基因型与环境间的互作模板课件

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,2019-6-25,谢谢观赏,第,9,章,基因型与环境间的互作,xx,中国农业科学院作物科学研究所,1,谢谢观赏,2019-6-25,第9章 基因型与环境间的互作xx1谢谢观赏2019-6-2,基因和环境,对表型,的共同作用,环境对数量性状的影响要比对质量性状的影响大得多，因此才有育种中的多年份和多地点试验。一个玉米商业杂交种在走向生产前，往往要经过几百甚至上千个环境下的测试。同时，大多数数量性状的遗传研究，也要建立在多环境表型鉴定的基础之上,。,基因型,在不同环境下有不同的表现，植物中表现得尤为明显，这时就认为存在基因型和环境的互作,。,2,谢谢观赏,2019-6-25,基因和环境对表型的共同作用环境对数量性状的影响要比对质量性状,本章的主要内容,9.1,宏环境、微环境和目标环境,群体,9.2,多环境表型鉴定试验的,方差分析,9.3,基因型的环境,稳定性分析,附：,关联分析的丢失遗传力现象,3,谢谢观赏,2019-6-25,本章的主要内容9.1 宏环境、微环境和目标环境群体3谢谢观,9.1,宏环境、微环境和目标环境群体,9.1.1,环境的定义和,类型,9.1.2,基因型与环境的互作模式和利用,途径,4,谢谢观赏,2019-6-25,9.1 宏环境、微环境和目标环境群体9.1.1 环境的定,宏环境和微环境,遗传学上，通常把环境定义为影响生物个体表现的一组非遗传因素。这些非遗传因素又可分为非生物因素和生物因素两大类。非生物因素包括土壤的物理和化学特性、气候因子（如光照，降雨量和温度）、耕作制度、栽培方式等。生物因素包含害虫、病原体、线虫和杂草等。这样定义的环境，有时又称为宏环境（,macro-environment,）,。,与,宏环境相对应的还有微环境（,micro-environment,），定义为单个植株或小区所处的生长环境。微环境的差异无处不在，两个不同的植株或小区具有同样微环境的可能性几乎是,0,。,5,谢谢观赏,2019-6-25,宏环境和微环境遗传学上，通常把环境定义为影响生物个体表现的一,宏环境和微环境在效应上的差异,一般来说,，宏环境间的差异要比微环境间的差异大得多,。,宏,环境可以是单个栽培方式、地点或年份，也可以是不同栽培方式、不同地点和不同年份的组合,。宏,环境的效应一般都具有一定程度的重复性,。,尽管,可以通过适当的田间试验设计进行控制，但微环境产生的效应一般不具有重复性，通常只能视为随机误差,。,基,因型和环境互作研究中的环境一般指宏环境，一部分宏环境效应具有重复性，一部分宏环境效应不具有重复性,。,6,谢谢观赏,2019-6-25,宏环境和微环境在效应上的差异一般来说，宏环境间的差异要比微环,环境效应的,部分,可预测性,例如,，同一个地点在不同年份间，存在相对稳定不变的一些生物和非生物因素，但这些生物和非生物因素在年份间又会有差异。相对稳定的环境因素所产生的效应，在时间上是可以重复的，或者说，可以用过去的效应来很好地预测未来的效应。因此，有时也把环境变异分为可预测的环境变异和不可预测的环境变异,。,可,预测的环境变异包括一些永久性质的环境因素，如气候的周期性变化、土壤类型、日照时间等。一些耕作制度和栽培措施也可被看作可预测的环境变异，如轮作、播种时间、播种密度、施肥水平、收获方式等,。,气候因素,的随机变动是不可预测和不能重复的，如一个地点降雨量和温度的随机波动、以及病虫害的侵袭等，这类变异往往也被归结为随机效应。,7,谢谢观赏,2019-6-25,环境效应的部分可预测性例如，同一个地点在不同年份间，存在相对,目标环境群体,开展多个基因型、在多种环境条件下的表型鉴定试验，是植物育种中选择优良基因型的重要环节。生物个体在生长过程中，面临着各种各样的环境条件。即使在同一个地点种植，不同年份间的各种生物和非生物因素也会有很大差异。生物个体生长过程中面临的所有可能环境，构成了一个目标环境群体（,TPE,，,target population of environments,）,。,与其,他统计总体一样，,TPE,也是不能穷尽的。