大数据揭示黄瓜苦味从何来_数据分析师

“基因组数据的爆炸性增长是在2009年以后，我们是从2007年开始实施黄瓜基因组计划的，应该说我们作出了正确的决策，彻底改变了2005年时蔬菜基因组国际竞争的局面。”3月24日，中国农业科学院蔬菜花卉所研究员、深圳农业基因组所副所长黄三文在中国农业科学院举行的农科讲坛上，向听众讲述他和团队破译黄瓜基因组的故事。

　　为了探究黄瓜基因组大数据背后所代表的生命信息，黄三文带领团队历时5年，分析黄瓜24000多个基因的变异和表达特征，逐个品尝20亩黄瓜地中的6万株黄瓜叶片和果实的味道，从一吨叶片中纯化了毫克级的代谢中间产物。最终他们发现了黄瓜苦味的调控机制。

　　2014年11月28日出版的《科学》杂志以封面长篇论文形式发表了黄瓜苦味生物合成与调控的研究成果，揭示了黄瓜变苦的基因之路，这也是近几年来《科学》《自然》和《自然—遗传学》杂志第8次报道黄三文团队的成果，对于我国蔬菜生物学研究是一次质的飞跃。

　　沉寂四年：从马铃薯转战黄瓜

　　从2005年应邀回国，直到2009年，黄三文课题组在《自然—遗传学》杂志上发表黄瓜全基因组的文章，整整四年，黄三文的名字在国际学术期刊界是沉寂的。

　　2005年，时任农科院副院长的屈冬玉研究员和蔬菜花卉所所长的杜永臣研究员，邀请在荷兰瓦赫宁根大学获得博士学位的黄三文回国，到蔬菜所生物技术室成立了功能基因课题组。

　　经过多方努力，凭借在荷兰的科研经历，课题组一成立就如愿参与了由荷兰瓦赫宁根大学发起的大型国际合作项目——国际马铃薯基因组计划，这也是我国参加的第一个蔬菜基因组国际计划。黄三文作为中方首席科学家负责项目的组织和执行。

　　然而计划实施不久，摆在科研人员面前的“三座大山”就挡住了去路：被测试的马铃薯品种基因组高度杂合，拼接难度大；物理图谱质量低，项目进度严重拖延；传统测序方法成本太高，而且按染色体分工的合作方式，很难被协调统一掌控。

　　“我回国两年基本没有取得什么进展，压力很大，怎么办？”让黄三文感到幸运的是，2006年初新一代测序技术浮出水面。“这就像北京市的房价降到了5块钱一平方米，那买房子就不成为大家经济上的困难了。”黄三文意识到，传统的测序技术将退出历史舞台。

　　黄三文敏锐地捕捉到这一契机，他向杜永臣提出书面建议，阐述了我方主导完成项目的必要性，为带动我国蔬菜基因组学研究的快速发展抢占先机。为了提高成功的可能，他决定先从基因组较小的黄瓜开始。

　　“黄瓜基因组比较小，约3.3亿个碱基对，是设施栽培第一大蔬菜作物，其遗传基础狭窄，遗传研究基础差，易突出基因组序列的作用，育种基础好，资源累计较多，可以作为瓜类作物的模式系统。”黄三文是这样解释选中黄瓜的原因的。

　　于是，国际黄瓜基因组计划在蔬菜所自筹经费而生。他们提出“运用新一代基因组技术，挖掘蔬菜作物的遗传潜能”，参加者有华大基因、中国农大、北京师大和国外若干单位。他们大胆采用了Solexa（Illumina）最新测序技术与传统技术相结合的测序手段、全基因组鸟枪法测序策略等，并按照工作内容分工，形成了遗传图谱团队、基因组文库团队、荧光原位杂交团队、拼接测试团队、分子育种团队等，蔬菜所研究人员加入各个团队，边学习、边督促。

　　雪藏一年：黄瓜全基因组一鸣惊人

　　其实2008年时，黄三文课题组就已得到了可靠的黄瓜全基因组数据，并构建了世界上第一张黄瓜高密度图谱。但黄三文并没有着急发表成果，而是着眼于这一成果的应用，思考更加广阔的研究道路。雪藏一年后，他们才把成果投到《自然—遗传学》杂志上，并一鸣惊人。

　　2006年时的二代测序技术还比较原始，比如现在的测序长度可达到250个碱基对，甚至400个碱基对，而当时测序长度只有35个碱基对。于是，他们采取了新技术与传统技术相结合的方法，很快就绘制了高质量的黄瓜基因组框架图。单碱基错误率只有十万分之一，拼接总长达2.4亿个碱基对。

