GWAS na Agricultura e Melhoramento de Plantas: Aplicações em Mapeamento Genético e Melhoria de Culturas

A melhoria das culturas é o meio fundamental para garantir a segurança alimentar, enfrentar as alterações climáticas e satisfazer as necessidades do crescimento populacional global. De acordo com a previsão da FAO, a produção global de grãos precisa ser aumentada em 50% até 2050 para atender à crescente demanda populacional, e as frequentes condições climáticas extremas causadas pelas alterações climáticas tornam cada vez mais difícil para as culturas cultivadas por métodos tradicionais de melhoramento se adaptarem ao ambiente complexo.

Com o rápido desenvolvimento da biologia molecular e da tecnologia de genómica, estudo de associação genómica (GWAS) tornou-se uma ferramenta chave para analisar a base genética de características complexas das culturas e acelerar o processo de melhoramento, graças às suas vantagens, como alta capacidade, não necessidade de construir uma população específica e análise simultânea de múltiplas características. Ao escanear locais de polimorfismo de nucleotídeo único (SNP) em todo o genoma, GWAS pode explorar a variação genética associada à característica alvo. Comparado com o método tradicional de mapeamento de locus de características quantitativas (QTL), GWAS pode ultrapassar o desequilíbrio de ligação e alcançar um mapeamento genético mais preciso.

O artigo discute como o GWAS serve como uma ferramenta chave em agricultura e melhoramento de plantas, abrangendo as suas aplicações na melhoria de culturas, integração com mapeamento de QTL, desafios na GWAS de plantas e o seu futuro na agricultura sustentável.

GWAS para Melhoria de Culturas

Ao analisar a associação entre marcadores genómicos e características fenotípicas de um grande número de indivíduos em populações naturais, os GWAS podem explorar de forma eficiente os loci genéticos que controlam características complexas e fornecer alvos moleculares precisos para a melhoria das culturas. A sua aplicação na melhoria das culturas reflete-se principalmente nos seguintes aspetos:

Análise Genética de Traços Agronómicos Complexos

Para características complexas como rendimento, qualidade e resistência a stress (como resistência à seca e resistência a doenças) controladas por múltiplos genes, GWAS pode localizar locais de mutação chave no genoma completoNo estudo das características de rendimento, através da análise GWAS do peso de 1000 grãos de trigo, os investigadores analisaram milhares de recursos de germoplasma de trigo com chips SNP de alta densidade e, combinando com muitos anos de dados fenotípicos de campo, localizaram com sucesso o locus do gene TaGW2 no cromossoma 3B. A variação deste locus pode explicar a variação fenotípica de 12%-18%, fornecendo um importante alvo molecular para o melhoramento de trigo de alto rendimento.

Em termos de características de qualidade, o comprimento da fibra de algodão é um índice importante que afeta a indústria de fiação de algodão. Ao integrar dados de transcriptoma e metabolómica, a pesquisa de GWAS localizou vários QTLs chave relacionados à elongação da fibra no algodão de ilha, entre os quais o gene GhMML4 é altamente expresso no período de elongação da fibra, regulando a via de síntese da celulose, e marcadores relacionados foram aplicados ao melhoramento assistido por marcadores moleculares de algodão de alta qualidade e de longo fio.

Preenchendo a lacuna: GWAS assistido por lipidómica (lGWAS) (Pranneshraj et al., 2022)

Desenvolvimento de Marcação Molecular Assistida por Seleção

Os marcadores de associação significativos encontrados por GWAS podem ser utilizados diretamente como ferramentas de triagem para a reprodução molecular, permitindo a seleção precoce de características excelentes. Este avanço técnico alterou fundamentalmente o modelo tradicional de reprodução de culturas que se baseava na observação fenotípica. Os loci genéticos intimamente ligados a características-alvo são localizados diretamente pela tecnologia de genotipagem quantitativa da Qualcomm, o que permite aos melhoradores selecionar com precisão indivíduos que carregam genes excelentes na fase inicial de crescimento das culturas e até mesmo na fase de semente.

Comparado com a seleção fenotípica tradicional, a seleção assistida baseada em marcadores GWAS tem vantagens significativas: em primeiro lugar, pode superar efetivamente a interferência de fatores ambientais na identificação fenotípica e realizar uma seleção precisa a nível genético; em segundo lugar, pode ultrapassar a limitação de tempo e espaço da expressão de características, como a previsão antecipada de características de rendimento que só podem aparecer na fase final de crescimento; em terceiro lugar, o ciclo de melhoramento é significativamente encurtado. Na melhoramento tradicional, pode levar de 1 a 2 anos para completar a triagem fenotípica de uma geração, enquanto a seleção assistida por marcadores moleculares pode comprimir o tempo de triagem de uma única geração para várias semanas, melhorando significativamente a eficiência da seleção.