基因型的多环境试验，只能在有限的环境下进行，开展表型鉴定试验的环境只是,TPE,的一组有限样本。与任何统计样本一样，试验环境也要求具有代表性，即试验环境要能代表生物个体的,TPE,。只有这样，从试验环境中得到的观察值，才能代表或者用来预测个体在,TPE,中的表现；通过多环境试验选择到的优良基因型，才能在农业生产中发挥作用。,8,谢谢观赏,2019-6-25,目标环境群体开展多个基因型、在多种环境条件下的表型鉴定试验，,基因型和环境的互,作,研究,基因型和环境的互作研究中，基因型一般都包含一组遗传材料（或基因型），如一组全同胞或半同胞家系、一组重组近交系、一组测交组合或一组杂交种等。它们并非只在一个基因座位上存在差异，而是在很多座位上都有差异，它们在一起构成了一个育种或遗传群体,。,假定,这些基因型在多个环境下种植，每个环境下有若干次重复，,用,y,ijk,表示,第,i,个基因型在第,j,个环境下的第,k,次重复观测值,。,9,谢谢观赏,2019-6-25,基因型和环境的互作研究基因型和环境的互作研究中，基因型一般都,基因型和环境的互,作,模型,表型值可,被分解,为,：,其中,称为,总平均数,，,G,i,称为,第,i,个基因型的效应,，,E,j,称为,第,j,个环境的效应,，,GE,ij,称为,第,i,个基因型和第,j,个环境的互作效应,，,ijk,是,随机误差,。,公式中,第二个等号后面,的，,ij,称为,第,i,个基因型在第,j,个环境下的平均表现，它是一个可估计的未知,参数。,10,谢谢观赏,2019-6-25,基因型和环境的互作模型表型值可被分解为：10谢谢观赏2019,基因和环境,对表型的贡献,前面的公式,说,明了表型是基因型和环境共同作用的结果，是最一般也是最常用描述表型、基因型、环境三者关系的线性模型,。,如何,提高,公式中,的基因型效应，如何从已有育种群体中把基因型效应最好的个体鉴定出来，是育种家的主要任务,。,同时,，好的环境也可以改变生物个体的表型，这里的环境指的是可重复的宏环境。如何通过环境的改变以提高环境效应、最终提高一个基因型的表现，是栽培生理学家的主要任务,。,严格,区分遗传改良和环境改良对农业生产的贡献是很困难的，二者贡献各占,50%,可能是大多数人都愿意接受的数字。,11,谢谢观赏,2019-6-25,基因和环境对表型的贡献前面的公式说明了表型是基因型和环境共同,基因和环境,互作的利用,育种和农业生产过程中经常观测到，一些基因型对环境的变化表现得很敏感，而另外一些基因型对环境变化的反应却很迟钝。甚至还会出现，一些环境下表现很好的基因型，但在其他环境下的表现却很差；一些环境下表现较差的基因型，在其他环境下的表现却很好,。这时，基因型,和环境之间就存在互作,。,与,7.4,的基因间上位性互作一样，当互作达到一定程度时，最高的基因型效应与最高的环境效应结合在一起，不一定会得到最高的表型,。,基因型,和环境互作是一个普遍的遗传学现象，农业生产中强调的“良种配良法”，其实就是期望通过提高遗传效应、改进环境效应、利用基因型和环境互作，来共同达到提高产量这一重要的目标。,12,谢谢观赏,2019-6-25,基因和环境互作的利用育种和农业生产过程中经常观测到，一些基因,两个基因型在两个环境下的平均表现及基因型和环境效应的计算,13,谢谢观赏,2019-6-25,两个基因型在两个环境下的平均表现及基因型和环境效应的计算13,两个基因型在两个环境,下基因型,和,环境,互作,效应,的计算,把,互作效应排,成,一个,双向,表，这些效应满足行和等于,0,、列和等于,0,、总和等于,0,的约束条件，独立参数的个数等于基因型个数减,1,与环境个数减,1,之积。,14,谢谢观赏,2019-6-25,两个基因型在两个环境下基因型和环境互作效应的计算把互作效应排,基因型与环境交互作用的,4,种模式,15,谢谢观赏,2019-6-25,基因型与环境交互作用的4种模式15谢谢观赏2019-6-25,非交叉,基因型,与环境,交互作用,在模式,1,下，一个基因型在两个环境下都优于另一个基因型，同时，基因型间的差异在,2,个环境下是相等的。如果把基因型在两个环境下的表现用直线连接起来，则代表基因型的两条直线是平行的。