统计遗传学模型结合残差与遗传结构，提升热带小麦群体选育精度

为解决多环境试验（MET）中探索基因型 - 环境互作（GEI），以辅助热带小麦（Triticum aestivum L）品种选育和群体筛选的问题，研究人员对比不同残差和遗传协方差（VCOV）建模结构。结果显示特定模型表现最佳，确定多个潜力群体，该研究有助于早期高效筛选优良群体。

　　在多环境试验（MET）中，探索基因型与环境互作（GEI）的分析方法对于热带小麦（Triticum aestivum L.）品种的培育和分离群体的研究至关重要。线性混合模型不仅能处理数据不平衡的问题，还能对（共）方差（VCOV）进行建模，利用 GEI 的生物学过程来筛选优良基因型。本研究旨在比较不同的残差和遗传 VCOV 建模结构，以便在育种计划中挑选出最适合推进世代的热带小麦群体。最初，数据集包含 25 个分离群体，在 F₂、F₃和 F₄代于 6 个热带环境中进行谷物产量（GY）评估。不过，虽然起始有 25 个群体，但实际评估的数量会因环境和世代而异。与基础模型相比，考虑基因型效应中的异方差性和不同遗传协方差，以及残差效应中的异方差性和零协方差的模型，其赤池信息准则（AIC）和贝叶斯信息准则（BIC）值最低。基于这些结果，P7/P2、P9/P1、P7/P1、P9/P2、P7/P4 和 P8/P1 群体显示出培育优质热带小麦品系的更大潜力。选定的模型除了能够挑选出最佳群体外，还能在早期世代有效地筛选出优良群体。