Mapeo de QTL para la resistencia al PHS y desarrollo de un modelo de aprendizaje profundo para medir la tasa de PHS...

Área de la Ciencia:

• Ciencias Agrícolas
• La genética
• Ciencias de la computación

Sus antecedentes:

• El brote pre-cosecha (PHS) reduce significativamente el rendimiento del arroz y la calidad de los granos, lo que representa un gran desafío para la seguridad alimentaria mundial.
• El desarrollo de variedades de arroz japonica resistentes al PHS es un objetivo clave en los programas de mejoramiento de arroz.

Objetivo del estudio:

• Desarrollar y validar un modelo de aprendizaje profundo para la medición automatizada de la tasa de PHS.
• Identificar los loci de rasgos cuantitativos (QTL) asociados con el PHS en el arroz japonica.
• Acelerar el cultivo de variedades de arroz resistentes al PHS.

Principales métodos:

• Se desarrolló un modelo de aprendizaje profundo que utiliza el algoritmo YOLOv8 para la medición automatizada de la tasa de PHS.
• Una población de 182 líneas inbred recombinantes de F8 (RIL) fue genotipada utilizando 763 marcadores de polimorfismo de un solo nucleótido.
• El análisis QTL se realizó en RILs cultivadas en entornos de campo y de invernadero.

Principales resultados:

• El modelo de aprendizaje profundo logró una alta precisión (precisión media de 0,974) y se correlacionó fuertemente con las mediciones manuales (R2 = 0,9567).
• Se identificaron QTL asociados con PHS en múltiples cromosomas, con tres QTL (en los cromosomas 3, 6 y 7) que muestran efectos estables en todos los entornos.
• Un gen candidato, Os06g0317200, que codifica una proteína rica en glicina, fue identificado dentro del QTL qPHS6.

Conclusiones:

• El modelo de aprendizaje profundo desarrollado proporciona un método eficiente y preciso para la evaluación de la PHS.
• Los QTL identificados y los genes candidatos ofrecen valiosos recursos genéticos para la cría de arroz japónico resistente al PHS.
• Este enfoque integrado acelerará significativamente el desarrollo de cultivares de arroz mejorados.