利用环境协变量改进植物病害的基因组预测：以小麦赤霉病抗性研究为例

本研究针对小麦赤霉病（Fusarium Head Blight, FHB）抗性预测中基因型与环境互作（GxE）的难题，通过整合环境协变量（ECs）和基因组数据，系统比较了Finlay-Wilkinson回归（FW）、联合基因组回归分析（JGRA）和混合模型三种方法的预测性能。研究发现JGRA标记效应法在跨环境预测中表现最优，可识别与基础抗性和环境敏感性相关的遗传标记，为育种者提供无额外成本的精准选育策略。该成果发表于《Plant Methods》，为复杂性状的基因组预测提供了新范式。

　　

研究背景与科学问题

小麦赤霉病（FHB）是由禾谷镰刀菌（Fusarium graminearum）引起的毁灭性真菌病害，不仅造成产量损失，还会产生致癌毒素脱氧雪腐镰刀菌烯醇（DON）。尽管已鉴定出Fhb1等抗性QTL（数量性状位点），但FHB抗性受遗传、环境和GxE互作共同影响，传统育种方法难以精准预测不同环境下的抗性表现。随着气候变化加剧和农药减量需求，如何利用基因组选择（Genomic Selection, GS）技术整合环境变量成为育种领域的关键挑战。

研究方法与技术路线

研究团队分析了美国北部30年春季小麦区域试验数据（URSN），涵盖817个品系在11个地点的FHB病害指数（DIS）和籽粒病斑率（VSK）。通过NASA和NOAA获取143项环境协变量（ECs），包括分生育期的气象数据、土壤参数和地理信息。采用三种核心方法：

1. 1.

   FW回归：基于环境表型均值构建反应规范

2. 2.

   JGRA：包括反应规范法（RN）和标记效应法，后者通过回归标记效应与环境指数预测新环境表现

3. 3.

   贝叶斯混合模型：整合基因组关系矩阵（GRM）和环境关系矩阵（ERM）

   通过"已知地点/年份"和"新地点/年份"两种场景评估预测准确性。

主要研究结果

环境协变量的筛选与优化

通过偏最小二乘回归（PLSR）确定最佳ECs组合：DIS性状选用拔节至孕穗期（V35阶段）变量，VSK性状仅用土壤和地理等固定参数。土壤总碳（TOTC）和根系层湿度（GWETROOT）对DIS影响显著，而经度（LON）与VSK呈负相关。

预测方法性能比较

1. 1.

   JGRA标记效应法表现最优，在跨环境预测中平均准确度达0.38（DIS）和0.40（VSK），较基线GS模型提高15%

2. 2.

   混合模型中，G+E模型在单环境预测最佳（准确度0.65），而G+GxE模型更适合跨环境预测

3. 3.

   FW回归稳定性参数预测能力较弱，斜率预测准确度仅0.37-0.47

遗传机制解析

通过JGRA标记效应法发现：

• •

  染色体5B上579Mbp位点与DIS基础抗性显著相关（-log₁₀ p=12.7）

• •

  已知Fhb1位点（3B:13.8Mbp）对VSK和DIS均具显著效应

• •

  染色体4A上17.1Mbp位点表现出显著环境敏感性

育种应用价值

预测的基因组育种值（GEBVs）显示：

• •

  品种'ND2710'（含中国抗源'SUMAI 3'）在多数地点表现稳定抗性

• •

  'PI382161'在Langdon（ND）表现优异但在Prosper（ND）抗性下降，证实GxE效应

结论与展望

该研究首次将ECs应用于植物病害抗性的GxE预测，证明：

1. 1.

   环境协变量可提升跨环境预测精度，尤其JGRA法能同时解析基础抗性和环境响应位点

2. 2.

   土壤等固定参数比气象变量更具预测稳定性，这对育种决策具有重要指导意义

3. 3.

   提出的框架可扩展至其他复杂性状研究，为应对气候变化下的精准育种提供新工具

未来研究可结合无人机表型和实时气象数据进一步优化模型。Charlotte Brault等学者建立的这一方法体系，标志着植物抗病育种从"静态选择"向"环境智能型选择"的重要转变。