2026 年，德国波恩大学、汉诺威莱布尼茨大学、卡尔斯鲁厄理工学院的研究团队在The Plant Journal发表了题为Elucidating and exploring specialised plant metabolism through a pangenomic and pantranscriptomic lens的综述论文。该综述表明单一参考基因组易丢失遗传变异，需结合泛基因组、泛转录组解析植物特化(次生)代谢。文章对比其构建方法，解析基因存在‑缺失变异(PAV)、拷贝数变异(CNV)、结构变异(SV)及调控突变对代谢的影响。同时指出，现有数据库多面向作物，还存在算力、标准、功能验证等难题，代谢受多重因素调控，建议推进多组学融合，借助AI挖掘基因，助力植物资源开发。
1.泛基因组：读懂一个物种全部的遗传家底
泛基因组整合了同一物种或者属内多个植株的基因组，形成一套完整无冗余的 DNA 序列集合。
●泛基因组的基因分为两大类：
1.核心基因：所有个体都有；
2.附属(可变)基因：只有部分个体才有，很多次生代谢关键基因就在这里。
●目前构建植物泛基因组主要有三种策略：
1.从头组装策略：对每份种质分别完成基因组组装后开展比较分析，能够精准识别各类结构变异，但对算力、测序深度要求较高，不适用于大基因组或者多倍体物种。
2.参考迭代策略：将测序序列比对到已有参考基因组，再把未匹配的新序列追加进去形成线性泛基因组，该方法成本更低，但检测大片段结构变异的能力有限。
3.泛基因组图：摒弃传统线性DNA存储形式，以网络图谱记录全部遗传变异，新的基因组数据可以直接并入现有图谱而无需全部重新组装，是未来的主流技术。
●利用泛基因组解析植物次生代谢主要有两条研究路径：
1.基因有无/拷贝数变化：基因存在‑缺失变异(PAV)、拷贝数变异(CNV)可直接改变代谢产物的生成。
2.基因序列&调控区突变：全套基因均存在，但受结构变异(SV)影响，启动子、编码区发生突变，进而改变蛋白质功能或者基因表达水平。
但是，植物代谢性状的得失很少由单一突变决定，往往是基因内容变异与调控变异共同作用。另外泛基因组仅为静态DNA数据，只能判断基因是否存在，不能反映基因实际表达与功能发挥情况。
2.泛转录组：读懂基因的真实 “工作状态”
泛基因组仅能判断基因是否存在，无法反映基因实际表达活性。同一套基因受组织、环境调控，表达水平不同就会产生截然不同的代谢表型。而泛转录组可以解析群体中基因真实转录状态，汇总不同个体特定条件下所有转录本与表达量，还可识别可变剪接异构体，弥补泛基因组静态分析的不足。
●构建泛转录组分为两种技术路线：
1.依托泛基因组：有高质量基因组情况下，把转录数据关联基因组变异，但计算成本高；
2.无需参考基因组：直接对各材料转录组从头拼接，成本适中，更适合非模式植物。
●多项研究证实了泛转录组在次生代谢研究的价值：
1.科研人员借助马铃薯泛转录组，挖掘大量参考基因组缺失的转录序列，结合代谢组筛选出甾体糖生物碱的候选基因；
2.在药用植物丹参中，利用泛转录组找到调控丹参酮合成的转录因子SmMYC3；
3.茶树研究则联合泛转录组、GWAS 与 eQTL，定位影响多酚类风味物质积累的候选基因。
4.此外它还能解析非编码 RNA、可变剪接，挖掘抗逆相关代谢调控网络。
不过目前该领域仍存在短板：公开的泛转录组资源远少于泛基因组，且大多集中在农作物；多数研究仅筛选出候选基因，缺少后续功能实验验证。
3.现成数据库，科研不用从零做起
泛基因组数据库(资源较为丰富)
●PlantPan(多物种，可下载泛基因组图)
●水稻：RPAN/RiceSuperPIRdb
●大麦：PanBARLEX
●柑橘：CPBD
●茄科：SolPGD
●麦类：GrainGenes
泛转录组数据库(资源偏少，集中于农作物)
●大麦：PanBaRT20/EoRNA2
●燕麦：PanOat
●油菜：BnaOmics
痛点：大多只能网页浏览，很难下载完整原始文件；野生、非模式植物资源匮乏。
4.机遇与现实瓶颈
●当前存在的难题：
算力压力大，泛基因组图非常吃计算机内存；
不同团队分析流程不一样，结果很难互相比较，缺少统一行业标准；
泛转录组资源不足，候选基因的功能验证普遍缺失；
植物代谢很复杂，不光由DNA决定，还受环境、组织、表观调控影响，单看基因组，或者单看转录组，都不能完全解释代谢表型。
●未来发展方向
多组学联合是必选路径：泛基因组+泛转录组+代谢组+表观组，把基因变异和实际品质性状挂钩；
发展单倍型、全长可变剪接泛转录组，从单一物种，做属/科级“超级泛基因组”，挖掘野生种质；
AI 大模型赋能：用海量泛组学数据辅助挖掘代谢候选基因；
建立统一数据标准，完善非模式植物数据库。
该综述剖析泛基因组与泛转录组解析植物特化(次生)代谢的研究策略，梳理技术案例与数据库资源，指出算力、标准、功能验证等瓶颈。提出融合多组学，借助AI大模型挖掘代谢候选基因，为植物天然产物发掘与育种改良提供新范式。