通过AMMI和GGE双坐标图分析，在不同环境下评估指状小米基因型的产量稳定性

《Scientific Reports》：Yield stability of finger millet genotypes assessed by AMMI and GGE biplot analysis across diverse environments

该研究通过多环境试验和分子标记分析，筛选出35个粟类基因型中G18表现最稳定且产量最高，同时确定Jharkhand为最佳试验环境，验证了AMMI和GGE双模型结合分子标记（UGEP46、66、68）在提高育种效率中的应用价值。

　　手指小米（Finger millet）作为一种重要的谷物作物，因其独特的营养价值和生态适应性，正逐渐受到全球农业和营养学领域的重视。然而，由于其产量受基因型与环境互作（Genotype × Environment Interaction, GEI）的影响，导致在不同农业生态区中，基因型的表现差异较大，给高产且稳定的品种筛选带来了挑战。本研究旨在通过结合表型分析与分子标记技术，评估35个基因型多样性的手指小米在印度三个农业生态区——奥里萨邦（E1）、贾坎德邦（E2）和比哈尔邦（E3）——两个雨季（2023–2024和2024–2025）中的表现，从而为品种改良和推广提供科学依据。

手指小米属于禾本科（Poaceae）小穗草亚科（Chloridoideae）的自花授粉作物，其四倍体基因组（2n = 4x = 36）使其在遗传多样性方面具有显著优势。该作物起源于埃塞俄比亚高地，已有数百年在东非和南亚的种植历史，目前广泛种植于印度、尼泊尔、埃塞俄比亚、乌干达和肯尼亚等国家。在印度，它被称为“ragi”，在埃塞俄比亚称为“dagussa”，在肯尼亚称为“wimbi”。手指小米因其卓越的适应性和丰富的营养价值，被公认为一种“智能食品”作物，适合现代农业体系与人类营养需求。它能够在低投入的农业系统中良好生长，尤其在资源有限、降雨不规律的条件下表现优异。其生态适应性广泛，能在海拔高达2400米的地区生长，并能在贫瘠土壤中维持良好产量。这些特性使其成为干旱地区种植的理想选择。

从营养角度来看，手指小米富含宏量和微量营养素，碳水化合物含量高达65–75%，蛋白质含量为6–13%，膳食纤维含量在15–20%之间，而脂肪含量仅为1.3–1.8%。特别值得注意的是，其钙含量显著高于主要谷物，如稻米和小麦，约为344毫克/100克，几乎是它们的十倍。此外，它还含有丰富的铁、磷以及必需氨基酸，如蛋氨酸和赖氨酸，这些特性使其对特定人群如婴儿、孕妇、老年人和糖尿病患者具有显著的营养价值。除了作为粮食作物，手指小米的秸秆还可以作为牲畜饲料，同时对土壤健康和可持续农业体系有积极贡献。

印度是全球手指小米的主要生产国，贡献了超过60%的全球产量。主要种植区域包括卡纳塔克邦、泰米尔纳德邦、奥里萨邦和北阿坎德邦。在适宜的生长条件下，手指小米的产量可达4.0吨/公顷，但在雨养系统中，平均产量通常在1.0至1.5吨/公顷之间。这种产量差距主要源于传统地方品种的持续使用、外部投入的不足以及其主要作为自给或间作作物的种植方式。此外，有限的研究投入、改良品种的缺乏、种子供应体系薄弱以及市场支持系统的不完善也限制了其进一步推广。

尽管手指小米在农业和营养方面具有显著优势，其广泛采用仍受到不同农业生态区中产量表现不稳定的影响。这种不稳定性主要由基因型与环境互作（GEI）引起，即不同基因型对气候、土壤特性和农业管理方式的反应存在差异。因此，多环境试验（Multi-environment trials, METs）成为识别高产且稳定基因型的关键手段。传统上，方差分析（Analysis of Variance, ANOVA）被用于分析基因型、环境及其互作的变异来源，但其将GEI视为残差变异，缺乏对互作机制的深入解析。为弥补这一缺陷，研究人员开发了多种稳定性评估方法，包括单变量和多变量统计方法。其中，多变量方法如聚类分析和主成分分析（PCA）在揭示GEI结构和识别稳定基因型方面表现出色。

