为什么要把光合作用纳入育种目标
作物产量提升一直是育种工作的核心目标。当传统育种策略在光能截获和收获指数方面接近理论极限时，光合作用效率成为新的突破口。最近德国团队一项发表于《Journal of Experimental Botany》的研究，为大麦育种提供了新思路。
光合作用作为复杂的生理过程，不仅受分子、结构和生理过程调控，还会动态响应环境变化。以往育种主要靶向产量及其组分，可能间接改善了光合能力，但直接选择产量并不足以充分挖掘光合性状的遗传潜力。这项研究的核心问题很明确：光合参数能否作为辅助信息，提升基因组预测对产量的准确性。
田间表型鉴定与遗传变异解析
研究团队以631个大麦重组自交系为材料，在田间条件下系统测定了从苗期到灌浆期的光合相关参数，包括线性电子流、光系统II量子产额、非光化学淬灭等8个指标，同步记录了株高、穗长、千粒重、产量等农艺性状。
数据分析显示，这些光合参数存在显著的基因型差异，广义遗传力介于0.38至0.54。值得注意的是，不同发育阶段的光合表现差异明显，快速扩张期的遗传稳定性相对较高，而衰老期的参数波动较大。这提示我们在表型鉴定时需要精准把握取样时机。
测量方案的选择也会影响结果。采用固定光强（1500 μmol m⁻²s⁻¹）可减少环境噪声，提高遗传力估计的准确性；而采用环境光强则能保留基因型与环境的互作信息，对产量预测可能更有价值。
遗传架构复杂，基因组预测更具优势
在遗传解析方面，研究采用双亲本和多亲本两种QTL定位策略。多亲本分析检测到的位点数量更多，但单个位点解释的表型变异比例普遍偏低，多数不足15%。相比之下，基因组预测模型解释的变异比例达到QTL分析的3到7倍，说明光合性状受众多微效基因控制，更适合用全基因组标记进行预测。
预测能力本身也受发育阶段影响。慢速扩张期和快速扩张期的预测准确性普遍高于衰老期，但部分参数如线性电子流和叶绿素含量在衰老期的遗传力反而更高。这种不一致提醒我们，表型预测不能简单依赖单一时间点的数据。
整合光合参数，产量预测小幅提升
更具应用价值的是，当将光合参数作为辅助信息整合到产量预测模型时，部分发育阶段的数据能够小幅提升预测准确性。其中快速扩张期的非光化学淬灭参数效果最明显，预测能力提升约1%。虽然增幅有限，但考虑到光合表型获取成本较高，这一结果仍具有参考意义。
研究还发现，光合参数与产量的相关性随发育进程动态变化。例如光系统II量子产额在苗期与产量呈负相关，快速扩张期转为正相关，灌浆期又回到负相关。这种动态关系提醒我们，不能简单用某一时刻的光合指标代表整个生育期的表现。
对育种实践的几点启示
对于育种实践，这项研究给出几点建议。首先，若目标是解析光合性状的遗传基础，建议采用固定光强的测量方案；若目标是预测产量，保留环境互作信息的自然光测量可能更有优势。其次，高通量表型平台的发展将是光合育种落地的关键支撑。最后，整合分析时需注意发育阶段的特异性，选择信息量最大的时期进行表型采集。
光合作用作为复杂的生理过程，其遗传调控网络远未解析清楚。将光合参数纳入基因组选择框架，不是要替代传统育种策略，而是为多性状协同改良提供额外信息维度。随着表型组学技术的进步，这类整合分析有望在更多作物中展开验证。
育种效率的提升从来不是单点突破的结果。当基因组预测、高通量表型和精准环境管理形成合力，作物遗传增益的天花板才能持续上移。这项大麦研究的价值，或许正在于为这种多技术融合提供了可复制的分析范式。
关于基因组选择（GS），米源生物可以服务代跑目前所有已开源的算法和模型，包括传统线性模型和机器学习、现在流行的深度学习算法，也可服务提供代码以及帮忙部署环境。若现有算法不满足需求，可进行科研合作，定制化开发算法。
比如，这是给客户复现论文中GS内容的一个小项目：【项目案例】定制7种常见基因组选择（GS）模型的核心代码。当然也还有在执行的不宜公开的大项目。
GS技术本身并不复杂，关键在于如何有效地与现有育种流程体系相结合。中国种企要真正落地应用GS，不能照搬国外模式，要符合国情，这里面还有很多的坑要踩。如果企业有决心做育种升级，想要避坑的，我们可提供全程GS陪跑的商业化服务，包括育种流程设计、数据标准化采集与处理、GS建模与迭代优化、材料选择等等。
以上种种，希望能加速您的科研以及帮助智能育种项目落地。
