IF=25.8！南京农业大学副教授以第一作者和通讯作者身份在领域顶级期刊上发表研究成果

近日，南京农业大学刘金定副教授在《Molecular Plant》期刊上发表题为《SSBP: A meta-GWAS-based pleiotropy-aware QTL atlas and smart breeding platform for soybean》的研究成果。该研究围绕大豆复杂性状遗传解析与育种决策中的关键瓶颈，构建了集大规模变异资源整合、多环境meta-GWAS分析和育种决策支持于一体的大豆智慧育种平台SSBP，为大豆分子育种和智能设计育种提供了一体化工具平台。南京农业大学前沿院刘金定为论文第一作者和通讯作者，南京农业大学前沿院窦道龙教授、信管学院朱毅华副教授和徐州农科院王幸研究员为论文共同通讯作者。

研究团队系统整合全球大豆基因组、表型组与育种数据资源，构建了大豆智慧育种平台SSBP。该平台实现了从群体遗传变异挖掘、复杂性状遗传解析到候选位点优选的全链条贯通，并进一步打通了基因型填充、表型预测、编辑位点推荐和亲本组合优化等关键环节，为大豆复杂性状研究和育种决策提供了一体化解决方案。

研究首先构建了超大规模大豆参考单倍型面板SoyRefHap。该面板整合全球55个国家和地区的10,479份大豆重测序材料，包括野生大豆、地方品种和改良品种，共包含2,444万个SNP和343万个INDEL，较为完整地覆盖了大豆群体中的主要遗传变异。基于该面板，团队实现了6种主流大豆SNP芯片向序列水平的高精度基因型填充，准确率均超过99.3%，为历史芯片数据的深度挖掘与再利用提供了可靠基础。

图1 参考面板构建及填充性能

基于该资源，研究进一步利用USDA-SGC大规模基因型和表型资源，对622个“性状—环境”组合开展GWAS，并在性状层面进行meta分析，最终构建了覆盖79个农艺性状的大豆QTL图谱，解析出4,321个候选QTL。结果显示，约28%的显著位点表现出跨性状关联特征，提示多个重要农艺性状之间可能广泛共享遗传基础。这不仅提升了对大豆复杂性状遗传结构的系统认知，也为协同改良产量、品质和抗性等性状提供了重要线索。

图2 候选QTL图谱及性状间多效性与遗传关系

为推动遗传发现服务育种实践，进一步开发了一站式智慧育种工作流，支持基因型填充、多环境表型预测、候选编辑位点推荐和亲本组合优化等关键分析。研究针对622个性状—环境组合训练BayesR模型，最终保留455个预测准确率不低于0.50的模型，覆盖了54个性状。平台整合Variation、QTL、CausalMap和Breeding四大模块，实现了从变异查询、QTL浏览、区域精细定位到育种决策分析的连续操作。

图3 SSBP驱动的大豆智能育种决策流

论文通过两个案例展示了平台应用能力。在油分性状案例中，团队结合区域关联信号、精细定位和共定位分析，优先锁定15号染色体候选基因GmSWEET10a，揭示其与油分、粒重、产量和蛋白含量等多个性状相关，表现出明显多效性。在蛋白育种案例中，平台对多个代表性品种进行了多环境蛋白含量预测，并给出编辑位点推荐和亲本组合优化结果。与徐州农科院合作开展的回顾性评估显示，育成高蛋白品种“徐豆23”的亲本组合在多个环境下均具有较高育种潜力预测值，表明该平台在育种实践中具有较好的应用潜力。

文章链接：

https://doi.org/10.1016/j.molp.2026.04.001

平台链接：

https://biotec2.njau.edu.cn/ssbp