利用无人机获得的多谱数据,改善了土豆 (Solanum tuberosum) 的基因组预测

科学领域:

• 植物育种 植物育种
• 基因组学就是基因组学.
• 遥感是一种远程传感.

背景情况:

• 多光谱叶子树冠反射率捕捉了受遗传和环境因素影响的植物生理化学过程.
• 使用这些措施的表型预测对于大规模的育种试验是有价值的,特别是在早期一代马 (Solanum tuberosum) 计划中.
• 传统的基因组关系矩阵是标准的,但可以通过整合光谱数据来增强.

研究的目的:

• 为了比较多谱衍生关系矩阵,基因组衍生关系矩阵和土豆育种中综合方法的预测准确度.
• 评估在多个时间点收集的光谱数据的实用性,以预测产量和质量特征.
• 评估特征选择对预测准确性的影响.

主要方法:

• 在五个时间点从土豆树冠上收集了多光谱波段,用于切片和新鲜市场等级.
• 用三个预测方法对产量和质量特征进行基因主要效应建模:仅光谱,仅基因组和组合光谱-基因组核.
• 分析了不同时间点的信息性和特征选择的影响.

主要成果:

• 与仅基因组模型相比,多光谱关系矩阵对产量和圆度的预测准确性更高.
• 对大多数特征来说,混合光谱基因组核方法的表现优于单核预测.
• 对所有特征的多个时间点进行数据组合,以及对所有特征的单个时间点模型进行或比单个时间点模型更好,以及特征选择并没有显著提高准确性.

结论:

• 来自无人机的光谱数据为植物育种中的基因组数据提供了有价值的替代方案或补充.
• 整合多谱和基因组数据显著提高了土豆育种计划中选择的精度.
• 多光谱数据,特别是当跨时间汇总时,可以有效地模拟重要的农学特征的遗传主要影响.