非加性遗传效应的现代解析方法
在现代数量遗传学与分子育种实践中，解析基因组变异对复杂性状的遗传控制机制是核心任务之一。传统的育种模型往往高度依赖加性遗传效应（Additive Genetic Effects）的假设，以此来估算育种值并预测后代表现。然而，随着高通量测序技术和全基因组关联分析（GWAS）的普及，越来越多的证据表明，非加性遗传效应（Non-additive Genetic Effects）——主要包括显性效应（Dominance）和上位性效应（Epistasis）——在许多重要经济性状（如产量、抗逆性、杂种优势等）的变异中扮演着不可忽视的角色。
本文旨在从总览视角出发，探讨非加性遗传效应的生物学内涵、主流解析方法及其在现代育种决策中的横向应用与全景价值。
在数量遗传学的经典框架下，个体的表型值（$P$）通常被剖析为基因型值（$G$）与环境效应（$E$）的和。进一步地，基因型值 $G$ 可以被正交分解为加性效应（$A$）、显性效应（$D$）以及上位性效应（$I$）：
$$G = A + D + I$$
- 加性效应 ($A$)：指等位基因独立作用的效应，能够稳定地遗传给下一代，是决定狭义遗传力的基础。
- 显性效应 ($D$)：指同一基因座上不同等位基因之间的互作效应。
- 上位性效应 ($I$)：指不同基因座上位点之间的非等位基因互作效应。
在育种实践中，加性效应关注的是“单个等位基因的平均效应”，因而在纯合育种中至关重要。相比之下，非加性效应（显性与上位性）往往在杂合状态下或特定的基因组合中才能充分展现。例如，作物的杂种优势（Heterosis）在很大程度上归因于显性效应的掩盖作用以及超显性，或者是位点间的上位性互作。因此，深入解析非加性遗传效应，对于打破育种瓶颈、设计性状改良方案具有重要意义。
现代解析方法与技术路线
随着统计基因组学的发展，解析非加性遗传效应的方法已经从早期的系谱分析演变为基于全基因组标记的高精度计算。以下是当前应用最为广泛的三类解析方法：
全基因组关联分析（GWAS）的扩展模型
传统 GWAS 主要检测单个标记的加性效应。现代分析框架通过引入显性编码矩阵（将基因型编码为 0, 1, 2 分别对应纯合、杂合、纯合），能够同时扫描加性位点与显性位点。对于上位性效应，虽然两两位点组合的计算量呈指数级上升，但通过机器学习算法或降维策略（如快速筛选核心标记），全基因组上位性关联分析（EPI-GWAS）已逐步应用于动植物复杂性状解析。全基因组选择（Genomic Selection, GS）中的非加性模型
在基因组育种值（GBV）预测中，传统的 GBLUP 模型主要基于加性关系矩阵。为了提升预测准确性，现代统计模型引入了显性关系矩阵（Dominance Genomic Relationship Matrix, $D矩阵$）和上位性关系矩阵（如 Hadamard 乘积矩阵），构建了 GBLUP 的扩展形式（如 GBLUP + DBLUP）。这使得育种人员能够在早期世代同时评估个体的加配育种值与总基因型值。多组学联合与系统生物学解析
单纯依赖基因组数据有时难以彻底厘清复杂的非加性互作。现代解析方法越来越多地结合转录组、蛋白质组等数量性状基因座（eQTL, pQTL）数据，构建基因调控网络。通过定位调控网络中的非加性变异，研究人员能够从分子机制层面解释显性与上位性效应的生物学来源。
加性与非加性解析方法的横向对比
为了在实际育种项目中合理选择分析策略，我们需要对加性模型与非加性解析方法进行系统对比：
- 计算复杂度：加性模型（如标准 GBLUP）计算简便，资源消耗低；而包含显性和上位性效应的模型由于参数空间巨大，计算内存和时间成本显著增加。
- 遗传力贡献：加性效应通常解释了复杂性状遗传变异的主要部分（广义遗传力中加性占优）；但在杂交种、无性繁殖作物或高度适应性状中，非加性效应可贡献相当大比例的表型变异。
- 育种应用导向：加性效应评估适用于纯系品种的选育与固定；而非加性效应的解析则对杂交种选育、亲本选配以及无性系品种的利用具有决定性指导作用。
现代育种全景中的应用实践
在现代作物与家畜育种中，非加性遗传效应的解析方法正在重塑育种流程：
- 杂交优势预测：利用全基因组标记计算亲本间的加性差异与非加性互作指数，可以在组配杂交组合之前进行计算机模拟预测，大幅减少田间测交的工作量。
- 优良基因型保存：对于果树、林木和无性繁殖作物，由于无性系能够完整保留加性、显性和上位性效应，基于非加性模型的全基因组选择能够直接预测无性系群体的绝对表现，从而加速优良单株的早期抉择。
非加性遗传效应的现代解析方法，正从理论探索走向育种一线的规模化应用。尽管在计算效率和模型过拟合防范上仍面临挑战，但随着算法的优化与多组学数据的融合，全面量化加性与非加性效应将成为提升未来分子育种效率的关键突破口。