
-
生物通官微
陪你抓住生命科技
跳动的脉搏
国际半干旱热带作物研究所花生育种中产量及产量相关性状的遗传增益评估:基于ERA试验的实证分析
【字体: 大 中 小 】 时间:2025年09月18日 来源:Frontiers in Plant Science 4.8
编辑推荐:
本综述系统评估了国际半干旱热带作物研究所(ICRISAT)通过精英重复农艺试验(ERA)在花生育种中实现的遗传增益(RGG)。研究揭示不同熟期(早、中、晚)和市场类型(西班牙丛生型SB、弗吉尼亚丛生型VB)种质在荚果产量(PY)、百粒重(HSW)和出米率(SP)性状上存在显著差异,其中中晚熟SB种质在雨季PY增益最高(54.85 kg ha?1 year?1),而出米率(SP)的遗传进展普遍滞后。研究为优化育种策略、增强气候韧性品种选育提供了关键数据支撑。
花生(Arachis hypogaea L.)是全球重要的粮油作物,年均产量超5000万吨,种植面积约3400万公顷。ICRISAT的花生育种项目自1976年启动以来,已在39个国家推动超过240个品种的释放。实现遗传增益(Realized Genetic Gain, RGG)是衡量育种计划进展的核心指标,有助于明确农艺性状的改良程度并指导育种策略优化。然而,花生育种面临历史数据缺失、校验品种不连续及资源投入不足等挑战,尤其是与主要谷物相比。本研究首次通过ERA试验系统评估ICRISAT花生育种的RGG,填补了该领域的空白。
研究设计了5组ERA试验,覆盖3种产品概念(PC-1、PC-2、PC-3)和两种市场类型(SB和VB),针对荚果产量(PY)、百粒重(HSW)和出米率(SP)三大性状。试验包括:
EYTGG-PC-1:42个早熟基因型(1993–2017年),采用7×6格子设计,在4个季节评估;
EYTGG-SB-PC-2:56个中熟SB基因型(1988–2017年),8×7α格子设计;
EYTGG-VB-PC-2:25个中熟VB基因型(1994–2017年),5×5α格子设计;
EYTGG-SB-PC-3:28个晚熟SB基因型(1995–2014年),随机完全区组设计(RCBD);
EYTGG-VB-PC-3:16个晚熟VB基因型(1994–2014年),RCBD设计。
所有试验均在ICRISAT帕坦切鲁基地进行,覆盖雨季(Rainy, R)和雨季后(Post-rainy, PR)季节。采用线性混合模型(SAS 9.4)进行联合分析,基因型作为固定效应,年份、重复及区块作为随机效应。RGG通过基因型平均值与释放年份的线性回归斜率计算,以评估年均遗传进展。
方差分析表明,PY和HSW在多数试验中表现出高重复性和遗传进展,而SP的遗传力较低。基因型×年份互作(G×Y)在雨季试验中对所有性状均显著,尤其在早熟和中熟种质中。雨季的PY遗传力最高(50%–80%),而雨季后季节中VB种质的遗传力较低。
产量表现:中熟VB种质(EYTGG-VB-PC-2)平均PY最高(2793 kg ha?1),晚熟VB种质在雨季后PY达3043 kg ha?1。HSW在晚熟VB种质中最高(66 g),SB种质为54 g。
RGG趋势:PY的RGG范围为8.37 kg ha?1 year?1(0.48%)至54.85 kg ha?1 year?1(3.91%)。SB种质在PY上增益显著,其中晚熟SB种质(EYTGG-SB-PC-3)增益最高(54.85 kg ha?1 year?1),而早熟种质增益最低(8.37 kg ha?1 year?1)。HSW的RGG均低于1 g/年,SP的增益微弱或为负值(-0.19%至0.17%)。
季节差异:雨季更利于早熟和中熟种质的PY和HSW增益,而雨季后季节晚熟种质表现更优。SP在雨季增益较低,但在雨季后中熟VB种质中略有提升。
ERA试验虽能提供无偏的遗传增益估计,但存在环境异质性、种质代表性和校验连续性等局限。本研究发现:
熟期与季节互作:早熟种质在雨季因生育期匹配降雨资源而表现更佳,而晚熟种质在灌溉支持的雨季后季节更能发挥潜力。这一现象强调需针对特定环境定制育种策略。
西班牙种质优势:SB种质在PY上实现更高RGG,源于其表型可塑性、资源利用效率和等位基因积累优势。相比之下,VB种质因生育期长和G×E互作强烈而进展较慢。
出米率停滞:SP的遗传进展滞后可能源于表型误差、遗传架构复杂及与产量性状的拮抗。引入计算机断层扫描(CT)等精准表型技术和基因组选择(GS)模型有望突破此瓶颈。
育种策略优化:利用HSW作为PY的替代性状(其遗传增益达0.44%每年)、开发多性状选择指数、并整合基因组预测和环境互作分析,将加速气候韧性品种选育。
ICRISAT花生育种计划在中晚熟种质中实现显著PY遗传增益(1.52%–1.62%每年),但早熟种质和出米率性状进展缓慢。未来需通过增强早熟种质的早期活力、光合效率和源库调控,并结合基因组选择、高通量表型和数据驱动策略,全面提升产量与品质性状的遗传增益。建立校验连续性和多环境测试网络将是精准评估RGG的关键。
生物通微信公众号
知名企业招聘