方宣钧

海南省农作物分子育种重点实验室, 海南省热带农业资源开发利用研究所, 三亚, 572025
作者    通讯作者
《分子植物育种》网络版, 2026 年, 第 24卷, 第 1 篇   
收稿日期: 2026年05月21日    接受日期: 2026年06月22日    发表日期: 2026年06月28日

这是一篇采用Creative Commons Attribution License进行授权的开放取阅论文。只要对本原作有恰当的引用，版权所有人允许和同意第三方无条件的使用与传播。

推荐引用：

方宣钧, 2026, 基于全基因组关系矩阵的遗传力估计：GCTA–GREML框架下的统计解读、可比性与实践诊断, 分子植物育种, 24(1): 16-36 (10.5376/mpb.2026.24.0002) (Fang X.J., 2026, Genome-wide relationship matrix-based heritability estimation: statistical interpretation, comparability, and practical diagnostics in the GCTA–GREML framework, Fenzi Zhiwu Yuzhong (Molecular Plant Breeding), 24(1): 16-36 (doi: 10.5376/mpb.2026.24.0002))

遗传力作为数量遗传学中的核心概念，在解释性状变异来源和预测选择响应方面具有重要作用。传统的遗传力估计主要依赖谱系信息，但其准确性常受谱系不完整性及环境混杂因素的限制。随着高通量基因分型技术和全基因组关联分析的发展，基于全基因组关系矩阵的限制性最大似然方法(GCTA/GREML)为复杂性状遗传力估计提供了一条新的研究路径。本文系统回顾了GCTA与GREML方法体系的理论框架和统计假设，阐明其在方差分解中的基本逻辑及其与谱系基础模型的差异，并重点分析了“缺失遗传力”问题的来源及其解释边界。在此基础上，进一步介绍了LOCO (leave-one-chromosome-out)策略、功能注释分区和双性状分析等方法学扩展，并结合模拟研究与实证研究，讨论了这些方法在复杂性状解析和作物育种中的应用价值。研究表明，GCTA/GREML不仅推动了遗传力研究范式的转变，也为基因组选择和分子育种设计提供了重要的理论支撑。随着测序数据和多环境大数据的不断积累，该方法有望更加全面地揭示复杂性状的遗传基础。在此基础上，本文的主要贡献体现在以下四个方面：(1)从统计比较的角度，系统总结了SNP遗传力与家系遗传力在可比性上的必要条件及其潜在偏差方向，澄清了二者差异的统计来源；(2)明确界定了GREML所估计的对象为“标记可捕获的加性遗传方差”，并对“缺失遗传力”概念的适用边界给出标准化表述；(3)对LOCO、LD校正与功能注释分区、双性状GREML等常见方法扩展，提出了统一的“统计问题—核心假设—适用数据结构—诊断要点”比较框架；(4)在实践层面，提出了一套基于workflow与诊断清单的SNP遗传力结果解读流程，以降低方法误用与过度解读风险。

SNP遗传力；全基因组关系矩阵(GRM)；GCTA–GREML；缺失遗传力；统计解读；诊断流程