近年来，表型预测已成为植物育种中的一种新方法，已被证明具有很大的潜力。然而，关于其实际应用仍有许多悬而未决的问题。例如，在光谱学领域，优化光谱的预处理是标准做法，到目前为止，这仅在有限程度上用于表型组学预测。因此，在这项研究中，使用了大豆、黑小麦和玉米的三个不同的数据集来确定 Savitzky-Golay 滤波器参数的最佳组合，用于预处理近红外光谱以进行表型预测。测试了多项式阶、导数和窗口大小的 677 种组合，并使用 Monte Carlo 交叉验证对其进行了评估。结果表明，正确的设置可以提高预测能力。然而，没有全局最优值可以为所有数据集提供最佳结果。即使对于同一数据集中的不同特征，也需要不同的参数组合才能实现最高的预测能力。尽管如此，一些组合通常会导致非常低的预测能力，不应用于预处理。此外，使用归一化折损累计增益来评估预处理是否影响个体的排名试验结果显示预测的前 1%、10% 或 20% 的个体没有变化。综上所述，结果表明了预处理近红外光谱数据可以提高表型预测能力的潜力，但似乎没有跨数据集和特征的参数设置的全局最优值。

 图3  （A） 大豆和 （B） 黑小麦数据集的籽粒产量 （GY）、株高 （PH） 和千粒或千粒重 （分别为 TSW 和 TKW） 性状的平均预测能力 （MPA） 可视化。每行表示在整个窗口大小空间中评估的 14 个多项式阶 （p） 和导数 （m） 组合 （p_m） 中的一个。