Resultados de simulações sob cenários de colocalização/não colocalização (A, B) e resultados da aplicação a dados reais (C) (Giambartolomei et al., 2018)

A Ponte Entre o Clonagem de Genes e a Verificação Funcional

O intervalo de correlação do mapeamento GWAS define o limite preciso para a clonagem de genes candidatos e estabelece uma base sólida para a investigação da função dos genes subsequente. Na pesquisa prática, os investigadores costumam utilizar uma variedade de meios técnicos de ponta para aprofundar e verificar as funções dos genes-chave a partir do intervalo de correlação.

Em primeiro lugar, através da análise da expressão génica, os investigadores podem obter padrões de expressão génica em diferentes estágios de crescimento e sob diferentes condições ambientais, e inicialmente selecionar genes candidatos com funções potenciais; em seguida, com a ajuda de técnicas avançadas de edição genética, como o CRISPR/Cas9, os genes candidatos foram alvo de knockout, superexpressão ou modificação, e os seus efeitos no fenótipo foram observados, para determinar com precisão as funções biológicas dos genes.

Integração de GWAS com Mapeamento QTL

O mapeamento de loci de características quantitativas (QTL) (baseado na análise de ligação) e os estudos de associação genômica (GWAS) (baseados no desequilíbrio de ligação) têm as suas vantagens na análise genética. A sua integração pode complementar as vantagens de cada um e melhorar a precisão e eficiência da análise de características complexas.

Princípio da Complementaridade e Lógica de Integração

A tecnologia de mapeamento de QTL é principalmente aplicada a populações isoladas com um fundo genético simples, como a população F2 e a população de retrocruzamento. Este método pode identificar eficazmente loci genéticos com efeitos significativos, mas a sua resolução de posicionamento é relativamente limitada. Em contraste, os GWAS, que dependem de populações naturais para realizar pesquisas, podem detectar loci genéticos menores e têm alta precisão de posicionamento.

No entanto, deve-se notar que o método GWAS é facilmente perturbado pela estrutura do grupo no processo de implementação. Dadas as vantagens e desvantagens dos dois métodos, a cobertura abrangente de loci maiores e menores pode ser alcançada através da integração da mapeamento de QTL e da tecnologia GWAS, e pode ser construído um quadro de pesquisa sistemático de "mapeamento preliminar de QTL - mapeamento fino de GWAS".

Considerar o background genético melhora o desempenho dos GWAS (Korte et al., 2013)

Método de Integração Tecnológica

Primeiramente, o mapeamento de QTL foi utilizado para localizar os principais loci na população isolada, e depois a GWAS foi utilizada para examinar cuidadosamente a região na população natural para restringir o intervalo candidato. Esta estratégia aproveita ao máximo as vantagens das duas tecnologias, nomeadamente, a capacidade do mapeamento de QTL de detectar locais de grande efeito em populações com antecedentes genéticos relativamente simples, e as características da GWAS para alcançar um mapeamento de alta resolução em populações naturais com rica diversidade genética.

Utilizando métodos estatísticos (como o modelo linear misto) para integrar diretamente o genótipo e informações fenotípicas dos dois tipos de dados, e estimar os efeitos dos loci de QTL e GWAS ao mesmo tempo. Este método ultrapassa a limitação do método de análise tradicional único e pode capturar a base genética de traços complexos de forma mais abrangente.

A estratégia de integração melhora significativamente a precisão da localização de lócus genéticos através da fusão de dados multidimensionais e otimização de algoritmos. O modelo linear misto (MLM) e o método de análise bayesiana baseado em aprendizagem automática podem controlar efetivamente a interferência causada pela estrutura populacional e parentesco, melhorando a precisão de posicionamento do nível de segmento cromossómico dos métodos tradicionais para o nível de kb de genes candidatos.

O estado atual dos GWAS equipados com fenotipagem de alto rendimento em plantas (Xiao et al., 2021)

Desafios na GWAS de Plantas

Embora os GWAS tenham se tornado uma ferramenta importante para a pesquisa genética de culturas e a melhoria do cultivo, a sua aplicação prática ainda está sujeita a múltiplas limitações das características biológicas das plantas e das condições de pesquisa, e enfrenta muitos desafios técnicos e teóricos que precisam ser resolvidos com urgência.

