多年生禾本科作物中间偃麦草多群体半同胞家系的基因组预测与遗传增益评估

《PLOS One》：Assessment of genomic prediction and genetic gain in multi?population half-sib families in the perennial grass crop intermediate wheatgrass

　　

明尼苏达大学自2011年以来一直采用常规方法与基因组选择(genomic selection, GS)等现代育种工具相结合的方式，对多年生饲草中间偃麦草(intermediate wheatgrass, IWG)进行驯化。在全球范围内，大多数IWG选择圃均为间距种植的数百个基因型个体，而用于谷物生产的商业大田则为行植的随机交配群体。本研究评估了基因组预测模型，并估计了在美国明尼苏达州兰伯顿(Lamberton)和圣保罗(St. Paul)两个地点、3年内对行植IWG半同胞家系(half-sib families, HSFs)产量和农艺性状进行评价所得的遗传增益。最强的性状相关性为2023年圣保罗株高与2022年圣保罗种子大小之间的负相关(r=?0.49)。三个圣保罗环境在株高和种子大小上更为相似，兰伯顿环境亦如此，但籽粒产量未观察到特定趋势。对不同单变量和多变量基因组预测模型的评估表明，多变量模型比最优单变量模型高出23个百分点，但没有一个多变量模型是所有性状的最佳预测器。跨环境预测在圣保罗各环境之间表现最佳，且没有单一环境是其余环境的最佳预测器。遗传增益估计显示，每个育种周期籽粒产量增加20 kg ha^?1，株高降低3 cm。虽然没有单一模型能以高精度预测所有性状，但本研究的结果表明，在行植小区中评价IWG同胞后再进行基因组性状预测，可以推动目标性状取得理想的育种进展。

中间偃麦草(Thinopyrum intermedium (Host) Barkworth & D.R. Dewey; 2n=6x=42)是一种冷季多年生根茎型禾草，原产于中欧、巴尔干和小亚细亚，早期主要用作饲草。因其籽粒较大并具有农艺利用潜力，该物种自20世纪80年代末被选择作为驯化对象。明尼苏达大学(UMN)自2011年起对中间偃麦草(IWG)开展育种，已完成七轮育种周期，并释放商业品种“MN-Clearwater”。其育种程序在传统轮回选择基础上整合了高通量基因分型、基因组选择(GS)和成像表型分析等现代工具。以往IWG的基因组选择研究大多基于间距种植的选择圃，商业谷物生产田却采用行植的随机交配群体，农户种植的种子本质上是半同胞家系(HSFs)。两类群体在遗传组成和田间表现上的差异，使育种圃中获得的遗传增益难以直接转化为商业大田的产量提升。因此，在行植小区中评价同胞家系可能有助于缩小育种条件与生产条件之间的差距，但GS模型在行植HSF数据中的预测能力尚未明确。该研究发表于《PLOS One》，旨在评估不同基因组预测模型对行植HSF性状的预测表现，并估计每个育种周期可获得的实际遗传增益。

研究人员利用208个IWG HSFs开展试验，其母本来自UMN第四轮选择群体(UMN-C4)，依据该群体在2019年圣保罗环境下的落粒抗性、自由脱粒能力、籽粒产量和种子大小表现选出的最优良个体。田间试验在明尼苏达州的圣保罗和兰伯顿两个地点建立，2020年秋定植行植小区，每个地点两次重复；圣保罗环境评价期为2021—2023年，兰伯顿为2021—2022年(第三年因田间管理问题舍弃)，并设“MN-Clearwater”和试验品系“MN1502”为重复对照。测定了株高、籽粒产量以及以千粒重(TKW)表示的种子大小。HSF的基因型数据来自对其母本的基因分型测序(genotyping-by-sequencing, GBS)，共获得31,640个全基因组单核苷酸多态性(SNP)，并据此构建加性亲缘关系矩阵。表型数据通过混合模型计算最佳线性无偏估计(BLUE)。预测模型包括单变量的rrBLUP、GBLUP、BRR以及多变量的多性状模型(MTM)、多环境模型(ME)和多性状-多环境模型(MTME)，并以CV2和CV0两种交叉验证方案评估预测能力；遗传增益按预测能力、选择强度和加性遗传方差估算。

