结合辅助性状的玉米全基因组选择预测力评估

焦宇馨　张宇翔　杨文艳　经思宇　尹玉琳　刘畅　王欣　徐辰武　徐扬

摘要： 多性狀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。

关键词： 玉米；全基因组选择；辅助性状；预测力

中图分类号： S513;Q943 文献标识码： A 文章编号： 1000-4440（2023）02-0313-08

Predictability of maize genome-wide selection combined with auxiliary traits

JIAO Yu-xin^1，2， ZHANG Yu-xiang ^1，2， YANG Wen-yan^1，2， JING Si-yu^1，2， YIN Yu-lin ^1，2， LIU Chang^1，2，WANG Xin¹， XU Chen-wu^1，2， XU Yang^1，2

（1.Jiangsu Key Laboratory of Crop Genomics and Molecular Breeding/Key Laboratory of Plant Functional Genomics of the Ministry of Education/ Jiangsu Key Laboratory of Crop Genetics and Physiology， Agricultural College of Yangzhou University， Yangzhou 225009， China；2.Jiangsu Co-innovation Center for Modern Production Technology of Grain Crops， Yangzhou University， Yangzhou 225009， China）

Abstract： Multi-trait genomic selection can use genetic and environmental correlations between traits， which holds great promise to improve the prediction accuracy. This study proposed a genomic prediction strategy using auxiliary traits. A total of 342 maize inbred lines from a diversity panel were used as test materials. Genotyping by sequencing （GBS） was performed and six agronomic traits were measured in the field. Each target trait was predicted based on auxiliary traits and their combinations. The predictability was evaluated using five-fold cross-validation. The results showed that the use of auxiliary traits highly correlated with target traits greatly improved predictability and low-heritability traits could benefit more from auxiliary traits. As the number of auxiliary traits increased， the predictability also increased. We also compared the prediction performance of five different models combined with auxiliary traits. Overall， reproducing kernel Hilbert space （RKHS） model and BayesB model performed well， while extreme gradient boosting （XGBOOST） model performed worst. This study improves the accuracy of genomic prediction and provides new ideas and references for genomic selection breeding of maize.

Key words： maize;genomic selection;auxiliary traits;predictability

玉米是中国最重要的粮食作物之一，为保障国家粮食安全作出重要贡献。“十二五”以来，中国培育了一批优良的玉米品种，其丰产性和稳产性得到了明显提升^[1]。然而与一些发达国家相比，中国玉米平均单产偏低，生产成本高，竞争力不强。中国玉米育种仍以常规技术为主，存在预见性差、周期长、效率低等突出问题^[2]。随着高通量测序技术的不断发展，全基因组选择育种技术已成为玉米精准育种的重要手段和发展方向。

全基因组选择（GS）是根据训练群体基因型与表型间的关联构建统计模型，从而对未知表型的候选群体进行表型预测和选择^[3]。GS在获取样本基因型时就可对其育种值进行评估，能够大幅提升选择准确性和育种效率，缩短育种周期，实现从经验育种至精准育种的飞跃^[4]。一些发达国家玉米商业化育种起步相对较早，全球种业企业如科迪华公司等已运用GS技术提高玉米品种选育效率。科迪华公司和先正达公司利用全基因组选择技术分别培育的抗旱玉米品种AQUAmax和Artesian已进入市场。国际玉米小麦改良中心在全球玉米育种计划中纳入全基因组选择^[5]。GS技术虽然为玉米育种提供了新的契机，但是对受环境影响较大的数量性状来说，其预测准确性仍较低^[6-7]。GS方法的改进一直是GS研究的重要课题，也是对品种进行精准选择的关键。

