Полногеномный анализ ассоциации устойчивости к пепельной гнили сои, выращенной в Казахстане

Пепельная гниль, вызываемая грибным патогеном Macrophomina phaseolina, представляет собой опасное заболевание, поражающее сою (Glycine max (L.) Merrill.) во всем мире. Выявление генетических факторов, связанных с устойчивостью к пепельной гнили, имеет важное значение для создания устойчивых к болезням сортов сои. Мы провели полногеномный анализ ассоциации (ПГАА) с использованием различных моделей и генотипических данных, чтобы найти генетические детерминанты, лежащие в основе устойчивости сои к пепельной гнили. В исследовании использовали коллекцию, состоящую из 252 образцов сои, включая коммерческие сорта и селекционные линии, для выявления генетических вариаций, связанных с устойчивостью. Фенотипическую оценку проводили в естественных условиях в период 2021–2022 гг. В работе регистрировали уровень заболевания и показатели выживаемости для количественной оценки уровней устойчивости образцов. Генотипические данные состояли из двух наборов: результаты генотипирования с применением технологии Illumina iSelect 6K SNP, и данные полногеномного ресеквенирования. Полногеномный анализ ассоциации был выполнен с помощью четырех различных моделей (MLM, MLMM, FarmCPU и BLINK) на платформе GAPIT. В результате были идентифицированы SNP-маркеры 11 локусов количественных признаков, ассоциированных с устойчивостью к пепельной гнили. Гены-кандидаты в пределах идентифицированных геномных областей были изучены на предмет их функциональной аннотации и потенциальной роли в защитных реакциях растений. Результаты этого исследования могут внести дополнительный вклад в разработку стратегий молекулярной селекции для повышения устойчивости сортов сои к пепельной гнили. Маркер-опосредованный отбор может быть эффективно применен для ускорения процесса селекции, что позволит создавать сорта с повышенной устойчивостью к пепельной гнили. Использование устойчивых сортов может значительно сократить потери урожая и повысить устойчивость производства сои, что принесет пользу фермерам и обеспечит стабильное производство этой ценной культуры.

1. Akem C.N. Management of Soybean Diseases. IITA Research Guide 40. Training Program. Ibadan, Nigeria: International Institute of Tropical Agriculture (IITA), 1996. Bandara A.Y., Weerasooriya D.K., Bradley C.A., Allen T.W., Esker P.D. Dissecting the economic impact of soybean diseases in the United States over two decades. PLoS One. 2020;15(4):e0231141. DOI: 10.1371/journal.pone.0231141.

2. Coser S.M., Chowda Reddy R.V., Zhang J., Mueller D.S., Mengistu A., Wise K.A., Allen T.W., Singh A., Singh A.K. Genetic architecture of charcoal rot (Macrophomina phaseolina) resistance in soybean revealed using a diverse panel. Front. Plant Sci. 2017;8:1626. DOI: 10.3389/fpls.2017.01626.

3. Didorenko S.V., Sagitov A.O., Kudaibergenov M.S. Main diseases on crops of soybean and methods of dealing with them. Agroalem. 2014;8(61):42-46. (in Russian)

4. Ehret G.B. Genome-wide association studies: contribution of genomics to understanding blood pressure and essential hypertension. Curr. Hypertens. Rep. 2010;12:17-25. DOI: 10.1007/s11906-009-0086-6.

5. Evanno G., Regnaut S., Goudet J. Detecting the number of clusters of individuals using the software STRUCTURE: a simulation study. Mol. Ecol. 2005;14(8):2611-2620. DOI: 10.1111/j.1365-294X.2005.02553.x.

6. Hartman G.L., Rupe J.C., Sikora E.J., Domier L.L., Davis J.A., Steffey K.L. Compendium of Soybean Diseases and Pests. St. Paul, Minnesota: The American Phytopathological Society, 2015. DOI: 10.1094/9780890544754.

7. Huang M., Liu X., Zhou Y., Summers R.M., Zhang Z. BLINK: A package for the next level of genome-wide association studies with both individuals and markers in the millions. GigaScience. 2019;8(2): giy154. DOI: 10.1093/gigascience/giy154.

8. Iquira E., Humira S., Francois B. Association mapping of QTLs for sclerotinia stem rot resistance in a collection of soybean plant introductions using a genotyping by sequencing (GBS) approach. BMC Plant Biol. 2015;15:5. DOI: 10.1186/s12870-014-0408-y.

9. Kaler A.S., Gillman J.D., Beissinger T., Purcell L.C. Comparing different statistical models and multiple testing corrections for association mapping in soybean and maize. Front. Plant Sci. 2020;10:1794. DOI: 10.3389/fpls.2019.01794.

10. Korte A., Farlow A. The advantages and limitations of trait analysis with GWAS: a review. Plant Methods. 2013;9:29. DOI: 10.1186/1746-4811-9-29.

11. Lin F., Chhapekar S.S., Vieira C.C., Da Silva M.P., Rojas A., Lee D., Liu N., Pardo E.M., Lee Y.-C., Dong Z., Pinheiro J.B., Ploper L.D., Rupe J., Chen P., Wang D., Nguyen H.T. Breeding for disease resistance in soybean: a global perspective. Theor. Appl. Genet. 2022; 135:3773-3872. DOI: 10.1007/s00122-022-04101-3.

12. Liu X., Huang M., Fan B., Buckler E.S., Zhang Z. Iterative usage of fixed and random effect models for powerful and efficient genomewide association studies. PLoS Genet. 2016;12(2):e1005767. DOI: 10.1371/journal.pgen.1005767.

