在作物育种中，基因组选择（Genomic Selection，GS）已成为预测作物性状的重要工具。然而，基因组选择需要大量的基因型标记，成本较高。为解决这一问题，本文提出了表型组选择（Phenomic Selection，PS）作为低成本、高通量的替代方案。PS通过光谱数据预测复杂性状，无需依赖基因型信息，具有良好的预测准确性。

2024年7月，Plant Phenomics 在线发表了Justus Liebig University题为Phenomic Selection for Hybrid Rapeseed Breeding 的研究论文。

本文通过近红外光谱（NIRS）数据对410个油菜杂交组合进行了表型组选择，并与基因组选择进行了对比分析。结果表明，表型组选择在预测种子产量和植株高度等性状时，表现优于基因组选择，特别是在仅使用单个试验场地数据时效果显著。研究还发现，通过亲本的光谱数据预测杂交后代的性状是可行的，为油菜杂交育种提供了一种高效、经济的选择方法。

图1是杂交油菜种群及不同环境下的实验设计示意图。本研究使用的油菜籽群体是基于5个不同的创始系（P1~P5）与一个共同的精英系（L1）的杂交。将得到的251个传粉媒介与2个不同的雄性不育自交系（M1和M2）杂交，得到410个试验杂交种（A）。利用生长在1个地点的传粉媒介获得的近红外光谱数据进行跨代预测，预测生长在5个地点的杂交种的表型性状（B）。利用近红外光谱数据和杂种（C至E）获得的表型性状进行代内预测。从所有5个位点获得表型性状，而NIRS数据要么从所有5个位点（C和E）获得，要么从单个位点（D）获得。交叉验证的方法是将杂交群体随机分为80%的训练集和20%的测试集，重复200次（B至D），或者使用5个原始杂交中的4个后代的杂交作为训练集，其余亚家族作为测试集（E）。

图1 实验设计概述

图2 几种选择的预测值和实际值对比

图2基于GBLUP/NIRS-BLUP的实测值（调整均值）和预测值（200次交叉验证均值），比较GS（A和D）、PS（B和E）和组合选择（C和F）对种子产量前80个基因型（A ~C）或前40个基因型（D ~ F）的选择精度。根据预测和实际性能，在选定部分内或外的基因型分别被分类为“正确选择”（CS）或“正确丢弃”（CD）。

在实际表现较差的预测中选择的基因型，反之亦然，分别被归类为“错误选择”（WS）或“错误丢弃”（WD）。相应的百分比数字表示相应的派系规模。切卡诺夫斯基相似系数（CZ）表示基于预测值的选择精度。Pearson相关系数（r）表示各自的预测精度。近红外光谱数据是在杂交种内从收获的种子中获得的。

该研究首次验证了表型组选择在油菜杂交育种中的可行性，证明了亲本的光谱数据可以用于预测后代的性状表现。这一方法能够显著降低育种成本，提高育种效率，且易于在现有的育种计划中实施。

论文链接：

https://doi.org/10.34133/plantphenomics.0215

——推荐阅读——

Fast and Efficient Root Phenotyping via Pose Estimation

https://doi.org/10.34133/plantphenomics.0175‍

Plant Phenomics | 利用深度学习技术实现地标的快速检测与分组，为根表型分析提供高效无缝的解决方案

加入作者交流群