在两个现场条件下,对硬小麦的农学特征进行单变体和多变体基因组预测
Paolo Vitale1,2,3, Giovanni Laidò1, Gabriella Dono1,4
1Research Centre for Cereal and Industrial Crops (CREA-CI), CREA-Council for Agricultural Research and Economics, Foggia, Italy.
PloS one
|November 14, 2024
概括
多变量基因组预测 (GP) 通过提高预测准确性 (PA) 来改善 durum wheat 的繁殖. 使用额外的表型数据 (MV-CV2) 来模拟不同领域条件或相关特征的特征,可显著提高关键农学特征的PA.
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.
- 基因组学就是基因组学.
背景情况:
- 基因组预测 (GP) 对 durum wheat 繁殖至关重要,但对某些特征的预测准确性 (PA) 需要改进.
- 多变量 (MV) 分析显示,在GP模型中显著增强PA具有前景.
研究的目的:
- 通过使用单变体 (UV) 和多变体 (MV) 基因组预测模型,评估硬麦的农学特征的PA.
- 评估不同MV方法在不同现场条件和特征相关性下改善PA的有效性.
主要方法:
- 在两个季节的过程中,在高/水 (HNW) 和低/雨水 (LNR) 条件下,表型化了10个农学特征.
- 实施了两种MV交叉验证 (CV) 方案:MV-CV1 (仅用于标记物) 和MV-CV2 (用于标记物+表型数据).
- 应用了MV-CV来模拟HNW/LNR的相同特征,并模拟五种遗传相关特征的谷物产量.
主要成果:
- 在HNW中,PA通常高于LNR条件,除了黄色指数.
- 与紫外线模型相比,MV-CV1的PA提高了高达12.45% (LNR中的NDVI).
- 当与相关特征相结合时,MV-CV2显著增加了PA高达56.72% (千粒核重量在LNR中),并提高了粮食产量PA~18%.
结论:
- 多变量基因组预测,特别是使用额外的表型信息的MV-CV2,有效地提高了硬小麦农学特征的预测准确度.
- 在不同的环境条件 (HNW/LNR) 中建模特征或包括与MV-CV2相关的遗传特征是增强GP在育种计划中的可行策略.
