水稻是最重要的粮食作物，也是单子叶植物基因组研究的模式物种。自从2005年完成水稻基因组测序以后，已有3000多个基因被克隆。已对生育期、株高、抗病、耐逆、籽粒大小、香味等重要性状的基因开发标记应用于分子标记辅助选择（MAS）。然而，MAS的成功在很大程度上取决于所选性状的遗传力水平和遗传结构。MAS对由多个基因（QTL）控制的性状选择效率极低。随着高通量测序和芯片技术的发展，全基因组关联分析（GWAS）和全基因组选择（GS）已被用于识别和筛选复杂性状的有用基因/QTL。对于由大量QTL控制的复杂性状，GS比标记辅助选择能获得更高的遗传增益。因此，GS被认为是一种最有前途的育种工具，并被广泛应用于动植物遗传改良。GS已被成功应用于动物育种，以提高奶牛、猪、奶山羊、蛋鸡和鱼类的不同性状的遗传增益率。虽然国内外也开展了大量关于水稻GS的研究，不同群体的GEBV预测结果都证明基因组选择是水稻育种的可靠方法之一，但GS在杂交水稻育种中尚未得到成功应用。

全基因组选择利用来自训练群体中个体的基因型和目标性状的表型来建立预测模型，然后根据测试群体或育种群体中个体的基因型预测个体的基因组估计育种值（GEBV）来进行育种选择。GS模型中假设每个QTL的效应都可以通过SNP标记反映出来，因而能够对大量QTL位点进行同时选择。不同的GS预测模式使用不同的统计方法，因此，在用于育种选择之前，需要对模型的效率进行比较和验证。

华智生物技术有限公司近年来一直致力于全基因组选择育种技术研究，与中国农业科学院作物科学研究所合作开发了具有自主知识产权的水稻56K高密度SNP芯片，并对大量杂交稻组合进行基因型和表型调查，对杂交稻产量和米质相关的不同性状进行了预测模型构建，为全基因组选择技术在杂交稻育种中的应用奠定了基础。相关研究结果于2022年3月18日在线发表于分子育种杂志《Molecular Breeding》。

在这项研究中，利用56K SNP芯片对404个杂交水稻组合进行了基因型精准鉴定，并结合产量和品质相关表型性状数据用15种统计方法对20个性状进行了全基因组关联分析和全基因组预测模型构建。GWAS共鉴定出67个产量相关性状的显著位点，123个品质性状的显著位点。其中两个SNP位点与产量和品质都相关，但效应相反，说明高产和优质确实存在基因效应冲突，全基因组选择可能是实现同时提高产量和品质的重要途径之一。采用15种不同的预测算法计算了所有产量和品质性状的GEBVs。其中株高、穗长、千粒重、粒长宽比、直链淀粉含量和碱消值具有较高的预测性，但不同的GS模型对不同性状的预测精度是不同的，实际应用中需要针对不同的性状选择相应的预测模型。本研究为利用合适的预测模型进行特定性状的基因组选择提供了有用的信息。