目前GS通常针对单个性状进行预测和选择，而忽视了多个关联性状间的遗传基础^[8]。多性状联合GS不仅能够获取性状间的遗传相关，还能获取性状间的环境相关，有望提升表型预测的准确性，尤其是一些低遗传力的性状^[9-10]。在育种研究中，可能会面临一些性状难以测量或观测成本高昂的问题，可以考虑结合较易测量的性状去辅助预测较难鉴定的性状。本研究拟以来源广泛的342份玉米自交系为试验材料，对其进行基因分型测序（GBS）并分析产量相关性状，开展结合辅助性状的全基因组选择研究，利用交叉验证评估结合不同辅助性狀的全基因组选择预测的效果，进一步比较5种不同统计模型对预测准确性的影响，以期为提高玉米全基因组选择的准确性提供技术支撑。

1 材料与方法

1.1 供试材料与试验设计

试验材料为342份来自热带、亚热带和温带的玉米自交系。试验材料于2015年、2016年和2017年在海南省江苏南繁中心种植。田间试验采用随机区组设计，2次重复，每份材料重复种植2行，行长3.00 m，行距0.50 m，株距为0.25 m。

1.2 基因型分型与表型鉴定

在玉米成熟期，每份材料随机选取6株测量株高（PH），并选取6个长势一致的果穗，测定穗行数（ERN）、行粒数（KNR）、穗长（EL）、穗粗（ED）、穗粒质量（KW）。利用R语言lme4软件包，计算3个环境（2015年、2016年、2017年）下表型数据的最佳线性无偏估计值用于后续分析。性状广义遗传力的计算公式为：H²=σ²_g/（σ²_g+σ²_ε/l），式中，σ²_g为遗传方差；σ²_ε为残差方差；l为环境个数，方差由R语言lme4软件包估计。对全部自交系进行基因分型测序（GBS），根据质控标准最小等位基因频率（MAF）＞0.05及缺失率＜10%，过滤后获得108 193个单核苷酸多态性（SNP）标记用于后续分析。

1.3 结合辅助性状的全基因组选择预测模型

本研究所使用的基因组最佳线性无偏预测（Genomic best linear unbiased prediction，GBLUP）模型如下：

其中，m为全部标记数目；Z_k为n个个体在第k个标记的基因型向量；K为亲缘关系矩阵；φ²为多基因方差，方差组分可由限制性极大似然法估计。

进行辅助性状的全基因组选择预测时，所有辅助性状的表型值均需要进行标准化和中心化，辅助性状为某一单一性状或不同性状的组合。

1.4 模型比较

本研究进一步比较了5种统计模型进行辅助性状全基因组选择预测的效果，5种统计模型包括基因组最佳线性无偏预测（Genomic best linear unbiased prediction，GBLUP）模型、再生核希尔伯特空间（Reproducing kernel Hilbert space，RKHS）模型、最小绝对收缩与选择算子（Least absolute shrinkage and selection operator，LASSO）模型、贝叶斯B（BayesB）模型、极端梯度提升（Extreme gradient boosting， XGBOOST）模型，所有计算运用R语言包predhy实现。其中XGBOOST模型的学习率设置为0.07，迭代次数设置为1 000；RKHS模型采用多核模型，迭代次数设置为1 500，老化（BurnIn）设置为500，其余参数均采用默认值。

1.5 预测力评估

本研究基于五倍交叉验证法评估预测力，即将样本随机划分为5等份，将4份作为训练集，1份用作验证集。预测力采用预测值与实际观测值的决定系数表示。为了避免随机干扰，重复交叉验证过程20次，以预测力的平均值作为评价预测准确性的指标。

2 结果与分析

2.1 农艺性状的描述性统计及相关分析

对玉米自交系的6个农艺性状［穗行数（ERN）、行粒数（KNR）、穗粗（ED）、穗长（EL）、株高（PH）、穗粒质量（KW）］进行描述性统计分析，结果（表1）表明，所有农艺性状在自交系间均有丰富变异，变异系数都高于0.10，其中KW的变异系数最高，为0.30，ED的变异系数最低，为0.11。遗传力分析结果表明，6个农艺性状的遗传力变化范围为0.33～0.66，其中KNR的遗传力最低，ERN的遗传力最高。对6个农艺性状进行相关分析，表2显示，除ERN与EL、ED与KNR之间不存在显著相关外，其余性状间均存在显著正相关，其中KW与KNR的相关系数最高，达到0.650。

