基于BLUP 育种值与GGE 双标图分析杉木第三代全同胞家系生长性状的适生性

王润辉，胡德活，韦如萍，晏 姝，伍观娣，黄 荣，郑会全

(广东省森林培育与保护利用重点实验室 / 广东省林业科学研究院，广东 广州 510520)

在林木育种中，通过测定评价子代的生长表现，分析林木遗传亲本的育种价值，进一步筛选出子代遗传增益大、育种价值高的亲本遗传材料，这一育种流程被称为“后向选择”[1]。育种亲本的子代遗传测定往往需要在多个地点进行，由于环境差异，多地点测定存在基因型与环境的交互作用效应(Genotype-by- environment interaction，G×E)，这导致育种亲本的遗传评价变得复杂[2]。在农作物遗传育种上，有多种评价基因型与环境交互作用效应的方法，包括联合回归法、主效可加互作可乘模型(Additive main effects multiplicative interaction，AMMI)和基因型主效加基因型-环境互作效应(Genotype main effect plus genotype-by-environment interaction，GGE)[3—5]。最近的研究中，GGE 双标图(GGE biplot)分析方法在遗传育种多点试验中大量使用，该方法的主要特征是通过试验环境中心化，只将遗传效应(G)和遗传(基因型)与环境互作效应(G×E)用于品种评价、试验点评价和品种生态区划分。有研究将其应用于辐射松Pinus radiata[5]、华北落叶松Larix principis-rupprechtii[6]、杨树Populussp.[7]、乐昌含笑Michelia chapensis[8]和火炬松Pinus teada[9]等树种的选育。

杉木Cunninghamia lanceolata是中国特色乡土常绿针叶树种，也是中国南方多个省区最重要的商品用材和碳汇造林树种之一[10]。历时50 多年的研究与技术攻关，杉木育种已步入第三代育种阶段并向更高世代迈进[11]。然而，杉木多地点遗传试验也面临不同测试地点间环境条件差异大、基因型与环境间的互作效应突出的问题，准确评估这一交互作用的影响对提高育种效率、加快育种进程具有重要意义。本研究以广东杉木第三代全同胞家系在不同生长地点的8 年生径向生长表现(胸径)为基础，通过模型构建，获得家系最佳线性无偏预测(Best linear unbiased prediction，BLUP)育种值，进而联用GGE双标图分析法探析基因型与环境的互作效应，以期为杉木在不同环境条件下的适生性测评提供方法参考。

1 材料与方法

1.1 试验地概况

试验地点分布在广东省北部及西北部林区，具体设置在韶关市曲江区国有小坑林场(简称小坑林场，XK)、韶关市国有九曲水林场(简称九曲水林场，JQS)、肇庆市国有大坑山林场(简称大坑山林场，DKS)。其中，小坑林场位于韶关市曲江区小坑镇，24°41′N，113°51′E，属亚热带气候，年降雨量1532 mm，年均温20.2 ℃，土壤为红壤；九曲水林场位于韶关市翁源县龙仙镇，24°20′N，113°08′E，亚热带气候，年降雨量1693 mm，年均温20.6 ℃，土壤为红、黄壤；大坑山林场位于肇庆市怀集县大坑山镇，23°45′N，112°11′E，亚热带气候，年降雨量1693 mm，年均温20.9 ℃，土壤为赤红壤。

1.2 试验材料

以广东杉木第二代改良种子园亲本经单交设计所得的33 个第三代全同胞家系为试材(家系1、家系4～13、家系15～36)，于2013 年3 月在小坑林场、九曲水林场、大坑山林场分别营建子代测定林(造林苗木均为1 年生实生苗木)，测定林采用完全随机区组设计，5 个区组，2 株小区，株行距2 m×2 m。

1.3 调查与统计分析

在定植(造林)后第8 年对试验株每木生长情况进行调查，提取胸径(D)数据开展多地点生长适应性分析。

采用Excel 2010 软件对数据进行初步整理，随后在R 平台上统计分析。利用多地点方差分析检验不同试验地点测定家系的生长差异，具体使用aov()函数开展，统计模型为：y=µ+Site+Site:Blk+Family+Site:Family，Site 为地点效应，Site:Blk 为地点内的区组效应，Family 为试验家系效应，Site:Family 为地点与家系的互作效应。使用Asreml函数家系计算育种值开展，采用个体模型：y=µ+Blk+Family+ped(tree)，Blk 为区组效应，Family为试验家系效应，ped(tree)为试验个体单株效应。使用asreml.Ainverse 函数计算亲缘关系，参见林元震等[12]的方法。

