编辑推荐：
为优化稀疏表型策略，研究人员利用基因组数据和关系测量，结果表明相关测量有助于优化品系分配，提高遗传增益。
在植物育种的舞台上，多环境试验（METs）是选育优良品种的关键环节。然而，目前的表型分析就像一场昂贵的 “盛宴”，耗费大量的人力、物力和财力，成为了植物育种前进道路上的 “拦路虎”。尽管基因分型技术不断发展，成本逐渐降低，但表型分析的高昂费用却依旧让人望而却步。如何在保证育种效果的同时，降低表型分析的成本，成为了育种学家们亟待解决的难题。
为了攻克这一难题，来自国际玉米和小麦改良中心（CIMMYT）等机构的研究人员展开了深入研究。他们的研究成果发表在《Theoretical and Applied Genetics》上，为植物育种领域带来了新的曙光。
研究人员主要采用了以下关键技术方法：首先，利用重复扩增测序（rAmpSeq）技术对 304 个双单倍体（DH）系进行基因分型，获得了大量的基因型数据。其次，通过构建混合模型，结合基因组最佳线性无偏预测（GBLUP）和因子分析（FA）模型，对不同稀疏表型设计下的未测试品系进行预测，评估不同设计的准确性。
下面让我们来看看具体的研究结果：
- 遗传力分析：研究人员对 5 个环境下的 4 个表型性状进行评估，发现株高（PH）和穗位高（EH）的遗传力分别为 0.93 和 0.91，高于穗数（EPP）和籽粒产量（GY），后两者遗传力分别为 0.64 和 0.75。这表明 PH 和 EH 受遗传因素影响更大，在育种选择中更具稳定性1。
- 稀疏表型设计评估：研究设置了多种稀疏表型设计，对比不同设计下的预测准确性和节省的表型地块比例。结果显示，将 50%（154 条）的品系分配到全基因组检测组（FS）的设计（SP8 - SP14），在籽粒产量（GY）上的平均皮尔逊相关性更高，范围从 0.84 到 0.99；而 30%（104 条）品系分配到 FS 的设计（SP1 - SP7）准确性较低，但能降低表型成本。此外，平衡设计比不平衡设计产生的皮尔逊相关性更高，准确性更好23。
- 关系测量（RMs）与准确性测量（AMs）的关系：研究利用 8 种 RMs 计算 FS 和稀疏集（SS）基因型之间的相关性，发现 RMs 与 AMs 之间存在正皮尔逊相关性，表明 RMs 有助于优化稀疏表型设计中的品系分配，提高预测准确性。不过，这种相关性受多种因素影响，如性状遗传力、环境间遗传相关性、群体遗传变异性等45。
在研究结论与讨论部分，研究人员指出，RMs 在优化训练群体和品系分配方面具有重要作用。正相关的 RMs 和 AMs 能够帮助育种者确定最佳训练集，利用稀疏表型策略提高测量准确性，降低表型成本。然而，本研究也存在一些局限性，如研究环境和时间有限、群体遗传变异较低等。未来，在更复杂的条件下进一步研究，将有助于更深入地理解如何利用稀疏表型数据优化训练和测试集，以及品系分配，从而推动植物育种的发展。
总的来说，这项研究为植物育种中的稀疏表型策略优化提供了重要的理论依据和实践指导，有望帮助育种者在有限的资源条件下，更高效地选育出优良品种，为全球粮食安全贡献力量。