在结果中，群体亲缘与性状分布方面：亲缘热图显示HSF母本间没有明显群体分层，约49.8%的成对亲缘系数低于群体平均值0.62；各性状在不同环境下呈现宽幅定量分布，其中株高在圣保罗2023、籽粒产量在圣保罗2021、TKW在圣保罗2022的分布最宽。性状-环境相关性分析显示，最强负相关为2023年圣保罗株高与2022年圣保罗TKW之间的r=?0.49，最强正相关为2021年与2023年圣保罗TKW之间的r=0.30；圣保罗各环境之间以及兰伯顿各环境之间在株高和TKW上更为相似，但籽粒产量没有表现出明显的地点或年份聚类趋势。

基因组预测模型比较方面：研究人员没有发现任何一个模型能够对所有性状都给出最佳预测。在单变量模型中，GBLUP表现最好，对株高、籽粒产量和TKW的预测能力r分别为0.22、0.10和0.11；在多变量模型中，来自BGGE包的GBLUP MDe模型表现最佳，对应预测能力分别为0.45、0.44和0.25，比最优单变量模型分别提高23、35和14个百分点。

跨环境预测方面：使用MDe模型进行单环境训练的跨环境预测中，最佳情况是用圣保罗2023数据预测圣保罗2022的TKW(r=0.35)，以及用圣保罗2022预测圣保罗2023的TKW(r=0.33)。圣保罗各环境对TKW的跨年预测较好，兰伯顿环境对株高的预测能力r=0.21；籽粒产量的跨环境预测能力总体较低，r介于?0.09至0.11之间。将多个环境数据合并训练的CV0预测普遍低于单环境训练结果，例如三个圣保罗环境数据无法有效预测兰伯顿环境，表明地点间基因型与环境互作差异显著。

遗传增益估计方面：基于预测能力的估算显示，籽粒产量每个育种周期约可提高19.97 kg ha^?1；株高的预期增益为负值；TKW的增益接近于零，种子大小每个育种周期增加不到0.02 g。研究人员在讨论中指出，株高的负增益对应每个育种周期降低约3.29 cm。

在讨论中，研究人员指出HSF群体的母本亲缘关系较低，但保留了较丰富的遗传多样性和大量高质量SNP。试验年份间的高温少雨等环境胁迫可能降低了种子表型方差，并使TKW的广义遗传力(H²=0.44)低于以往报道的0.69—0.85；同一群体的籽粒产量和株高H²分别为0.36和0.51。整体上，本研究的模型预测能力低于以往基于间距植株群体的报道，原因可能包括HSF群体组成不同、遗传方差仅为间距植株群体的四分之一、评价环境不同以及训练群体规模较小。尽管如此，纳入基因型与环境互作效应的多变量模型仍优于单变量模型。跨地点预测能力不足说明在第二地点进行多年评价仍然重要，而同一地点内特定性状的跨年预测或可节约部分资源。遗传增益方面，籽粒产量每周期提高约20 kg ha^?1有助于缓解IWG产量低于主流一年生谷物及多年生种植后产量下降的问题；株高降低约3.3 cm有望减少倒伏并提高收获效率。TKW增益虽小，但随着更多HSF在更多地点和年份中评价，该性状的预测和选择效果可能改善。

结论：在本研究中，研究人员评估了基因组预测模型，并在两个地点三个年份中对大规模中间偃麦草半同胞家系的籽粒产量、种子大小和株高估计了遗传增益。研究人员发现，利用基因组预测模型预测半同胞家系的性状表现可以获得较好的结果，但并非所有性状都以相同的稳健性被预测。整合多维关系的多变量模型在性状预测中明显优于单变量模型。在先前对同一群体开展的全基因组关联分析中，研究人员鉴定到籽粒产量不下降的种质；因此，本研究所建立的最佳预测模型可用于选择几乎没有产量下降或不存在产量下降的基因型。利用这些基因型进行杂交，培育不随株龄增加而出现产量下降的后代，可极大促进突破多年生谷物规模化生产的重要瓶颈。随着更多中间偃麦草育种项目将半同胞家系纳入常规评价和选择体系，这些模型有望得到进一步训练，以提高预测准确性并持续改良育种群体。