全球对可持续生物质资源的需求日益增长。在高光谱和基因组预测的基础上，通过间接选择干物质产量(DMY))进行生物量的早期预测，这对于以经济的方式开发冬黑麦(Secale cereale L.)作为两用作物的潜力至关重要。然而，这种估计涉及多个遗传背景，遗传相关性是基因组选择(GS)的一个关键因素。为了评价反射率数据作为GS的一个合适补充用于生物量育种的预测前景，本文比较了性状遗传力(H²)和遗传相关度的影响，并利用基于基因组(GBLUP)和高光谱反射衍生(HBLUP)关系矩阵的模型预测DMY和其他与生物量相关的性状，如干物质含量(DMC)和新鲜物质产量(FMY)。为此，使用10 k-SNP阵列对来自9个具有亲缘关系的270个黑麦优良品系进行了基因分型，并在两年内(八个环境)在四个位置进行了表型鉴定。利用无人机(UAV)在每个环境中两个日期采集的400个离散窄波段(410 nm–993 nm)中，并将先前选择的32个高光谱波段合并到一个预测模型中。

显示了基于先验的谱系信息(对角线下方)和基因组相关性(对角线上方)之间的相关性热图

在两年(2017年和2018年)评估的四种不同验证方案下，基因组(GBLUP)和高光谱(HBLUP)的新鲜物质产量(FMY)、干物质产量(DMY)和干物质含量(DMC)的预测能力最佳线性无偏预测，分别和合并分析。

结果显示，在亲缘关系降低的情况下，HBLUP的预测能力(0.41-0.61)高于GBLUP(0.14-0.28)，尤其是对中等遗传性状(FMY和DMY)，表明HBLUP受亲缘关系和H²的影响较小。然而，两种模型的预测能力在很大程度上受环境变量的影响。通过将矩阵和株高整合到一个双变量模型中，DMY的预测能力进一步增强(高达20%)。因此，从高通量表型获得的数据作为有效利用生物量黑麦育种选择增益的合适策略应运而生，但是，这需要足够的环境连通性。

对两年(2017年和2018年)评估的单核干物质产量预测能力(基因组最佳线性无偏预测因子、GBLUP和高光谱最佳线性无偏预测因子HBLUP)、多核(G+H)和二元(双变量G+H)模型进行了单独分析和组合分析。

来源：

Galán R J, Bernal-Vasquez A, Jebsen C, et al. Early prediction of biomass in hybrid rye based on hyperspectral data surpasses genomic predictability in less-related breeding material. Theoretical and Applied Genetics (2021). https://doi.org/10.1007/s00122-021-03779-1。