GGE 双标图(GGE biplot)的统计模型为:yij-μ-βj=λ1γi1δj1+λ2γi2δj2+εij[8,11]。其中，yij为第j 个地点第i 个基因型的均值；μ 为总体均值，为试验地点的主效应；βj为第j 个地点所有基因型的均值；λ1、λ2为第1 个和第2 个主成分的特征值；γi1、γi2为第i 个基因型在第1 个和第2 个主成分的特征向量；δj1、δj2为第j 个地点在第1 个和2 个主成分的特征向量；εij为剩余残差。GGE biplot 分使用GGEBiplot()函数实现[13]，参数设置时Scaled 选择0 (非标准化)，Center选择“G+GE”，SVP 选择“Symmetrical”，分析模型采用多地点试验模型[15]。

2 结果与分析

2.1 多地点方差分析

为分析不同地点杉木子代测定林的生长情况，首先按一般线性统计模型分析法，设定各个因子均为固定效应，检验杉木参试全同胞家系与多个地点(3 个)的互作效应显著性。结果表明，地点、家系、地点内区组三个因子效应均达极显著水平(P＜0.01)，地点与家系互作效应同样显著(P＜0.05) (表1)，说明杉木多地点试验中的地点、家系、区组及地点与家系间互作效应显著。

表1 多地点试验方差分析Table 1 Multisite test ANOVA

2.2 利用BLUP 估算不同家系效应值水平

为降低干扰效应，提高遗传评价精度，采用基于个体模型的BLUP 分析法计算每个试验地点参试家系的个体育种值，在此基础上，取各个试验地点参试家系的个体育种值的平均值代表该家系的个体育种值水平。从图1 可知，三个试验地点个体育种值水平均大于0 的家系有1、4、5、13、15、25 和31，其中以1、4、13 和31 的个体育种值水平较高，表现出较好的适生性。家系9、10、11、12、18、24、30、36 表现不佳，三个试验地点个体育种值水平均低于0；而6、7、8、16、17、19、20、21、22、23、26、27、28、29、32、33、34、35 等18 个家系在不同试验地点的个体育种值水平表现不一(有大于0 和小于0 的现象)，适生性波动较大。

图1 参试杉木家系在不同试验地点的平均个体育种值表现Fig.1 Performance of the mean individual breeding value of Chinese fir families in different experimental sites

2.3 基于GGE 双标图的多地点分析

对参试全同胞家系在三个地点的生长表现作GGE 双标图(GGE biplot)分析，发现主成分1 (PC1)解析了变异的76.41%，主成分2 (PC2)解析了变异的18.87%，这两个主成分共解析了95.28%的变异情况，说明用于GGE 双标图分析的统计模型精确度较高。GGE 双标图分析共呈现出5 个方面的信息(图2～图6)，包括“哪个赢在哪里”功能图(which won where)、高产性与稳产性分析结果、理想家系选择以及各试验地点的区分力和代表性、试验点比较等方面。

图2 “哪个赢在哪里”功能图Fig.2 ‘Which win where’ function diagram

图3 高产性与稳产性分析图Fig.3 High yield and stable yield analysis chart

图4 最优家系比较Fig.4 Comparison of optimal families

图5 各试验点的区分力和代表性Fig.5 Discriminative power and representativeness of each experimental site

图6 理想试验点比较Fig.6 Comparison of ideal test sites

其中，“哪个赢在哪里”功能图将能包含所有家系的最外围的多个家系连接起来，形成了一个以1、6、12、17 和5 家系为顶点的多边形，并通过原点对多边形的每条边作垂线，由此双标图被分为5个扇区(图2)。三个试验点DKS、JQS 和XK 均处于同一个较大扇区，个体育种值水平较高、适生性强的10 个家系尤其是表现特别优异的1、4、13、31家系均集中在该扇区；而适生性较差的7 个家系在反面的另一个扇区，适生性波动较大的家系则处于上述两个大扇区之间。

在高产性与稳产性方面，图3 箭头处表示平均环境变量，通过原点与箭头的连线为平均环境轴，各家系在平均环境轴的投影与原点距离表示家系产量大小，家系1 育种值最高，其次为家系4、13、31、5。另外，家系与平均环境轴投影线(垂直虚线)长短表明家系稳定性，越长越不稳定，越短越稳定。由此可见，在育种值较大的几个家系中，虽然家系1 的育种值最大，但在不同试验地点生长表现也有较大差别，而家系4 育种值大，在不同试验点生长差别小、稳定性好；家系13、31 表现情况介于上述两个家系之间。

在理想家系比较方面，环境平均轴上的箭头处(同心圆圆心)为本次试验的最理想家系位置，此处生长量最大稳定性最好(图4)。距离最理想家系越近的家系，被认为是丰产性和稳产性都较好的家系。为了便于判断各家系与理想家系间的距离，以最理想家系位置作同心圆；家系4、13 位于第一个同心圆内，为最理想家系，育种值大、稳定性好；家系1、31、33、15 和5 等均处于第二个同心圆内，并较靠近理想家系位置，为育种值较大、稳定性好的家系。

