从基因到生物特征：基于近1100个完整酵母基因组的研究

全面理解表型多样性的遗传结构，需要超越单核苷酸多态性（SNPs），考虑所有类型的遗传变异。尽管全基因组关联研究（GWAS）已发现数千个与复杂性状相关的位点，但历史上主要关注SNP等小变异，很大程度上是因为在物种水平检测更大、更复杂的变异存在困难。结构变异（SVs，包括插入、缺失、重复和重排）虽可能对复杂性状产生显著表型效应，却一直研究不足。新兴的长读长测序和泛基因组方法虽能在群体水平高分辨率检测SVs，但为大型队列组装完整的端粒到端粒基因组仍是挑战。

在表型方面，将转录本、蛋白质、代谢物等分子性状与生物体表型结合，能更详细地了解性状结构。而大型自然种群的多层表型数据仍较少见。酿酒酵母（Saccharomyces cerevisiae）是理想模型：有1000多株来自不同生态和地理起源的天然分离株，且有丰富的生物体和分子表型数据。但此前缺乏群体水平的SV目录，限制了对不同变异类型如何影响表型变异的理解。

本研究利用长读长测序，为1086株酿酒酵母天然分离株组装了近端粒到端粒基因组，构建了物种水平的SV和基因含量多样性综合目录。将该基因组资源与8391个分子和生物体性状整合后发现：与SNP及小插入缺失突变（indels，<50 bp）相比，SVs更常与表型变异相关，且多效性更强，尤其对生物体性状。基于图的泛基因组发现了2.5 Mb的非参考序列，突显了未知基因组多样性的程度。该研究填补了不同类型遗传变异对表型多样性贡献的认知空白。

研究首先完成了高质量基因组组装：对989株酿酒酵母用纳米孔技术测序，平均深度95×，N50为19.1 kb，结合其他数据共1027株，经混合组装流程得到1015株染色体级组装，加上71株参考组装，共1086株。这些组装的连续性和完整性接近参考基因组，达到近端粒到端粒水平。

随后分析了物种水平的SV谱：通过与参考基因组比对，在1086株中鉴定出6587个独特SV事件，包括存在缺失变异（PAVs）、拷贝数变异（CNVs）、倒位和易位等，总长27.3 Mb。转座元件（尤其是Ty元件）是SV的主要贡献者。群体规模使SV多样性量化更精确，估计物种总SV约7237个，本数据集捕获了90%以上。SV等位基因频率偏向低频，69%为罕见变异（MAF<1%），易位和倒位比PAVs和CNVs更罕见，可能有强有害效应。

基因组分布上，SV高度不均，在亚端粒区显著富集，且富集程度强于SNP和indels。鉴定出46个SV热点，部分源于基因组脆弱性（如Ty元件或重复序列），部分与适应性压力有关（如葡萄酒菌株中的亚硫酸盐和铜抗性相关SV）。

基因-based泛基因组分析显示：酿酒酵母泛基因组包含5047个核心基因（所有菌株共有）和3494个 accessory基因（存在可变）。2199个非参考基因中，56.1%来自近缘 Saccharomyces 物种的渐渗，16.3%为水平基因转移（HGTs），23.5%为快速进化基因，4.2%可能为从头基因起源。基因含量变异受种群结构影响，部分渐渗基因赋予新性状（如MEL基因使菌株能利用蜜二糖）。

GWAS分析发现：纳入SVs和indels后，性状遗传力平均提高14.3%。共鉴定出7768个显著关联，涉及3717个性状和4564个QTL，其中SV-QTL占19.8%，显著高于SNP-QTL（6.5%）和indel-QTL（10.5%）。SV-QTL多效性更强，平均影响2.82个性状，且在亚端粒区富集，常为QTL热点（如ALD2和ALD3基因融合与66个表达性状和30个生长性状相关）。

不同性状类型的遗传结构存在差异：生物体性状平均每个性状有1.7个QTL，遗传更复杂；分子性状平均0.9个QTL，效应更强。SV-QTL在生物体性状中占比更高（41.1%），表明大变异可能对多调控层有更持久的表型效应。

最后构建了图泛基因组，包含6587个SV，非冗余序列中21%（2.5 Mb）为参考基因组所无，有助于其他酿酒酵母群体的SV基因分型，为真核生物基因组研究提供了框架。