榴蓮99份種質資源變異位點數據集

1 引言

榴蓮（DuriozibethinusMurr.）是木棉科榴蓮屬熱帶果樹，果實氣味濃烈，味道獨特，被譽為“水果之王”[。榴蓮富含蛋白質、脂類和氨基酸，是良好的果品類營養來源，具有很好的保健功能[2-3]。榴蓮原產于婆羅洲、蘇門答臘等地，400年前被引種到印度至新幾內亞的廣袤地區，現為泰國、馬來西亞、印度尼西亞、菲律賓、越南和緬甸等東南亞諸國廣為種植。

我國是重要的榴蓮進口國和消費國，榴蓮產業在我國潛力很大[4]。近年來，隨著社會經濟水平不斷提高，我國鮮榴蓮進口量逐年增加，2023 年進口量為142.59萬噸，進口額達67.16億美元[5]。榴蓮的國產化種植有助于減輕進口依賴，可為鄉村產業振興帶來重要的社會效益和經濟效益。除臺灣省外，海南省是我國唯一引種榴蓮成功的省份[]。榴蓮生長需要年均溫度 22° 以上、年降雨量1000毫米以上的氣候條件，海南省北緯 19^° 以南的三亞、樂東、保亭和陵水等市縣較適宜榴蓮種植[]。海南省榴蓮產業處于剛剛起步階段，品種缺乏自主性，存在面積小、產量低、配套栽培技術欠缺等諸多問題，市場需求與產業薄弱矛盾突出。要發展海南榴蓮產業，首先要大力引進榴蓮種質資源，開展精準鑒定和評價。本研究對越南、泰國、馬來西亞引進及自主創制的99份榴蓮種質資源開展了二代全基因組測序，進行了變異位點挖掘和群體進化分析，為榴蓮育種方法和育種理論研究提供了基礎數據支撐，有助于榴蓮自主優秀品種選育。

2 數據采集與處理方法

2.1材料

本研究所用榴蓮種質資源共計99份，于2024年2月一3月采自海南省三亞，選取新梢幼嫩葉片，于-75^°C 超低溫冰箱中保存備用。樣品名稱、采樣地點、來源和特征如表1所示。

2.2 DNA提取

采用CTAB法進行DNA提取，用超純水稀釋至50ng/μl ， -20^°C 保存備用。

2.3文庫構建與測序

每個樣品使用 0.2μg 的DNA作為文庫制備的輸入材料。根據 Rapid PlusDNALib Prep Kit for Ilumina（RK20208）試劑盒說明書的要求，將基因組DNA樣品通過超聲波打斷至350bp大小。然后對DNA片段進行末端修飾、A尾加尾，并與Illumina測序的全長接頭連接，隨后進行PCR擴增。PCR產物通過AMPure XP 系統（Beckman Coulter，Beverly，美國）純化后，使用Qubit 3.0熒光計（Invitrogen，美國）測量DNA濃度，文庫通過Agilent2100生物分析儀分析大小分布，并通過實時PCR定量（204 ）。索引編碼樣品的聚類在cBotClusterGeneration System 上使用 Illumina PE Cluster Kit（Illumina，美國）按照說明書進行。聚類生成后，DNA文庫在IlluminaHiSeqXTen平臺上進行測序，生成150bp的雙端讀長（paired-endreads）。下機數據已經提交到國家基因組數據中心（NGDC），檢索號：PRJCA027184和PRJCA026560。測序數據量共計約1.62Tb，平均每份資源測序數據量15.6Gb。

2.4測序數據比對與變異位點挖掘和注釋

采用fastp軟件[8使用默認參數對下機數據進行過濾，得到的cleanreads以‘干堯’榴蓮基因組序列hapl.chromosome.fasta（https：//doi.org/10.57760/sciencedb.agriculture.00013）為參考序列文件進行比對，使用軟件為bwa-mem，使用 samtools flagstat命令[9]對比對情況進行統計。之后，用samtoolssort命令對bam文件進行排序，用 gatk MarkDuplicates 命令[10]對PCR重復序列進行標記。再用gatkHaplotypeCaller命令對每一個樣品進行獨立的變異位點挖掘，并用gatkCombineGVCFs命令將99個樣品的gvcf文件進行合并，使用gatkGenotypeGVCFs命令得到vcf文件。變異位點注釋使用snpEff軟件[11]，參考注釋文件為hapl.gene_annotation.gff3 （https：//doi.org/1o.57760/sciencedb.agriculture.0oo13）。

