1.3 基因组与表型：品种侧的图纸规则

1.3 基因组与表型：品种侧的图纸规则

本节摘要：品种线的图纸是基因组。本节讲基因型如何被组织成可计算的数据（SNP 编码、系谱）、表型如何分解为遗传与环境成分、数量性状与质量性状的工程差别，以及进化适应作为循环对手方的三种形态。读完你能读懂一份育种数据表的列名各代表什么。

一张育种数据表的解剖

任何一个育种项目跑起来，最先出现的总是一张宽表：每行一个株系，列里混着系谱、标记基因型和一摞表型值。新手把它当记录看，老手把它当图纸读。拆开看这张表的三个层次：

第一层是身份与关系。株系编号、系谱（谁是父母本）、世代号。系谱之所以重要，是因为它隐含了个体间的亲缘关系矩阵——两个株系共享的亲本越多，期望的遗传相似度越高。后续基因组选择里用标记算出来的基因组关系矩阵，本质上就是系谱信息的高精度版本。

第二层是基因型。现代育种的主要形态是 SNP（单核苷酸多态性）标记，每个位点上个体被编码为 0、1、2——参考等位基因的拷贝数。几万个这样的位点排开，就是一张二/三值矩阵，是所有下游模型的输入格式。表观遗传修饰、结构变异也在图纸上，但工程主线目前仍是 SNP。

第三层是表型。株高、产量、抗病等级、品质指标，每一列都是"基因型与环境共同作用后的读数"。

图：从基因组到表型的数据流

表型读数的统计分解

育种数据的第一课：你测到的从来不是"基因的好坏"，而是基因与环境混合后的读数。统计上把它写成一条加法模型，用一个演算会话展示各成分怎么读：

观测表型 y = μ + G + E + G×E + ε
  μ  群体均值（全试验的平均水平）
  G  基因型效应（我们要的部分）
  E  环境效应（地点、年份、管理差异）
  G×E 基因型与环境交互（某品种只在旱地好）
  ε  随机误差（测量噪声、土壤不均）

例：三个地点的品比试验，某品系产量读数 6.9 吨每公顷
  μ = 6.5，E(旱地) = -0.3，G(该品系) = +0.8，G×E = -0.05，ε = -0.05
  验算 6.5 - 0.3 + 0.8 - 0.05 - 0.05 = 6.9 ✓
解读：品系本身 +0.8 的遗传优势是真的，但在旱地被环境压掉一部分；
      若只看单一地点单年数据，G 与 G×E 无法分开，选种就会误判。
​

这条分解式决定了后面几乎所有方法的形态：混合线性模型用它来校正环境效应，遗传力从它的方差成分里读出，多环境试验的设计目标就是让 G×E 被估计出来而不是混进误差。第 2 章讲选择响应时，遗传力将作为公式里的乘数出现——它就是 G 的方差占表型方差的比例。

数量性状与质量性状：两种改图策略

图纸上的改动分两类，工程手法完全不同：

• 质量性状：由一或少数主效基因控制，表型分布不连续——抗与感、糯与非糯。改图策略是"找到那把钥匙"：定位主效位点，用标记跟踪（第 2.2 节）或直接编辑（第 2.4 节）。成功标准清晰，周期可控。
• 数量性状：由大量微效基因共同控制，表型连续分布——产量、株高、灌浆期。没有"那一个基因"，只有效应的分布。改图策略只能是群体层面的：靠选择让有利等位基因的频率逐代上移，或者用全基因组模型预测育种值（第 2.3 节）。

一个常见误判是把数量性状当质量性状做：团队在低分辨率的群体里"定位"出一个产量 QTL，就按主效基因去转育，几个世代后发现效应消失。原因通常是定位群体的假象或 QTL 效应被遗传背景稀释。数量性状的证据标准是效应在多个独立群体中可重复，且解释方差的比例说得清楚。

对手方：另一个循环在跑

进化不在你的项目书里，但它同时在跑，而且往往更快。品种侧要警惕三种形态：

• 病原菌小种演变：你推广的抗病品种等于给病原菌种群施加了强选择压，能克服该抗性基因的小种频率逐年上升，抗性因此是消耗品。对策是基因布局（不同区域部署不同抗性基因）与基因堆叠（把多个抗性基因聚合进同一品种，拉高病原菌一步跨越的门槛）。
• 害虫抗性演进：转 Bt 基因作物周边必须设置非转基因庇护所，让敏感个体保持在种群中，稀释抗性基因的频率——这是一条可以直接算出来的种群遗传学决策。
• 杂草与逆境漂移：气候带移动让历史数据悄悄失真，十年前定的"抗旱对照"可能已经不代表今天的胁迫谱。

把对手循环画进项目图（第 1.1 节那张图旁边再画一个小一号的红色循环），晋级拍就要多回答一个问题：这个候选品种/分子，对手用多久能绕过它？药物侧的对应问题就是耐药突变——肿瘤克隆的选择、抗生素耐药基因的水平转移，逻辑与病原菌小种演变完全同构，第 3 章靶点一节会再遇到它。

⚠️ 常见坑：用单点单年数据做选择决策。E 与 G×E 没被分离时，你选择的往往是"地点"而不是"基因"。

常见追问

狭义遗传力和广义遗传力有什么区别？ 广义遗传力把全部遗传方差（加性、显性、上位）都算作"可遗传"，狭义遗传力只算加性成分——能通过选择稳定传递给后代的部分。育种关心的是狭义：显性效应在杂种一代闪耀却无法固定（杂交种二代就分离），上位效应依赖特定组合背景。所以选择响应公式里用的是狭义遗传力；而杂交种育种（利用显性与杂种优势）看的是另一套配合力账本（2.1 节）——两条路线的遗传学根据在此分岔。

怎么提高一个性状的遗传力估计？ 遗传力不是性状的固有常数，是"遗传方差占表型方差的比例"——分母里的环境方差可以通过试验手段压缩：增加重复（平均掉微环境噪声）、多点多年（分离并剔除环境效应，1.3 节的分解式）、精细管理（缩小非目标变异）。分子方法的贡献更直接：基因型信息把"个体间的遗传相似度"从系谱猜测升级为实测（2.3 节），等价于在不增加一亩地的情况下提高了有效遗传力。

G×E 一定是坏事吗？ 不一定，看项目目标：广适品种希望交互小（到处都能种）；区域专用品种恰恰要利用交互（某类环境下的特异优势，7.4 节的管理区逻辑）；甚至抗逆育种的核心就是把"逆境下的基因型重排"作为选育信号。工程的要点是把 G×E 从"误差项"变成"设计项"——先测出它，再决定利用它还是消灭它。

本节要点回顾

• 三层图纸：身份关系、基因型矩阵、表型读数；所有育种方法都以这张宽表为输入。
• 分解思维：观测值是基因、环境、交互与误差之和，试验设计的任务是把它们分开。
• 两类性状两套改法：质量性状找钥匙，数量性状靠群体选择与全基因组预测。
• 遗传力是乘数：G 方差占比决定选择能兑现多少，这直接进入第 2 章的选择响应公式。
• 对手循环：病原小种、害虫抗性、气候漂移都在与你的循环赛跑，抗性是消耗品。

图纸的另一侧——分子长什么样、怎么写成数据——是下一节的内容，也是药物线的开工准备。