玉米不仅是世界上重要的粮食作物,也是重要的饲料和生物能源原料来源,在我国种植面积已超过6亿亩,已是我国名副其实的第一大粮食作物。面对日益增长的需求,如何进一步提高玉米单产是育种家所面临的重大挑战。玉米也是世界上最早利用杂种优势的作物之一,其杂种优势的利用为世界粮食安全做出了巨大贡献。杂种优势的利用关键在于具有高产潜能的亲本,但育种实践中,要想筛选到具有高产潜能的亲本需要育种家们大量的田间试验。杂交种的表型并不能通过它们的亲本表现来预测,很大程度上取决于它们的亲本产生强优势后代的潜能。配合力概念的提出为亲本材料育种潜能的评价提供了一种定量指标,这也加速了人们对杂种优势分子机理的研究与利用。目前,育种上已经通过配合力估计来广泛指导玉米育种实践,但如何结合育种实际精准估计出配合力效应仍然是玉米及其它作物育种中亟需解决的关键问题,此外目前关于配合力的遗传基础还知之甚少。目前,关于不同的统计方法在玉米全基因组选择育种中的最优选择增益的信息也很少。本文的研究内容主要包括以下四个方面:（1）基于稀疏部分双列杂交（SPDC）设计的GCA精准估计方法研究本研究以遗传变异丰富且育种中常用的266个自交系作为试验材料,采用简化基因组测序（GBS）进行基因分型,获得19.9万个SNP标记用于分析。本研究利用亲本61,468个高质量SNP标记模拟了所有可能杂交种（266*265*0.5=35245）的基因型和表型值,研究不同统计方法、不同杂交种样本大小及涉及杂交种相关的亲本自交系的分布对GCA预测精度的影响。结果显示,GP-Ⅰ和GP-Ⅱ方法明显优于OLS方法,表明在SPDC设计中结合亲本基因组信息有助于改善自交系GCA预测精度。此外,对于遗传率性状越低和抽样群体越小的情况,GP-Ⅱ方法比GP-Ⅰ和OLS方法的预测效果越好。（2）9个玉米产量相关性状的GCA估计本研究以上述108541个SNP为标记信息,综合应用STRUCTURE群体结构分析、NJ聚类分析和已知自交系的系谱信息,将266个玉米自交系划分为五个杂种优势群,采用SPDC设计配制出945个杂交种。每个自交系至少参与了 1次杂交,最多参与了24次杂交,平均参与7.1次杂交。945个杂交种于两个环境下收集了穗重（EW）、穗粒重（EGW）、穗行数（ERN）、行粒数（KNR）、穗粗（ED）、穗长（EL）、轴粗（CD）、株高（PH）和穗位高（EH）9个产量相关性状的表型数据。Lvdahonggu×P、P×Reid两种杂优模式的EW和EGW表现出最高的平均数和中位数,且这两个模式也表现出较高的PH、KNR、ERN、EL、ED,相对较低的EH、CD,说明这两个模式为最优杂优模式,可在育种实践中进一步利用。利用基因组信息精准预测出266个自交系9个产量相关性状的GCA值,这些性状的GCA值均呈正态分布,且具有较大的变异范围。不同杂种优势群之间方差分析显示,不同杂种优势群之间各性状GCA存在不同的显著差异。P群中EW、EGW、ERN、KNR和PH表现出最大的GCA值,其ED和CD的GCA值最低,表明P群在产量、穗型方面具有较大的育种潜能,但该群也存在增加株高和降低穗粗的风险。为了研究GCA是否具有可预测性,利用GBLUP、LASSO、BayesB三种方法对9个性状的GCA进行了交叉验证,结果显示,GBLUP对不同性状GCA的预测精度（r2）在 0.433～0.694,其中 GCACD、GCAED、GCAERN、GCAEGw、GCAEw 的预测精度较高（＞0.5）;LASSO对不同性状GCA的预测精度为0.273～0.606,其中GCAcD、GCAED、GCAEGw的预测精度较高（＞0.5）;BayesB对不同性状GCA的预测精度为0.415～0.684,其中 GCACD、GCAED、GCAERN、GCAEGW、GCAEW的预测精度较高（＞0.5）。GBLUP和BayesB对各性状的预测精度相对较高,但两者的差异不显著,LASSO的预测精度均显著较低。（3）玉米产量相关性状的GCA全基因组关联分析相关分析显示,9个产量相关性状之间除了 KNR和ERN、ED和KNR、EL和ERN、CD和EL、EH和EL之间不存相关外,其余性状之间均存在显著或极显著相关;各性状 GCA 之间,除了 GCAED和 GCAEL、GCAEL和 GCACD、GCACD 和 GCAPH、GCACD和GCAEH之间不存在显著相关外,其余性状GCA之间均存在显著或极显著相关;各性状与其相应的GCA均达到极显著正相关,相关系数介于0.41到0.78之间,其中ERN与其相应的GCA相关系数最高（0.78）,KNR与其相应的GCA相关系数最低（0.41）。