科技快讯：Hyper-seq技术实现低成本全基因组数据采集

原文链接：https://mp.weixin.qq.com/s/p7izwxbE_vgt1AMg93giyg 来源：成都瀚辰光翼科技有限责任公司
发布时间：2025年2月12日
核心关联：海南大学南繁学院、桂林市农业科学研究中心联合研究，瀚辰光翼提供自动化解决方案

研究背景：水稻品质育种新需求

水稻是全球半数人口的主粮，其直链淀粉含量（AC） 和凝胶稠度（GC） 是决定食味与蒸煮品质的关键指标。传统育种改良这两大性状存在周期长、效率低、易受环境影响等挑战。全基因组选择（GS） 作为新一代育种技术，能通过基因型与表型数据结合显著缩短世代间隔，但其推广受限于基因分型的高成本与低效率。

创新技术方案：Hyper-seq + 智能自动化

1. 核心技术：Hyper-seq基因分型方案

成本革命：1G基因组样本的文库制备+测序总成本低至5美元/样本，显著优于传统低覆盖度全基因组测序（LcWGS）和芯片技术。
效率飞跃：从叶片采集到文库构建全流程自动化，3小时内完成384个样本的DNA提取和文库构建。

2. 自动化赋能

联合成都瀚辰光翼科技有限责任公司开发智慧实验室，实现全自动化的高质量DNA提取及文库构建，确保数据标准化与均一性。

水稻研究核心成果

研究对象：417份水稻种质资源
目标性状：直链淀粉含量（AC）、凝胶稠度（GC）

模型构建与精度

测试了7种GS模型（GBLUP、RRBLUP、BayesA/B/C、BayesLASSO、BayesRKHS），各模型预测精度差异不显著。
最佳预测精度：
- AC性状：0.8316–0.8360
- GC性状：0.7075–0.7235

关键发现

规模效应：以GBLUP模型为例，标记数（AC>5000个，GC>3000个）或群体规模（从100增至200）增加时，预测精度显著提升，后续趋于平稳。
标记优化：通过GWAS筛选不同程度显著相关的SNP，发现纳入更多标记（p值阈值放宽至0.1）可显著提高预测准确性。

研究意义

为快速筛选AC和GC最优组合的水稻品系提供高效工具，加速优质品种培育进程，并为智能育种4.0发展提供技术支撑。

同期大豆研究验证

海南大学团队在《Agronomy》同期发表大豆研究，基于420份种质资源和104,728个SNP数据集：

最佳模型：Bayesian_A（对主要茎节数预测精度达57.24%），GBLUP计算效率最高。
成本与效率：同样实现5美元/样本、全流程自动化，约15,000个SNP即可稳定模型表现。
结论：Hyper-seq为大豆育种提供了低成本、高通量、可靠的基因分型方案。

研究团队与支持

水稻研究共同第一作者：卢彦洁、夏成材、王子豪（海南大学）
通讯作者：夏志强教授、邹枚伶助理研究员（海南大学）；范大泳研究员（桂林市农科中心）
大豆研究团队：海南大学夏志强教授团队
主要资助项目：
- 广西科技厅项目（GuikeAA23062015）
- 三亚崖州湾科技城项目（SCKJ-JYRC-2022-57）
- 海南崖州湾种子实验室项目（B23YQ0002）

原文链接

水稻研究：https://doi.org/10.3390/agronomy15020336
大豆研究：https://doi.org/10.3390/agronomy15020264

3.5 KiB Raw Blame History Unescape Escape