编辑推荐：
当前，培育适应未来气候的作物品种至关重要。研究人员开展了将基因组预测（GP）与作物模型整合预测大麦抽穗期的研究。结果显示，在未探索环境中预测未知基因型效果良好，证实了该方法可助力育种适应气候变化。
随着全球气候的不断变化，农业生产面临着前所未有的挑战。如何培育出更适应未来气候条件的作物品种，成为保障粮食安全的关键问题。传统的基因组预测（GP）技术虽然在一定程度上能够预测作物的表型，但由于其缺乏对生态生理机制的深入理解，在面对复杂的基因型 × 环境 × 管理（G×E×M）互作时，预测准确性往往受到限制。特别是在预测作物在未来气候条件下的表现时，单纯的基因组预测难以准确反映作物的实际生长情况。因此，迫切需要一种新的方法，能够综合考虑作物生长的各种因素，更精准地预测作物在不同环境下的表型。
在这样的背景下，国外研究人员开展了一项旨在通过作物建模将基因组预测拓展至未来气候的研究，以大麦抽穗期（Days to heading，HD）为研究对象，探索该综合方法在预测作物适应未来气候方面的潜力。研究成果发表在《Agricultural and Forest Meteorology》杂志上。
研究人员采用了多种关键技术方法。首先，收集了 151 种双行春大麦（Hordeum vulgare convar. distichon (L.)）的表型和基因组数据，这些数据来自不同的项目，涵盖了在不同欧洲国家 1924 年至 2006 年间发布的品种。然后，开发了一种专门的建模解决方案，整合了 WARM 和 WOFOST 作物模型的方法，并利用优化算法得出每个品种特定的模型参数值。利用 R 包 rr - BLUP 对模型参数进行基因组预测，进而模拟抽穗日期。通过十折交叉验证评估对未知基因型的预测准确性，采用留一法（leave - one site - out cross validation）评估作物模型将基因组预测拓展至未探索环境的能力。
基因型和表型数据
研究使用了来自 ClimBAR 和 ExBarDiv 项目的 151 种双行春大麦基因型的表型和基因型数据，这些数据代表了欧洲 80 多年的春大麦育种成果，为后续研究提供了丰富的样本基础。
品种特异性模型校准
通过敏感性分析发现，与光周期响应相关的参数（Photosens、Photoopt和Photocrit）在解释南方环境中抽穗期的变异性方面起主要作用，其中 * Photosens* 最为关键；而与温度响应相关的参数（GDDHD、Tbase和Tmax）在其他环境中的相关性逐渐增加。这表明不同环境下影响大麦抽穗期的关键因素存在差异。
研究结果
研究结果令人鼓舞。在未探索环境中对未知基因型的预测，平均 R2达到 0.97，RMSE 为 9.27，Nash - Sutcliffe 效率为 0.94。这说明该综合方法能够较为准确地预测大麦在未探索环境中的抽穗期。同时，对未来气候（以 2060 年为中心的 20 个季节，IPSL - CM6A - LR 对 SSP3 - 7.0 的模拟结果）下不同品种的抽穗期分析发现，存在显著的 G×E×M 互作。
讨论
研究人员首次采用留一法对广泛异质的地点进行评估，验证了作物模型将基因组预测拓展至未探索环境的能力。此前的研究大多局限于相似环境，而该研究涵盖了从地中海气候到北欧气候等多种不同条件，为分析作物模型辅助基因组预测在不同生长条件下的局限性提供了独特框架。
结论
该研究成功评估了作物模型通过明确模拟 G×E×M 互作，将基因组预测拓展至未探索环境的能力。开发的验证方案有效，通过嵌套的交叉验证评估了未知基因型在已知和未知环境中的预测能力。研究结果证实了整合作物建模和基因组预测，对于支持旨在适应气候变化的育种计划具有重要潜力。
这项研究的意义重大，它为作物育种适应气候变化提供了新的策略和方法。通过整合基因组预测和作物模型，能够更准确地预测作物在未来气候条件下的表现，帮助育种者筛选出更适应气候变化的品种，为保障全球粮食安全提供有力支持。同时，该研究也为后续相关研究提供了重要的参考，推动了作物适应气候变化领域的进一步发展。
