小麦の収穫のゲノム予測の改善のための生理学的特性と遠隔感知特性の統合

科学分野:

• 農業と作物科学
• 遺伝学とゲノミクス
• 植物生理学

背景:

• ゲノム選択 (GS) は,複合的な特性の遺伝的多様性を捉えるために全ゲノムマーカーを利用することで,マーカー支援選択を強化します.
• パン小麦 (Triticum aestivum L.) の穀物生産量を予測することは,特に環境条件が異なる場合,食糧安全保障にとって極めて重要です.

研究 の 目的:

• パン小麦の収穫量に関するゲノム予測モデルを開発し評価する.
• 灌,干ばつ,最終的な熱ストレス下での現象学的,生理学的,および高通量フェノタイプ化特性の統合の影響を評価する.

主な方法:

• 5倍クロス検証と"環境を除外" (LOEO) を用いたゲノム予測モデルを開発した.
• スペクトルデータから日数,環境相互作用による遺伝子型を含む様々な現象的特徴を統合した.
• 3つの環境条件でモデルの性能を評価した.

主要な成果:

• 穀物充填段階からの植生指標を組み込んだモデルは,クロス・バリデーションにおいて最も高い精度を示した.
• 灌では,天気予報が改善され,干ばつでは,植生段階の植生指標が最適であった.
• 末端の熱ストレスモデルは,環境相互作用による遺伝子型や,植生期と穀物詰め期の両方のスペクトルデータから利益を得ました.

結論:

• 特定の環境コンテキストにフェノミック・インプットを合わせることは,小麦の収穫のゲノム予測を最適化するために不可欠です.
• 複数の共変数を統合することで精度が向上しますが,すべてのデータを含む複雑なモデルは,収益の減少とコストの増加のために推奨されません.