13. Lu S., Dong L., Fang C., Liu S., Kong L., Cheng Q., Chen L., Su T., Nan H., Zhang D., Zhang L., Wang Z., Yang Y., Yu D., Liu X., Yang Q., Lin X., Tang Y., Zhao X., Yang X., Tian C., Xie Q., Yuan X., Tian Z., Liu B., Weller J.L., Kong F. Stepwise selection on homeologous PRR genes controlling flowering and maturity during soybean domestification. Nat. Genet. 2020;52(4):428-436. DOI: 10.1038/s41588-020-0604-7.

14. Mengistu A., Ray J.D., Smith J.R., Paris R.L. Charcoal rot disease assessment of soybean genotypes using a colony-forming unit index. Crop Sci. 2007;47(6):2453-2461. DOI: 10.2135/cropsci2007.04.0186.

15. Mombekova G.A., Shemshurova O.N., Seitbattalova A.I., Aitkhozhina N.A., Bekmakhanova N.E. Phytopathogens of sugar beet and soybean cultivated in soil and climatic conditions of Almaty region. Vestnik NAN RK = Bulletin of the National Academy of Sciences of the Republic of Kazakhstan. 2013;4:8-11. (in Russian)

16. Paris R.L., Mengistu A., Tyler J.M., Smith J.R. Registration of soybean germplasm line DT97–4290 with moderate resistance to charcoal rot. Crop Sci. 2006;46(5):2324-2325. DOI: 10.2135/cropsci2005.09.0297.

17. Pawlowski M.L., Hill C.B., Hartman G.L. Resistance to charcoal rot identified in ancestral soybean germplasm. Crop Sci. 2015;55(3): 1230-1235. DOI: 10.2135/cropsci2014.10.0687.

18. Pratap A., Gupta S.K., Kumar J., Mehandi S., Pandey V.R. Soybean. In: Breeding Oilseed Crops for Sustainable Production. Ch. 12. Academic Press, 2016;293-315. DOI: 10.1016/b978-0-12-801309-0.00012-4.

19. Pritchard J.K., Stephens M., Rosenberg N.A., Donnelly P. Association mapping in structured populations. Am. J. Hum. Genet. 2000;67(1): 170-181. DOI: 10.1086/302959.

20. Segura V., Vilhjalmsson B., Platt A., Korte A., Seren U., Long Q., Nordborg M. An efficient multi-locus mixed-model approach for genome-wide association studies in structured populations. Nat. Genet. 2012;44(7):825-830. DOI: 10.1038/ng.2314.

21. Shen Q., Zhao J., Du C., Xiang Y., Cao J., Qin X. Genome-scale identification of MLO domain-containing genes in soybean (Glycine max L. Merr.). Genes Genet. Syst. 2012;87(2):89-98. DOI: 10.1266/ggs.87.89.

22. Song Q., Hyten D.L., Jia G., Quigley C.V., Fickus E.W., Nelson R.L., Cregan P.B. Development and evaluation of SoySNP50K, a highdensity genotyping array for soybean. PLoS One. 2013;8(1):e54985. DOI: 10.1371/journal.pone.0054985.

23. St. Clair D.A. Quantitative disease resistance and quantitative resistance loci in breeding. Annu. Rev. Phytopathol. 2010;48:247-268. DOI: 10.1146/annurev-phyto-080508-081904.

24. Van Ooijen G., Mayr G., Kasiem M.M.A., Albrecht M., Cornelissen B.J., Takken F.L. Structure-function analysis of the NB-ARC domain of plant disease resistance proteins. J. Exp. Bot. 2008;59(6): 1383-1397. DOI: 10.1093/jxb/ern045.

25. Wang J., Zhang Z. GAPIT Version 3: boosting power and accuracy for genomic association and prediction. Genom. Proteom. Bioinform. 2021;19(4):629-640. DOI: 10.1016/j.gpb.2021.08.005.

26. Wrather A., Shannon G., Balardin R., Carregal L., Escobar R., Gupta G.K., Ma Z., Morel W., Ploper D., Tenuta A. Effect of disea ses on soybean yield in the top eight producing countries in 2006. Plant Health Prog. 2010;11(1). Online. DOI: 10.1094/PHP-2010-0125-01-RS.

27. Yin L., Zhang H., Tang Z., Xu J., Yin D., Zhang Z., Yuan X., Zhu M., Zhao S., Li X. rMVP: A memory-efficient, visualization-enhanced, and parallel-accelerated tool for genome-wide association study. Genom. Proteom. Bioinform. 2021;19(4):619-628. DOI: 10.1016/j.gpb.2020.10.007.

28. Yu J., Pressoir G., Briggs W., Bi I., Yamasaki M., Doebley J., McMullen M., Gaut B., Nielson D., Holland J., Kresovich S., Buckler E. A unified mixed-model method for association mapping that accounts for multiple levels of relatedness. Nat. Genet. 2006;38(2): 203-208. DOI: 10.1038/ng1702.

29. Zatybekov A., Abugalieva S., Didorenko S., Rsaliyev A., Turuspekov Y. GWAS of a soybean breeding collection from South East and South Kazakhstan for resistance to fungal diseases. Vavilovskii Zhurnal Genetiki i Selektsii = Vavilov Journal of Genetics and Breeding. 2018;22(5):536-543. DOI: 10.18699/VJ18.392.

30. Zatybekov A., Abugalieva S., Didorenko S., Turuspekov Y. Effect of population size on genome-wide association study of agronomic traits in soybean. Proc. Latv. Acad. Sci. 2020;74(4):244-251. DOI: 10.2478/prolas-2020-0039.

31. Zhang J., Song Q., Cregan P.B., Nelson R.L., Wang X., Wu J., Jiang G.L. Genome-wide association study for flowering time, maturity dates and plant height in early maturing soybean (Glycine max) germplasm. BMC Genomics. 2015;16(1):217. DOI: 10.1186/s12864-015-1441-4.