文献类型： 中文期刊

作者： 李园 ¹ ; 范开建 ¹ ; 安泰 ² ; 李聪 ³ ; 蒋俊霞 ¹ ; 牛皓 ¹ ; 曾伟伟 ² ; 衡燕芳 ¹ ; 李虎 ¹ ; 付俊杰 ¹ ; 李慧慧 ¹ ; 黎亮 ¹ ;

作者机构： 1.中国农业科学院作物科学研究所

2.中国农业大学农学与生物技术学院

3.黑龙江八一农垦大学农学院

关键词： 玉米;全基因组预测;多环境预测;训练集优化

期刊名称： 植物学报

ISSN： 1674-3466

年卷期： 2024 年 59 卷 006 期

页码： 1041-1053

收录情况： 北大核心 ; CSCD

摘要： 多环境田间测试是选育高产稳产品种的重要途径,但因其成本高逐渐成为植物育种的瓶颈问题。将稀疏测试与全基因组预测方法相结合可实现对未测表型的预测,进而减少田间测试的工作量和成本。利用244份玉米(Zeamays)自然群体自交系在两年(2022年和2023年)两点(北京顺义和黑龙江密山) 4个环境下,针对散粉期、株高、穗位高、穗长、穗行数和行粒数6个代表性农艺性状开展研究,比较了4种模型(Single、Across、M×E和R-norm)、2种训练群体组成方案(CV1和CV2)以及3种训练集抽样比例(0.5、0.7和0.9)对预测精度的影响。结果表明,上述6个农艺性状的平均预测精度分别为0.67、0.58、0.50、0.33、0.33和0.48;Single模型、Across模型、M×E模型和R-norm模型的平均预测精度分别为0.36、0.52、0.53和0.53;其中CV1各模型在不同性状中的预测精度范围在0.19–0.65之间,CV2预测精度范围在0.47–0.89之间;不同抽样比例比较显示,不同模型中训练集比例的提升对6个性状的预测精度提升有限,最大提升幅度仅为0.05。综上表明,在进行多环境预测时,利用CV2训练群体组成方案并在预测模型中纳入多个环境下的表型数据可提升预测精度。