Aprovechar los grandes volúmenes de datos para mejorar la predicción de todo el genoma en el mejoramiento del trigo...

Área de la Ciencia:

• Mejoramiento vegetal
• La genómica
• Ciencias agrícolas

Sus antecedentes:

• La selección genómica (GS) es crucial para acelerar la mejora de los cultivos.
• El tamaño y la diversidad de la población de formación son factores clave que influyen en la precisión del GS.
• Los programas de mejoramiento de trigo de invierno a menudo tienen datos fragmentados.

Objetivo del estudio:

• Evaluar el impacto de la combinación de diversos conjuntos de datos en la precisión de la predicción genómica en el trigo de invierno.
• Evaluar el potencial de los grandes datos para el mejoramiento predictivo.
• Determinar si una población de formación más grande y diversa mejora la predicción del rendimiento del grano y la altura de la planta.

Principales métodos:

• Se reunió un conjunto de datos a gran escala sobre el trigo de invierno (aprox. 18.000 líneas endogámicas, 250.000 parcelas).
• Modelos de predicción de todo el genoma entrenados utilizando datos de cría públicos y privados combinados.
• Comparación de la precisión de la predicción con los modelos entrenados en conjuntos de datos individuales.
• Se utilizaron datos de ensayos posteriores al registro en diversos entornos.

Principales resultados:

• La combinación de grandes datos mejoró significativamente la precisión de las predicciones: hasta un 97% para el rendimiento de los granos y un 44% para la altura de las plantas.
• La capacidad de predicción mejoró sustancialmente en comparación con el uso de conjuntos de entrenamiento individuales.
• La expansión del tamaño del conjunto de formación y la diversidad genética fueron los principales impulsores de la mejora.
• La precisión de la predicción de todo el genoma aumentó con el mayor tamaño de la población de entrenamiento.

Conclusiones:

• La integración de grandes volúmenes de datos de múltiples programas de mejoramiento mejora la predicción genómica en el trigo de invierno.
• Este enfoque aumenta significativamente la capacidad predictiva para los rasgos agronómicos clave.
• El Big Data es una herramienta poderosa para acelerar la ganancia genética en los programas de reproducción predictiva.
• Los hallazgos apoyan la adopción de estrategias de big data para la mejora eficiente del trigo de invierno.