水稻育种不再按亲缘远近挑样：25个设计品系在籽粒产量上顶约百个随机品系，设计一次不到一秒
核心概要
基因组选择中该给哪些品系测表型，长期靠经验或按与目标品系的平均亲缘关系挑选。TSOpt把训练集设计改成对预测误差方差的精确秩一更新，在IRRI的328个水稻精英品系上，相对随机抽样把预测能力提高0.097，单次设计约0.1秒，比STPGA快约900倍。25个设计品系对籽粒产量的预测相当于约103个随机品系，抽穗期和株高分别相当于76个和167个；四个季节只测四分之一品系×季节组合时，其稀疏测试分配也优于按品系均衡的随机分配。
深度剖析
训练集设计从需要反复求逆的搜索，变成一次不到一秒的精确计算，育种者可以在播种前对每个性状、目标群体和预算各做一次设计。 此前STPGA和TSDFGS在关系矩阵的少数主成分上近似计算CDmean，TrainSel在随机搜索中多次评估完整准则，一次设计从数秒到数分钟。 在IRRI的328个精英品系上，TSOpt单次设计的中位时间为0.11秒，STPGA为101秒，约884倍；在六个公共面板上TSOpt为0.03秒，另两种工具为40至120秒。
设计出的训练集用更少的田块达到与随机抽样相同的预测能力，这一节省在训练集较小时最大。 随机抽样是常规做法，按与目标品系平均亲缘关系挑选则是常见的经验规则，后者在季节内比较中与随机抽样持平。 在20次随机划分、三个性状和四种训练集规模上，TSOpt相对随机抽样的预测能力提高0.097（95%置信区间0.045至0.150），在20次划分中19次领先；25个TSOpt品系对籽粒产量的预测相当于约103个随机品系（自助区间73至127），抽穗期相当于76个（64至99），株高相当于167个（115至220）。
同一套引擎把设计对象从品系扩展到品系×季节单元，在田块紧张时决定哪些组合先测。 稀疏测试此前多采用按品系均衡的随机分配，或让部分品系在每个季节都测的重叠设计。 在2011至2012年四个季节、只测四分之一品系×季节组合时，TSOpt的分配对未测组合的预测比均衡随机分配高0.024，在全部20次重复中领先；改用设计未见过的八季遗传相关评分后，优势缩小约五分之一但仍为0.019。
启示与展望
结果来自IRRI灌溉水稻育种项目一个地点、四个年份的晚代重复产量试验，涉及328个同时有基因型与表型的精英品系，性状为籽粒产量、抽穗期和株高。稀疏测试分析使用在2011至2012年全部四个季节都参试的321个品系。杂交种、测交种、多性状和主效基因设计在其模型下是精确的，但未在真实数据上评估。作者提出的下一步是在多个项目、作物和队列上做前向验证，扩展到更大的多地点网络，并采用针对测试季节与未来种植季节之间协方差的准则。
前向验证和稀疏测试结果只基于一个新队列和一组季节，重复之间的离散度反映方法稳定性，而非队列或项目间的差异。用设计未见过的八季遗传相关评分时，四分之一测试比例下的优势缩小约五分之一，测一半组合时优势消失。在公共面板上，稳健准则相对固定遗传力0.5的优势为0.009，未达显著；其作用体现在假定遗传力偏低时的保护。与TrainSel的比较使用其作者已发表的设计集，而非自行运行该软件。两阶段分析通过季节BLUEs进行，单阶段分析可能改变绝对精度。