结合辅助性状的玉米全基因组选择预测力评估

多性状联合全基因组选择能够有效利用性状间的遗传相关和环境相关,有望提高表型预测的准确性。本研究提出了结合辅助性状的全基因组选择策略,以来源广泛的342份玉米自交系为试验材料,对其进行基因分型测序(GBS)并分析其农艺性状,对每个目标性状均基于辅助性状及其组合进行预测,利用五倍交叉验证法评价其预测力。结果表明,利用与目标性状相关性较高的辅助性状可较大程度地提升预测力,尤其是对于低遗传力性状;随着辅助性状个数的增加,预测力也随之增加。进一步比较了5种统计模型结合辅助性状的全基因组选择的表型预测力,总体而言,再生核希尔伯特空间(RKHS)模型和贝叶斯B(BayesB)模型的预测效果较优,而极端梯度提升(XGBOOST)模型的预测效果较差。本研究结合辅助性状有效提高了玉米全基因组选择的预测准确性,为玉米的全基因组选择育种提供新的思路和参考。