评估选择指数的有效性及其基因组预测使用环境和历史大米数据

科学领域:

• 植物育种 植物育种
• 遗传学 遗传学 是一个
• 农业科学 农业科学

背景情况:

• 加快在米育种中的遗传收益对于作物改进至关重要.
• 基因组预测提供了一个强大的工具,可以提高选择的准确性和缩短繁殖周期.
• 传统的选择指数,如史密斯指数方法 (SIM),固有值选择指数方法 (ESIM) 和所需增益指数 (DG) 是表型值的线性组合.

研究的目的:

• 评估SIM,ESIM和DG在预测选指数方面的效率.
• 用历史大米数据评估五种基因组预测模型的预测准确度.
• 为了确定环境共变量对基因组预测性能的影响.

主要方法:

• 利用2018-2021年的历史大米 (Oryza sativa) 数据来预测2022年的选择指数.
• 采用了五种基因组预测模型,结合了混合线性和贝叶斯式方法与分子标记.
• 通过将观察到的和预测的选择指数相关联来评估模型的有效性.

主要成果:

• 纳入特定年份和环境共变量的模型显著提高了预测性能.
• 史密斯指数方法 (SIM) 在最大化关键指数参数方面被证明是最有效的.
• 固有价值选择指数方法 (ESIM) 证明了选择指数的最高预测准确性.

结论:

• 环境共变量对于提高米育种中基因组预测准确度至关重要.
• SIM和ESIM是旨在最大限度地提高遗传收益的米种植者有价值的工具.
• 采用这些基因组预测策略可以加速繁殖周期,并提高大米的遗传进步.