图形化工具如双图（biplot）进一步提升了GEI分析的直观性，能够清晰展示基因型、环境及其互作之间的关系。基于PCA的双图在区分广适应型与特适应型基因型方面尤为有效，并有助于评估测试环境的代表性与区分能力。在这一领域，AMMI模型和GGE双图是最常用的两种方法。AMMI模型结合了方差分析与主成分分析，利用奇异值分解（SVD）对GEI进行分解，并生成AMMI1和AMMI2双图。AMMI模型能够将基因型和环境的加性效应与互作效应区分开，从而识别出稳定且广泛适应的基因型。相比之下，GGE双图强调基因型与GEI的综合效应（G + GE），并排除了主要环境效应的影响，特别适用于“在哪胜出”（which-won-where）研究，以确定特定环境中的最优基因型并划分大环境区域（mega-environments）。

本研究采用AMMI和GGE双图方法，对35个基因型多样性的手指小米在印度三个农业生态区的表现进行了综合评估。结果显示，基因型G18（VR-1176）在所有环境中均表现出最稳定的高产特性，其次是G13（VL-Mandia-352）、G28（Bada Mandia）、G3（PR-1639）、G25（Bada Kumnda）、G26（Badatara）、G11（VR-1223）、G15（VR-12–38）、G14（OEB-610）和G33（FEZN-84）。AMMI1和AMMI2双图的结果进一步验证了这些基因型的优异表现，其中G18和G15被识别为最突出的基因型。此外，研究发现贾坎德邦（E2）是最有利的生长环境，其在多个表型指标上表现出较高的适应性和产出能力。

为了进一步提升育种效率，本研究还结合了分子标记技术，特别是通用基因组EST引物（UGEP）标记。UGEP标记与主要农艺性状如抗病性、籽粒品质和产量特征密切相关。在本研究中，使用了UGEP 46、66和68三种标记，以筛选出具有高产潜力的基因型。分子分析结果显示，高产基因型在这些标记中表现出多态性带型，这与表型观察结果一致，验证了其高产特性。UGEP标记的优势在于其经过验证、具有特定性状关联性、适用于高通量筛选，并能提高基因型选择的精准度。将这些分子标记整合到育种流程中，有助于加快培育富含营养、具有气候适应性和高产的手指小米品种。

在实验设计方面，本研究在三个不同地点——奥里萨邦（E1）、比哈尔邦（E3）和贾坎德邦（E2）——采用随机区组设计（Randomized Block Design, RBD），每块试验地设置三个重复。实验小区面积为1.6米 × 0.80米，每小区包含三行。播种密度统一为每行10厘米，行距30厘米，以确保试验的一致性。农业管理措施包括及时的土地准备、灌溉、除草和养分管理。施肥按照标准农业剂量进行，氮肥施用量为45千克/公顷，磷肥和钾肥则在最后一次土地准备时全部施用，氮肥则在种植后五周施用70%。病虫害防治则根据需要进行，人工除草和系统性除草剂的使用确保了有效的杂草控制。

在表型评估方面，本研究记录了三个关键的产量相关性状：主穗上的手指数量（NFME）、千粒重（GW）和单株产量（GYPP）。这些性状的数据从每个小区中随机选取的五株植物中收集，并在田间和实验室条件下进行验证。统计分析方面，采用了方差分析（ANOVA）以分解基因型、环境和其互作的变异来源。研究发现，产量及其相关性状受到基因型、季节和地点及其互作的显著影响，其中基因型 × 环境互作（GEI）尤为突出。在这些互作中，地点 × 季节（L × S）、基因型 × 地点（L × G）、季节 × 基因型（S × G）以及三重互作（L × S × G）均表现出显著性。此外，千粒重的基因型效应也高度显著，而环境效应及其互作则不显著，表明该性状在不同环境下的表现相对稳定。主穗上的手指数量则表现出较高的基因型效应，但环境及其互作也具有一定的影响，说明其受环境条件的调控。