在这种模式下，基因型在两个环境下的差异完全由,环境效应决定，所有,互作效应均为,0,，即不存在基因型和环境间的互作。,16,谢谢观赏,2019-6-25,非交叉基因型与环境交互作用在模式1下，一个基因型在两个环境下,非交叉,基因型,与环境,交互作用,在,模式,2,下，一个基因型在两个环境下都优于另一个基因型，基因型间的差异在两个环境下不相等，基因型,2,随着环境效应的增加表现出更大的优势。在这种模式下，基因型之间的差异因环境而变，也就是说存在基因型和环境间的互作。但是，这样的互作并没有改变基因型优劣的顺序，有时也称为非交叉互作（,non-crossover interaction,）,。,对于,无互作的模式,1,以及无交叉互作的模式,2,，在不关心环境效应的情况下，通过单个环境的表型鉴定，育种家便可知道不同基因型的优劣并进行选择，因此可以大大减少育种家的工作量,。,17,谢谢观赏,2019-6-25,非交叉基因型与环境交互作用在模式2下，一个基因型在两个环境下,交叉,基因型,与环境,交互作用,模式,3,和,4,代表的均是交叉互作（,crossover interaction,），基因型的表现因环境而异。在环境,1,中，基因型,2,优于基因型,1,，但随着环境的变化其优势愈来愈小，最终在环境,2,下，基因型,1,优于基因型,2,。,在,交叉互作的模式,3,中，基因型间差异的绝对值在两个环境下是相等的，这时的基因型效应为,0,，只存在环境效应和互作效应,。,在,交叉互作的模式,4,中，基因型间差异的绝对值在两个环境下不相等，这时，表,9.1,的基因型效应和环境效应、以及表,9.2,的互作效应均不为,0,。,18,谢谢观赏,2019-6-25,交叉基因型与环境交互作用模式3和4代表的均是交叉互作（cro,交叉,基因型,与环境,交互作用,对于,模式,3,和模式,4,来说，一个环境下基因型的优劣不能代表另一个环境下基因型的优劣，必须通过多环境的表型鉴定，才能全面评价基因型的好坏,。,对于,多个基因型的多环境表型数据，图,9.1,中的,4,种模式可能会同时出现。各种互作模式的并存，显示了多环境试验在遗传研究和育种中的必要性。,19,谢谢观赏,2019-6-25,交叉基因型与环境交互作用对于模式3和模式4来说，一个环境下基,两个小麦品种在,2,个环境下的赤霉病感染率（,%,）,互作效应的计算,基因型,E,1,：环境,1,E,2,：环境,2,行平均,基因型效应,G,1,：,A,1,A,1,10,20,15,-22.5,G,2,：,A,2,A,2,50,70,60,22.5,列平均,30,45,37.5,环境效应,-7.5,7.5,20,谢谢观赏,2019-6-25,两个小麦品种在2个环境下的赤霉病感染率（%）互作效应的计算基,基因型和环境互作的利用途径,TPE,的大小和同质程度，会影响公式,9.1,中各种方差成分,。,对于,一个较小的,TPE,来说，互作方差一般也较小，,会在表型方差中占较大的比例；对于一个很大的,TPE,来说，互作效应就会很高，,可能是表型方差的主要成分,。,基因型,与环境交互作用是广泛存在的，实际中,有,以下,三,种利用基因型与环境之间交互作用的,方式。,21,谢谢观赏,2019-6-25,基因型和环境互作的利用途径TPE的大小和同质程度，会影响公式,方式,1,：,忽略,基因型与环境互作（,ignore it,）,这种,方法其实并不否认基因型与环境交互作用的存在；相反，它也承认基因型与环境交互作用是存在的，并在广泛的环境下测试基因型的表现，优异基因型的推荐或选择所依据的是基因型在所有环境下的平均表现,。,这种,方式强调的是基因型对环境的一般适应性。如果互作以图,9.1,的模式,3,和,4,为主，推荐的基因型从平均数的角度来说是最好的，但对某一特定的环境来说就不一定了。标准方差分析得到的互作方差,和随机误差方差,可以用来优化多环境试验中的资源,配置。,22,谢谢观赏,2019-6-25,方式1：忽略基因型与环境互作（ignore it）这种方法,方式,2,：,降低,基因型与环境互作（,reduce it,）,一般来说，较大,TPE,的环境异质程度也越高，基因型和环境互作就可能越大，出现交叉互作（图,9.1,的互作模式,3,和,4,）的可能性也越高；较小,TPE,的环境异质程度也较低，基因型和环境互作就越小,。