同胞相关法与半同胞法估算遗传力
在数量遗传学中，**遗传力（heritability）**是衡量性状表型变异中由基因决定的比例。对遗传力的可靠估算是育种决策、种质评价以及基因组选择模型构建的基石。常用的亲缘关系法包括 同胞相关法（Full‑sib method） 与 半同胞法（Half‑sib method），它们利用自然或人工构建的亲缘群体，通过方差分解直接得到遗传力的点估计。本文在父主题层面概览这两种方法的基本原理、实现步骤、横向对比以及在实际育种项目中的应用要点，帮助读者快速定位适用情境并规避常见误区。
表型方差分解
- 总表型方差（(V_P)）可拆分为遗传方差（(V_G)）与环境方差（(V_E)），其中 (V_G) 再细分为加性遗传方差（(V_A)）和非加性成分（显性、上位性等）。
- 遗传力（(h^2)）定义为 (h^2 = V_A / V_P)。
利用亲缘群体的方差结构
- 同胞（全同胞）共享 全部 父母基因，期望的基因相似系数为 0.5（加性基因贡献）+ 0.25（显性基因贡献）= 0.75。
- 半同胞只共享 一方 父母基因，期望的基因相似系数为 0.25（仅加性基因贡献）。
- 通过比较同胞与半同胞之间的表型协方差，可分离出 (V_A) 与 (V_E) 的比例。
2. 同胞相关法（Full‑sib method）
2.1 方法框架
模型：(Y_{ij}= \mu + S_i + e_{ij})
- (Y_{ij})：第 (i) 组同胞第 (j) 株的表型值
- (\mu)：总体均值
- (S_i)：第 (i) 组同胞的随机效应，方差为 (\sigma_S^2)（包含遗传与共同环境成分）
- (e_{ij})：个体误差，方差为 (\sigma_e^2)
方差关系
- (\sigma_S^2 = \frac{1}{2}V_A + \frac{1}{4}V_D + V_{C})（(V_D) 为显性方差，(V_{C}) 为共同环境方差）
- (\sigma_e^2 = V_E)
遗传力估算
- 近似取 (\sigma_S^2) 中的加性部分：(V_A \approx 2(\sigma_S^2 - V_{C}))
- 若假设共同环境可忽略，则 (h^2 \approx 2\sigma_S^2 / (2\sigma_S^2 + \sigma_e^2))。
2.2 实施步骤
- 构建同胞族群：在实验设计阶段确保每个亲本交配产生足够数量（≥10株）同胞。
- 统一环境管理：尽量在同一田块、同一时间段进行栽培，以降低共同环境变异。
- 收集表型数据：对每株记录目标性状（如籽粒重量、植株高度）。
- 方差分析：使用线性混合模型（LMM）估计 (\sigma_S^2) 与 (\sigma_e^2)。
- 计算遗传力：依据上式得到 (h^2) 点估计，并通过自助抽样（bootstrap）获得置信区间。
3. 半同胞法（Half‑sib method）
3.1 方法框架
模型：(Y_{ijk}= \mu + H_{i} + S_{ij} + e_{ijk})
- (H_i)：第 (i) 个半同胞父本（或母本）的随机效应，方差 (\sigma_H^2)（主要反映加性遗传）
- (S_{ij})：同一父本下的全同胞组效应，方差 (\sigma_S^2)（包含显性与共同环境）
- (e_{ijk})：残差，方差 (\sigma_e^2)
方差关系
- (\sigma_H^2 = \frac{1}{4}V_A)（仅加性）
- (\sigma_S^2 = \frac{1}{2}V_A + \frac{1}{4}V_D + V_{C})
- (\sigma_e^2 = V_E)
遗传力估算
- (V_A = 4\sigma_H^2)
- (h^2 = 4\sigma_H^2 / (4\sigma_H^2 + 2\sigma_S^2 + \sigma_e^2))。
3.2 实施步骤
- 选定半同胞父本：常用单交配或单母本体系，确保每个父本产生多个母本的子代。
- 分层随机化：在每个父本内部再随机分配全同胞组，以便分离显性/共同环境效应。
- 表型测定：同样记录目标性状，注意在不同母本之间保持管理一致。
- 混合模型分析：采用两层随机效应模型，分别估计 (\sigma_H^2) 与 (\sigma_S^2)。
- 遗传力计算：依据上述公式得到 (h^2) 并进行统计检验。
4. 方法横向对比
| 维度 | 同胞相关法 | 半同胞法 |
|---|---|---|
| 主要信息来源 | 同一亲本交配产生的全同胞组 | 同一父本（或母本）产生的多个全同胞组 |
| 对显性/共同环境的敏感度 | 较高，需要额外实验或模型校正 | 相对较低，因为显性效应被分配到次层随机效应 |
| 样本量要求 | 同胞数目需足够（≥10）以保证方差估计稳健 | 父本数目与每个父本下的同胞组数均需满足统计功效 |
| 实验成本 | 需要大量同一亲本交配，成本较高 | 可利用已有的半同胞材料，成本相对低 |
| 适用性 | 适合对显性贡献感兴趣的作物或动物 | 更常用于作物育种中的加性遗传力评估 |
5. 实际应用与注意事项
- 环境控制：两种方法均假设同胞或半同胞之间的环境差异可忽略，实际操作中应采用区组设计或随机区块，以降低系统误差。
- 非加性效应：若显性或上位性在目标性状中占比显著，同胞相关法的估计可能上偏；此时可结合分子标记或全基因组预测进行校正。
- 数据缺失：混合模型对不完整数据具有一定容错能力，但建议在实验设计阶段预留冗余样本。
- 统计软件：R 包
lme4、nlme、SASPROC MIXED均可实现方差分解；在大规模育种试验中，推荐使用专门的遗传评估平台（如 ASReml）提升计算效率。 - 置信区间：遗传力点估计往往伴随较大不确定性，采用自助抽样或贝叶斯方法获取可信区间是最佳实践。
6. 简要示例
假设在小麦育种项目中，对 30 个父本各自进行 5 次交配，每次产生 12 株全同胞，共计 1800 株。记录每株的千粒重（g），使用 R 代码进行方差分解：
library(lme4)
# 数据框 df 包含列：Yield (千粒重), Father (父本), Sib (全同胞组)
model <- lmer(Yield ~ (1|Father) + (1|Father:Sib), data = df)
# 提取方差分量
var_comp <- as.data.frame(VarCorr(model))
sigma_H2 <- var_comp$vcov[1] # Father 方差
sigma_S2 <- var_comp$vcov[2] # Sib 方差
sigma_E2 <- attr(VarCorr(model), "sc")^2
# 计算遗传力
h2 <- 4 * sigma_H2 / (4 * sigma_H2 + 2 * sigma_S2 + sigma_E2)
print(round(h2, 3))
运行结果显示遗传力约为 0.38，表明千粒重的表型变异中约 38% 由加性基因决定，可为后续的选择指数构建提供依据。
7. 小结
- 同胞相关法与半同胞法是数量遗传学中两条主干路径，分别侧重于全同胞群体与父本（或母本）层面的方差分解。
- 两者在实验设计、对非加性效应的敏感度以及成本投入上各有优势，育种者应依据作物的生物学特性与资源限制选择合适方法。
- 在实际操作中，严格的环境控制、合理的样本规模以及可靠的混合模型分析是获得稳健遗传力估计的关键。
- 结合分子标记或基因组选择模型，可进一步提升遗传力评估的精度，为高效育种提供坚实的数理支撑。