从中国农科院基因组所官方

　　然而，要实现精准“设计”，一个基因组数据远远不够。在此基础上，周永锋团队又陆续对包括野生种和栽培品种在内的 9 个二倍体葡萄品种进行测序、组装，得到 18 个端粒到端粒的单倍型基因组，并整合已有的基因组数据，构建了目前首个最全面、最准确的葡萄泛基因组，总长度达 1.43Gb，是单个参考基因组大小的近 3 倍。

　　为了进一步弄清楚葡萄基因与性状之间的关联，周永锋团队从近万份葡萄品种中选取了 400 多份有代表性的葡萄品种，连续 3 年对包括果穗大小、浆果中代谢物含量、浆果大小和果皮颜色等在内的 29 个农艺性状进行调查，构建了葡萄基因型图谱和性状图谱。在此基础上，周永锋团队利用数量遗传学分析，鉴定到 148 个与农艺性状显著相关的位点，其中 122 个位点为首次发现。研究发现，调控不同性状的位点间存在关联性，如可溶性固形物含量和浆果宽度相关位点邻近。此外，不同葡萄群体之间存在显著分化的区域，这些区域中存在与浆果颜色、果皮涩味、浆果形状、果穗重量、果肉硬度、果实大小等相关的多个性状相关的遗传位点，表明对农艺性状歧化选择促进了酿酒与鲜食葡萄的分化。

　　全面、准确的基因组数据是精准“设计”育种的基础，而如何深入挖掘这些数据来优化育种策略并指导育种？是智能育种必须回答的问题。在本研究中，研究人员将包含了性状和基因型的数据划分为三个子集：训练集、验证集和测试集。利用机器学习算法解析基因型与性状数据间的复杂网络关系，运用训练数据集构建了首个葡萄全基因组选择模型，研究进一步通过验证集调整模型参数，对模型进行优化，最后测试数据集评估最终模型的性能。研究结果表明，通过这一模型，育种家可以快速准确地评估大量育种材料的遗传潜力，从而更好地选择优良品种。与杂交育种需要根据葡萄成熟后的表型作出判断相比，目前，相关研究成果已申请获批国家发明专利 6 项，已申请国际专利 1 项。