,一,个较大的,TPE,可以被划分为几个较小的、相对同质的亚环境群体。每个亚群体内有着相似的非生物和生物特性，因此出现交叉互作的可能性较小。亚群体内，少数环境的平均表现可以较好地反映基因型在整个亚群体内的表现。对不同的亚环境群体，根据平均表现推荐不同的基因型,。,常用,的划分,TPE,的方法有聚类分析和,主成分分析。,23,谢谢观赏,2019-6-25,方式2：降低基因型与环境互作（reduce it）一般来说,方式,3,：,利用,基因型与环境互作（,exploit it,）,这种方式的主要目的在于鉴定出特定环境下的最好基因型，强调的是特定基因型对特殊环境的适应性,。,互,作利用方式,3,和,2,并不是孤立的，方式,2,中通过,TPE,的划分来减小互作方差，其实也是在利用交互作用,。,方式,3,的分析方法包括稳定性分析和乘积,模型。,24,谢谢观赏,2019-6-25,方式3：利用基因型与环境互作（exploit it）这种方,9.2,多环境表型鉴定试验的方差分析,9.2.1,表型值的线性,分解,9.2.2,多环境表型数据的,方差分析,9.2.3,多环境基因型值和广义遗传力的,估计,9.2.4,异质误差方差条件下的最优无偏,线性估计,9.2.5,评价基因型的适宜环境数和重复,数,25,谢谢观赏,2019-6-25,9.2 多环境表型鉴定试验的方差分析9.2.1 表型值的,表型的,分布,假定对,g,个基因型在,e,个环境条件下开展表型鉴定试验，每个环境设置,r,次重复,，,ij,表示,第,i,个基因型在第,j,个环境下的平均表现，是一个待估计的未知参数,。,在,观测误差服从均值是,0,、方差,是,2,的,正态分布、且相互独立的假定下，第,i,个基因型在第,j,个环境下的第,k,个表型值,y,ijk,服从,下面,的,正态分布。,其中,i,=1,g,，,j,=1,e,，,k,=1,r,26,谢谢观赏,2019-6-25,表型的分布假定对g个基因型在e个环境条件下开展表型鉴定试验，,总平均、基因型平均和环境平均,g,个基因型在,e,个环境下的总平均,表现,单个基因型在环境间的平均,表现,单个环境的平均表现,27,谢谢观赏,2019-6-25,总平均、基因型平均和环境平均g个基因型在e个环境下的总平均表,基因型效应、环境效应和互作效应,基因型,效应,环境效应,互,作效应,28,谢谢观赏,2019-6-25,基因型效应、环境效应和互作效应基因型效应28谢谢观赏2019,基因型值和表型值的线性分解模型,基因型值的,线性分解,模型,表型,值的线性分解模型,29,谢谢观赏,2019-6-25,基因型值和表型值的线性分解模型基因型值的线性分解模型29谢谢,遗传方差、环境方差和互作方差,遗传方差,环境方差,互,作方差,30,谢谢观赏,2019-6-25,遗传方差、环境方差和互作方差遗传方差30谢谢观赏2019-6,完全随机区组的多环境表型数据,如果每个环境下，田间试验均采用完全随机区组设计，并且区组之间有显著的差异，线性模型公式,9.7,中还应该包含区组的效应，,即,：,利用,这一,模型时,要特别注意，每个环境都包含,r,个区组效应，整个试验共包含,re,个区组。因此，,模型中共,包含,re,个区组效应，区组可以看作是嵌套在每个环境中。因此，区组的效应也有,re,个，而不是,r,个，区组效应一般,用,B,k,/,j,，,而,不是,B,k,表示,。,31,谢谢观赏,2019-6-25,完全随机区组的多环境表型数据如果每个环境下，田间试验均采用完,利用,表型,数据,的,平均数估计各种效应,利用重复平均数估计基因型,i,在环境,j,的平均表现,利用总平均数估计总平均,表现,利用基因型,i,的环境和重复,平均数,估计遗传效应,32,谢谢观赏,2019-6-25,利用表型数据的平均数估计各种效应利用重复平均数估计基因型i在,利用,表型,数据,的,平均数估计各种效应,利用环境,j,的基因型和,重复平均数,估计环境效应,基因型和环境互作的估计,说明：前面公式给出的,其实,是公式,9.11,中各种效应的最小二乘估计。