《Biomass and Bioenergy》：Selection and multi-environment yield stability analysis in a switchgrass (
Panicum virgatum L.) half-sib panel
编辑推荐：
switchgrass遗传改良通过BLUP结合AMMI-GGE双图分析200个半同胞家系在3地8环境中的干生物量产量及稳定性，筛选出hsp-219.A等5个高产广适家系并建立YWSI指数，为美国东南部第二代生物燃料原料选育提供新方法。
Jazib Ali Irfan | Shiva Om Makaju | Mitra Mazarei | Charles Neal Stewart | Ali Mekki Missaoui
乔治亚大学植物育种、遗传学与基因组学研究所，美国佐治亚州雅典市，30602
摘要
柳枝稷（Panicum virgatum L.）是一种多年生草本作物，具有巨大的潜力用于生产第二代可再生燃料。通过反复选择和基因组工具持续进行遗传改良对于提高生物质产量至关重要。在本研究中，我们结合了基于BLUP的选择方法与AMMI和GGE分析，以评估200个半同胞系的产量表现和稳定性。这些系在乔治亚州的两个实验地点（沃特金斯维尔和蒂夫顿）以及田纳西州的一个实验地点（诺克斯维尔）进行了为期三年的测试。利用混合效应模型对生物质产量数据进行了分析，以获得基因型、基因型×环境相互作用和残差误差的BLUP值。结果表明，在系水平上表现出中等到高的广义遗传力（H2 = 0.50），而在单株植物水平上表现出很强的重复性（H2 = 0.84）。根据总体表现，对排名前25的系进行了AMMI和GGE分析以评估其稳定性。产量稳定性分析基于环境-BLUP值。AMMI和GGE生物图解释了81.1%的相互作用变异，G + GE变异解释了75.6%的变异。稳定性生物图清晰地显示了G × E模式，其中hsp-219.A、hsp-496.C和hsp-497.C表现出广泛的适应性，而hsp-317.A和hsp-463.A表现出区域特异性适应性，平均产量超过3公斤/株。我们开发了一个基于产量加权的稳定性指数（YWSI），该指数将AMMI稳定性值与环境特异性BLUP值相结合。YWSI识别出五个表现优异的系，其后代分别为hsp-496.C、hsp-463.A、hsp-317.A、hsp-B6和hsp-219.A。本研究展示了将基于BLUP的预测方法与多环境稳定性评估相结合在加速美国东南部高产生物质作物鉴定中的价值。
引言
生物能源作物为减少对加剧气候变化的化石燃料的依赖提供了解决方案[1]。然而，生物能源作物面临着行业层面缺乏整体基础设施以及种植者层面缺乏驯化的问题[2]。柳枝稷（Panicum virgatum L）是一种有前景的暖季多年生生物能源作物，具有生产第二代生物燃料原料的潜力[3]，从而生产高价值的可再生燃料和副产品[4]。柳枝稷是高草草原生态系统的一个组成部分[5]，它可以在几乎不需要灌溉的边际土地上茁壮成长[6]。柳枝稷适应低投入和干旱条件的能力[7]使其在可持续木质纤维素生物质生产中具有不可估量的价值。柳枝稷有三种主要生态型（高地型、低地型和海岸型）以及许多亚种群[9,10]。所有生态型在生长习性、形态和适应性方面都存在差异。中西部的生态型（通常是四倍体或八倍体）比低地型具有更好的耐寒性，它们自然分布于美国北部大陆[5]。墨西哥湾生态型（主要是四倍体）主要分布在美国南部和墨西哥，具有更高的生物质产量、更大的多样性和更强的抗病性[11,12]。大西洋生态型/海岸生态型以冬季存活能力和开花时间范围广而闻名[10]。通过杂交可以将不同基因库中的优势性状结合起来[13]。柳枝稷是一种异交型饲料作物，具有很高的遗传多样性，其倍性水平从二倍体（2n = 2x = 18）到十二倍体（2n = 12x = 108）不等。四倍体最为常见且适应性最强[14]。八倍体基因型在北部高地生态型中更为常见，且相对更耐寒[14]。
柳枝稷育种者传统上依靠反复表型选择来改良与生物质相关的品质性状。Casler和Brummer[15]报告了通过实施系间和系内选择来改良柳枝稷半同胞系（HSF）中的理想性状。柳枝稷是一种高度自交不亲和的多年生植物，这使得育种者可以从后代群体中反复进行表型选择，并最终通过发布新品种来实现改良[16]。为了评估具有家族结构的群体，育种者可以使用间距较大的种植方式或行播种植[17]。行播种植是在温室中培育幼苗后移植到田间的方法，而播种种植则是直接在田间播种形成草地[18]。
在饲料作物中，跨地点进行半同胞后代（hsp）测试是常见的[19]。半同胞测试可以根据后代在不同年份和地点的表现来评估亲本的表现。根据Gauch Jr[20]的观点，植物育种中的常见做法是在不同环境中评估产量试验。加性主效应和乘法相互作用（AMMI）以及基因型加基因型×环境（GGE）模型（统称为生物图）和主成分分析（PCA）是应用于产量试验数据的统计方法。GGE生物图被用于研究在雨养条件下受到放牧压力的高羊茅实验群体[21]。最近，Makaju和Chhetri[22]使用GGE和AMMI生物图模型评估了耐旱柳枝稷种质资源。
