|
|
Zhang A, Pérez-Rodríguez P, San Vicente F et al. (2022) Genomic prediction of the performance of hybrids and the combining abilities for line by tester trials in maize. The Crop Journal 10(1):109-116. https://www.sciencedirect.com/sc ... i/S2214514121001069
2022_Crop J_Zhang Ao_Genomic prediction of the performance of hybrids and the co.pdf
(932.31 KB, 下载次数: 16)
这篇文章的主要研究如何利用全基因组选择（Genomic Selection, GS）方法预测玉米杂交种的表现及其配合力（GCA 和 SCA）值。研究的目标包括：（1）通过不同模型预测三组“系×测验者”试验中杂交种的产量表现，并评估基因组预测能力；（2）评估 GCA 和 SCA 值的预测能力；（3）分析测验者效应对杂交种表现预测的影响，并估算不同测验者间的基因组预测能力。
研究方法
使用了两组多地点试验的表型数据，分别称为“试验 A”和“试验 B”，其中包含不同杂交组合的产量数据。
采用多种基因组预测模型（如 M1、M2 和 Mck），并结合测验者的基因型数据进行预测。
通过交叉验证和 Pearson 相关系数评估预测能力。
使用 RR-BLUP 模型预测GCA 、SCA值，并分析这些值的预测效果。
主要结果
杂交种表现预测：
在所有试验中，杂交种产量的预测能力从中等到较高（M1 模型为 0.59-0.81，M2 模型为 0.64-0.86）。
将测验者的基因型数据纳入模型显著提高了预测能力，表明测验者效应对杂交种表现预测至关重要。
Mck 模型的预测能力较低，进一步验证了测验者基因型数据的重要性。
GCA 和 SCA 值预测：
GCA 值的预测能力较高，表明全基因组选择在估算 GCA 方面具有较大潜力。
SCA 值的预测能力较低，且预测值与观测值之间无显著线性相关性，表明现有模型难以准确预测非加性效应。
测验者效应：
测验者之间的基因组预测能力存在较大差异，基因关系较近的测验者间预测能力较高，而基因关系较远的测验者间预测能力较低。
结果表明，考虑测验者和系的分子标记信息可以更准确地预测杂交种表现。
种群规模的影响：
研究指出，种群规模是影响基因组预测能力的重要因素。通过合并多个“系×测验者”试验的数据，可以提高训练集的规模，从而提升预测能力。
结论
本研究表明，将测验者的基因型数据纳入基因组预测模型可以显著提高杂交种表现的预测能力，尤其是在估算 GCA 时效果显著。尽管 SCA 的预测能力较低，但未来可以通过扩展模型以纳入非加性效应来改进预测。研究还强调了全基因组选择在减少育种成本和加速育种进程中的潜力。
应用意义
本研究为玉米育种中的全基因组选择提供了重要参考，表明通过低成本基因分型技术（如 DArT-seq 和 GBS）结合基因组预测模型，可以替代昂贵的多地点表型试验，从而显著降低育种成本并提高效率。
|
|
发表于 2025-12-20 10:53:08