揭示基因组选择中设计优化、建模策略与空间分析之间的相互作用

《Theoretical and Applied Genetics》:Unveiling the interactions between design optimization, modeling strategies, and spatial analysis in genomic selection

【字体: 大 中 小 】 时间:2026年08月29日 来源:Theoretical and Applied Genetics 4.1

编辑推荐:

  在植物育种中,传统田间试验依赖高重复的平衡设计以确保育种值预测的稳健性。然而,利用基因组关系矩阵的基因组技术已降低了对大量重复的需求,转而倾向于部分重复(partially-replicated,p-rep)设计。此类设计虽有效,但因低重复性和非平衡性而带来统

  
在植物育种中,传统田间试验依赖高重复的平衡设计以确保育种值预测的稳健性。然而,利用基因组关系矩阵的基因组技术已降低了对大量重复的需求,转而倾向于部分重复(partially-replicated,p-rep)设计。此类设计虽有效,但因低重复性和非平衡性而带来统计挑战。为应对这些问题,研究人员使用玉米、向日葵和燕麦的数据集开展模拟,评估不同田间规模下实验设计与建模策略之间的相互作用。通过随机化或优化生成的经典设计与p-rep设计被进行比较,并采用一种新开发的、更快速的CDmean优化准则实现来克服计算限制。建模策略包括单阶段模型、未加权及完全高效的两阶段分析,以及采用区组结构或高分辨率二维P样条(2D P-splines)的空间分析。研究发现,p-rep设计在预测未观测品系方面始终优于经典设计,根据情景不同精度提高1%–25%。在观测训练集内,p-rep设计的精度略低于经典设计,但可通过增加选择强度加以补偿。设计优化相较于随机化p-rep设计可将精度提高约1%,而2D P-splines与单阶段模型或完全高效模型搭配时可将精度提高1%–2%。
### 论文解读:基因组选择中设计优化、建模策略与空间分析的相互作用研究

#### 一、研究背景与问题

在基因组选择(genomic selection,GS)中,等位基因作为选择的基本单位,使植物育种家能够在相关个体间复制遗传信息,从而推动育种试验设计效率的提升。田间试验对于GS不可或缺,既用于直接评估种质资源,也作为训练集(training set,TRS)校准基因组预测(genomic prediction,GP)模型,以预测测试集(test set,TS)中未测试基因型的表现。传统田间试验设计,如随机完全区组设计(randomized complete block design,RCBD),依赖重复和区组来管理空间变异并确保遗传效应估计的可靠性。然而,完全重复设计限制了可测试基因型的数量,降低了选择强度和TRS规模,二者恰恰是最大化遗传增益的关键因素。部分重复(partially-replicated,p-rep)设计作为一种替代方案浮现,其通过减少重复使更多基因型在相同田间规模下得到测试,同时保持足够的自由度。基因组信息通过基因组关系矩阵捕获个体间遗传协方差,使低重复设计能够利用共享遗传信息获得与完全重复设计相当的预测能力。尽管p-rep设计有效,但低重复性和非平衡性带来统计挑战。此外,优化基因型田间布局被证明可以减少空间效应混杂,但优化设计与下游统计模型之间的相互作用尚缺乏系统研究。空间分析的精细程度,如区块效应与二维惩罚样条(2D P-splines),也可能与设计策略联动影响预测精度。因此,亟需系统评估实验设计、空间分析和建模策略的组合效应对GP准确性的影响。

#### 二、研究内容与主要方法

研究人员基于玉米、向日葵和燕麦三个经验数据集开展模拟研究,分设不同田间规模(2或3个区组,每区组25至200个小区,最小50个小区,最大600个小区),每种田间规模下比较四种实验设计:随机完全区组设计(RCBD)、优化完全区组设计(optimized complete block design,OCBD)、随机部分重复设计(p-rep_R)和优化部分重复设计(p-rep_O)。设计优化采用两种准则:最小化平均基因组关系(Avg_GRM_self)用于选择最优重复条目,以及新开发的CDmean优化准则用于优化基因型田间分布。该CDmean实现直接利用Henderson方程计算预测误差方差矩阵并推导决定系数,同时纳入二维可分离一阶自回归空间结构(AR1×AR1),在保持数值等效的前提下克服计算限制。模拟表型由加性效应、非加性效应(杂种作物为显性,燕麦为上位性)、环境效应、空间效应及遗传与环境或空间效应互作组成,基于经验标记数据随机采样3000个SNP作为QTL,目标方差组分来自经验数据或公开文献。每个设计重复30次,每次模拟10次,共300次重复。模型构建包括单阶段模型(single-stage,SS)、未加权两阶段模型(unweighted two-stage,UNW)和完全高效两阶段模型(fully efficient two-stage,FE),空间分析采用固定区块效应或高分辨率2D P-splines。预测精度通过模拟真实遗传值与模型预测值的相关性计算,并将TS预测精度和TRS内估计精度分别评估。

#### 三、研究结果

**表2呈现的整体精度特征**

预测精度总体较高,燕麦数据集中基因型值精度最高达0.93。精度大致反映性状遗传力,燕麦最高,玉米次之,向日葵最低。TS预测精度始终低于TRS内精度,田间规模增大(即TRS增大)提高了TS预测精度,但对TRS内精度影响有限。含150个小区的2区组设计比含100个小区的3区组设计在TS预测中略优。小区数不超过100的场景下,2D P-splines出现收敛问题,不适用于实际育种。

