如何从遗传力的角度来看待提升育种效率

家好，我是邓飞。最近翻遗传力相关的资料时突然想到：咱们研究任何概念，最终都是为了 “用起来”。那遗传力这东西，到底怎么帮咱们提升育种效率？

其实咱们常说的 “提升育种效率”，背后藏着不同的策略 —— 而这些策略，全和 “遗传力的类型” 挂钩：比如用 MAS 找大效应位点，靠的是h²_GWAS；用 GBLUP 做全基因组选择，靠的是h²_SNP；甚至现在比较火的泛基因组、多组学 GS，本质也是为了 “找全遗传力”。

今天就从 “消失的遗传力” 这个角度，跟大家掰扯清楚：怎么把 “丢了的遗传力” 找回来，让育种选择更准、更快。

1，先看张 Nature 图：遗传力为啥会 “消失”？

https://www.nature.com/news/2008/081105/pdf/456018a.pdf

咱们可以把 “找消失的遗传力” 比作悬疑片：

• 消失的遗传力 = 悬疑片里 “消失的子弹”；
• 科学家就是侦探，手里的工具是生物统计、基因测序、数量遗传；
• 目标只有一个：搞清楚 “遗传力到底丢在哪了”。

所以，育种中的数据分析师的形象是这样的：

要是能找到 “消失的遗传力”，报酬可不是小数 —— 育种里的选择准确性、选择响应会直接提升，相当于给育种装上 “加速器”！

2，举个身高的例子：啥是 “丢失的遗传力”？

先通俗解释下核心概念：“遗传力丢失”（Missing heritability）是数量遗传学里的经典问题 —— 简单说就是：实际的遗传力（比如家系里测出来的），比 GWAS 找的显著 SNP、芯片 SNP 能解释的遗传力，要大得多。

给大家举个直观的例子：比如人类身高的 “总遗传力”（家系里测的，h²_family）大概是 0.8（意思是 80% 的身高差异由遗传决定）。但 GWAS 分析后，那些 “显著相关的 SNP” 只能解释 35% 的变异（对应h²_GWAS=0.35）—— 这就丢了 45% 的遗传力；后来用基因组选择（GBLUP），拿芯片全 SNP 算，能解释 64% 的变异（对应h²_SNP=0.64）—— 但还是丢了 16%。

这 “丢了的部分”，就是咱们要找的 “消失的遗传力”。

3，再拆细点：消失的遗传力，其实分两种

参考：

Witte JS, Visscher PM, Wray NR. The contribution of genetic variants to disease depends on the ruler. Nat Rev Genet. 2014 Nov;15(11):765-76. doi: 10.1038/nrg3786. Epub 2014 Sep 16. PMID: 25223781; PMCID: PMC4412738.

遗传力细分：

• Total heritability，是实际的遗传力，主要是从家系群体（比如同卵双胞胎、全同胞）估计的遗传力，对应的是family遗传力, h2_family
• Chip heritability，（SNP 遗传力，也称为 “基于芯片的遗传力”）是指全基因组关联分析（GWAS）芯片上所有 SNP 变异共同解释的表型方差比例，反映 “芯片可检测的遗传变异” 对表型的加性遗传贡献（属于狭义遗传力范畴）。其核心计算方法是基于基因组关系矩阵（GRM）的约束最大似然（GREML）方差组分估计是通过REML估计的遗传力，使用的是全部SNP数据，比如GCTA、asreml中的GBLUP，估计的遗传力都属于此，对应的是SNP遗传力. h2_snp
• Heritability due to known variants，是GWAS分析中显著的SNP估计的遗传力，对应的是PVE（解释百分比），对应的是GWAS遗传力,h2_gwas

一般我们认为消失的遗传力为：

但是它还可以进一步剖分为两部分：

• 第一部分：Still-missing heritability，是依旧消失的遗传力，它的计算公式是，它的来源是GWAS无法捕捉到的变异，比如CNV，SV等，以通过增加变异来源（CNV，SV，PVA），稀有变异来解决，（泛基因组的应用）。
• 第二部分：Hiding heritability，是隐藏的遗传力，它的计算公式是，它主要是由于目前的统计方法导致一些效应小的位点没有检测出来（假阴性），可以通过增加样本量来降低这部分的值。

4， 关键问题：怎么用这两类 “消失的遗传力” 提升育种效率？

育种里有个核心逻辑：遗传力的 “可利用程度”，直接决定选择策略。先给大家划个基础准则：

• 高遗传力（比如百粒重，h²=0.95）：不用分子标记、不用 GS，直接表型选择就行 —— 这就是 “老子英雄儿好汉”，表型准得很；
• 中高遗传力：靠家系 / 系谱选择（ABLUP），比如用半同胞、全同胞的表型辅助判断；
• 中低遗传力：靠 MAS（MA-BLUP），找几个大效应位点辅助；
• 低遗传力：必须靠 GS（GBLUP、ssGBLUP），用全基因组信息堆准确性。

而 “找回来消失的遗传力”，本质是把 “不可利用的遗传力” 变成 “可利用的”—— 这样选择准确性会提升，选择效率自然就高了。

具体怎么做？对应前面两类 “消失的遗传力”，有两个核心方向：

方向一：降低 “依旧消失的遗传力”—— 找更多变异

比如用泛基因组、图泛基因组，把之前芯片没覆盖的 SV、CNV、稀有变异都挖掘出来。

• 用在 MAS 上：能找到更准的 “因果位点”，辅助选择更有效；
• 用在 GS 上：把这些新变异加进 GRM（基因组关系矩阵），GBLUP 的估计准确性会更高。

方向二：降低 “隐藏的遗传力”—— 堆更多数据

比如 GS 里扩大参考群的数量（从 1000 份扩到 5000 份），GWAS 里增加样本量（从 2000 个加到 1 万个）。数据量上去了，统计方法能 “抓” 到更多小效应位点，假阴性减少，h²_GWAS会更接近h²_SNP—— 选择时能用到的遗传信息就更多了。

最后说句实在话

《三体》里说 “锁死科技”，靠的是卡住微观物理的进展；而育种里 “提升效率”，靠的就是把 “消失的遗传力” 一步步找回来 —— 先拆清楚 “丢在哪”，再针对性解决（找变异、堆数据），这才是科学的思路。