2.2 结合辅助性状的全基因组选择预测力

为了研究结合辅助性状的玉米全基因组选择的预测效果，本研究基于GBLUP模型，对每个目标性状采用辅助性状及其组合的全基因选择的预测，利用五倍交叉验证法评价预测力，并与目标性状自身全基因组选择的预测效果进行比较。结果（图1、图2）表明，大部分辅助性状及其组合均可提高目标性状的预测力。预测ERN时，单一辅助性状中，以ED为辅助性状时预测力最高，为0.560，以PH为辅助性状时预测力最低，仅为0.367；多性状辅助预测时，以ED、EL和KNR联合辅助时的预测力最高，为0.590。预测KNR时，单一辅助性状中，以KW为辅助性状时预测力最高，为0.477，以ED为辅助性状预测力最低，仅为0.105；多性状辅助预测时，以ERN、ED、EL、PH、KW联合辅助时的预测力最高，为0.683。预测ED时，单一辅助性状中，以KW为辅助性状时预测力最高，为0.591，以EL为辅助性状时预测力最低，为0.377；多性状辅助预测时，以ERN、KNR、EL和KW联合辅助时的预测力最高，为0.779。预测EL时，单一辅助性状中，以KNR为辅助性状时预测力最高，为0.581，以ED为辅助性状时预测力最低，为0.280；多性状辅助预测时，以ERN、KNR、ED、PH、KW联合辅助时的预测力最高，为0.639。预测PH时，单一辅助性状中，以KW为辅助性状时预测力最高，为0.449，以ERN为辅助性状时预测力最低，为0.394；多性状辅助预测时，以KNR、EL和KW联合辅助时的预测力最高，为0.452。预测KW时，单一辅助性状中，以KNR为辅助性状时预测力最高，为0.625，以PH为辅助性状时预测力最低，为0.366；多性状辅助预测时，以KNR、ED、EL和PH联合辅助时的预测力最高，为0.848。对于ERN、KNR、ED、EL、PH和KW，与未结合辅助性状的目标性状本身预测力相比，采取最佳辅助性状组合预测时，预测力分别提高了0.212、0.577、0.373、0.345、0.060和0.526。从结果中可以发现，基于那些与目标性状相关性较高的辅助性状，可在较大程度上提高预测力。例如，KW与KNR的相关系数最高，基于单一辅助性状预测KW时，以KNR为辅助性状的预测力最高，而预测KNR时，以KW为辅助性状的预测力最高；ED与KNR不存在显著相关，基于单一辅助性状预测ED时，以KNR为辅助性状的预测力低于ED自身预测力，预测KNR时，以ED为辅助性状的预测力也低于KNR自身预测力。

2.3 辅助性状数目对全基因组选择预测力的影响

为了了解辅助性状数目对目标性状全基因组选择预测力的影响，本研究评估了采用1至5个辅助性状全基因组选择的预测力，结果（图3）表明，对于所有目标性状，随着辅助性状数目的增加，预测力提高。对于ERN、KNR、ED、EL、PH和KW，相比目标性状自身全基因组选择预测力，采用1个辅助性状时，平均预测力分别提高了12.95%、139.36%、13.74%、32.82%、6.76%和52.53%；采用2个辅助性状时，平均预测力分别提高了27.29%、271.27%、35.54%、66.64%、9.98%和93.39%；采用3個辅助性状时，平均预测力分别提高了39.22%、387.38%、56.93%、93.96%、11.80%和124.53%；采用4个辅助性状时，平均预测力分别提高了47.51%、480.42%、75.60%、111.30%、12.48%和147.44%；采用5个辅助性状时，平均预测力分别提高了53.03%、546.76%、91.12%、117.56%、12.63%和163.67%。

