云南大学申仕康教授团队在高山植物高海拔适应演化与保护研究取得新进展（微信文章未删减版）

正文

杜鹃花属（Rhododendron）是杜鹃花科中最大的属，也是为数不多的在亚高山到高山过渡带的植物群落中占主导地位的木本开花物种之一，分布范围从海拔300米至5400米，为探索高山木本植物演化和适应背后的机制提供了绝佳的机会，然而高海拔物种的遗传资源稀缺限制了环境适应分子机制的深入探索。

云南大学申仕康教授研究团队成功组装高海拔木本同源四倍体植物基因组——北方雪层杜鹃（Rhododendron nivale subsp. boreale）的单倍型解析基因组。北方雪层杜鹃基因组共包含四个单倍型的52条染色体，127180个蛋白编码基因被预测，同时联合k-mer分析、共线性评估和系统发育分析证实了北方雪层杜鹃的同源四倍体身份。在北方雪层杜鹃的基因组分析中检测到与高海拔环境适应密切相关的多个基因家族发生扩张以及多个基因受到正选择，它们与油菜素甾醇生物合成、类黄酮生物合成、减数分裂重组（TOP3α）、核苷酸剪切修复（UVR8、RAD23B）、叶表面蜡质代谢（LTG30、LTP1）、生长素转运（ABCB19）、生物钟调节（ESD4）等有关，表明北方雪层杜鹃可能增强了其寒冷、低氧和高辐射环境下的代谢效率和抗逆性，同时CYP基因家族的扩张与ERFVIIs的高表达，可能也对北方雪层杜鹃的高海拔适应有一定贡献。此外，同源四倍体结构带来的基因冗余性可能也使北方雪层杜鹃能够在更广泛的基因变异范围内进行“试错”，以适应极端环境压力，这为其在高海拔的生存能力提供了重要保障。

研究成果以“The first high-altitude autotetraploid haplotype-resolved genome assembled (Rhododendron nivale subsp. boreale) provides new insights into mountaintop adaptation” (doi: 10.1093/gigascience/giae052)为题，发表于国际期刊GigaScience。团队博士生吕振宇为论文第一作者，申仕康教授为通讯作者，云南师范大学参与部分工作。

研究团队进一步探索了植物细胞器基因组在高海拔适应策略。通过对两个杜鹃属物种（北方雪层杜鹃和红马银花Rhododendron vialii）的线粒体和叶绿体基因组进行详细解析，发现两种杜鹃花的线粒体基因组拥有多种构象，并且线粒体基因组经历了复杂的重排。北方雪层杜鹃和红马银花的叶绿体基因组为典型的四分体结构，但反向重复（IR）区超过43000 bp，长度超过绝大多数被子植物，导致两个杜鹃花属物种拥有更大的叶绿体基因组。此外，研究团队整合了58个分布于不同海拔的物种的细胞器基因组数据探讨细胞器的高海拔适应分子机制，结果显示密码子使用偏好与海拔相关性较弱，相较之下系统发育因素在决定密码子使用模式方面更重要，而环境因素则可能是进一步微调和优化这些模式。基于正选择分析，4个基因（atp4、atp9、mttB、clpP）被鉴定在多个高海拔物种中受到正选择，这些基因涉及ATP合成、花粉发育、错误折叠蛋白的分解，可能与植物适应传粉者缺乏、强紫外辐射等的高海拔环境有关。

研究成果以“Deciphering the complex organelle genomes of two Rhododendron species and insights into adaptive evolution patterns in high-altitude” (doi:10.1186/s12870-024-05761-7) 为题，发表于国际期刊BMC Plant Biology。课题组博士生吕振宇为论文第一作者，申仕康教授为通讯作者。

此外，基于高山植物在山顶恶劣环境面临气候变化的生存压力，课题组在Science上以Letter的形式撰文Protect fragile mountaintop ecosystems (doi: 10.1126/science.adi3604) 呼吁加强山顶脆弱生态系统的保护，申仕康教授为第一/通讯作者。

课题组长期从事西南地区退化生境植物多样性与保护研究工作，近年来聚焦高山杜鹃，从物种保护、种群重建与回归、以及气候变化与生态响应机制等方面开展了系列研究工作。相关研究工作在Science，GigaScience，BMC Plant Biology，Tree Physiology，Forest Ecosystems，Plant and Soil, Science of the Total Environment, Ecotoxicology and Environmental Safety等学术期刊发表。

高颜值免费 SCI 在线绘图(点击图片直达)

最全植物基因组数据库IMP (点击图片直达)

往期精品(点击图片直达文字对应教程)

机器学习