在过去的几十年里，世界见证了基因组分析工具的巨大进步。虽然这些工具通常与生物学和医学领域联系在一起，但它们在农业领域也发挥着重要作用。

利用从下一代测序技术获得的大量 DNA 标记，育种者可以进行基因组预测，并根据预测的性状值选择有前途的个体。

各种旨在提高水果品质的系统和方法都使用遗传分析。其中包括遗传选择(GS)和遗传预测(GP)。

这种现代育种方法使用统计模型，根据之前收集的基因组及其相关特征评估特定个体的整个遗传特征。这使育种者能够在幼苗阶段预测未来将产生的果实特征。

相比之下，全基因组关联研究(GWAS) 则专注于寻找导致特定水果性状的确切遗传变异。

到目前为止，GP 和 GWAS 主要使用来自单一系统的 DNA 标记，当所用系统过时时，必须使用更新的系统重新分析。然而，很难重新分析在以前的系统中分析过的果树育种选择群体，因为不可能从选择过程中丢弃的个体中重新获得 DNA。

在 2024 年 7 月 8 日发表在《园艺研究》上的一项研究中，日本千叶大学高级学术研究所副教授 Mai F. Minamikawa 领导的研究小组着手阐明结合不同系统的苹果数据是否可以在进行 GP 和 GWAS 时得到更准确的结果。

该团队的其他成员包括日本国家农业和食品研究组织果树和茶科学研究所的 Miyuki Kunihisa 博士和日本东京大学农业与生命科学研究生院的 Hiroyoshi Iwata 教授。

首先，研究人员将从两种不同的基因分型系统(即 Infinium 和直接随机扩增子测序 (GRAS-Di))获得的苹果数据集组合起来。然后，他们使用这些组合的基因型标记对总共 24 种不同的水果性状(包括酸度、甜度、收获时间和固体可溶物含量)进行 GP 和 GWAS。

该团队比较了使用单独数据集或两者结合训练的模型所做的预测的性能。

结果非常令人鼓舞;当使用 Infinium 和 GRAS-Di 组合数据集对多种水果性状进行分析时，基因组预测的准确性和 GWAS 系统的检测能力显著提高。这表明，将来自不同系统的数据结合起来并利用历史数据是有好处的。

为了进一步突破极限，研究人员还训练了 GP 模型，使其考虑了近亲繁殖的影响。有趣的是，这些结果还暗示了组合方法在某些特征方面表现更好，包括白利度和粉质度。

然而，这些发现还不够具有定论，正如南川博士所说，“尽管可以通过近亲繁殖数据提高苹果果实性状 GS 的准确性，但仍需要进一步研究来了解果实性状与近亲繁殖之间的关系。”

总体而言，本研究的结果暗示了一种通过利用现有数据集来提高 GS 和 GWAS 准确性的便捷方法。

这可能对农业产生许多积极的意义，正如 Minamikawa 博士所说，“通过在幼苗阶段使用高精度 GS 从众多个体中识别优良基因型，并使用精确的 GWAS 检测目标性状的遗传变异，可以解决果树植株尺寸大、幼年期长等挑战。”