全球尺度下考虑群体结构的草莓甜度基因组预测新策略

《Scientific Reports》：Accounting for population structure in genomic prediction of strawberry sweetness at a global scale

本研究针对草莓育种中基因型与环境互作(G×E)及群体结构干扰基因组预测准确性的难题，通过整合多国试验数据（2,064份材料，12,591个SNP），开发了基于因子分析(FA)的基因组最佳线性无偏预测(GBLUP)模型。结果表明，结合主成分分析(Pfa)和群体特异性基因组关系矩阵(Wfa)的模型将可溶性固形物(SSC)预测准确度提升至r=0.8，显著优于传统模型。该研究为跨环境草莓育种提供了高效基因组选择方案，推动风味性状的精准改良。

　　

草莓（Fragaria × ananassa）作为全球高价值水果作物，其风味品质尤其是甜度直接影响消费者偏好。可溶性固形物含量（Soluble Solids Content, SSC）是衡量甜度的关键指标，但受多基因控制和环境变异影响，传统育种改良效率低下。更复杂的是，全球草莓种质存在显著的群体结构分化（如温带与亚热带类群），若在基因组预测中忽略此结构，会导致遗传参数估计偏差和预测准确性下降。为此，由多国机构合作的研究团队在《Scientific Reports》发表论文，首次在全球尺度上系统评估群体结构对草莓SSC基因组预测的影响，为跨环境育种策略优化提供新见解。

研究团队整合了来自美国、欧洲和澳大利亚7个试验点的9个环境数据，共2,064份草莓种质资源，利用共享于90K和IStraw35 SNP芯片的12,591个标记进行基因型分析。关键技术方法包括：基于ADMIXTURE和主坐标分析（PCoA）的群体结构解析；通过因子分析（Factor Analytic, FA）构建基因型与环境互作（G×E）协方差模型；比较标准GBLUP、主成分校正GBLUP（Pfa）及群体特异性基因组关系矩阵（Wfa）三种预测策略；采用交叉验证评估预测准确性，并通过广义基因组遗传力（h2）量化遗传贡献。

群体结构分析

通过ADMIXTURE（K=2）和PCoA将种质划分为两个主要群体（SP1亚热带类群和SP2温带类群）及一个混合群体，其中SP1以佛罗里达和澳大利亚种质为主，SP2集中于美欧试验点。群体间等位基因频率差异显著（F_ST=0.35），证实群体结构的存在。

单环境与多环境模型对比

单环境GBLUP分析显示，SSC遗传力（h2）和预测准确性在不同试验点差异显著（h2=0.16–0.45），佛罗里达试验点表现最优。整合多环境数据后，广义遗传力平均提升0.16，预测准确性提高0.06，证实多环境建模能增强遗传效应估计的稳健性。

群体结构校正模型的优势

Pfa（GBLUP+PCA）和Wfa（群体特异性GRM）模型显著优于标准GBLUP（Gfa），其中Pfa和Wfa的预测准确性最高（r≈0.8），且跨环境稳定性更强。遗传相关性分析表明，温带试验点（如本顿港、科瓦利斯）间相关性较高，而亚热带与温带点间相关性较低，进一步验证群体结构对G×E建模的影响。

讨论与结论

本研究首次在全球草莓种质中证实，群体结构是影响SSC基因组预测准确性的关键因素。通过Wfa和Pfa模型校正群体特异性等位频率差异和G×E互作，能有效提升跨环境预测效能。这一策略尤其适用于育种群体遗传背景复杂、环境异质性高的作物。未来可结合环境协变量（如气候数据）进一步优化模型，推动基因组选择在草莓风味育种中的规模化应用。