《The Plant Genome》：A composite model of maize heterosis based on structural complementation and functional variants
编辑推荐：
杂种优势对玉米（Zea mays L.）高产至关重要；然而，其遗传机制仍知之甚少，因为不同的分子标记反映不同的遗传组分。本研究采用北卡罗来纳II交配设计，评估了来自29个重组自交系和三个不同杂种优势群测验种在两种环境下的87个杂交种单株粒重。分析了杂种优势、配
杂种优势对玉米（Zea mays L.）高产至关重要；然而，其遗传机制仍知之甚少，因为不同的分子标记反映不同的遗传组分。本研究采用北卡罗来纳II交配设计，评估了来自29个重组自交系和三个不同杂种优势群测验种在两种环境下的87个杂交种单株粒重。分析了杂种优势、配合力以及位于上游区域、外显子和剪接位点的杂合功能变异位点（HEUES-单核苷酸多态性[SNPs]和HEUES-插入缺失[InDels]）之间的相关性。结果表明，杂种优势群特异一般配合力与杂种优势的相关性最强（r = 0.560，p < 0.001）。功能HEUES标记与杂种优势的相关性比全基因组遗传距离更紧密。HEUES-SNPs和HEUES-InDels与超亲优势的关联相似（r分别为0.469和0.455）。两种标记类型表现出高度共线性（r = 0.987），表明遗传信息重叠且无法区分独立的遗传机制。残差分析进一步证实，在不同环境中，这两种标记的表现没有显著差异。据此，研究人员提出了一个概念性的加权多核基因组预测框架，整合了标记类型、功能背景和遗传结构。该框架创新了传统的单标记方法，并为开发先进的基因组预测模型以提高玉米育种亲本选择效率提供了理论参考。
**论文解读：基于结构互补和功能变异的玉米杂种优势复合模型**
**一、研究背景与问题**
杂种优势（heterosis）是杂交后代在产量、适应性等方面优于亲本的现象，自20世纪初系统应用以来，一直是现代玉米（Zea mays L.）育种的核心。然而，其遗传基础极为复杂，涉及基因间互作及基因型-环境（G×E）效应，至今尚未完全阐明。传统的基于系谱和表型的方法正被分子遗传学技术取代，早期研究利用简单重复序列（SSR）和扩增片段长度多态性（AFLP）发现遗传分化与杂交种表现相关，但预测效果不稳定。随着高通量测序的发展，单核苷酸多态性（SNP）因其全基因组丰度和分析效率被广泛用于杂种优势预测，但其预测能力仍受限于标记类型和遗传背景。本研究的核心假设是：杂种优势并非单一机制，而是由稳定的多基因背景（polygenic background）和一组主效功能变异（major-effect functional variants）共同作用的结果，其中后者可能对环境敏感。然而，当前研究缺乏对功能插入缺失（InDel）与SNP在预测杂种优势时是否捕获不同遗传组分的系统性比较。因此，本研究旨在通过整合多环境试验数据与功能基因组信息，检验这一复合遗传模型，并评估不同标记类型在预测准确性和稳定性上的权衡，为开发下一代加权基因组预测模型提供理论依据。论文发表在《The Plant Genome》。
**二、主要关键技术方法**
研究人员利用29个来自嵌套关联作图（NAM）群体的重组自交系（RILs）作为母本，三个代表不同杂种优势群（Suwan1、Reid、非Reid）的测验种作为父本，采用北卡罗来纳II交配设计，在云南省砚山和嵩明两个环境进行田间试验，共87个杂交组合。通过全基因组测序（Illumina NovaSeq平台，参考基因组B73 RefGen_v4）鉴定亲本和杂交种中的SNP和InDel变异。关键方法包括：基于最佳线性无偏估计（BLUE）的表型数据分析；基于杂种优势群特异一般配合力（HSGCA）的杂种优势群分类；计算功能上游、外显子和剪接位点区域的杂合变异（HEUES）标记数量；以及通过Pearson相关分析和残差分析（Brown-Forsythe检验）评估标记与杂种优势的关联。