• A população natural de plantas apresenta frequentemente uma diferenciação óbvia de subgrupos (como diferentes fontes geográficas e antecedentes de reprodução), o que pode facilmente levar a associações falsas. Existem grandes diferenças genéticas entre as subespécies de arroz indica e japonica, e se forem misturadas diretamente, os marcadores subspecíficos podem ser mal interpretados como locos associados a características. Além disso, a base genética da mesma característica em diferentes subgrupos pode ser diferente (heterogeneidade genética), o que aumenta a dificuldade de analisar os resultados.
• A plasticidade do fenótipo das plantas é significativamente controlada por covariáveis ambientais, incluindo fatores abióticos como a intensidade da radiação luminosa, o conteúdo de água no solo e o gradiente de fornecimento de nutrientes. Ao mesmo tempo, os componentes do rendimento das culturas, os indicadores relacionados à qualidade e outras características agronómicas importantes são caracterizados por mudanças dinâmicas e propriedades compostas multidimensionais, o que faz com que os erros de medição gerados no processo de coleta de dados fenotípicos levem facilmente à atenuação do sinal dos efeitos genéticos. Tomando o peso de 1000 grãos como exemplo, a precisão dos dados fenotípicos depende significativamente de fatores como o julgamento da maturidade no momento da colheita, a uniformidade do desenvolvimento dos grãos, etc. Se a coleta de dados fenotípicos carecer de procedimentos operacionais padronizados e de um sistema de controle de qualidade, isso levará diretamente a uma diminuição significativa na eficiência do teste estatístico da GWAS.

Implicações da profundidade de sequenciação da amostra para GWAS baseados em k-mer (Karikari et al., 2023)

• No campo da investigação genética de culturas poliploides (como a batata e a cana-de-açúcar), a complexidade da estrutura do genoma aumenta significativamente a dificuldade da pesquisa. Devido à alta repetição e homologia de sequência dos genomas poliploides, a montagem de genomas de referência apresenta geralmente alguns problemas, como má continuidade e integridade insuficiente. Um grande número de lacunas de sequência não fechadas e locais de anotação errados interferem seriamente na localização precisa de marcadores moleculares em GWAS.

Ao mesmo tempo, a tecnologia de genotipagem baseada em um chip de polimorfismo de nucleotídeo único (SNP) de baixa densidade é difícil de capturar efetivamente alelos raros e locais de variação estrutural devido à cobertura limitada dos probes. Embora a tecnologia de re-sequenciamento genómico possa realizar uma deteção abrangente de variações genéticas, o seu elevado custo de sequenciamento e a pressão no processamento de dados ainda fazem com que a análise genética profunda de populações em grande escala enfrente duplas restrições em termos de tecnologia e economia.

Futuro dos GWAS na Agricultura Sustentável

Com a inovação tecnológica e a otimização de métodos, os GWAS desempenharão um papel mais crítico no desenvolvimento agrícola sustentável e promoverão a transformação da seleção de culturas para uma direção eficiente, precisa e ambientalmente amigável.

• A. Combinação com Reprodução de Adaptabilidade Ambiental
  • a) GWAS é utilizado para analisar a resposta genética das culturas ao estresse climático extremo (incluindo altas temperaturas, seca, salinidade e outras condições adversas), o que pode efetivamente escavar locais regulatórios chave e fornecer uma base teórica e recursos genéticos para o design molecular e a seleção de variedades de culturas tolerantes ao estresse. Com base no princípio de desequilíbrio de ligação das populações naturais, este método localiza com precisão os QTL que controlam os traços-alvo através da análise de correlação entre o genótipo Qualcomm e os dados fenotípicos.
• B. Análise Genética da Utilização Eficiente de Recursos
  • a) A investigação GWAS sobre a eficiência de utilização de nutrientes como azoto, fósforo e potássio tornou-se um caminho técnico importante para ultrapassar o estrangulamento dos recursos agrícolas. Na produção agrícola global, o problema da poluição ambiental e do desperdício de recursos causado pela aplicação excessiva de fertilizantes químicos está a tornar-se cada vez mais sério, e a tecnologia GWAS pode localizar com precisão os loci genéticos relacionados com processos-chave como a absorção, transporte, assimilação e metabolismo de azoto, fósforo e potássio, ao escanear o genoma completo de populações naturais em grande escala.

