苹果育种中果实品质性状遗传参数估计方法的比较分析

苹果育种面临遗传多样性威胁，为优化选择策略，研究人员比较单 / 多性状 REML/BLUP 与 MCMC/BLUP 方法，分析 304 株幼苗两年数据。发现多性状 BLUP 提升预测准确性，贝叶斯 MCMC 在遗传评估中更优，为苹果育种提供新方法。

　　

苹果作为全球重要水果，其育种却面临 “遗传瓶颈” 困境。当前多数商业品种依赖少数优质亲本，如欧洲 72% 苹果种植面积仅由 13 个品种占据，美国市场也被 9 大品种主导，这种单一化趋势不仅威胁遗传多样性，还可能因抗病基因单一（如广泛使用的 Rvi6 抗病基因）导致病害抗性脆弱。如何在有限资源下精准评估果实品质性状的遗传潜力，打破传统育种的局限性，成为亟待解决的科学问题。

为攻克这一难题，意大利乌迪内大学（University of Udine）的研究团队开展了一项具有突破性的研究。他们以苹果果实重量（FW）、果形指数（极径 PD）、可溶性固形物含量（SSC）和果肉硬度（FF）等关键品质性状为切入点，系统比较了单性状与多性状分析模型，结合传统的限制最大似然法（REML）和贝叶斯马尔可夫链蒙特卡罗方法（MCMC），旨在揭示不同统计方法在遗传参数估计中的优劣，为苹果育种提供更高效的策略。该研究成果发表在国际期刊《Euphytica》上，为多年生作物的遗传改良开辟了新视角。

研究团队采用北卡罗来纳模型 II（NC II）交配设计，选用 11 个母本（包括‘McIntosh’‘Golden Delicious’等经典品种）和 5 个携带抗病基因的父本（如含 Rvi1、Rvi6 等抗黑星病基因的‘Ariwa’‘GK13’），构建了包含 304 株杂交幼苗的群体，在 2018-2019 年连续两个生长季采集表型数据。研究运用四种混合模型：单性状动物模型、多性状动物模型、单性状重复测量模型和多性状重复测量模型，通过 ASReml-R 软件的 REML 算法和 MCMCglmm 包的贝叶斯 MCMC 算法，估计遗传方差组分（σ_a²）、环境方差（σ_e²）和遗传力（h²），并计算育种值预测准确性（r_aa）和遗传增益（% GG）。

结果分析

1. 表型变异与遗传参数

两年数据显示，果实重量和极径在 2019 年略低于 2018 年，而可溶性固形物和果肉硬度保持稳定。贝叶斯 MCMC 方法在遗传力估计中表现显著：单性状模型中，2018 年 h²提升 1-34%，2019 年提升 16-42%；多性状模型中，2018 年提升 17-174%，2019 年提升 5-84%。这表明 MCMC 能更有效捕获遗传方差，尤其在小样本条件下优势明显。

2. 模型准确性与遗传相关性

多性状 BLUP 模型在果实重量、极径和果肉硬度的育种值预测准确性上优于单性状模型，其中 MCMC 算法的准确性（0.78-0.98）显著高于 REML（0.62-0.93）。遗传相关性分析发现，果实重量与极径呈强正相关（r_g=0.83），但与可溶性固形物、果肉硬度呈负相关，提示育种中需平衡多性状选择。

3. 遗传增益与亲本选择

多性状模型结合 MCMC 算法实现了更高的遗传增益，例如 2019 年果实重量在 10% 选择强度下，MCMC 的遗传增益达 48%，远超 REML 的 23.8%。主成分分析（PCA）显示，‘Granny Smith’‘GK13’等亲本在果实大小性状中表现优异，‘Stark Splendour’‘Fuji’则在果肉硬度和可溶性固形物上占优，部分抗病亲本（如‘GK13’）兼具品质改良潜力。

结论与意义

本研究系统验证了多性状混合模型和贝叶斯方法在苹果遗传评估中的有效性，发现多性状 BLUP 结合 MCMC 算法能显著提升遗传参数估计精度和育种值预测准确性，尤其适用于处理复杂遗传结构和小样本数据。研究结果为苹果育种中平衡遗传多样性与品质改良提供了双重启示：一方面，通过整合多季数据的重复测量模型可更全面评估基因型稳定性；另一方面，抗病基因供体与优质品种的杂交组合（如‘GK13’בGolden Delicious’）有望同步提升抗性和果实品质。

该研究不仅为苹果育种提供了 “精准选亲” 的方法论，其提出的贝叶斯 MCMC 框架也为多年生作物（如桃、核桃）的遗传分析提供了可借鉴的技术路径。随着基因组预测技术的发展，将多性状 BLUP 与全基因组选择结合，有望进一步缩短育种周期，推动果树育种向高效化、智能化方向迈进。