**三、研究结果**
**3.1 不同环境间单株粒重的方差分析**
方差分析（ANOVA）显示，杂交种、环境及其互作对单株粒重（GYPP）影响极显著（p < 0.001），基因型效应（母本、父本、母本×父本）均显著，表明亲本组合是产量的主要决定因素，且环境因素也起重要作用。
**3.2 不同杂种优势群中SNP和InDel标记的变异**
基于HSGCA方法将29个自交系划分为Suwan1、Reid和非Reid三个群。Suwan1群拥有最多的总SNP和总InDel；非Reid群内变异最大；Reid群标记数相对稳定。功能区域（HOUES-SNP和HOUES-InDel）主要位于上游和外显子区域，剪接位点变异极少。杂交种中HEUES-SNPs平均为271,466个，HEUES-InDels平均为48,776个，其中上游区域占主导。
**3.3 配合力、分子标记与杂种优势的相关性分析**
基于BLUE值的相关分析表明，HSGCA与杂种优势（尤其是超亲优势BPH，r=0.560）相关性最强，其次是特殊配合力（SCA，r=0.517）；一般配合力之和（GCAsum）与杂种优势弱相关。功能HEUES标记（HEUES-SNPs和HEUES-InDels）与BPH的相关性（r=0.469和0.455）显著高于遗传距离（GD-SNP和GD-InDel，r=0.339）。HEUES-SNPs与HEUES-InDels间高度共线性（r=0.987），提示两者捕获相似的遗传信息。
**3.4 不同环境下杂种优势与分子标记的相关性**
在砚山和嵩明两个环境中，HEUES-SNPs和HEUES-InDels与BPH的相关性均强于与中亲优势（MPH）的相关性。HEUES-SNPs在砚山和嵩明与BPH的相关系数分别为0.408和0.428，HEUES-InDels分别为0.397和0.407。标记-性状关联在BPH中比MPH更稳定。
**3.5 不同功能区域SNP和InDel与杂种优势的相关性**
按功能区域细分：剪接位点处，InDel与MPH的相关性（r=0.367）强于SNP（r=0.310），但与BPH的相关性则SNP略强（r=0.428 vs 0.400）；外显子区域，SNP始终优于InDel；上游区域，InDel表现更强。这表明不同功能区域的变异对杂种优势的贡献具有区域特异性。
**3.6 基于SNP和InDel的预测模型在不同环境下的残差分析**
对超标优势（OSH）的线性回归残差分析显示，两种标记在砚山和嵩明的残差分布相似，布朗-福赛斯检验（Brown-Forsythe test）表明两个环境内残差方差无显著差异（p>0.9），进一步证实了两种标记类型在预测稳定性和准确性上无本质区别，与高共线性结果一致。
**四、讨论与结论**
讨论部分指出，本研究未发现单一标记类型具有普遍优势，而是揭示了标记特征、基因组位置和环境稳定性之间的复杂相互作用。SNP和InDel在不同功能区域的表现差异（如外显子中SNP占优，上游和剪接位点中InDel占优）支持了功能变异对杂种优势的区域特异性贡献。研究人员提出，玉米基因组的高可塑性导致F1杂交种可能通过“泛基因组”补偿亲本缺陷，而InDel可能反映了结构互补性。然而，由于两种标记高度相关，无法从相关性证据中区分其独立机制。研究进一步强调，HSGCA作为综合度量指标与BPH高度相关（r=0.560），在实践育种中更具商业意义。基于这些发现，研究人员提出了一个概念性的加权多核基因组预测框架，整合SNP（多基因背景）、InDel/SV（结构变异）和已验证的主效功能位点固定效应，以平衡准确性和稳定性。
**研究结论**：本研究通过比较功能SNP和InDel标记的预测能力，支持了杂种优势的复合遗传模型——即由大量微效变异和少数主效功能变异共同作用。两种标记类型在准确性上无显著差异，且高度共线性，表明其反映相似的遗传信息。HSGCA是预测杂种优势最有效的配合力指标。未来需通过更大样本、多环境验证和功能基因组编辑（如CRISPR/Cas9）进一步厘清机制，并推动加权多核预测模型在玉米育种中的应用。
