《Frontiers in Plant Science》：Integrated AMMI, GGE Biplot, and MTSI analyses reveal yield stability and adaptation patterns in cowpea in Ghana
编辑推荐：
**引言：** 基因型×环境互作（G×E）使在不同生产环境中鉴定高产且稳定的豇豆基因型变得复杂。本研究在加纳2024和2025年种植季，评估了20个优良豇豆育种品系在5个地点-年份环境下的籽粒产量、稳定性及多性状表现。
**方法：** 试验采用随机完全区
**引言：** 基因型×环境互作（G×E）使在不同生产环境中鉴定高产且稳定的豇豆基因型变得复杂。本研究在加纳2024和2025年种植季，评估了20个优良豇豆育种品系在5个地点-年份环境下的籽粒产量、稳定性及多性状表现。
**方法：** 试验采用随机完全区组设计（RCBD），3次重复。两个种植季均易发生干旱，但由于降雨分布不均，不同地点-年份环境间水分胁迫程度存在差异。研究人员采用加性主效应和乘性互作（AMMI）模型及基因型加基因型×环境（GGE）双标图分析籽粒产量，同时利用多性状稳定性指数（MTSI）整合籽粒产量、生物量产量、收获指数、百粒重和95%豆荚成熟天数。
**结果：** 方差分析显示环境、基因型及G×E效应均显著（p < 0.001）。前两个互作主成分解释了92.15%的G×E变异，其中Wa_2025具有最大的IPCA1得分。Tuzievallenga平均籽粒产量最高（1149 kg ha?1），而IT17K-2030–2的AMMI稳定性值（ASV = 114.54）最低。5个基因型兼具高产与相对稳定性：Tuzievallenga、IT17K-2030-2、IT17K-1095-2-2、IT17K-849-2-1和IT17K-1802-1。MTSI值范围为2.035至5.518，其中IT17K-1095-2-2、IT17K-849-2-1、IT17K-1403-1-1、IT17K-2024-4和Tuzievallenga的MTSI值最低。IT17K-1095-2-2、IT17K-849-2-1和Tuzievallenga同时出现在两种筛选方法的前五名中。GGE分析鉴定出一个包含Damongo_2024、Manga_2025和Nyankpala_2024的共同扇区，Tuzievallenga为优胜基因型，而Wa_2025和Nyankpala_2025分别形成与SARI-tuya和IT17K-1266-2-1相关的独立扇区。
**讨论/结论：** 研究结果表明存在显著的G×E分化，并鉴定出有前景的基因型，可供农户管理的田间评估及豇豆育种中的互补利用。
## 论文主体内容解读
### 1. 研究背景与问题
豇豆（*Vigna unguiculata* L. Walp）是撒哈拉以南非洲广泛种植的重要豆类作物，在粮食安全、营养和收入方面发挥关键作用。在加纳，豇豆种植跨越苏丹草原、过渡带和几内亚草原等多个农业生态区，支撑着数十万小农户的生计。豇豆蛋白质含量高（约25–30%），能通过生物固氮提高土壤肥力，且适应干旱环境。然而，加纳豇豆平均产量仅为400–600 kg ha?1，远低于最适条件下2000 kg ha?1以上的潜力产量。造成产量差距的原因包括干旱、土壤肥力低、病虫害等，但主要制约因素是缺乏能在全国高度变异环境中稳定表现的适应当地品种。基因型×环境互作（G×E）使基因型在不同环境中表现不一致，导致品种排名随地点和季节发生变化，基于单一环境的选育可能产生误导，因此多环境试验（METs）对于可靠评估和鉴定优良基因型至关重要。AMMI模型和GGE双标图是分析G×E最广泛使用的统计方法，但以往在加纳将两者与多性状选择整合应用于豇豆育种材料评估的研究仍然有限。此外，仅考虑籽粒产量无法全面反映豇豆基因型的农艺和生产价值，成熟期、种子大小、生物量和收获指数等性状同样重要。为此，本研究评估了20个豇豆优良育种品系在加纳5个地点-年份环境下的表现，目标包括：量化G×E互作；利用AMMI和ASV鉴定高产稳产基因型；利用GGE双标图表征基因型和环境响应；鉴定潜在广适和环境特异适应模式；利用MTSI评估多性状表现与稳定性，并筛选可进入农户田间测试和作为杂交亲本的互补材料。
### 2. 研究开展与主要结论
研究评估了20个豇豆基因型，其中15个优良育种品系来自加纳CSIR-萨瓦纳农业研究所、国际热带农业研究所（IITA）和布基纳法索INERA，另含5个已释放品种。田间试验于2024和2025年种植季在加纳5个地点-年份环境进行：Nyankpala_2024、Nyankpala_2025、Damongo_2024、Wa_2025（几内亚草原）和Manga_2025（苏丹草原），采用随机完全区组设计（RCBD），3次重复。方差分析显示环境、基因型和G×E效应均显著（p < 0.001），分别解释总平方和的46.62%、12.51%和18.27%。AMMI分析前两个互作主成分轴（IPCA1和IPCA2）分别解释68.51%和23.64%的G×E变异，累计达92.15%。Tuzievallenga平均产量最高（1149 kg ha?1），IT17K-2030–2的ASV最低（114.54），表明其互作效应最小。基于产量和ASV联合分类，5个基因型被鉴定为高产且稳定：Tuzievallenga、IT17K-2030-2、IT17K-1095-2-2、IT17K-849-2-1和IT17K-1802-1。GGE双标图显示一个包含Damongo_2024、Manga_2025和Nyankpala_2024的共同扇区，优胜基因型为Tuzievallenga；Wa_2025和Nyankpala_2025分别形成独立扇区，与SARI-tuya和IT17K-1266-2-1相关联。MTSI值范围为2.035至5.518，MTSI最低的5个基因型为IT17K-1095-2-2、IT17K-849-2-1、IT17K-1403-1-1、IT17K-2024-4和Tuzievallenga。ASV与MTSI排名间Spearman秩相关系数为ρ = 0.763（P < 0.001），表明二者存在显著正相关。两种筛选方法共同识别出IT17K-1095-2-2、IT17K-849-2-1和Tuzievallenga三个基因型，为最有前景的材料。