此外，从GGE 双标图分析所获得的试验地点区分力和代表性结果看，试验点距离原点越远，区分力越强，试验点与平均环境轴夹角越小代表性越好(图5)。在三个试验点中，DKS 与平均环境轴夹角最小，但其离原点最近，区分力不高；XK 和JQS 与平均环境轴夹角相当，两者与原点的距离也相当，两者均表现较好。试验点与原点的连线之间的夹角大小表示试验点的夹角，夹角小于90°为正相关，夹角越小相关性越显著。三个试验地点夹角均小于90°，表明三个试验地点间家系生长适生性均存在正相关，其中以试验点JQS 和DKS 相关性最大。另外，由图6 可知，环境平均轴上的箭头处(同心圆圆心)为本次试验的最理想试验点，此处试验点的区分力和代表性最好。距离最理想试验点越近，被认为是区分力和代表性都较好的试验点。以最理想家系位置作同心圆，距离最理想试验点由近到远的顺序为JQS、XK 和DKS，可见JQS 为本次试验的最理想试验点。

3 结论与讨论

由于林木遗传测定周期较长，往往存在待测亲本群体数量多、子代测定时间不一致、测定亲本及家系数量、交配设计、试验设计和保存率等问题，导致测定数据复杂多样、难以分析，多地点测定试验也同时增加数据分析的复杂性[1]。GGE 双标图法分析多点试验数据也限定于固定效应模型，同时假设各地点误差同质性和试验数据平衡[14]。但由于林木育种遗传测定的特有属性，林地存在各种空间变异，试验地误差同质是不可能的，并且林业试验大都存在缺株等现象，基于这些情况，GGE 双标图分析在林木育种研究中的应用受到较大的制约[16]。为克服这些缺点，程玲等[9]用BLUP 数据代替表型均值进行GGE 双标图分析，提高预测精度。在对基因型(品种)稳定性和适应性进行评价研究时，相对于表型均值而言，采用BLUP 数据是更好的选择[17]。郑聪慧等[8]则采用行、列自回归的残差方差结构(AR1×AR1)建立3 个混合效应模型，拟合随机效应，随后运用AIC 信息准则选择1 个最优模型，采用BLUP 法得到各家系在各地点的胸径BLUP 数据，之后再进行GGE 双标图分析，利用该方法分析不同华北落叶松家系及不同试验地的测定结果，获得较理想的效果。李金花[18]在对黑杨PopulusSectionAigeiros无性系开展BLUP 分析基础上，利用双标图分析法综合评价黑杨无性系多试验点区域化试验，结果表明，基于胸径和树高BLUP 数据GGE 双标图分析的前2 个主成分(PC1 和 PC2)的方差累计解释百分比为84.69%和69.83%，胸径的BLUP 育种值GGE双标图较树高的可靠，利用胸径BLUP 育种值对各个试验无性系丰产性和稳产性进行准确评价，并对试验地点的区分力和代表性进行分析，取得较好的多点试验分析效果。可见相对于利用传统表型数据开展林木多点遗传评估研究，采用BLUP育种值数据是更好的选择，主要是由于在所有的线性无偏预测中BLUP 育种值数据具有最小的方差，它是当前林木测定最有效的育种值预测方 法[2]。根据家系BLUP 育种值，开展GGE 双标图分析，能提高多点分析的准确性[16]。本研究采用相同的研究思路，按严威凯[15]的GGE 双标图分析方法开展杉木子代多点试验统计分析，取得较精准的分析评价结果。

基于胸径BLUP 育种值开展多地点杉木子代测定GGE 双标图分析，前2 个主成分( PC1 和 PC2)的方差解释百分比为95.28%，分析结论可靠。在家系测定评价方面，三个试验点处于同一扇区内，生长最好的为家系1，其他育种值较大的家系，如4、13、31 等也同处于该扇区；其他育种值较小的一些家系，如12、30 和36 等同处于反面的另一个扇区中，育种值最小的为家系12。在家系的高产性和稳产性分析方面，家系1 的育种值最大，家系4 的育种值较大、稳定性好。在“理想家系”分析方面，选出的育种值大稳定性高的理想家系为4 和13。在三个试验点的区分力和代表性分析中，XK 和JQS的区分力和代表性均较好，但理想试验点分析得出本次最理想的试验点为JQS。三个试验点间家系生长适生性均存在正相关，试验点JQS 和DKS 相关性最大。GGE 双标图方法不但可分析试验材料的遗传特性，同时可以分析不同试验点间对测定品种评价的作用及其相互关系，建议在林木多点测定分析中，使用GGE 双标图开展统计分析。本研究取得较为理想的分析效果，可为杉木多地点不同环境条件下的育种测定研究提供方法参考。