基因组预测已经彻底改变了作物育种，尽管仍然存在模型可转移到未见的环境条件和环境的问题。使用内表型而不是基因组标记导致建立表型预测模型的可能性，可以部分地解释这一挑战。在这里，我们比较和对比了2个暴露在一系列处理诱导环境条件下的咖啡3系杂交群体的3个生长相关性状的基因组预测和表型预测模型，即叶片数量、树高和树干直径。这些模型基于7种不同的统计方法，这些方法使用基因组标记和ChlF数据作为预测指标。这一比较分析表明，在3系杂交群体的绝大多数比较中，表现最好的表型预测模型对所考虑的性状和环境表现出比最佳基因组预测模型更高的可预测性。此外，结果还表明，表型预测模型在不同条件之间是可转移的，但在种群之间的转移程度较低。结果表明，叶绿素a荧光数据可以作为咖啡杂交性能统计模型的替代预测因子。未来的研究方向是探索它们与其他内表型的结合，以进一步提高作物生长相关性状的预测。

图1 基于基因预测（genomic prediction，GP）和表型预测（phenomic predic-tion，PP）模型的H3W咖啡家族性状预测我们使用以下模型:L21-joint（L2;1范数正则多元回归和协方差估计，L2;1-norm regularized multivariate regression and covariance estimation）, RR（岭回归，ridge regression）, mLASSO（multi-response LASSO）, EN（性网络回归，elastic net）, BL（Bayesian LASSO）, mBayesB（MT BayesB）和GBLUP（基因组最佳线性无偏预测器，genomic best linear unbiased predictor）来预测LC(左)，TH(中)和TD(右)。这是通过将驯化后所有条件下的各自测量结果串联起来获得的性状和表型数据的S1设置。基于20次重复的3倍交叉验证，可预测性计算为验证集中9个性状(即每个处理3个性状)的观测值与预测值之间的平均Pearson相关系数。我们考虑了两个H3W咖啡群体进行比较分析:H1xET47和H1xG，其中Centroamericano (H1)是一个F1杂交品种，由T.05296和Rume Sudan杂交而成，Geisha 3 (G)和ET47(亲本)是两个埃塞俄比亚地方品种。从重复交叉验证中获得的平均精度报告为柱的高度，并包括标准误差。

图2 AFS条件下GP和PP模型的比较。我们对PP使用L21-joint、RR、mLASSO、EN、BL和mBayesB模型，对每个H3W咖啡植物和性状使用性能最佳的GP模型。对于所选性状，BL和GBLUP是H1xG表现最好的GP模型，EN、L21-joint和GLUP是H1xET47表现最好的GP模型。基于20个重复的3倍交叉验证，可预测性计算为验证集中观察性状值与预测性状值之间的平均Pearson相关系数。比较分析涉及设置S2，其中使用各自SNP数据的最佳表现的H1xET47和H1xG群体基因组预测模型(即GP-H1xET47和GP-H1xG)与在既定AFS下相同杂交家族(PP-H1xET47和PP-H1xG)的表型预测进行对比。在处理3后(表1)使用设置S2后的表型和表型数据对模型进行评估。从重复交叉验证中获得的平均精度表示为杆的高度及其相应的标准误差。