### 3. 关键技术方法概述
本研究采用的主要统计方法包括：加性主效应和乘性互作（AMMI）模型，通过方差分析分离主效应并利用主成分分析描述互作模式，将G×E分解为互作主成分轴（IPCA）；AMMI稳定性值（ASV），综合前两个IPCA的贡献对基因型稳定性进行量化排序；基因型加基因型×环境（GGE）双标图分析，对基因型主效应和G×E效应进行奇异值分解，构建“which-won-where”多边形图以识别环境扇区及优胜基因型；多性状稳定性指数（MTSI），基于线性混合模型框架使用权重平均绝对得分（WAASB）量化稳定性，经因子分析（Varimax旋转）处理性状间相关后，计算各基因型与定义理想型（ideotype）的欧氏距离。样本队列来源为加纳5个地点-年份环境，包含CSIR-SARI、IITA和INERA-Burkina Faso来源的材料。
### 4. 研究结果
**环境条件与方差分析：** 2024和2025年种植季各地点7–10月降水量均低于1994–2023年长期平均值，亏缺幅度为3.3%至13.9%不等，气温略高于长期均值。环境平均产量从Manga_2025的186.25 kg ha?1到Nyankpala_2025的1357.84 kg ha?1不等，表明测试环境生产力差异显著。
**AMMI分析：** IPCA1和IPCA2分别解释68.51%和23.64%的G×E变异。Wa_2025具有最大的绝对IPCA1得分（1716.56），表明其对互作贡献最强。Nyankpala_2025具有负IPCA1（?671.41）和强正IPCA2（849.65），呈现独特互作模式。基因型中IT17K-2030-2、IT17K-1095-2-2和IT17K-1403-1-1的IPCA1得分最接近零，表明互作效应较小。
**稳定性与分类：** ASV值在基因型间差异显著，IT17K-2030-2的ASV最低（114.54），其次为IT17K-1095-2-2（232.55）和IT17K-1403-1-1（329.45）。基于平均产量和ASV，基因型被分为6个产量-稳定性类别，5个基因型为高产且稳定：Tuzievallenga、IT17K-2030-2、IT17K-1095-2-2、IT17K-849-2-1和IT17K-1802-1。
**GGE双标图：** “which-won-where”图识别出3个扇区。Damongo_2024、Manga_2025和Nyankpala_2024位于同一扇区，Tuzievallenga为优胜基因型；Wa_2025扇区优胜者为SARI-tuya；Nyankpala_2025扇区优胜者为IT17K-1266-2-1。
**MTSI多性状稳定性：** MTSI值范围为2.035至5.518。IT17K-1095-2-2（2.035）、IT17K-849-2-1（2.148）、IT17K-1403-1-1（2.409）、IT17K-2024-4（2.723）和Tuzievallenga（2.844）具有最低MTSI值。高产品种如SARI-tuya（1093.19 kg ha?1）和IT17K-1802-1（1081.16 kg ha?1）分别排名第8和第6位，说明高籽粒产量并不必然对应最优多性状组合。
**选择方法比较：** 产量-ASV标准和MTSI标准共同识别出IT17K-1095-2-2、IT17K-849-2-1和Tuzievallenga。IT17K-1403-1-1和IT17K-2024-4仅被MTSI选入前5名，IT17K-2030-2和IT17K-1802-1仅被产量-ASV标准选入前5名。ASV和MTSI排名间Spearman相关系数ρ = 0.763（P < 0.001），表明两者高度相关但不等同。
### 5. 讨论总结与结论
讨论部分指出，环境效应占变异比例最大（46.62%），说明地点-年份环境差异显著影响豇豆表现。G×E互作显著（18.27%），表明基因型排名受环境影响，单一环境选育可能产生误导。Wa_2025对互作贡献最大，Nyankpala两年间环境分类不同，说明应以地点-年份组合而非仅以地点作为适应评价单元。Tuzievallenga兼具最高产量、相对较低ASV和GGE三环境优胜表现，为最值得关注的基因型。IT17K-2030-2代表强稳定性但中等产量类型，SARI-tuya代表高产量但强环境响应类型。MTSI的引入弥补了单性状选择的不足，使成熟期、种子大小、生物量和收获指数等农艺重要性状被纳入选择框架。研究建议将Tuzievallenga、IT17K-1095-2-2和IT17K-849-2-1优先推进至农户管理条件下的田间测试，评估其实际生产表现和农户接受度；对具有互补优良性状的基因型（如IT17K-2030-2）可考虑作为杂交亲本加以利用。GGE识别的扇区应视为初步适应模式而非确定性巨环境。结论为：环境、基因型和G×E效应显著，AMMI和GGE分析有效解析了G×E结构，MTSI提供了多性状选择补充证据，综合筛选支持优先推进3个基因型至田间测试，同时保留互补材料作为育种亲本。
