5月28日，中国林科院亚林所林木种质资源团队在植物科学领域TOP期刊BMC Plant Biology在线发表研究论文。该研究成功构建湿地松育种群体基因组选择技术体系，对提高长周期林木育种效率、加快湿地松纸浆材优良种质精准选育提供了重要参考。

本研究以湿地松半同胞子代测定群体为对象，基于340份种质材料和319286个高质量SNP标记，对胸径、基本木材密度、纤维性状及木材化学组分等12个纸浆材相关性状开展基因组预测分析，系统比较GBLUP、Bayesian Lasso等多种预测模型及不同训练群体规模、标记密度对预测能力的影响。研究发现，GBLUP和Bayesian Lasso模型均具有较好的预测稳定性，其中Bayesian Lasso在部分纤维性状中表现更优；不同性状对标记密度的需求不同，纤维性状在约100K SNPs时预测能力趋于稳定，胸径约为60K SNPs，木材化学组分性状约为10K SNPs。进一步将GWAS信息引入GS模型后，基于GWAS显著性排序的标记预筛选使预测能力最高提升16.26%；将大效应QTL作为固定效应纳入模型后，预测能力最高提升23.54%。

该研究将种质资源评价、GWAS位点挖掘和基因组选择育种有机结合，构建适用于湿地松纸浆材性状早期选择的分子育种技术框架。研究结果为湿地松优良种质精准评价、早期选择和纸浆材品质遗传改良提供技术支撑，也为大基因组针叶树开展基因组选择和分子设计育种提供参考。

湿地松是我国南方重要的速生用材和纸浆材树种，但育种周期长，生长、木材纤维和化学组分等经济性状多为复杂数量性状，难以依靠少数标记或单一候选基因实现高效选择。基因组选择（GS）的核心价值在于其利用长期测定的育种群体建立“基因型—表型—育种值”预测模型，在候选材料尚未完成长期表型测定前，即可预测其基因组育种值，从而实现早期选择、缩短世代间隔并提高遗传增益。GS尤其适合湿地松这类生长周期长、测定成本高以及多基因控制性状的林木育种。

亚林所毕业硕士研究生吴亚荻（现为新西兰坎特伯雷大学在读博士研究生）为论文第一作者，丁显印助理研究员和栾启福研究员为共同通讯作者。研究得到生物育种国家科技重大专项等项目资助。