严格地讲，一个参数和它的估计是有区别的，统计学中一般在一个参数的上方加以符号,表示这个参数的估计。,如,：,33,谢谢观赏,2019-6-25,利用表型数据的平均数估计各种效应利用环境j的基因型和重复平均,多环境重复表型观测值的,方差分析表,（,不考虑区组效应）,变异来源,自由度,平方和,均方,期望均方（固定效应模型）,基因型,g,-1,SS,G,MS,G,2,+,er,G,2,环境,e,-1,SS,E,MS,E,2,+,gr,E,2,基因型与环境互作,(,g,-1,)(,e,-1,),SS,GE,MS,GE,2,+,r,GE,2,随机误差,ge,(,r,-1),SS,MS,2,总和,ger,-1,SS,T,34,谢谢观赏,2019-6-25,多环境重复表型观测值的方差分析表（不考虑区组效应）变异来源,多,环境,试验的,区组效应,估计,如,方差分析模型,中包含区组效应,，,下面的,公式给,出每个环境下,r,个区组效应的最小二乘估计,。其它,效应的最小二乘估计,与,不含区组效应的,模型完全,相同,。,35,谢谢观赏,2019-6-25,多环境试验的区组效应估计如方差分析模型中包含区组效应，下面的,多环境重复表型观测值的,方差分析表,（考虑,区组效应）,变异来源,自由度,平方和,均方,期望均方（固定效应模型）,环境内区组,e,(,r,-1),SS,R,MS,R,2,+,g,R,2,基因型,g,-1,SS,G,MS,G,2,+,er,G,2,环境,e,-1,SS,E,MS,E,2,+,gr,E,2,基因型与环境互作,(,g,-1,)(,e,-1,),SS,GE,MS,GE,2,+,r,GE,2,随机误差,(,g,-1),e,(,r,-1,),SS,MS,2,总和,ger,-1,SS,T,36,谢谢观赏,2019-6-25,多环境重复表型观测值的方差分析表（考虑区组效应）变异来源自,平均表现,的估计值及其方差,从,表型,分布看出,，观测值,y,ijk,包含了第,i,个基因型在第,j,个环境下平均,表现,ij,的,信息,。重复,平均数是基因型平均表现,的最优线性无偏估计（,BLUE,）,。,基因型,i,在环境间平均表现,的,BLUE,及估计值的,方差,：,在误差方差未知的情况下，可以用方差分析中的误差均方来代替误差方差，以,估计,上面,BLUE,的方差。,37,谢谢观赏,2019-6-25,平均表现的估计值及其方差从表型分布看出，观测值yijk包含了,表型方差的构成,多环境下，一个基因型或家系的表现等于基因型效应、环境效应、互作效应与随机误差之和，,即,：,在,误差项独立且服从同一正态分布的假定下，表型方差等于基因型效应产生的方差、环境效应产生的方差、互作效应产生的方差及误差方差之,和。,下面,公式,右端各种方差成分定义在公式,9.79.10,中，通过方差分析的期望均方，可以得到他它们的无偏估计。,38,谢谢观赏,2019-6-25,表型方差的构成多环境下，一个基因型或家系的表现等于基因型效应,广义遗传力估计,环境方差,来源于一些非遗传的因素，在遗传力估计时不考虑这部分方差。广义遗传力,H,2,如,下面的,公式计算。,这一,估计,可被视为单个观测表型的遗传力。,39,谢谢观赏,2019-6-25,广义遗传力估计环境方差 来源于一些非遗传的因素，在遗传力估计,重复平均数的方差构成,遗传研究一般,基于基因型,估计值,。,下面的,公式给,出基因型在环境和区组间平均数的方差，其中，遗传方差与公式,9.21,的遗传方差相同，互作方差只有公式,9.21,中互作方差,的,1/,e,，,误差方差只有公式,9.21,中误差方差,的,1/,er,。,40,谢谢观赏,2019-6-25,重复平均数的方差构成遗传研究一般基于基因型估计值。下面的公式,重复平均数的遗传力,如果,利用环境间重复平均数作为性状的选择标准或开展遗传研究，可以,根据,下面的,公式计算,它的,遗传力,：,这一估计,又,称为环境和重复平均数的遗传力。