玉米(Zea mays L.)26个双单倍体(Doubled Haploid, DH)品系千粒重(1000-Kernel Weight)历史十年数据与千粒重规模关系评估
《Journal of Soil Science and Plant Nutrition》:An Assessment of the Relationship Between 1000?Kernel Weight Size and Ten Years of Historical 1000?Kernel Weight Data from 26 Doubled Haploid Maize (Zea mays L.) Lines
编辑推荐:
玉米千粒重(1000-Kernel Weight,定义为给定生长季潜在收获量的估计)的预测对农户及面向消费者的农食部门均具关键意义,亦是谷物生产过程的关键组分。本研究检验如下假设:以观测年份表征的时间趋势可用于预测千粒重,且双单倍体(DH)玉米品系在该性状的可
玉米千粒重(1000-Kernel Weight,定义为给定生长季潜在收获量的估计)的预测对农户及面向消费者的农食部门均具关键意义,亦是谷物生产过程的关键组分。本研究检验如下假设:以观测年份表征的时间趋势可用于预测千粒重,且双单倍体(DH)玉米品系在该性状的可预测性上存在差异。植物材料为两个硬粒型(flint-kernel)栽培种杂交衍生的26个DH玉米品系,于波兰下西里西亚省北部2013–2022年连续十年种植。为预测性状值,评估了线性、对数、多项式(二阶与三阶)及幂回归。结果显示,所考察模型的确定系数(coefficient of determination, R2)在所有模型对间显著相关;Lin–Log、Lin–Pow与Log–Pow三对呈完全关联(相关系数1.00)。品系KN26在全部五种回归类型中获整体最优拟合,故推荐该品系作为千粒重潜力最具可预测性的材料进入后续育种程序。
研究背景与立项依据:玉米产量受栽培条件、季长、土壤、天气、微气候、基因型、环境及基因型-环境互作(G×E)等多因素驱动,千粒重(1000-Kernel Weight)作为产量结构核心组分,其预测对农户生产规划、农食供应链决策及育种选系均有重要价值。现有预测体系多依赖气象遥测、地理处理、土壤质量、光谱与机器学习(Machine Learning, ML)等高分技术,成本高昂且小农难以负担;当详细环境与管理数据缺失时,亟需一种仅凭历史表型即可评估时间可预测性的低成本的框架。基于此,研究人员提出以“观测年份”作为时间顺序及跨季环境累积效应的替代变量,检验“年份趋势本身是否承载可解释千粒重变异的有用信息”以及“DH品系间时间可预测性是否分化”两个假设,相关成果发表于《Journal of Soil Science and Plant Nutrition》。
主要关键技术方法:研究以两个硬粒型栽培种ES Palazzo与Anjou 258杂交后经诱导系授粉、胚色标记筛选单倍体、秋水仙素染色体加倍并自交获D?代,构成26个DH玉米品系的材料队列;田间试验于波兰下西里西亚省北部Nowa Wioska(51°46′58.7″N, 16°25′43.9″E)2013–2022年随机完全区组、四年重复、统一氮磷钾(NPK)施肥与株行距设计下开展,每品系每年取20穗考种千粒重。统计上按品系分别拟合五种函数形式——线性(Lin: y=a·x+b)、对数(Log: y=c·lnx+d)、二阶多项式(Poly2: y=e·x2+f·x+g)、三阶多项式(Poly3: y=h·x3+i·x2+j·x+k)与幂模型(Pow: y=l·x?),以确定系数(R2)衡拟拟合优度,借Pearson线性相关与Spearman秩相关比较模型间R2关联,并以基于R2及其秩的主成分分析(Principal Component Analysis, PCA)聚类26个DH品系,所有计算在Genstat v.24完成。
研究结果:
3.1 回归模型拟合优度:各DH品系R2分布显示Lin、Log、Pow三者高度相似;Lin/Log的R2介于KN20的0.00008至KN21的0.4699,Pow最低亦为KN20(0.00008)、最高KN21(0.4691);Poly2与Poly3最优均为KN26(R2=0.6347与0.6863),最差分别为KN12(0.0086)与KN2(0.0227)。KN26与KN21整体可预测性最高。
3.2 回归模型间关系:五模型R2两两Pearson相关均显著,Lin–Log、Lin–Pow、Log–Pow相关系数恰为1.00,归因于预测变量年份区间(2013–2022)窄致三类单调函数轨迹近等价;Lin–Poly3、Log–Poly3、Poly3–Pow相关最低仍达0.63。
3.3 DH品系按模型表现的排序:KN26在Poly2/Poly3居首、余三模型均列次席,总秩和6为全场最优;KN21在Lin/Log/Pow居首、Poly2与Poly3分列4/5,总秩和11。Spearman秩相关0.45(Lin–Poly2等)至1.00(Lin–Log)全显著。
3.4 基于R2的多元分析:PCA前两主轴解释94.51%变异,析出四组——KN21+KN26为高R2组,KN08+KN13、KN17+KN24各成一组,余20系(含最低R2的KN20)归第四组。
3.5 基于秩的多元分析:PCA前两主轴解释94.05%,按总秩和将26系分五组,最优组为KN26(6)、KN21(11)、KN17(16)、KN13(18)、KN08(19)、KN24(28),最差组为KN02(89)、KN18(88)、KN19(86)、KN10(85)、KN05(79)。
讨论部分总结:研究人员指出,Lin/Log/Pow的R2完全相关并不意味函数同构,而是年份值域窄使单调变换近似线性;年份仅是季节环境累积的代理而非机理变量,故模型属经验趋势描述而非机制预测。与Hansen和Indeje(2004)指数回归、Kuradusenge等(2023)Random Forest(R2=0.817)、Maseko等(2024)RF(R2=0.69–0.80)等相比,本研究R2绝对值不高但胜在零环境输入、可规模复用。KN26与KN21跨年轨迹规整、表型稳定性强,可作育种中改善产量构件稳定性的亲本;该结论受限于单点、单肥、无气象耦合,后续须补多点环境与G×E量化。
结论部分翻译:本研究结果支持“以观测年份表征的时间趋势包含描述千粒重变异的有用信息”之假设,并证实DH玉米品系在该性状的时间可预测性上差异显著。所评材料中,KN26品系持续呈现最高模型表现,表明其变异具更规则的时间模式;KN21亦在多类回归中展现高可预测性。研究新颖性在于证明仅凭长期历史记录即可评估产量相关性状的时间可预测性并甄别表型稳定基因型,此类信息对聚焦提升性状稳定性、削弱年际环境波动影响的育种程序具价值。所提框架在缺详实环境或管理数据时可作为简易低成本分析方案;更广义上,历史表型数据集可支撑育种决策与跨年一致基因型筛选。局限在于年份不直接代表影响粒重的生物与环境机制,仅为时序变异代理,故模型应解释为历史趋势的经验描述而非机理预测模型;未来研究可纳入气象、土壤及管理措施以提升预测精度与生物学可解释性。