利用 Blink、FarmCPU、FASTmrMLM、FASTmrEMMA、ISIS EM-BLASSO 五种方法,对产量相关性状及其相应的GCA进行了全基因组关联分析。结果显示,与GCAEW、GCAEGw、GCAERN、GCAKNR、GCAED、GCAEL、GCACD、GCAPH、GCAEH 显著关联的位点分别有 7、16、13、14、14 个、10、25、13 和 15 个;与 EW、EGW、ERN、KNR、ED、EL、CD、PH、EH显著关联的位点分别有6、5、9、1、4、5、16、3和6个。为进一步增加显著SNP的可靠性,以三种统计方法检测到的显著SNP为中心,结合maizeGDB和NCBI数据库共筛选到277个候选基因,并对其进行功能注释。为进一步分析这些显著位点在杂交种预测中的作用,从266个自交系中重新选出187个,重新组配了 257个杂交种,以此构成一个新的杂交种数据集,来验证不同显著位点组成的标记集合对杂交种的预测效果,结果显示,应用9种标记集合对杂交种9个产量相关性状的预测精度表现出相似的变化趋势,利用GCA显著位点构成的（GCA SNP2和GCASNP1）标记集合对杂交种9个性状的预测精度明显高于其它标记集合,而随机选择的标记集合（Random Inbred SNP2）的预测精度表现为最低。此外,对不同性状GCA显著位点在自交系和杂交种中的优势等位基因型分析发现,随着优异基因型的聚合,自交系ED、EGW、EL、ERN、EW和KNR相应GCA和杂交种相应表型也呈现上升的趋势;随着优异基因型的聚合,自交系CD、EH和PH的GCA和杂交种相应表型表现出下降的趋势,说明通过有利基因型的聚合能有效提高自交系ED、EGW、EL、ERN、EW和KNR的GCA和相应杂交种的表型,同时通过有利基因型的聚合,也能有效降低CD、PH、EH的GCA和相应杂交种的表型。（4）玉米杂交种的全基因组选择研究基于945个杂交种构成的SPDC群体,首先利用交叉验证的方式评估了 BayesB、GBLUP和LASSO三种GS方法对9个性状的预测效果。结果显示,不同GS方法之间的预测能力（r2）差异较小,不同性状之间的预测能力则存在显著差异,例如PH和ERN的预测能力达到0.6以上,而KNR的预测能力则不足0.3。以945个杂交种为训练群体,采用BayesB、GBLUP和LASSO三种GS方法对266个亲本所有可能的35245个潜在杂交种的穗重（EW）进行了预测,并分别筛选出EW最高的100个（top100）和EW最低的100个（bottom100）的杂交组合进行田间验证,然后以top100相对于bottom100的均值增加比例为衡量标准,评估杂交种GS带来的选择增益。BayesB、GBLUP、LASSO三种方法田间验证的top杂交种比bottom杂交种分别高出108.3%、105.4%和108.6%,比所有潜在杂交种的平均值分别高出35.1%、34.5%和35.2%。此外,田间验证的top杂交组合中有21个杂交种的EW超过对照品种,有16个杂交种的EW超过对照品种5%以上。本研究所选top100杂交种相关的自交系一般配合力绝大多数处于较高水平,而bottom100杂交种相关的自交系一般配合力总是排名落后,这也进一步印证了杂交种表型与一般配合力的相关性。top100杂交种涉及的自交系约50个,其中包含一些大面积推广品种的亲本,如登海605父本DH382、迪卡516父本H2671、A489和S181等。最后,对top100和bottom100杂交种中与GCAEw关联的显著位点优异基因型聚合情况分析发现,全基因组选择的bottom杂交种很少或没有聚合到优异基因型,而top杂交种则能够广泛聚合优异基因型。如top100中的四个杂交种A345/A351、A017/A037、A037/A169 和 A345/A438 聚合了 6 个优异基因型,其中 A017/A037、A037/A169这两个组合已分别通过江苏省、国家农作物品种审定委员会审定,并被分别命名为苏玉161和通玉1701。