的代表性。表达分析表明，核心基因的表达水平显著高于可变基因和私有基因，且更多参与生殖过程和物质吸收；同时，大多数基因组中私有基因的表达水平也高于可变基因。作者还发现，大量核心基因在纤维组织中高表达，并主要富集于与纤维发育相关的基础生物过程。
图2：28份棉花材料的基于基因的泛基因组分析
三、端粒、着丝粒和rDNA的景观特征
研究进一步对28个棉花基因组的端粒、着丝粒和rDNA等复杂染色体区域进行了系统分析。结果显示，大多数染色体左右端粒长度基本一致，平均约11.4 kb，但不同染色体之间仍存在一定变异；同时，靠近染色体末端的基因表达水平更高。进一步研究发现，不同基因组间着丝粒的位置和长度存在明显差异，部分材料中出现约1 Mb的位置偏移或长度扩展，这些变化可能与着丝粒附近的倒位有关。表达分析表明，基因距离着丝粒越近，其表达水平越低。rDNA分析显示，每个基因组平均含有约236个45S rDNA，且在染色体上的分布明显不均，主要集中于少数特定染色体；相比之下，5S rDNA数量更多，并几乎全部分布在At09和Dt09染色体上。整体来看，棉花基因组在这些复杂区域表现出明显的结构差异和分布特征。
图3：棉花复杂基因组区域的景观特征及其分化
四、SD与CNV的结构与功能特征
本研究对28个棉花基因组中的片段重复（SD）和拷贝数变异（CNV）进行了分析。结果显示，SD序列平均占基因组的20.5%，显著高于人类，且绝大多数长度小于50 kb，以跨染色体分布为主，其总长度和数量均高于染色体内SD。作者进一步发现，A亚基因组中的SD明显多于D亚基因组，并主要富集于At06染色体。约10.86%的SD与基因区域重叠，其中多数可引起基因拷贝数增加或减少，表明SD与基因扩增和丢失密切相关。表达分析表明，SD区域基因的整体表达水平低于非SD区域，且沉默基因比例更高。与此同时，研究平均在每个基因组中鉴定到约1,929个CNV，包括拷贝增加和缺失两类，且多数为长度≥1 kb的变异，涉及大量基因。部分CNV可同时影响多个基因，导致不同材料间基因拷贝数及表达模式出现明显差异。整体来看，SD和CNV是影响棉花基因组结构及基因组成变化的重要变异类型。
图4：SD和CNV的全基因组分布模式
五、28个基因组中的SV谱系
本研究在28个棉花基因组中共鉴定四类结构变异（SV，≥30 bp），包括插入、缺失、倒位和易位，平均每个基因组约含7,746个，累计覆盖约258 Mb基因组序列。其中，插入与缺失数量基本均衡，反映了较高的组装质量；部分SV分布于基因本体及其临近区域，并与基因表达水平升高显著相关。作者进一步发现，SV在染色体上呈明显非均匀分布，共形成202个热点区域，这些区域了富集细胞壁代谢和抗病相关基因。除此之外，研究共检测到81个倒位，主要分布于特定染色体，且多数与SD相关，可导致基因数量增加或减少，其形成可能与非等位同源重组有关。研究还鉴定到664个易位，其中跨染色体类型占优势，约35%可导致新基因产生或基因丢失。整体来看，这些SV广泛参与了棉花基因组结构变异及基因组成变化。
图5：基于以 NDM13 为参考的27个基因组SV的推断及育种历史分析
六、现代育种过程中SV的分化特征
进一步比较了10个现代棉花品种与基础亲本Deltapine15和徐州209的SV，结果发现现代品种在纤维产量和品质上整体优于基础亲本。在所有现代品种中，作者分别鉴定到398个和433个与两亲本一致的SV，同时分别检测到7,211个和7,930个与亲本存在差异的SV。进一步分析表明，这些差异SV中有393个和47个分别与纤维品质和产量性状相关，其中部分变异位于关键基因上游或覆盖基因区域，可影响纤维长度和纤维强度。作者还发现，与两亲本相比，现代品种中分别存在6,677个和7,473个位于基因区或调控区的差异SV相关基因，其中约81%在至少一种组织中表达。这些基因主要富集于O-甲基转移酶活性、激素响应和UDP-葡萄糖-4-差向异构酶等功能。转录组分析进一步显示，现代品种相对Deltapine15有3,726个上调基因和3,267个下调基因，相对徐州209有3,756个上调基因和3,629个下调基因。
七、与重要性状相关的SV分型分析
本研究以NDM13为参考，整合27个棉花材料中的插入和缺失变异构建图谱型基因组，并对1,671份深度测序材料进行了SV分型，共鉴定30,840个SV，分型成功率达93.54%。其中，6,542个SV位于基因本体或调控区域，进一步筛选得到2,382个与纤维长度、纤维强度、马克隆值、铃重、衣分和籽指等性状显著相关的SV。结合5种棉铃和纤维形成相关组织的RNA-seq数据，作者发现其中1,027个SV与基因表达显著相关。典型例子是Dt06上MHCKBL基因上游196 bp缺失变异，可显著降低基因表达，并导致纤维长度缩短。进一步PCR验证和过表达实验表明，该变异是影响纤维长度的重要原因。基于30,840个大型SV和730,696个小型SV的GWAS还鉴定到2,768个与纤维品质、产量、开花期和黄萎病抗性相关的SV，其中Dt11上覆盖CRPK1的2,845 bp缺失与纤维强度显著相关。
图6：影响纤维长度（FL）和纤维强度（FS）的重要关联SV鉴定
结语
本研究基于1,671份陆地棉种质资源，构建了1个高质量T2T参考基因组和27个near-T2T基因组，建立了较为完整的陆地棉泛基因组和结构变异图谱。作者系统解析了端粒、着丝粒、rDNA、片段重复等复杂区域，鉴定了基因家族、拷贝数变异及多类型结构变异，揭示了棉花基因组在结构组成、基因分布和表达调控上的广泛差异。进一步结合群体分型、转录组和关联分析，研究将多个关键变异与纤维品质、产量及抗病等重要农艺性状联系起来，为陆地棉重要性状遗传解析和分子育种提供了重要资源。