编辑推荐：
为提升玉米育种遗传增益，研究人员探索单粒近红外光谱（skNIR）表型选择（PS），发现 PS 有潜力，且与基因组选择（GS）结合效果更佳。
玉米，作为全球重要的粮食作物，在人们的生活中扮演着不可或缺的角色，从餐桌上的美食到工业生产的原料，都离不开它的身影。长久以来，玉米育种一直是科研人员关注的焦点，传统的育种方式依赖于田间的表型评估，就像是在茫茫大海里捞针，效率较低。随着科技的进步，分子标记辅助选择技术出现了，尤其是基因组选择（GS），它利用分子标记数据来预测个体的遗传价值，大大提高了育种的效率和准确性，仿佛给育种工作装上了导航仪。然而，GS 也存在着短板，高昂的基因分型成本限制了它在一些小型育种项目中的应用。
与此同时，表型选择（PS）作为一种新兴的育种方法崭露头角。PS 利用多元表型数据，如近红外光谱（NIRS）数据来预测复杂性状，其成本相对较低。但目前对于 PS 的研究还存在一些空白，比如利用 NIRS 进行 PS 时，常采用破坏性采样，或者在田间选择实验建立后才收集数据，这限制了它的应用。而且，用单粒近红外光谱（skNIR）在种植前进行 PS 的可行性尚未得到充分探索。
为了填补这些研究空白，来自美国佛罗里达大学等机构的研究人员开展了一项关于甜玉米的研究。他们旨在探究利用 skNIR 进行 PS 对甜玉米重要经济性状的预测效果，评估 PS、GS 以及结合两者信息的模型的预测能力，并验证种植前扫描和预测的可行性。该研究成果发表在《Theoretical and Applied Genetics》杂志上。
在研究方法上，研究人员主要运用了以下几种关键技术：
- 实验设计与数据收集：选用 693 份甜玉米自交系组成的多样性面板，在不同年份种植，测量 24 个包括营养和果穗相关的性状。同时，用 skNIR 收集种子光谱数据，对部分个体进行全基因组重测序获取基因型数据123。
- 模型构建与分析：构建基因组最佳线性无偏预测（G-BLUP）、表型最佳线性无偏预测（P-BLUP）以及结合两者的模型（G + P），通过五折交叉验证评估模型性能456。
研究结果如下：
- 表型数据与 NIRS 数据相关性：不同性状与 skNIR 光谱的相关性不同，营养性状的相关性普遍高于果穗性状。例如，2021 年和 2022 年，发芽率（GER）与特定波长的相关性较高，而果穗相关性状的预测能力较低7。
- PS 的预测能力：PS 的预测能力因性状和年份而异，整体表现出一定的潜力。如用 P-BLUP 方法时，一些性状的预测能力较高，像 2021 年 GER 的预测能力达到 0.57，植株高度（PH）在各年份预测能力约为 0.43 。P-BLUP 比偏最小二乘法（PLS）回归的预测能力更好，且受数据来源影响较小8。
- 不同模型预测能力比较：总体上，G-BLUP 的预测能力高于 P-BLUP，但 G + P 模型的预测能力最高。在使用较少标记时，G + P 模型优势更明显，例如仅用 500 个标记时，对 GER、PH 和抽穗天数（DTP）等性状的预测准确率就能超过 0.59。
- 淀粉突变对预测准确性的影响：基于 skNIR 数据的主成分分析（PCA）显示，su1 和 sh2 突变的个体被分开。在突变组内进行预测时，结果因性状、年份和模型而异。例如，su1 突变组中 P-BLUP 的平均预测能力与整体面板相似，而 sh2 突变组则明显下降10。
- PS 对发芽率的预测潜力：PS 模型对发芽率的预测能力较高，且通过对双单倍体（DH）系的预测和选择实验，验证了 PS 在预测种植前发芽率的可行性11。
研究结论和讨论部分指出，PS 在甜玉米性状预测中的有效性因性状而异，虽然 GS 通常表现更优，但结合 PS 和 GS 的数据能产生最佳结果，尤其是在低标记密度下。NIRS 数据来源对 PS 预测能力影响较小，不过其准确性的本质还需进一步研究。用完整种子进行数据获取和种植前选择是可行的，在甜玉米育种计划中应用 PS，无论是在 GS 之前还是与之同时使用，都有加速遗传增益的潜力。这一研究为玉米育种提供了新的思路和方法，有助于推动玉米育种技术的发展，提高玉米的产量和品质。