**精确度增益的来源**

通过逐项替换经典分析(RCBD设计+UNW模型+区块效应)为更复杂方法(p-rep_O设计+SS模型+2D P-splines),分解各因素的贡献。将RCBD转为p-rep_R设计显著提高TS精度,杂种作物小田间场景增益超过10%,大田间场景降至2%以下;燕麦在较大田间增益最高达6.56%。模型类型方面,SS模型始终优于FE模型,FE优于UNW模型,小田间场景SS增益约1%,大田间场景为0.15%–0.39%。设计优化从p-rep_R转为p-rep_O,在小田间杂种作物中增益为1.23%–2.54%,大田间约0.40%,燕麦中增益较小且趋势不明确。2D P-splines在小田间不可用,在其他场景中,SS模型搭配2D P-splines增益为0.53%–2.20%,FE模型为0.17%–1.52%,UNW模型增益甚微甚至为负,说明UNW模型无法有效利用2D P-splines的优势。总增益在小田间杂种作物中达10%–20%,燕麦中为4.22%–8.17%。

**基因型值精度与TRS内精度**

基因型值(加性加非加性)精度的变化趋势总体上与加性值一致,但杂种作物小田间场景中p-rep设计对基因型值精度的增益更大,可达约30%。TRS内精度方面,从RCBD转为p-rep设计时精度大多下降,降幅从8.18%降至-3.41%(即部分场景上升),基因型值估计的下降幅度大于加性值,向日葵降幅最明显。其他因素(SS/FE模型、优化设计、2D P-splines)对TRS内精度的影响方向与TS类似,可部分抵消p-rep设计的精度损失,但常不足以超越经典分析。

#### 四、讨论与结论

**训练集规模与重复之间的权衡**

预测未观测TS时,p-rep设计(大TRS、低重复)始终优于RCBD(小TRS、高重复),该优势在小田间杂种作物中尤为突出。这符合预测精度随TRS规模增加先快速上升后趋于平缓的理论预期。燕麦中p-rep优势随田间规模增大而增加,可能是由于模拟中存在强上位性效应,需要极大TRS才能区分加性与上位性效应。TRS内估计时RCBD通常优于p-rep,因为增加TRS规模对此场景不关键,而RCBD的更高重复直接提升精度。尽管如此,p-rep设计评估更多基因型扩大了遗传方差并增加选择强度,根据育种者方程(\(R_t = ri\sigma_a/t\))可补偿精度损失。例如向日葵小田间场景中,p-rep设计精度虽低8.18%,但选择强度提高21.77%,总体选择响应增长11.81%。因此,p-rep设计适用于早期田间试验以评估大量基因型,而高级试验中RCBD仍为合适选择。即使针对低遗传力性状(如产量),p-rep设计结合基因组关系矩阵和2D P-splines也能表现良好。

**建模与空间分析**

SS模型性能最佳,FE模型几乎与其相当,UNW模型最弱。2D P-splines提供高分辨率空间建模,在较大田间中优于区块效应,但在极小田间可能出现收敛问题。2D P-splines的增益在FE和SS模型中显著高于UNW,原因在于SS和FE模型同时利用基因组关系和空间信息,促进基因型间信息共享,从而增强小区效应估计。FE模型在计算效率和统计性能之间达到最佳平衡,并允许对不同环境分别采用不同空间分析。

**实验设计优化的影响**

基于CDmean的优化准则显著提高平均精度,在p-rep设计中的效果优于完全重复设计,因为前者可同时优化重复条目的选择和空间分布,而后者仅能优化空间分布。优化在杂种作物中效果优于自花授粉的燕麦,可能与遗传结构或群体分层有关。

**精度增益的复合效应**

各因素的精度贡献呈乘性复合而非简单相加。以玉米中等田间规模为例,从RCBD转为p-rep增益4.40%,FE模型比UNW增益0.36%,设计优化增益0.58%,2D P-splines增益1.52%,总增益达6.99%。这种增益在选择周期中进一步复合,五个周期后选择响应提高40.19%。因此,整合尽可能多的改进因素可最大化长期遗传增益。

**结论**

本研究表明,降低重复以增加测试基因型数量在结合先进统计分析时具有显著优势。p-rep设计通常为推荐方案,因其构建更强大的TRS并提高TS预测精度,虽然TRS内精度略低,但更高选择强度可带来更大的整体选择响应。实验设计优化可提供小而实质的精度提升,其意义在于多周期选择中的复合效应。建模策略上,2D P-splines在大多数场景中优于区块效应,FE和SS模型比UNW模型更能充分利用空间分析优势。SS模型性能最佳但速度慢、通用性差,建议在可行时使用SS,否则推荐FE模型,尤其是大规模多环境试验或需逐场地采用不同空间分析时。本研究量化了各因素的贡献及其相互作用,为现代育种计划优化田间试验设计和建模策略提供了实证依据,有助于推动基因组选择技术在复杂遗传场景中的高效应用。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号