基于全基因组重测序与多环境数据的玉米茎秆抗倒伏性及其中间表型的基因组预测研究

本研究利用创新的表型平台（DARLING）对玉米茎秆抗倒伏性进行高通量定量评估，结合多环境数据和全基因组重测序信息，系统比较了单环境与多环境基因组预测模型（GBLUP、G×C、M×E、MTM）的预测效能。结果表明，多环境模型能显著提升茎秆弯曲强度（bending strength）和弯曲刚度（flexural stiffness）等关键中间表型的预测准确性（r达0.32–0.89），为玉米抗倒伏育种提供了可靠的基因组选择（GS）策略。

　　

材料与方法

本研究利用555份玉米自交系组成的Wisconsin多样性群体，在4个环境（C20、C21、K20、K21）中评估了10个与茎秆抗倒伏性相关的中间表型，包括茎秆弯曲强度（bending strength）、弯曲刚度（flexural stiffness）、穗位高（ear height）、大直径（major diameter）、小直径（minor diameter）、株高（plant height）和皮层厚度（rind thickness）等。表型数据通过DARLING平台（Device for Assessing Resistance to Lodging IN Grains）采集，该平台能模拟自然倒伏模式，提供破坏性（弯曲强度）和非破坏性（弯曲刚度）测量。基因型数据采用全基因组重测序获得，经过质控后保留约1100万–1160万个SNP位点。环境数据包括最高温、最低温和总降水量等环境协变量（ECs）。统计分析采用R语言，使用SpATS包计算最佳线性无偏估计（BLUE），基因组预测模型通过BGLR包实现，包括单环境GBLUP、多环境G×C交互模型、M×E交互模型和多性状模型（MTM）。交叉验证采用两种方案：CV1（预测未在任何环境中测试的新自交系）和CV2（稀疏测试设计，预测部分环境中缺失的表型）。

结果

基因组遗传力估计显示，所有性状的遗传力为0.22–0.54，其中茎秆弯曲强度和弯曲刚度具有中等偏高的遗传力（0.41–0.47），而皮层厚度的遗传力较低（0.22–0.47）。环境间遗传相关性较高（多数>0.7），但皮层厚度的相关性较低。多环境模型方差分解表明，遗传效应解释了表型变异的主要部分，而G×E交互效应和EC效应占比较小（<7.89%）。M×E模型进一步显示，主遗传效应贡献较大，但环境特异性效应在遗传相关性低的性状（如皮层厚度）中占比更高。预测能力分析表明，在CV1方案中，多环境模型未显著优于单环境GBLUP（预测相关性0.10–0.44）；但在CV2方案中，多环境模型显著提升预测准确性，尤其对茎秆弯曲强度（0.32–0.89）和弯曲刚度（0.26–0.88），平均提升107%–139%。皮层厚度的预测能力改善有限。统计检验（Wilcoxon符号秩检验和t检验）证实了多环境模型在CV2中的显著优势。SNP密度降低至700万个未显著影响预测性能。

讨论

本研究首次将高通量表型平台（DARLING）与多环境基因组预测结合，系统评估了玉米茎秆抗倒伏性。茎秆弯曲强度和弯曲刚度作为整体植株水平的表型，比传统单节间测量（如皮层厚度）更能代表抗倒伏性，且具有更高遗传力和预测准确性。多环境模型通过整合遗传与环境互作（G×E）信息，显著提升了稀疏测试设计下的预测能力，但对新自交系的预测仍具挑战性。G×C模型依赖环境协变量（ECs）的解释力，而M×E和MTM模型通过结构化协方差更好地捕获了遗传稳定性与环境特异性。MTM2模型表现最佳，但其计算复杂度随环境数量增加而升高。本研究为玉米抗倒伏育种提供了实践框架，建议优先采用茎秆弯曲强度/刚度作为选择指标，并利用多环境数据优化基因组选择策略。未来研究需扩展至杂交种预测和显性效应建模。

结论

茎秆抗倒伏性是多基因控制的复杂性状，受遗传、环境和G×E交互共同影响。基于DARLING平台的定量表型与多环境基因组预测模型相结合，能有效提升玉米抗倒伏性的遗传增益。多环境模型在稀疏测试设计中表现优异，预测相关性达0.26–0.89，其中茎秆弯曲强度和弯曲刚度是最可靠的预测指标。整合环境数据与基因组信息为抗倒伏育种提供了高效、准确的选择工具。