分享一篇近期发表在老牌期刊Theoretical and Applied Genetics上的一篇文章：Integrating genomic prediction into crop DUS testing: new approaches in support of reference collection management and distinctness assessment，该文提出了两种基于基因组预测的DUS测试新方法——分别用于试验前的参考品种管理和试验后的特异性判定，并在多年生黑麦草和小麦中验证了其提升效率与精度的潜力。
背景与意义
DUS测试（特异性、一致性和稳定性测试）是植物新品种获得法律保护（如UPOV体系）的关键环节。然而，DUS测试成本高昂，尤其是需要将候选品种与大量已知品种在田间试验中进行比较。
遗传标记被广泛视为优化DUS试验管理的手段，但UPOV目前仅允许在两种模式下使用：
-
模式a：针对特定性状的分子标记（如抗病性），适用范围有限；
-
模式b：结合遗传距离与表型距离，但未针对单个性状进行精细预测，且要求遗传距离与表型距离相关性较高（通常需≥0.6），在实际作物中难以满足。
为此，作者提出基于基因组预测的新方法，旨在：
-
优化参考品种管理，减少田间试验规模；
-
在田间试验后，辅助特异性判定，尤其适用于异花授粉作物。
研究方法
1. 数据来源
-
多年生黑麦草：268个品种（二倍体119个，四倍体149个），21个数量性状，13年DUS数据，187k SNP；
-
小麦：423个品种，19个数量性状，来自多个欧洲国家的DUS数据，使用43k SNP芯片。
2. 基因组预测方法
-
主要使用gBLUP（基因组最佳线性无偏预测），并结合GWAS识别的QTL构建gBLUP+QTL模型；
-
采用留一法交叉验证模拟候选品种（仅知基因型）与已知品种（基因型+表型）的比较；
-
在多年生黑麦草中，进一步提出COYD-GP方法，将遗传信息纳入COYD（跨年特异性判定）模型，提升特异性判定的精度。
主要结果
1. 遗传与表型距离相关性
-
黑麦草二倍体：0.30；四倍体：0.46；小麦：0.40；
-
说明当前模式b的遗传距离难以可靠替代表型比较。
2. 参考品种管理中的基因组预测表现
-
黑麦草
-
单个性状中“抽穗期”预测效果最佳（R²达92.6%）；
-
gBLUP+QTL 在多个性状中显著提升区分能力；
-
综合所有性状，约40–50%的品种对可通过基因组预测判定为特异性；
-
模拟试验表明，在1–2个候选品种时，可减少约50%的试验规模，随候选数量增加效益下降。
-
小麦
-
部分性状（如“酚染色”“芒长”“颖片喙长”）预测效果良好；
-
gBLUP+QTL 显著提升区分能力，综合区分率从38%提升至55%；
-
可用于第一年试验中筛选相似品种，减少第三年试验需求。
3. COYD-GP在特异性判定中的表现
-
在黑麦草中，COYD-GP在所有性状上均优于传统COYD；
-
区分率提升最高达10%（如“抽穗期生长习性”）；
-
方法符合UPOV原则，仅利用遗传信息提升表型估计精度，不替代表型。
讨论与展望
1. 方法优势
-
针对数量性状，比现有模式b更精准；
-
可与模式a（定性性状）结合使用；
-
COYD-GP为异花授粉作物的特异性判定提供了更精确的工具。
2. 局限性
-
数据量受限（仅约50%的注册品种可用），可能低估预测潜力；
-
现有模型基于品种均值，若使用单株数据可进一步提升；
-
部分性状为有序分类变量（1–9级），当前模型未充分适配；
-
未评估I型和II型错误，因数据中未包含未通过的候选品种。
3. 方法扩展建议
-
推荐使用贝叶斯方法处理有序性状；
-
建议在更多作物中验证不同基因组预测方法的表现；
-
提出未来可在第一年试验前利用基因组预测筛选相似品种，优化试验设计。
结论
本研究提出了两种基于基因组预测的DUS测试新策略：
-
参考品种管理：在试验前预测候选品种与已知品种的性状差异，减少田间试验规模；
-
特异性判定增强（COYD-GP）：在田间试验后，结合遗传信息提升特异性判定的精度。
这些方法在多年生黑麦草和小麦中展现出良好潜力，符合UPOV原则，有望为DUS测试系统带来效率提升和成本节约。
欢迎加入生信AI育种交流群，一群已满，请添加小编微信拉你加入二群，请备注“姓名-单位”，方便交流~~~