2.4 不同GS模型对全基因组选择预测力的影响

上述研究结果表明，采用GBLUP模型结合辅助性状全基因组选择时，对目标性状预测力有较大幅度提升，为了探究合适的预测模型，本研究进一步比较了GBLUP、BayesB、LASSO、RKHS和XGBOOST这5种GS模型对于结合全部辅助性状全基因组选择对目标性状的预测力。结果（图4）表明，预测ERN时，BayesB、GBLUP、RKHS模型预测效果最优，预测力分别为0.604、0.596和0.594，LASSO、XGBOOST模型预测效果较差，预测力分别为0.510和0.497；预测KNR时，RKHS模型预测效果最优，预测力为0.714，XGBOOST模型预测效果较差，预测力为0.534；预测ED时，BayesB、RKHS模型预测效果最优，预测力分别为0.795和0.789，XGBOOST模型预测效果最差，预测力为0.617；预测EL时，RKHS、BayesB、GBLUP模型预测效果最优，预测力分别为0.648、0.646和0.637，XGBOOST模型预测效果最差，预测力为0.513；预测PH时，RKHS、BayesB、GBLUP模型预测效果最优，预测力分别为0.472、0.464和0.453，LASSO模型预测效果最差，预测力为0.367；预测KW时，RKHS模型预测效果最优，预测力为0.845，XGBOOST模型预测效果最差，预测力为0.756。总体而言，RKHS模型和BayesB模型的预测效果较优，XGBOOST模型的预测效果较差。

3 讨论

本研究开展了结合辅助性状的玉米GS预测力研究，有效提升了全基因组选择的准确性，主要原因是该策略能够利用性状间的相关性，因此预测效果与性状间的相关性存在一定的关联。利用与目标性状相关性较高的辅助性状可以最大程度地提高全基因组选择预测力，利用与目标性状不相关的辅助性状可能反而会降低全基因组选择对目标性状的预测力。在作物育种研究中，一些性状较难获取，如产量、抗逆、根系性状等，如果采用同一群体的其他相关性状进行辅助预测，能够有效降低育种成本，具有重要的实际应用价值。在利用辅助性状全基因组选择时，低遗传力性状预测力的提升相比于高遗传力性状更为明显，穗行数、穗粗和株高的遗传力均大于0.5，采用全部辅助性状全基因组选择预测时，它们的预测力提升幅度均小于100%，而行粒数、穗长和穗粒质量的遗传力均小于0.5，采用全部辅助性状全基因组选择预测时，它们的预测力提升幅度均大于100%。这可能是因为低遗传力性状更易被环境因素影响，而结合辅助性状全基因组选择时，有效借助了性状间的相关环境信息。

本研究分析了不同輔助性状数目和统计模型对预测力的影响。有研究结果表明，在多性状联合分析中，辅助性状数目达到一定数量后，继续增加的辅助性状对单个特定性状预测力提升的贡献较低，并且随着辅助性状数目的增加，运算复杂度会大大增加^[11]。在本研究中，尽管个别单一辅助性状也能较大程度提升预测力，但总体而言随着辅助性状数目的增加，预测准确性也随之增加，采用更多辅助性状能够更大幅度提升对目标性状预测的准确性。本研究的优势在于将辅助性状视为固定效应，因而增加辅助性状几乎不影响模型运算效率。在全基因组选择中，通过获取更多的相关表型信息辅助预测目标性状，有望进一步提高预测力。统计模型是影响GS准确性的关键因素^[12]，本研究比较了GBLUP、BayesB、LASSO、RKHS和XGBOOST这5种GS模型结合辅助性状全基因组选择的预测效果，整体而言，RKHS模型和BayesB模型的预测效果较优，而XGBOOST模型的预测效果较差。BayesB模型能够对大部分位点的效应进行压缩，因此更适于捕获显著位点效应^[13-14]。有研究结果表明，BayesB模型对基因的数量较为敏感，当性状由少数效应较大的基因控制时，预测力较高，当性状由许多微效基因控制时，预测力有所降低^[15]。RKHS模型的主要优势是擅于捕获一些非加性效应^[16]。XGBOOST是经典的机器学习算法，其预测力较低的原因可能是计算复杂度较高且调参数难度较大，易造成过拟合。

