基于最佳子集回归与选择指数的玉米多性状互轮回选择优化研究

来自巴西拉夫拉斯联邦大学农业科技发展中心的研究人员，通过最佳子集回归(BSR)和同步选择指数(SSI)方法，优化玉米多性状互轮回选择(RRS)的遗传增益。研究评估56个PAB和46个PBA群体杂交种，采用REML-BLUP模型分析，发现GY+PROL+SM等性状组合的MGIDI模型使SSE%达99.33，显著提升育种效率。

　　

这项研究开创性地将最佳子集回归(Best Subset Regression, BSR)与多维度选择指数技术相结合，为玉米互轮回选择(Reciprocal Recurrent Selection, RRS)提供了精准育种新范式。科研团队在巴西拉夫拉斯联邦大学的实验基地，采用α格子设计评估了PA与PB群体互交产生的102个杂交种（含2个对照）。通过限制性最大似然法(REML)估算遗传参数，结合最优线性无偏预测(BLUP)进行均值分析，构建了包含产量(GY)、穗长(PROL)、籽粒含水量(SM)和抽雄吐丝间隔(ASI)等关键性状的优化模型。

研究亮点在于开发了三重选择策略：基于因子分析的FAI-BLUP指数、多性状基因型-理想型距离(MGIDI)和经典Smith-Hazel指数，在20%选择强度下进行精准筛选。令人振奋的是，GY+PROL+SM组合的M2+MGIDI模型展现出99.33%的同步选择效率(SSE%)，几乎媲美直接选择(DIS)效果，较全模型(FM)提升1.01倍。这些发现为打破玉米复杂性状间的遗传拮抗提供了数学工具，使育种家能像"分子剪刀"般精准剪裁理想农艺性状组合，加速实现"设计育种"的终极目标。