AMMI1双图分析表明，基因型G18在所有环境中均表现优异，而基因型G13、G28、G3、G25、G26和G11则表现出较高的稳定性，其在双图中的位置接近原点，表明其对环境变化的响应较小。在测试环境中，E2（贾坎德邦）的环境潜力较高，而E1（奥里萨邦）和E3（比哈尔邦）的平均产量较低。在单株产量方面，G18（VR-1176）表现出最优异的性能，随后是G28（Bada Mandia）、G31（FEZN-15）、G19（VR-1185）、G16（CF-MVZ）和G13（VL-Mandia-352），后者在多个环境中均表现出稳定性。此外，G10（Chilli）、G6（Chaitanya）、G8（Arjun）和G17（PR-202）也表现出良好的表现和稳定性，特别是在E2（贾坎德邦）这一最有利的环境中。对于主穗上的手指数量，E2（贾坎德邦）再次被确认为最适宜的环境，而高产基因型包括G23（Muskuri）、G35（CFM-VI）和G24（Lalsuru mandia），这些基因型在多个环境中表现出稳定的高产特性。

AMMI2双图分析进一步揭示了GEI的复杂性，并通过前两个主成分（PC1和PC2）的得分对基因型 × 环境互作进行可视化。研究发现，PC1和PC2解释了98%的千粒重变异，以及100%的单株产量和主穗手指数量的变异。这表明，35个基因型在三个环境中的互作得到了充分捕捉。基因型的平均表现和其在特定环境中的表现通过双图的向量角度进行分析，其中角度越小，表示基因型在该环境中的表现越接近平均值，说明该环境对该基因型的适应性较高。研究还指出，Jharkhand（E2）在多数性状中具有较强的区分能力，而Bihar（E3）的区分能力较弱，尽管其代表性较强，但其在区分基因型方面的有效性较低。这些结果强调了在选择测试环境时，需综合考虑其代表性和区分能力，以确保筛选出的基因型能够适应多种环境条件。

GGE双图（polygon view）进一步揭示了基因型在不同环境中的表现差异。该双图能够直观展示“在哪胜出”的研究结果，同时有助于划分大环境区域并识别理想基因型。对于千粒重，Jharkhand（E2）表现出最强的区分能力，而Bihar（E3）则相对较低。在单株产量方面，Jharkhand（E2）被确认为最适宜的测试环境，而在主穗手指数量方面，E2和E3均表现出较高的适应性。总体来看，E2在多数性状中具有较强的区分能力，而E1和E3则相对较低。这表明，Jharkhand（E2）在基因型筛选中具有更高的价值，而其他两个环境则在不同性状中表现出一定的局限性。

分子标记分析进一步支持了表型分类的结果，揭示了不同基因型在高产性状上的遗传基础。UGEP 46、68和66三种标记分别与不同的产量相关性状相关联。例如，UGEP 46标记与170 bp的特定等位基因相关，该等位基因在多个高产基因型中被检测到，如GPV-67（G2）、PR-1639（G3）、Chaitanya（G6）、KMR-1151（G7）、Arjun（G8）、IIMR-7028（G9）、Chilli（G10）、VL-Mandia-352（G13）、OEB-610（G14）、Taya（G21）、Madei Muskuri（G22）、Muskuri（G23）、Lalsuru Mandia（G24）、Bada Kumnda（G25）、Badatara（G26）、FEZN-84（G33）、Bhairabi（G34）和CFM-VI（G35）均携带了与高产相关的170 bp等位基因。相反，那些携带150 bp等位基因的基因型则表现出较低的产量潜力。UGEP 68标记与230 bp等位基因相关，该等位基因在多个高产基因型中被检测到，如Arjun（G8）、IIMR-7028（G9）、Chilli（G10）、VR-1223（G11）、KOPN-1055（G12）、VL-Mandia-352（G13）、OEB-610（G14）、VR-12–38（G15）、CF-MVZ（G16）、PR-202（G17）、Telugu Mandia（G30）、FEZN-15（G31）、TNEC-1335（G32）、FEZN-84（G33）、Bhairabi（G34）和CFM-VI（G35）均携带了与高产相关的230 bp等位基因。相比之下，携带210 bp等位基因的基因型则表现出较低的产量潜力。

