通过图像分析改善了土豆 (Solanum tuberosum) 质量特征的基因组预测

科学领域:

• 植物育种 植物育种
• 定量遗传学 是一种定量遗传学.
• 农业科学 农业科学

背景情况:

• 马 (Solanum tuberosum L.) 的质量特征 (形状,皮肤颜色) 对消费者和加工商来说至关重要.
• 这些特征的传统视觉评分尺度是主观的,容易出错.
• 准确的特征测量对于有效的基因组预测和育种计划至关重要.

研究的目的:

• 开发和评估图像分析R包 (TubAR) 用于对土豆形状和皮肤颜色特征进行定量测量.
• 为了比较基因组预测模型,使用添加式和添加式加非添加式关系矩阵.
• 评估图像分析和基因组预测对改善土豆质量和开发选择指数的有用性.

主要方法:

• 使用TubAR R包对土豆形状 (圆度,长宽比) 和皮肤颜色 (红色,浅色) 的定量图像分析.
• 开发和比较基因组预测模型与不同的关系矩阵 (附加,附加 + 非附加).
• 构建了一个多特征选择指数,用于片土豆,包括圆度,比重和产量.

主要成果:

• 形状特征的遗传概率估计在0.23到0.85,颜色特征的估计在0.34到0.91.
• 遗传效应主要是附加的,颜色特征显示最强的附加效应 (0.47).
• 非添加效应并没有显著改善质量特征的预测模型准确性.

结论:

• 图像分析提供了精确的,对土豆质量特征的定量测量,克服了视觉尺度的限制.
• 基于添加效应的基因组预测模型对于改善土豆形状和颜色是有效的.
• 将图像分析与基因组预测相结合,为增强马育种计划和开发优质品种提供了一个强大的策略.