2.5 群體進化分析

使用plink2軟件[12]對vcf文件進行過濾，參數為--mind 0.10--maf0.05--geno 0.05--hwe0.0001--recodevcf'id-paste=iid'--allow-extra-chr--set-missing-var-ids@ ：# --indep-pairwise 5010 0.2，并使用vcf2phylip.py腳本生成phy文件，用FastTreeMP軟件[13]進行系統進化樹構建，并用iTOL軟件（https：//itol.embl.de/）進行可視化。使用plink2軟件對過濾后的vcf文件進行PCA分析，并使用ggplot軟件進行繪圖。使用admixturePipeline軟件[14]進行群體結構分析，參數為-k1-K10-n16-t100-a0.05 。使用plink軟件進行IBS距離矩陣計算，并使用pheatmap軟件進行可視化。使用vcftools 軟件[15]計算 Tajima'sD和 π 值。使用PopLDdecay軟件[進行LD分析。

3 數據內容

3.1原始數據和數據質控數據集

測序樣品數量總計99份，其中僅干堯樣品為高深度測序（ gt;50× 覆蓋度），其余98份樣品為中深度測序，測序數據量共計約 1.62T ，中深度平均每份資源測序數據量 15.4Gb ，榴蓮基因組大小約 750Mb ，約20.5× 覆蓋度（表2）。

3.2數據比對和變異位點數據集

測序數據與參考基因組的比對率為 78.49%- 96.75% ，平均值為 92.12% ，但也存在低于 80% 的種質資源2份（圖1）。共檢測到54974697個變異位點，過濾掉低質量的位點后剩余53155367個，共包括SNP、INS和DEL三種變異類型（表3），其中SNP個數最多，占 86.7% 。榴蓮基因組中28條染色體對應的變異位點個數為1111713一3599733，平均每13個堿基有1個變異位點（表4）。變異位點注釋結果表明變異位點位于基因間的占比最高（ 70.23% ），其次是位于基因上游序列（ 11.51% ）或下游序列（ 12.48% ），位于基因外顯子和內含子的較少，分別有 1.38% 和 3.60% 0

3.3群體進化分析

由圖2的系統發育樹可以看出，99份榴蓮資源共聚為三個大的分支，或者稱為亞群，Group1包括27份資源，Group2包括28份資源，Group3包括44份資源，群體結構和主成分分析結果也進一步驗證了這個結果。由圖3可以看出，有一些品種的親緣關系是很近的，比如紅榴蓮和LSA01，這兩個單株都是紅肉類型的，又比如WX006和WX006-1，又比如D163-8499、D160-8478、D101-8454、D166-8424、Xianhung-8411、Lipanbara-8383、D99-8362、D175-8357、D198-8276、Maharani-8280、Tembaga-8221、S.O-8212、D226-8146、D1-8183、D24-8133、D206-8100、D15-8119、BungeM.KK-8104、D155-8087、SYZ01MSW、SYZ02TMN、

SYZ208、LW02HC，又比如黑刺和SYZ412，又比如金枕、SD033、SY014、SYZ03HC、SYZ04JZ、LW01JNK，又比如WN01、WN02、WN06、WN03、WN04、WN05、WNX02，又比如SYZ06HR、SYZ08LL、SYZ10TLZ、SYZ12CB。

由圖2的LD衰減圖可以看出，榴蓮的LD衰減很快，LD系數降低到最大值的一半的衰減距離只有0.1-0.2kb ，最大LD系數僅0.15，說明榴蓮的遺傳多樣性是比較豐富的，也沒有發生長期的馴化。3個亞群的衰減距離相似，均小于總群體衰減距離，這可能是由于群體大小引起的。

Fst是分化系數，從0到1說明親緣關系越來越遠，由圖2可以看出，三個亞群的親緣關系都比較近，group2和group3的親緣關系最近，其次是group1和group3。核苷酸多樣性 π 值越大說明核苷酸多樣性越高，越低說明兩個座位DNA序列差異越小，由圖2可以看出，三個亞群的核苷酸多樣性比較接近，group2最高，groupl最低。Tajima'sD是選擇相關的參數，大于0代表群體觀測雜合度高于預期雜合度，稀有等位基因頻率降低（群體收縮或者平衡選擇），小于0說明群體觀測雜合位點少于預期值，稀有等位基因頻率增加（群體擴張或者低頻選擇），由圖2可以看出，三個亞群的Tajima'sD均大于0，說明均發生了群體收縮，groupl最大，group3最小，這可能與群體數量較少有關。