UGEP 66标记与200 bp等位基因相关，该等位基因在多个高产基因型中被检测到，如WN-572（G1）、GPV-67（G2）、PR-1639（G3）、WN-566（G5）、Chaitanya（G6）、VL-Mandia-352（G13）、OEB-610（G14）、VR-12–38（G15）、CF-MVZ（G16）、PR-202（G17）、VR-1176（G18）、VR-1185（G19）、KOPN-1056（G20）、Taya（G21）、Madei Muskuri（G22）、Muskuri（G23）、Lalsuru Mandia（G24）、Bada Kumnda（G25）、Badatara（G26）、Dangardei（G27）、Bada Mandia（G28）、FEZN-15（G31）、TNEC-1335（G32）和FEZN-84（G33）均携带了200 bp等位基因，表明其在产量上的优势。而携带180 bp等位基因的基因型则表现出较低的产量潜力，如VL-410（G4）、KMR-1151（G7）、Arjun（G8）、IIMR-7028（G9）、Chilli（G10）、VR-1223（G11）、KOPN-1055（G12）、KMR-711（G29）、Telugu Mandia（G30）、Bhairabi（G34）和CFM-VI（G35）均表现出较低的产量表现。

本研究的分子分析结果与表型分析结果一致，进一步验证了高产基因型的遗传基础。例如，VL-Mandia-352（G13）、OEB-610（G14）、VR-12–38（G15）、CF-MVZ（G16）、PR-202（G17）、Muskuri（G23）、FEZN-15（G31）、FEZN-84（G33）和CFM-VI（G35）在所有三种标记中均表现出有利的等位基因，表明这些基因型在多种环境下具有良好的适应性和产量潜力。它们因此成为进一步育种和推广的有力候选。

研究还发现，基因型G18（VR-1176）在所有环境中均表现出最稳定和最优异的产量表现，成为推荐的首选基因型。其他如G35（CFM-VI）、G23（Muskuri）、G28（Bada Mandia）、G19（VR-1185）、G31（FEZN-15）、G16（CF-MVZ）、G26（Badatara）和G13（VL-Mandia-352）也表现出较高的产量和稳定性，适合广泛种植。相比之下，G15（VR-12–38）、G4（VL-410）、G10（Chilli）、G12（KOPN-1055）和G17（PR-202）虽然产量表现优异，但稳定性较低，更适合在特定环境如奥里萨邦（E1）中种植。此外，G6（Chaitanya）、G1（WN-572）、G30（Telugu mandia）和G33（FEZN-84）虽然产量较低，但表现出良好的稳定性，可作为育种中的遗传资源。

综上所述，本研究通过结合表型分析与分子标记技术，全面评估了手指小米在不同环境下的表现，并识别出具有高产和稳定性的基因型。这些基因型的分子验证进一步增强了其在育种中的应用价值。通过AMMI和GGE双图分析，研究人员能够更清晰地理解基因型与环境互作的结构，并为不同环境下的品种选择提供科学依据。此外，本研究还强调了在多环境试验中，测试环境的选择应综合考虑其代表性和区分能力，以确保筛选出的基因型能够适应多种农业条件。研究结果不仅为手指小米的品种改良提供了重要线索，也为提高其在不同生态区的适应性和产量提供了实践指导。这些发现对于推动手指小米的可持续生产、改善粮食安全以及满足特定人群的营养需求具有重要意义。