基于多性状混合模型与多元统计的绿豆(Vigna radiata L.)遗传多样性评估及高产稳产基因型筛选

来自印度的研究人员针对绿豆(Vigna radiata L.)遗传改良需求，创新性地整合多性状混合模型(MTMM)与多元统计方法，对110份印台来源种质进行系统评估。研究通过两季田间试验获取9个农艺性状数据，运用线性混合模型估算方差组分和广义遗传力(h2)，发现种子产量(SY)、单株荚数(NPPP)和千粒重(TSW)具有显著加性效应。通过主成分分析(PCA)和Ward聚类将种质划分为5个类群，筛选出G8等5个高产稳产基因型(4.38-7.00 q/ha)，为抗逆育种提供了重要靶标。

　　

这项开创性研究巧妙融合多性状混合模型(MTMM)与多元统计技术，对来自印度和台湾的110份绿豆(Vigna radiata L.)种质展开深度解析。在拉贾斯坦邦Sumerpur地区连续两个雨季(kharif 2023-2025)的灌溉试验中，采用随机α格子设计获取九大农艺性状数据。通过线性混合模型精准拆解基因型×环境互作，计算发现种子产量(SY)、单株荚数(NPPP)和千粒重(TSW)等关键性状不仅遗传变异丰富，其0.53-0.78的中高广义遗传力(h²)更暗示着显著的加性遗传效应。

有趣的是，通径分析揭晓了产量构成的"黄金三角"——TSW、每荚粒数(NSPP)和NPPP共同主导产量形成，而早熟性和紧凑株型则意外成为产量稳定的"隐形推手"。三种聚类算法(Ward's、K-means和欧式层次聚类)不约而同将种质划分为五大类群，其中Ward's法基于马氏距离(D²)的聚类效果尤为突出。主成分分析(PCA)前三个主成分(PCs)携载62%的变异信息，为类群划分提供了数学背书。

最令人振奋的是，G8、G97等五个基因型在两年的产量擂台赛中(4.38-7.00 q/ha)完胜对照G18(4.15-4.32 q/ha)，展现出卓越的稳产特性。这些发现不仅绘制了绿豆育种的"分子导航图"，更为应对气候变化的智能育种策略提供了理论基石。