統進化分析；B.主成分分析；C.群體結構分析；D.LD、Fst、Tajima'sD和 π 值計算

APhylogenticais;ipalCptAis;CpatiStructuealyis;DClatiofsta'sdue Groupl：MahanWang，WX00，WX06-，6-84996-84780-845466-844Xianug-8411ipanbara-839-86 D175-8357，98-876aara-8280mbg-821，O226-846-8D4-83，D-815-819g814 D155-8087，SYZ0W，Z02N，Z208，YZ05，LW02HC;Group2：WX00，LN012，LN11N13，LY10，L13，L125， LNY2，LNC6，LNC7，LNC4，LNY1，LNC2，LNC5，LNY6，LNY14，LNC1，LNY4，LNC3，LNY8，LNY18，LNY16，LY11，L9，LY21， LNY20，LNC8；Gou3：HeiCiYueNanYeaoJZhen，HogLuianWX009，WX00WX008，Gaao0，D3714015 SY1-3，SD1-1，Y1-4，SY1-1，D-4，S1-2，SD-3，WN0，WN02，WN06，WN03，WN04，WN5，SYZ03HC，YZ412，YZ04JZ06H， SYZ07NTC，SYZ08LLYZ10，YZ11LK，Z12CB，LW01JK， WNX02，DO1，01A，D02B，S04D，D03C，05E， YML01，LSA01

4質量控制和技術驗證

DNA質量評估通過以下三種方法結合來驗證分離的基因組DNA質量：1、在 1% 瓊脂糖凝膠上監測DNA降解和污染情況；2、使用Nanodrop檢測OD260/280比值以檢查DNA純度；3、通過Qubit ?_?（?） 3.0熒光計（Invitrogen，美國）使用Qubit ?_?（?） DNA測定試劑盒測量DNA濃度。下機數據使用fastp軟件對數據進行過濾和質控。下機數據使用fastp軟件進行質量控制，Q20在 94% 以上，Q30在 85% 以上，表明測序結果準確可靠。

5數據價值與使用建議

本研究提供了99份種質資源的WGS測序數據和變異位點信息，可用于開展榴蓮群體遺傳學、分子標記開發、榴蓮育種方法和育種理論等研究。

6數據可用性

開放訪問，遵從CCBY-NC4.0協議。

https：//cstr.cn/17058.11.sciencedb.agriculture.00077;

https：//doi.org/10.57760/sciencedb.agriculture.00077。

7代碼可用性

本論文分析所用代碼請查閱https：//github.com/CAASoooJXH/Durian_Population_Genetics_Code

8數據作者分工職責

冀曉昊，論文撰寫。

冀曉昊、時夢和王瑩瑩，數據分析。

冀曉昊和時夢，DNA提取和測序。王孝娣和鐘義旺，數據質量控制。

鄭道君和謝圣華，樣品采集。

劉鳳之、馮學杰和王海波，實驗設計及論文構架。

倫理聲明

本研究未涉及倫理。

利益沖突聲明

作者聲明，全部作者均無會影響研究公正性的財務利益沖突或個人利益沖突。

參考文獻

[1] 青蓮.榴蓮品種介紹.世界熱帶農業信息，2005（10）：27-30

[2] KHAKSARG，KASEMCHOLATHANS，SIRIKANTARAMAS

S.Durian （Durio zibethinus L.）： Nutritional composition， pharmacological implications，value-added products，and omics-based investigations.Horticulturae，2024，10（4）：342. DOI：10.3390/ HORTICULTURAE10040342.

[3] 朱振忠，周兆禧，陳妹姑，等.榴蓮果實品質與礦質元素的灰色關聯度 和通徑分析.中國南方果樹，2024，53（6）：76-82.

[4] 余順生，辛就，劉文玫.中國水果進口貿易現狀分析.天津農林科 技，2023（6）：39-42.

[5] 張放.2023年我國進口鮮榴蓮情況簡析.中國果業信息，2024， 41（5）：36-43.

[6] 馮學杰，華敏，郭利軍，等.海南榴蓮產業的培育對策與發展建議.中國 熱帶農業，2019（6）：12-14+65.

[7] 王秋萍.海南：有序擴大榴蓮種植規模.中國果業信息，2024，41（4）：59.

[8] CHENS，ZHOU Y，CHENY，etal. Fastp：an ultra-fast all-in-one FASTQ preprocessor. Bioinformatics，2018，34（17）： i884-i890. https：//doi.org/10.1093/bioinformatics/bty560.

