人工智能预测黄瓜产量与抗病性状的遗传调控机制及其育种应用研究

本研究针对黄瓜地方种质系统鉴定不足的问题，通过人工智能驱动的多元线性回归(MLR)和世代均值分析，揭示了果实重量、长度及单株果数为产量关键因子，叶片长度、总糖量与抗坏血酸含量则调控霜霉病抗性。非加性基因效应占主导的结果证实了杂种优势育种价值，为创制高产抗病黄瓜品种提供了整合AI模型与常规育种的新范式。

　　

黄瓜（Cucumis sativus L.）作为起源于印度的作物虽具有高度遗传多样性，但其地方种质的系统记录仍较匮乏。本研究利用29个本土基因型，通过人工智能（AI）驱动的多元线性回归（MLR）结合世代均值分析，解析了产量与抗病性状的遗传调控机制。基于关键性状将基因型划分为8个聚类群组，从中选取8个亲本按8×8半双列杂交设计（不含反交）培育F₁杂种。MLR模型表明：果实重量、果实长度和单株果数是主要产量决定因子，而叶片长度、总糖含量和抗坏血酸含量共同影响霜霉病抗性。根据杂种优势表现筛选出10个优良杂交种，并构建6个世代群体（P₁, P₂, F₁, F₂, BC₁, BC₂）。世代均值分析证实显性和上位互作在关键性状调控中占主导地位，非加性基因作用的重要性凸显了杂种优势育种的应用潜力。在选育高产抗病品系时，对目标性状实施延迟选择至关重要。该研究创新性地将AI作物模型与传统育种方法整合，为黄瓜遗传改良提供了系统框架。