,41,谢谢观赏,2019-6-25,重复平均数的遗传力如果利用环境间重复平均数作为性状的选择标准,重复平均数的遗传力,如果,利用环境间重复平均数作为性状的选择标准或开展遗传研究，可以,根据,下面的,公式计算,它的,遗传力,：,这一估计,又,称为环境和重复平均数的遗传力。,42,谢谢观赏,2019-6-25,重复平均数的遗传力如果利用环境间重复平均数作为性状的选择标准,表,7.3,水稻,双亲衍生的,10,个,RIL,家系在三个环境下的直链淀粉含量（,%,）,基因型,环境,I,环境,II,环境,III,重复,1,重复,2,重复,1,重复,2,重复,1,重复,2,RIL1,15.3,15.1,14.4,14.6,14.5,14.8,RIL2,14.5,15.0,15.8,15.7,16.3,15.7,RIL3,14.0,14.9,15.9,15.8,15.2,16.1,RIL4,13.2,14.0,16.0,16.8,15.0,15.5,RIL5,15.4,15.9,16.7,16.6,15.4,15.6,RIL6,15.5,15.6,16.1,16.7,16.0,17.0,RIL7,13.2,14.1,14.3,14.9,14.1,14.5,RIL8,11.9,12.6,14.2,14.4,15.2,16.1,RIL9,12.8,13.5,14.5,14.6,15.3,15.5,RIL10,12.8,13.6,14.6,15.5,14.2,14.2,43,谢谢观赏,2019-6-25,表7.3 水稻双亲衍生的10个RIL家系在三个环境下的直链淀,三个,环境,的,联合方差分析,（,不含区组效应）,变异来源,自由度,平方和,均方,F,值,显著概率,方差估计值,基因型,9,31.4260,3.4918,20.38,0.0001,0.5534,环境,2,19.6924,9.8462,57.47,0.0001,0.4837,基因型与环境互作,18,16.7310,0.9295,5.43,0.001,0.3791,随机误差,30,5.1400,0.1710,0.1713,总和,59,72.9893,44,谢谢观赏,2019-6-25,三个环境的联合方差分析（不含区组效应）变异来源自由度平方和,三个,环境,的,联合方差分析,（,不含区组效应）,方差分析的结果表明，直链淀粉含量在基因型间、环境间均存在极显著的差异，基因型和环境间的互作也达到极显著水平,。,从,方差的估计值看，遗传方差的估计值远高于随机误差方差的估计值，也远高于互作方差的估计值,。,将最后,一列的方差估计值代入公式,9.22,，得到小区水平的广义遗传力为,50.14%,；代入,公式,9.24,，得到环境和重复平均数的广义遗传力为,78.13%,。,45,谢谢观赏,2019-6-25,三个环境的联合方差分析（不含区组效应）方差分析的结果表明，,三个,环境,的,联合方差分析,（含,区组效应）,变异来源,自由度,平方和,均方,F,值,显著概率,方差估计值,环境内区组,3,2.8270,0.9423,11.00,0.001,0.0857,基因型,9,31.4260,3.4918,40.76,0.0001,0.5677,环境,2,19.6924,9.8462,114.94,0.0001,0.4880,基因型与环境互作,18,16.7310,0.9395,10.85,1,，,表示基因型,i,对环境的反应高于所有基因型的平均反应，稳定性低；,（,3,）,当,b,i,1,，,表示基因型,i,对环境的反应低于所有基因型的平均反应，稳定性高,。,75,谢谢观赏,2019-6-25,稳定性的判定方法回归系数越大，表示该品种对环境的反应越敏感，,10,个,RIL,家系对三个地点的回归系数,RIL2,、,RIL3,、,RIL10,的回归系数接近于,1,，它们具有中等程度的环境稳定性,。,RIL4,、,RIL9,、,RIL8,的回归系数远高于,1,，它们的环境稳定性较低。,RIL6,、,RIL5,、,RIL7,的回归系数远低于,1,，它们的环境稳定性较高。,RIL1,的回归系数为负值，但其绝对值远低于,1,，也具有较好的环境稳定性。