[9] LIH，HANDSAKER B，WYSOKER A，et al.The Sequence Alignment/Map format andSAMtools.Bioinformatics，20o9，25（16）： 2078-2079.https：//doi.org/10.1093/bioinformatics/btp352

[10]MCKENNAA，HANNAM，BANKSE，etal.Thegenomeanalysis toolkit：AMapReduce framework for analyzingnext-generation DNA sequencing data.Genome Research，2010，20（9）：1297-1303.https：//

doi.org/10.1101/gr.107524.110.

[11]CINGOLANI P，PLATTS A，WANG LL，etal.A program for annotatingand predicting the effectsof single nucleotide polymorphisms， SnpEff：SNPs in the genome of Drosophila melanogaster strain w1118;iso-2;iso-3.Fly，2012，6（2）：80-92.https：//doi.org/10.4161/ fly.19695.

[12]CHANG CC，CHOWCC，TELLIERL C， et al. Second-generation PLINK：rising to the challenge of larger and richer datasets. GigaScience，2015，4（1）：7. https：//doi.org/10.1186/s13742-015-0047-8.

[13]PRICEMN，DEHALPS，ARKINAP.FastTree2-approximately maximum-likelihood trees for large alignments. PloS One， 2010，5（3）： e9490.https：//doi.org/10.1371/journal.pone.0009490.

[14]ALEXANDERDH，NOVEMBRE J，LANGE K.Fast model-based estimation ofancestryin unrelated individuals.Genome Research， 2009，19（9）：1655-1664.https：//doi.org/10.1101/gr.094052.109.

[15]DANECEKP，AUTONA，ABECASISG， et al.The variant call format andVCFtools.Bioinformatics，2011，27（15）：2156-2158.https：//doi. org/10.1093/bioinformatics/btr330.

[16]ZHANG C，DONG S S，XUJY，et al.PopLDdecay：a fast and effective tool for linkagedisequilibriumdecayanalysis basedon variant call format files.Bioinformatics，2019，35（10）：1786-1788. https：//doi.org/10.1093/bioinformatics/bty875. 引用格式：冀曉吳，鄭道君，謝圣華，時夢，鐘義旺，王瑩瑩，王孝娣，劉鳳之，馮學杰，王海波.榴蓮99份種質資源變異位點數據集[J]農業大數據學報，2025，

7（2）：227-237.DOI： 10.19788/j.issn.2096-6369.100040. CITATION：JIXiaoHao，ZHENGDaoJun，XIEShengHua，SHeng，ZHONG YiWangWANG YngYing，WANG XiaoDiLUengZhi，ENGXueJie WANG HiBoVantSitetsetof9uribeuspasRsousJ]JalofgiculturaligDta72）：10.19788/j.issn.2096-6369.100040.

Abstract：Durianhashigheconomicandnutrionalvalue.InChina，thedurianindustryishighlydependentonimportsThedurian industryiHianoceisiancyaceedyitedceage，oeldompleteleotroudi lackofself-suiecyandinsuicentsupporingculivationtchquesTeseiusladtoastarkonrastbetwngharket demandadaweak industry.Thereisanurgentneedforthecolection，identification，andevaluationofduriangermplasmresoures. Inthis study，DNAwasextractedfrom99duriangermplasmresources.Librarieswereconstructed，andsecond-generation whole-genomesequencingwasperformed.Bioinformaticanalyses，includingqualitycontrolofsequencingdata，variantsite discoveryandanmotation，andpopulationevolutionstudies，wereconductedothesequencingdata.Thetotalamountofseqencing data was 1.62Tb ，yielding 54，974，697variant sites，including SNPs，insertions （INS），anddeletions （DEL），with SNPsbeinghe most prevalent.Onaverage，there isone variant site per13basesinthedurian genome.Thesevariant sites are mainlylocatedin intergenicregions，withfewer ingeneexonsandintrons.The99durianresoucescanbedividedintothreesubgroups.Thedistance atwhich theLDcoefficient decaysto half itsmaximum value is only 0.1-0.2kb ，indicatingrich genetic diversity.Thisstudyprovides genomesequencingdata and variant siteinformation for99 durian germplasmresources，ofering fundamental data supportfor durian genetics，bredingmethods，andbreeding theoryresearch.Thiswillaidintheselectionandbreedingofdurianvarieties in Hainan and worldwide.

Keywords： durian; variant sites; SNP; population evolution