《Discover Agriculture》：Exploitation of genotype-by-environment interactions in maize hybrids at multiple locations in Pakistan using AMMI and GGE Biplots
编辑推荐：
基因型-环境互作（GE interactions）的评估在多地点试验中鉴定高产稳产玉米杂交种方面发挥着重要作用。本研究对19个玉米单交种及1个对照品种，基于籽粒产量在两个年份的八个环境下进行了评估。在所辨别的总变异性中，基因型（G）、环境（E）和GE互作（72
基因型-环境互作（GE interactions）的评估在多地点试验中鉴定高产稳产玉米杂交种方面发挥着重要作用。本研究对19个玉米单交种及1个对照品种，基于籽粒产量在两个年份的八个环境下进行了评估。在所辨别的总变异性中，基因型（G）、环境（E）和GE互作（72.60%）对籽粒产量的影响极显著。GE互作促使研究人员利用AMMI和GGE双标图分析，估算了玉米杂交种在不同环境（地点×年份）下的产量和稳定性表现。这些分析表明，G10 (S2117) 和 G6 (S2113) 在杂交种中表现出最高产量（> 13000 Kg/ha）以及较好的稳定性，而G13 (S2028) 和 G2 (30Y87) (对照) (12798 Kg/ha) 被确定为高度稳定的基因型，并具有相对较好的稳定性。G10 (S2117) 展现出最高产量和较好的稳定性，被认为是表现最佳的品种。因此，观察到的稳定高产玉米杂交种可被纳入作物改良计划，这必将惠及本研究中所考虑各环境的农民。
论文解读文章
研究背景与意义
玉米是全球重要的粮食、饲料及工业原料作物。巴基斯坦作为世界第15大玉米生产国，其玉米生产对于国家农业增值和GDP贡献显著。然而，由于巴基斯坦多样的农业气候条件，玉米杂交种在不同地理区域的表现差异巨大，这种基因型与环境之间的互作（GE interactions）严重影响了品种的产量稳定性和适应性。传统的方差分析难以有效解析复杂的GE互作模式，导致育种家难以筛选出既高产又能在多环境下稳定表现的优良品种。因此，开展多点试验（METs）并采用先进统计模型量化GE互作，对于精准鉴定和推荐适应性强、产量潜力高的玉米杂交种至关重要。本研究旨在利用AMMI和GGE双标图两种互补的分析方法，系统评估20个玉米基因型在巴基斯坦8个不同生态区连续两年的产量表现，从而识别出兼具高产和广适性的理想基因型，为当地玉米育种和生产提供科学依据。
关键技术方法
研究人员在巴基斯坦8个代表性地点（伊斯兰堡、马尔丹、费萨拉巴德、萨希瓦尔、韦哈里、奇尼奥特、瑙谢拉、帕克帕坦）于2021-2022和2022-2023两个秋季种植季开展了田间试验。试验材料包括19个新培育的黄色马齿型玉米单交种和一个商业对照品种（30Y87）。试验采用随机完全区组设计（RCBD），三次重复。数据分析的核心技术方法是：
- 1.
加性主效应和乘性互作模型（AMMI）： 结合了方差分析（ANOVA）和主成分分析（PCA），用于分解基因型（G）、环境（E）及其互作（GE）效应，并通过AMMI1和AMMI2双标图直观展示基因型的产量表现和稳定性。
- 2.
基因型加基因型-环境互作双标图（GGE Biplot）： 聚焦于G和GE效应的总和，通过“平均-稳定性”、“排名基因型”和“谁赢在哪里”等多种双标图，从不同维度评价基因型的综合表现、稳定性及特定适应性。
- 3.
