种质资源是品种改良、新品种培育及遗传工程的物质基础，野生近缘品种和古老的地方品种随着长时间的自然选择及人工培育，逐渐形成独特的优良性状和抵御自然灾害的特性的新品种。种质资源越丰富，研究越深入，对种质资源数量和性状表现及遗传规律的研究也越来越重要。种质资源的保护与保存一直是育种工作的重中之重，种质资源库变得越来越大，极大地提高了种质资源的管理费用，增加了特异种质材料筛选、挖掘的难度。因此，随着对种质资源的调查研究及优良种质的评价与利用研究的深入，核心种质的开发与研究为解决这一问题提供了重要的思路。
Frankel和Brown于1984年提出核心种质(core collection)的概念[1]。认为核心种质是保存的种质资源的一个核心子集，以最少数量的遗传资源最大限度地保存整个资源群体的遗传多样性，同时代表了整个群体的地理分布。因此核心种质可以作为种质资源群体研究和利用的切入点，从而提高整个种质库的管理和利用水平。
一、关于选材
核心种质的材料必须具有最大的遗传差异，这些差异主要表现为不同材料在基因型上的差异，以及不同基因型对环境反应上的差异，尽可能收集全面，覆盖不同国家、地理分布、不同表型性状等资源。通常核心种质是从这些原始资源种，选出约10％~30%样品组成，在一定程度上，代表了该种的形态特征、地理分布、基因与基因型的最大范围的遗传多样性。因此如何准确地评价不同材料间在遗传上的相似性则是合理构建核心种质的前提。
二、关于方法
工具CoreHunter [2]发表于2018年，用于从大型种质集合中以最小的冗余，对不同的、具有代表性的子集进行采样，可以基于遗传标记、表型性状或者遗传距离构建核心组，同时进行多个衡量指标的加权计算以优化统计结果。
以一篇文章为例，研究人员对代表全球水稻资源的3004份水稻，进一步进行了微型核心种构建[3]。从3000水稻数据库（平均测序深度14x）及4份印度水稻资源重测序数据中获得2081521个SNPs。使用CoreHunter找到核心集合，结合种质资源的品种、地理位置、群体进化树分析(TREE)、主成分分析（PCA）、群体遗传结构分析（STRUCTURE）、18个农艺性状的表型多样性分析等，最终获得520份材料的微型核心种（17%），最大限度的包含了TREE和 PCA 所有象限的具有代表性的材料，包含来自所有7个群体STRUCTURE的纯种和混合种群的代表，捕获了最大可能的基因型多样性。核苷酸多样性（π)、亲缘关系分析（kinship）、香农指数（Shannon’s diversity index）、Nei系数（ Nei’s gene diversity）、 MD% (mean difference percentage), VD% (variance difference percentage), VR% (variable rate of coefficient of variance), CR% (coincidence rate of range) 等评价指标均显示该集合满足微型核心种的需求。
三、核心种质的后续应用
全基因组关联分析（GWAS）是一种非常有效的品种改良方法，常用于识别性状关联的基因分析中。GWAS需要多样化的种质资源来进行，但大样本量的分析及表型收集为科研工作者带来诸多不便。目前已有研究将核心种资源用作 GWAS 的关联分析的材料[4-7]，核心种质资源较低的样本量、群体结构和亲缘关系，为GWAS分析提供了便利。如前文中提到的水稻[3]研究中，将开发出的520份核心种进行了GWAS分析，获得的结果与原始3004个样本获得的结论基本一致。
关于核心种质筛选的策略如下，欢迎各位感兴趣的老师联系驻地销售
测序策略：
分析流程：
参考文献：
[1] Frankel o. H. Genetic Perspectives of Germplasm Conservation. In: Arber W.K, et al. Genetic manipulation: Compact on Man and Society. Cambridge Univ Press,l984.
[2] De Beukelaer H, Davenport GF, Fack V. Core Hunter 3: flexible core subset selection. BMC Bioinformatics. 2018;19:203.
[3] Angad Kumar, Shivendra Kumar, Kajol B.M et al. SinghDesigning a Mini-Core Collection Effectively Representing 3004 Diverse Rice Accessions. Plant Commun. 2020.
[4] El Bakkali A., Haouane H., Moukhli A., Costes E., Van Damme P., Khadari B. Construction of core collections suitable for association mapping to optimize use of mediterranean olive (Olea europaea L.) genetic resources. PLoS One. 2013;8:e61265.
[5] Zhang P., Liu X., Tong H., Lu Y., Li J. Association mapping for important agronomic traits in core collection of rice (Oryza sativa L.) with SSR markers. PLoS One. 2014;9:e111508.
[6] Perseguini J.M.K.C., Silva G.M.B., Rosa J.R.B.F., Gazaffi R., Marçal J.F., Carbonell S.A.M., Chiorato A.F., Zucchi M.I., Garcia A.A.F., Benchimol-Reis L.L. Developing a common bean core collection suitable for association mapping studies. Genet. Mol. Biol. 2015;38:67–78.
[7] Ambreen H., Kumar S., Kumar A., Agarwal M., Jagannath A., Goel S. Association mapping for important agronomic traits in safflower (Carthamus tinctorius L.) core collection using microsatellite markers. Front. Plant Sci. 2018;9:402.