,基因型,RIL6,RIL5,RIL2,RIL3,RIL4,基因型值,16.15,15.93,15.50,15.32,15.08,回归系数,0.73,0.40,0.91,1.08,1.88,基因型,RIL1,RIL9,RIL7,RIL10,RIL8,基因型值,14.78,14.37,14.18,14.15,14.07,回归系数,-0.52,1.46,0.67,1.21,2.17,76,谢谢观赏,2019-6-25,10个RIL家系对三个地点的回归系数RIL2、RIL3、RI,稳产与高产的关系,在,前面评价基因型的稳定性时，我们只是用高或低来称呼，而不是好或坏。稳定性反映的是基因型对环境的敏感程度，脱离了优异平均表现的高稳定性，显得毫无价值,。,选择,平均表现高同时又具有较高环境稳定性的品种，才是育种的重要目标。这样的品种往往具有广泛的适应性，能够在更广阔的地区进行种植，在农业生产上发挥更大的作用,。,从,表,9.11,来看，基因型值的高低似乎和回归系数的高低没有必然联系，基因型值在育种中的重要性要远高于回归系数这一稳定性参数。,77,谢谢观赏,2019-6-25,稳产与高产的关系在前面评价基因型的稳定性时，我们只是用高或低,稳定性的,Eberhart-Russell,分析方法,Eberhart,和,Russell,（,1966,）提出利用二个参数测定品种的稳定性，一是品种对环境的反应参数（,parameter of response,），,即,前面,的回归系数；,二是离回归的方差，称为稳定性参数（,parameter of stability,）。,78,谢谢观赏,2019-6-25,稳定性的Eberhart-Russell分析方法Eberha,离,回归方差,的计算,在得到,回归系数的,估计值后,，对,基因型,i,在环境,j,下的表现进行预测,，,并计算回归,离差,：,对于,重复观测,数据计算离差方差,：,较低的,方差,意味着回归系数解释了较多的基因型在环境间的变异。,79,谢谢观赏,2019-6-25,离回归方差的计算在得到回归系数的估计值后，对基因型i在环境j,稳定性的,判定,方法,当,b,=1,、,s,2,不,显著时，,说明,该,基因型,的表现比较稳定，基因型与环境的线性关系成立,。,对回归系数,b,大于,1,的基因型来说,，,环境效应每,增加,一个单位,，,表型,相应增加,b,个,单位，因而可在环境较好的条件中种植，以充分发挥其生产潜力；,对于,b,=1,的基因型，则认为具有广泛的适应性,。,如果回归系数,b,1,，,则称该基因型很稳定，可种植在条件比较差的环境中,。,80,谢谢观赏,2019-6-25,稳定性的判定方法当b=1、s2不显著时，说明该基因型的表现,稳定性的,判定,方法,当,s,2,不,显著时，,可用,回归系数,b,预测,基因型在不同环境下的表现。凡是可以用回归系数来预测其表现的基因型，均称为稳定性基因型，因而稳定性包含了可预测（,predictability,）的含义,。,如果,s,2,与,随机误差之间存在显著的差异，则表明互作效应与环境的关系并非线性，利用回归系数难以预测基因型在不同环境下的表现,。,利用,回归系数和离差平方和可以将稳定性划分出更多的类型。,81,谢谢观赏,2019-6-25,稳定性的判定方法当s2不显著时，可用回归系数b预测基因型在,基因型对环境的反应类型,基因型,A,在环境间有类似的表现，回归系数为,0,、离差平方和也很低，稳定性程度最高,。,基因型,B,的环境回归系数为,1,、离差平方和较高，但从回归系数来看具有一定的稳定性，但从离差平方和来看，稳定性程度较低。,基因型,C,的环境回归系数高于,1,、离差平方和较低，从回归系数来看稳定性程度较低，但从离差平方和来看，稳定性程度较高。,82,谢谢观赏,2019-6-25,基因型对环境的反应类型基因型A在环境间有类似的表现，回归系数,稳定性分析的育种价值,实际中，究竟应该选择哪一种稳定性，不同的育种家有不完全一致的答案。一般来说，育种家可能希望基因型,A,的稳定性，同时又希望这种基因型在所有环境下都表现优良,。,遗憾,的是，具有基因型,A,那样的稳定性，它们的平均表现一般都不会太好，育种家必须考虑其它类型的稳定性,。同时,需要说明的是，稳定性只是衡量基因型对环境的敏感程度，如果不同时考虑基因型的平均表现，则稳定性参数对育种的指导作用