AMMI稳定性值（ASV）： 作为一个量化指标，综合PC1和PC2得分对基因型稳定性进行排序。
所有统计分析均使用RStudio软件中的metan和gge包完成。
研究结果
3.1 联合方差分析
通过AMMI模型的联合方差分析发现，基因型（G）、环境（E）和GE互作对籽粒产量的影响均达到极显著水平。其中，GE互作解释了总变异的最大份额（72.60%），远高于基因型（13.40%）和环境（8.82%），表明不同玉米基因型在不同年份和地点的产量表现存在剧烈波动，突显了进行GE互作分析的极端重要性。前五个主成分（PC1至PC5）累计解释了GE互作变异的78.5%，其中PC1和PC2合计解释了43.9%。
3.2 平均籽粒产量与AMMI稳定性值（ASV）
综合两年八地的数据，G10 (S2117) 的平均产量最高（13590.8 Kg/ha），其次是G18 (S2011)、G6 (S2113) 和G8 (S2125)。根据ASV值及其排名（ASV_R），G13 (S2028) 稳定性最佳（ASV_R=1），其次为G2 (30Y87)（ASV_R=2）、G6 (S2113)（ASV_R=3）和G10 (S2117)（ASV_R=4）。
3.3 AMMI分析
AMMI1双标图显示，G10、G18等位于图右侧，为高产品种。其中，G13、G6、G10和G2的PC1得分接近零，表明它们与环境互作小，稳定性好。而G18、G8虽高产，但PC1得分高，表现为特定适应性。AMMI2双标图进一步证实，G13、G2、G6、G10等靠近原点，是最稳定的基因型；G18则因远离原点而被视为第二不稳定的高产基因型。综合来看，G10和G6被确认为兼具高产和较好稳定性的品种。
3.4 GGE双标图分析
GGE双标图的前两个主成分（PC1和PC2）解释了总变异的43.62%。
3.5 平均表现 vs. 稳定性： “平均-稳定性”双标图显示，G18和G10为平均产量最高的基因型；G10、G6、G13、G2和G11因靠近平均环境坐标（AEC）纵轴而被认定为最稳定的基因型。结论再次指向G10和G6为高产且相对稳定的推荐品种。
3.6 基因型排名： “排名基因型”双标图通过同心圆识别理想基因型。G10最靠近同心圆中心，被认为是理想基因型；G6、G14、G13和G2紧随其后，为整体表现良好的品种。
3.7 谁赢在哪里： “谁赢在哪里”双标图将20个基因型和16个环境划分为多个扇区，形成了不同的巨型环境（mega-environments）。例如，G18和G19主导了一个包含费萨拉巴德、奇尼奥特、萨希瓦尔等多个地点的巨型环境，显示出重复性。这表明不同基因型有其优势种植区域。
3.8 基于G+GE效应的环境评价： 环境评价双标图揭示了各测试地点的区分力。马尔丹（E2）和帕克帕坦（E8）的向量较长，表明其对基因型的区分能力强；而伊斯兰堡（E1）和瑙谢拉（E7）的向量较短，区分力较弱。
讨论总结与研究结论
讨论总结：
本研究充分证明了GE互作在玉米产量表现中的主导作用，其复杂性远超单一环境下的评估。AMMI和GGE双标图的联合应用，成功地从复杂的互作模式中提取了有价值的信息。研究结果强调了不能仅凭产量均值选择品种，必须同时考量其稳定性。G10 (S2117) 因其卓越的产量和良好的稳定性，被一致推荐为最优品种。此外，“谁赢在哪里”分析揭示了特定基因型的地理适应性分区，为未来针对不同生态区的定向育种和品种布局提供了指导。环境评价则指出了哪些试验地点能更有效地鉴别基因型间的差异，有助于优化未来的多点试验网络。
研究结论翻译：
玉米杂交种（基因型）表现出显著的GE互作，这在籽粒产量（GY）的表达中起着关键作用。研究人员利用AMMI、GGE双标图分析和ASV，对这些基因型在不同环境（地点×年份）下的产量表现和稳定性进行了评估。两个基因型，即G10 (S2117) 和 G6 (S2113)，表现出最高的总体平均产量（> 13000 Kg/ha）和相对较好的稳定性。然而，G13 (S2028) 和 G2 (30Y87)（对照）被证明是最稳定的基因型，在研究覆盖的环境中保持了良好且一致的产量。综合考虑产量表现和稳定性，G10 (S2117) 可以被认为是总体平均产量最高且稳定性相对最好的基因型。AMMI和GGE双标图以及ASV的结合，可作为在多点试验（MET）中评估玉米基因型稳定性和产量表现的一个强有力的框架。此外，所选出的基因型可被推荐用于开发广适、气候韧性和高产的杂交种项目。