Identificação de potenciais interacções genéticas a partir de GWAS e GWES (Assefa et al., 2020)

• C. Inovação Colaborativa com Tecnologia de Edição Genómica
  • a) Os locais-chave identificados por GWAS podem fornecer alvos precisos para tecnologias de edição genética, como CRISPR/Cas9, e realizar melhorias direcionais nas características das culturas. O GWAS pode localizar de forma eficiente os loci genéticos intimamente ligados às características-alvo através da análise de correlação entre dados fenotípicos de uma população de grande escala e marcadores SNP de todo o genoma, e ancorar o alvo preciso para a tecnologia de edição genética.
  • b) Tomando a melhoria do conteúdo de ácido oleico na soja como exemplo, os investigadores utilizaram GWAS para analisar a população natural de soja contendo mais de 3.000 recursos genéticos e localizaram com sucesso o gene chave GmFAD2 que controla a síntese de ácido oleico. A desaturase de ácidos gordos ω-6 codificada por este gene pode catalisar a conversão de ácido oleico em ácido linoleico, que é o elemento central para regular o grau de insaturação do óleo.

• D. GWAS inter-culturas e Pan-genoma Integração
  • a) Com o aprofundamento da investigação em pan-genómica, a tecnologia GWAS oferece um novo paradigma de pesquisa para analisar a rede regulatória molecular de características agronómicas importantes das culturas. Ao integrar dados de variação genómica de múltiplas espécies e minerar sistematicamente elementos regulatórios genéticos conservados entre diferentes culturas, a eficiência de utilização cruzada de recursos genéticos na melhoria das culturas pode ser significativamente aumentada.
  • b) Tomando as culturas de Gramineae como objeto de pesquisa, através da análise de associação do pan-genoma, foi encontrado que OsSPL14, um gene chave que regula o número de grãos por espiga no arroz, tinha uma função biológica altamente conservada no milho, trigo e outras espécies. Os resultados da pesquisa não só fornecem uma base teórica para a análise do mecanismo de regulação conservativa de importantes características agronómicas das culturas, mas também estabelecem uma sólida base genética para o desenvolvimento de estratégias de melhoramento cooperativo de múltiplas culturas.

Distribuição de características medidas no milho sob condições de controlo e stress salino (Luo et al., 2021)

Conclusão

A GWAS tornou-se uma ferramenta poderosa para a melhoria das culturas. Através da integração com o mapeamento de QTL e da inovação de métodos técnicos, o seu papel na análise da base genética de características complexas e na aceleração do processo de melhoramento tem-se tornado cada vez mais proeminente. Embora a GWAS em plantas ainda enfrente desafios como a estrutura populacional e a identificação fenotípica, com a integração de multi-ômicas, inteligência artificial e outras tecnologias, as suas perspetivas de aplicação na agricultura sustentável são amplas.

No futuro, os GWAS estarão profundamente integrados com edição de genoma, pan-genómica e outras tecnologias para promover o melhoramento de culturas na era do "design preciso" e fornecer apoio fundamental para garantir a segurança alimentar global e o desenvolvimento agrícola sustentável.

Referências:

1. Pranneshraj V, Sangha MK, Djalovic I, Miladinovic J, Djanaguiraman M.Abordagem lGWAS Assistida por Lipidómica para Melhorar a Tolerância ao Stress por Altas Temperaturas em Culturas." Int J Mol Sci2022 23(16): 9389
2. Giambartolomei C, Zhenli Liu J, Zhang W, et al. "Uma estrutura Bayesiana para a colocalização de múltiplos traços a partir de estatísticas de associação resumidas." Bioinformática2018 34(15): 2538-2545
3. Korte A, Farlow A. "As vantagens e limitações da análise de traços com GWAS: uma revisão." Métodos de Plantas. 2013 9:29
4. Xiao Q, Bai X, Zhang C, He Y. "Técnicas avançadas de fenotipagem de plantas de alto rendimento para estudos de associação genómica: Uma revisão." J Avanços em Pesquisa. 2021 35: 215-230
5. Karikari B, Lemay MA, Belzile F. "Estudos de Associação Genómica Baseados em k-mer em Plantas: Avanços, Desafios e Perspetivas." Genes (Basel)2023 14(7): 1439
6. Assefa T, Zhang J, Chowda-Reddy RV, et al. "Desconstruindo a arquitetura genética da clorose por deficiência de ferro na soja utilizando abordagens genómicas." BMC Biologia de Plantas. 2020 20(1): 42
7. Luo M, Zhang Y, Li J, et al. "Dissecação molecular da tolerância ao sal em plântulas de milho utilizando um método de análise de associação genómica." Plant Biotechnol J. 2021 19(10): 1937-1951"