　　黄三文团队从头构建了黄瓜的遗传研究体系，包括高密度的连锁遗传图谱、细胞遗传学图谱、比较遗传图谱、遗传—物理整合图谱，定位了99%的黄瓜基因。

　　这一成果作为世界上第一个蔬菜基因组，发表在《自然—遗传学》上。该杂志高度重视这一成果，不仅作为封面文章，还配发社论。在这期杂志封面上采用了达尔文的头像，因为达尔文曾经写过一本书，里面很多内容是瓜类的，特别是黄瓜和南瓜的研究。

　　随后几年，黄三文课题组累计产生了10×1012（10Tbps）个碱基对的大数据。除了基因组以外，他们还研究了黄瓜的转录组，对100多个不同的黄瓜材料进行了测序，了解了黄瓜24000多个基因的表达模式，如在什么地方表达，在什么时期表达，在什么条件下表达，这些都是重要的信息。

　　为了系统掌握黄瓜的变异，他们收集3342份黄瓜种质资源，包括印度野生种、我国西双版纳种、华北黄瓜、华南黄瓜、日本黄瓜、土耳其黄瓜、欧洲黄瓜和美国黄瓜等。通过对所有资源进行基因组分析，最后筛选出115份核心资源，代表75%的遗传多样性，进行了18倍深度测序，最后发现接近400万个变异位点。

　　利用这些数据，他们解析了黄瓜群体结构，发现黄瓜有4个群体：一个是在印度的野生群体；三个栽培群体，分别是东亚黄瓜、欧洲黄瓜和西双版纳黄瓜。黄瓜是在印度被驯化的，变异组数据很符合一个史实：约2200年以前张骞出使西域时黄瓜被引入中国华北。

　　“有了基因组以后，就有了‘共同语言’，我们可以把模式物种里面的知识翻译到农业物种里面来；基因组是‘历史书’，有了变异组数据，我们可以重新去揭示改良驯化；基因组是‘地图勘探图’，利用它，我们可以进行黄瓜苦味的生物合成、调控与驯化。”黄三文说。

　　潜心五年：破译黄瓜苦味来源

　　在黄三文看来，基因组测序完成只是一小步，对海量数据的处理与运算才是更为重要的事情。

　　利用这些组织学资源，黄三文课题组发现了清香形成和苦味形成的侯选基因，特别是苦味形成的侯选基因发现为后来研究起到了重要的作用。

　　黄瓜的苦味是葫芦素造成的，这种苦味在果实中存在会影响品质和生产效益，但在叶片中存在能提高抗虫性，减少农药施用；同时，葫芦素是有希望的抗癌药物，但生产难度大。因此，“苦味很重要。”黄三文说。

　　但是他们只有两个线索。

　　一是2009年发现的染色体6上的Bi基因；二是2013年发现的染色体5上的Bt基因，这个基因是黄瓜驯化的主要基因。

　　但Bi和Bt是什么基因？苦味物质是怎么合成和调控的？野生黄瓜是怎么驯化的？为了回答这些问题，黄三文课题组的策略是大数据与分子生物学和生物化学。

　　通过全基因组关联分析，他们发现Bi就是催化氧化形成四环的葫芦二烯醇合酶的基因；随后又通过突变体发现了BI基因，其负责调控叶片的部位；利用BI他们又发现了Bt；利用BI和Bt发现了另外8个合成基因。

　　这个过程，传统研究方法需二三十年才能完成，用大数据分析方法却在5年内做到了。

　　黄三文介绍，这项研究有三个意义：揭示了黄瓜苦味形成的双重调控机制，叶片里面由BI调控，果实里面由Bt调控，这样就给无苦味黄瓜育种提供了新的方案；证明了存在一类主开关基因能够直接调控次生代谢基因簇；为通过合成生物学批量生产和改造葫芦素用于抗癌药物打开了一扇门。

　　这恰恰验证了黄三文的“三层楼”黄金理论，即地基是基因组大数据，通过多学科交叉融合，搭建三层楼：第一层是基因组大数据与蔬菜生物学，第二层是基因组大数据与蔬菜育种，第三层是基因组大数据与蔬菜品质和营养。“三层楼”借鉴了人类基因组项目首席科学家Francis S. Collins的“基因组学时代的蓝图”的思想。

　　在黄瓜基因组计划取得成功后，黄三文和团队又攻克了马铃薯、白菜、番茄和西瓜基因组，并在黄瓜和番茄变异组研究上也取得突破，为我国蔬菜基因组研究铺就了结实的“地基”。像解决黄瓜的苦味生物学问题一样，他们还和其他团队合作，正在阐明多个农艺性状的分子机理，这都将为蔬菜全基因组设计育种提供知识基础。“我相信不久的未来，基因组学研究能为大家吃上‘放心菜’做出具体的贡献”。