4 结论

本研究提出了结合辅助性状的玉米GS育种新策略，以来源广泛的342份玉米自交系为试验材料，对其进行GBS并鉴定6个农艺性状，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高预测力；低遗传力性状的预测力提升相比高遗传力性状更为明显；随着辅助性状个数的增加，目标性状的预测准确性也随之增加。本研究进一步比较了5种GS模型结合辅助性状的全基因组选择的预测力，总体而言，RKHS模型和BayesB模型预测效果较优，而XGBOOST模型预测效果较差。本研究有效提升了玉米表型预测的准确性，尤其对于一些低遗传力性状，研究结果能为玉米的GS育种提供重要支撑。

参考文献：

[1] 王振华，刘文国，高世斌，等. 玉米种业的昨天、今天和明天[J]. 中国畜牧业， 2021（19）： 26-32.

[2] 黎 裕，徐辰武，秦 峰，等. 玉米生物育种：现状与展望[J]. 中国基础科学， 2022， 24（4）： 18-28.

[3] MEUWISSEN T H， HAYES B J， GODDARD M E. Prediction of total genetic value using genome-wide dense marker maps[J]. Genetics， 2001， 157（4）： 1819-1829.

[4] XU Y， LIU X， FU J， et al. Enhancing genetic gain through genomic selection： from livestock to plants[J]. Plant Communications， 2020， 1（1）. DOI：10.1016/j.xplc.2019.100005.

[5] ZHANG X， P?REZ-RODR?GUEZ P， BURGUE?O J， et al. Rapid cycling genomic selection in a multiparental tropical maize population[J]. G3， 2017， 7（7）： 2315-2326.

[6] MILLET E J， KRUIJER W， COUPEL-LEDRU A， et al. Genomic prediction of maize yield across European environmental conditions[J]. Nat Genet， 2019， 51： 952-956.

[7] ALLIER A， TEYSSEDRE S， LEHERMEIER C， et al. Genomic prediction with a maize collaborative panel： identification of genetic resources to enrich elite breeding programs[J]. Theoretical and Applied Genetics， 2020， 133（1）： 201-215.

[8] SCUTARI M， HOWELL P， BALDING D J， et al. Multiple quantitative trait analysis using bayesian networks[J]. Genetics， 2014， 198（1）： 129-137.

[9] HENDERSON C， QUAAS R. Multiple trait evaluation using relatives records[J]. Journal of Animal Science， 1976， 43（6）： 1188-1197.

[10]HAYASHI T， IWATA H. A Bayesian method and its variational approximation for prediction of genomic breeding values in multiple traits[J]. BMC Bioinformatics， 2013， 14. DOI： 10.1186/1471-2105-14-34.

[11]SCHULTHESS A W， WANG Y， MIEDANER T， et al. Multiple-trait- and selection indices-genomic predictions for grain yield and protein content in rye for feeding purposes[J]. Theoretical and Applied Genetics， 2016， 129（2）： 273-287.

[12]CROSSA J， PEREZ-RODRIGUEZ P， CUEVAS J， et al. Genomic selection in plant breeding： methods， models， and perspectives[J]. Trends Plant Science， 2017， 22（11）： 961-975.

[13]GONZ?LEZ-RECIO O， FORNI S. Genome-wide prediction of discrete traits using Bayesian regressions and machine learning[J]. Genetics Selection Evolution， 2011， 43（1）. DOI： 10.1186/1297-9686-43-7.

[14]P?REZ P， CAMPOS G D L. Genome-wide regression and prediction with the BGLR statistical package[J]. Genetics， 2014， 198（2）： 483-495.

[15]WANG X， YANG Z F， XU C W. A comparison of genomic selection methods for breeding value prediction[J]. Science Bulletin， 2015， 60（10）： 925-935.

[16]DE LOS CAMPOS G， GIANOLA D， ROSA G J， et al. Semi-parametric genomic-enabled prediction of genetic values using reproducing kernel Hilbert spaces methods[J]. Genetics Research， 2010， 92（4）： 295-308.

（責任编辑：王 妮）