由于柳枝稷的异交特性，非均匀的田间条件和不平衡的数据使得准确估计其遗传差异变得复杂。通过混合模型分析获得的最佳线性无偏预测（BLUPs）可以通过减少噪声并捕捉相关个体和环境之间的信息来提高选择精度[23]。基因组选择作为一种方法被引入，它依赖于全基因组标记来增强遗传增益[24]。对于受多个数量性状位点（QTL）控制的复杂性状（如产量和耐旱性），基因组选择方法最为有效[25]。基因组选择允许根据现有的DNA序列信息生成基因组预测模型，从而节省了对大规模植物群体进行田间表型分析的时间和成本。在没有DNA序列信息的情况下，表型信息可用于评估复杂性状（如产量）[22]。多环境测试（MET）有助于分析环境中的多样性，并通过重新排序基因型来解释G × E相互作用，区分广泛适应的基因型和区域特异性的基因型[26,27]。在Tilhou和Bonnette[16]的最新研究中，基于BLUP的选择方法与多地点评估相结合，用于评估柳枝稷多样性群体，结果显示出强烈的G × E结构。
在饲料作物和生物能源作物中，BLUP框架已被广泛用于估计遗传参数、预测基因型和表型值，并支持跨多环境的选择。最近的研究报告了使用混合模型分析获得限制最大似然（REML）/BLUP预测的基因型值在异质高羊茅群体中的有效性，用于评估生物量产量、适应性和多性状表现[28]、象草[29]、甘巴草[30]和Paspalum nicorae Parodi[31]。类似地，基于BLUP的混合模型指数也被用于玉米，以结合不同环境（地点和年份）的产量和稳定性信息[32,33]。在柳枝稷研究中，BLUP相关的工作主要集中在农艺性状的基因组预测[34]或从BLUPs衍生的耐旱性指数[22,35]上，而不是常规的产量稳定性分析。我们的研究通过应用混合模型框架，为在多个环境中评估的柳枝稷半同胞育种群体获得了BLUP值，旨在实现产量预测分析，并选择具有高产后代潜力的多交亲本。
在这项研究中，我们评估了来自三种不同实验地点（乔治亚州的沃特金斯维尔和蒂夫顿以及田纳西州的诺克斯维尔）的耐旱材料的半同胞群体。通过MET获得的信息有助于识别出表现优异的个体，同时考虑了环境变异性。为了确保在不同地点和年份之间的可靠比较，我们采用了一种基于BLUP的选择方法。这种方法是一种混合模型框架，考虑了随机效应，并已被广泛用于育种值估计[36,37]。因此，本研究的目的是：（i）通过估计产量BLUP值来实现基于干生物量的表型选择；（ii）使用系间和系内选择来选择表现最佳的HSF，以选择用于下一轮选择的高产个体；（iii）使用AMMI和GGE生物图来识别在不同地点表现优异且稳定的个体。
部分内容摘录
地点和实验设计
实验地点位于美国东南部的三个地方：两个位于乔治亚大学（UGA）：（i）Iron Horse植物科学农场（IHF），沃特金斯维尔，GA（纬度：33.72458° N，经度：83.30262° W），在我们的分析中标记为‘W’；（ii）Gibbs农场，蒂夫顿，GA（纬度：31.4312°N，经度：83.5850°W），标记为‘T’；（iii）田纳西大学，诺克斯维尔 - 东田纳西研究与教育中心（ETREC）- 植物科学单元（纬度：35.5400°N，经度：83.5725°W）。
跨环境的BLUP估计
BLUP预测的干生物量产量数据记录了八个环境（三个地点）三年内的情况，每个地点评估了1600个个体。根据BLUP值，从200个半同胞系中选出了25个产量最高的HSF（补充表S1，图2A），这些系的平均产量最高（补充表S1，图2B），其表现优于其他175个HSF（图2A和B）。如图2A所示
讨论
在这项研究中，我们使用基于BLUP的表型选择方法，结合了系间和系内选择来识别最佳HSF。我们的研究表明，表型BLUP对于在不同环境中估计可靠的预测产量值非常重要。AMMI和GGE模型分离了G × E相互作用模式，从而识别出在各种环境中表现稳定的个体以及在总体HSF产量方面表现优异的区域特异性个体。
结论
对柳枝稷多交后代的多环境测试结果显示，在美国东南部的两个州（乔治亚州（沃特金斯维尔、蒂夫顿）和田纳西州（诺克斯维尔）的八个环境（地点和年份）中，25个半同胞系的表现存在有趣的产量变化。BLUP估计有助于选择总体干生物量产量表现最佳的个体，其中f41、f4、f177、f21、f22、f162和f64是最优秀的系
CRediT作者贡献声明
Jazib Ali Irfan：撰写 – 原始草稿，可视化，项目管理，方法学，正式分析。Shiva Om Makaju：撰写 – 审稿与编辑，可视化，验证，项目管理，方法学，正式分析。Mitra Mazarei：撰写 – 审稿与编辑，资源管理，方法学，调查。Charles Neal Stewart：撰写 – 审稿与编辑，资源管理，方法学，调查。Ali Mekki Missaoui：撰写 – 审稿与编辑，可视化，验证，监督。
资金来源
这项研究得到了生物能源创新中心（CBI）的支持，该中心是美国能源部（DOE）下属的生物与环境研究办公室支持的研究中心。橡树岭国家实验室由UT-Battelle, LLC为美国能源部管理，合同编号为DE-AC05-00OR22725。
致谢
特别感谢乔治亚大学的饲料和生物质育种团队在田间任务、地块维护和机械收割方面的协助。我们感谢田纳西大学诺克斯维尔分校的Nicholas Campbell和Hunter Summers在数据收集、样品准备和田间维护方面的帮助，以及东田纳西研究与教育中心（ETREC）- 植物科学单元在田间实验方面的协助。我们也感谢
