支持非洲農業擴張的高分辨率大豆試驗數據集：基因型×環境×管理互作與品種適應性分析
《Scientific Data》：High-resolution soybean trial data supporting the expansion of agriculture in Africa
【字體：
大
中
小
】
時間：2025年12月05日
來源：Scientific Data 6.9
編輯推薦：
本研究針對非洲大豆品種推薦缺乏系統環境適應性數據的瓶頸問題，由Soybean Innovation Lab（SIL）聯合多國機構開展了為期十年（2015-2024/25）的泛非大豆品種試驗（PATs），構建了包含21個國家138個地點292個試驗點、366個品種的多環境試驗（MET）數據集。研究通過因子分析（FA）模型和環境分型（envirotyping）方法，揭示了關鍵環境因子（如露點溫度T2MDEW、土壤溫度動態）對產量的調控作用，鑒定出高產穩產品種（如G072）。該資源為非洲大豆育種中的G×E×M（基因型×環境×管理）互作研究和品種精準推薦提供了數據基礎。
在全球人口持續增長和蛋白質需求激增的背景下，大豆（Glycine max (L.) Merr.）作為重要的植物蛋白和油脂作物，其生產系統優化尤為關鍵。非洲大陸擁有巨大的農業擴張潛力，但大豆栽培面臨核心挑戰：品種在不同農業生態條件下的適應性不明確，缺乏系統的環境響應數據支撐品種推薦。傳統育種往往忽視基因型（G）、環境（E）與管理（M）之間的復雜互作（G×E×M），導致品種在真實種植場景中表現不穩定。為此，由美國國際開發署（USAID）主導的Soybean Innovation Lab（SIL）聯合非洲農業技術基金會（AATF）等機構，啟動了泛非大豆品種試驗（Pan-African Soybean Variety Trials, PATs），旨在通過大規模多環境試驗（Multi-Environment Trial, MET）構建表型-環境關聯數據庫，驅動大豆在非洲的科學擴張。
為系統解析大豆品種在非洲多樣化環境下的適應性規律，Mauricio S. Araujo等研究人員在《Scientific Data》發表了題為“High-resolution soybean trial data supporting the expansion of agriculture in Africa”的數據描述論文。研究團隊整合了2015至2024/25十年間在21個非洲國家實施的292個試驗點數據，覆蓋366個大豆品種、26,280個試驗小區，收錄了形態、農藝、品質性狀及土壤、氣象、管理措施等95項環境協變量。通過因子分析混合模型（Factor Analytic Mixed Model）、最佳線性無偏預測（BLUP）和環境分型（envirotyping）等方法，揭示了關鍵環境驅動因子，鑒定了高產穩產品種，為非洲大豆育種中的G×E×M互作研究和品種精準推薦提供了寶貴資源。
研究采用的關鍵技術方法包括：基于限制性最大似然法（REML）的多環境試驗統計模型，用于估計方差組分和基因型效應；因子分析（FA）模型解析G×E互作結構，并計算品種整體表現（OP）和均方根偏差（RMSD）作為穩定性指標；稀疏偏最小二乘回歸（sPLS）篩選與產量關聯最強的環境變量；環境數據來源于NASA POWER、WorldClim和SoilGrids等全球數據庫，結合地理信息系統（GIS）進行空間表征。
Technical Validation I- Overview of the complete dataset
通過對7個關鍵農藝及品質性狀的分析表明，試驗網絡覆蓋了馬拉維、贊比亞、肯尼亞和津巴布韋等主要大豆生產國（占總試驗點的62.33%）。產量（GY）、百粒重（W100G）等性狀表現出較寬分布，顯示較大的遺傳變異潛力；而蛋白質（PROT）和油脂（OIL）含量變異范圍較窄，倒伏（LOD）評分則揭示部分品種的抗逆性差異。該數據集為兼顧高產與優質的平衡選擇提供了表型基礎。
Technical Validation II- Genotype-by-environment interaction in Malawi
以馬拉維的34個環境為案例，研究發現廣義遺傳力（H2）在30%-50%之間，變異系數（CV）多數低于30%，表明試驗質量可靠。遺傳相關性熱圖顯示，部分環境間存在高強度正相關（如Bwanje-2020與Chilanga-2020，r=0.97），而不同年份或地區間則出現顯著負相關（如Bwanje-2020與Domasi-2021，r=-0.95），凸顯了G×E互作中的“交叉現象”（crossover interaction）。通過因子分析選擇工具（Factor Analytic Selection Tools, FAST）評估，基因型G072在整體表現（OP）和穩定性（RMSD）上綜合最優，而G063雖產量中等但穩定性極高，適合穩產需求地區。
Technical Validation III- Environics Applied in Soybean Breeding
環境分型分析表明，海拔與平均溫度呈負相關，但產量響應受水分管理調控：全灌溉條件下產量高且穩定，雨養環境則變異顯著。通過稀疏偏最小二乘回歸（sPLS）篩選出十大關鍵環境變量，其中露點溫度（T2MDEW）、土壤晝夜溫度范圍（BIO2_Mean_Diurnal Range_5_15cm）和地表短波輻射（ALLSKY_SFC_SW_DWN）等氣候因子對產量預測貢獻最大，土壤pH和水分指標亦具重要影響。
本研究通過構建高分辨率大豆表型-環境互作數據庫，建立了從基因型評價到環境驅動的品種推薦框架。因子分析模型（FA）和環境分型（envirotyping）方法的結合，實現了G×E×M互作的量化解析，為定義育種亞區（mega-environment）和精準品種布局提供了理論依據。該數據集不僅可直接用于機器學習預測模型開發，還能支撐非洲大豆育種項目的親本選配和試驗網絡優化，推動作物適應性的跨尺度預測。作為迄今非洲最大規模的大豆試驗數據資源，其開放獲取將加速作物建模、遺傳評估和農業決策的跨學科創新，實質性地促進非洲農業系統的可持續集約化。
生物通微信公眾號
生物通新浪微博
今日動態 |
人才市場 |
新技術專欄 |
中國科學人 |
云展臺 |
BioHot |
云講堂直播 |
會展中心 |
特價專欄 |
技術快訊 |
免費試用
版權所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
聯系信箱：
粵ICP備09063491號
