Cappa EP, El-Kassaby YA, Muñoz F, et al (2018) Genomic-based multiple-trait evaluation in Eucalyptus grandis using dominant DArT markers. Plant Sci 271:27–33. doi: 10.1016/j.plantsci.2018.03.014

摘要

我们研究了在一个多性状单株混合模型（也称为多性状组合法）中结合基于系谱和基因组的关系矩阵对巨桉种群遗传力估计和生长与干直度之间的基因组相关性的影响。此外，还评估了在父母和后代育种值的理论准确性上结合基因组信息的额外优势。我们的结果表明，在多性状评价中使用组合方法估计遗传率和加性遗传相关是有利的，并且包含基因组信息可以提高育种值的预期准确性。此外，在预测育种值方面，多性状组合法优于单性状组合法，特别是在低遗传力性状上。最后，我们的结果提倡在林木后代测试试验中使用组合方法，特别是在考虑多性状单株混合模型时。

1介绍

遗传增益的大小受几个因素的影响，包括个体估计育种值的准确性和育种群体中存在的加性遗传方差的程度。在定量遗传学分析中包含基因组信息，提高了个体预测育种值估计的准确性[1]。通过在混合模型方程（基因组最佳线性无偏预测因子-GBLUP；[2]）中使用基于标记的已实现亲缘关系（G矩阵），在理论上[35]和经验上[610]在几种林木评估方案中证明了更高的育种值准确性。在林木子代检测试验中，由于经济和后勤原因，大量被检测个体使得整个群体的基因分型无法管理，因此，将基因分型仅限于检测群体的一个子集的选择是有利的[11]。最近，Misztal等人[12]、Legarra等人[13]、Christensen和Lund等人[14]提出了一种简单有效的遗传评估方法，即单步方法，它将减少的个体集合的基因组信息纳入更大的未基因分型后代测试试验的遗传评估中。在这种方法中，在个体树混合模型的实现过程中，将系谱和基因组信息结合起来，以增强个体的遗传和基因组关系信息[15,16]。简单的组合方法包括：（1）构建基因型和非基因型个体的系谱关系矩阵；（2）构建基因型个体子集合的标记关系G矩阵；（3）在个体树混合模型中，将系谱和基因组矩阵混合在H矩阵中。由于组合/混合方法使用传统的BLUP混合模型方程，因此可以立即扩展到用于拟合基于系谱的关系矩阵的更复杂模型[17]。这种组合方法在动物育种中得到了广泛的应用，包括猪[18]、鸡[19,20]、奶牛[21]、奶羊[22]、奶山羊[23]和肉牛[24]。然而，在森林遗传试验中，联合方法的应用还很少[15,16,25]，而且由于分析仅限于单性状模型而非多性状模型，因此在一定程度上受到限制。例如，在最近的一项研究中，使用了本研究中使用的相同数据集（见下文），Cappa等人[16]证明了组合方法在传统的单性状-单株-树混合模型中实现简单，并且为具有竞争效应和/或环境异质性的单性状-单株-树混合模型提供了一个简单的扩展。然而，这项分析没有考虑同时评估多个性状以及利用性状表型和遗传相关性。
多性状混合模型可提高育种值的预测准确性，因为将相关性状的信息纳入分析中，而与具有较高遗传性的性状结合使用时，具有较低遗传性性状会获益[26]。准确性的提高取决于性状间遗传相关性和剩余相关性之间的绝对差异，即差异越大，准确性的提高就越大[27]。在动物研究中的模拟[28,29]和经验[30]情景中，多目标GBLUP方法显示了比单性状GBLUP更高的预测育种值的准确性。将标记信息整合到多性状模型中在组合方法中是可能的[18,31-35]，但最近才在植物中被考虑（油棕，[36]；白云杉，[15]）。Ratcliffe等人[15]使用了多性状模型，但没有与单性状模型进行比较。
本研究的目的是比较：（1）基于系谱的方法和使用多个etrait模型的组合方法；（2）使用组合方法的单性状和多性状模型。利用巨桉自由授粉繁殖群体的两个生长特性和茎直度数据进行了比较。比较了亲本和后代的遗传参数（即遗传力和加性遗传相关）和预测育种值准确性的期望增益。