基于基因组和超光谱成像的预测混合使小麦粒中可选择减少的脱氧尼瓦伦醇含量
Jonathan S Concepcion1, Amanda D Noble1, Addie M Thompson1
1Department of Plant, Soil, and Microbial Sciences, Michigan State University, East Lansing, MI 48823, USA.
G3 (Bethesda, Md.)
|August 12, 2025
概括
超光谱成像与基因组数据相结合,改善了小麦低脱氧尼瓦伦醇 (DON) 含量的小麦育种. 可见光现象预测的准确性高于仅基因组预测,有助于选择更健康的小麦品种.
科学领域:
- 农业科学 农业科学
- 植物育种 植物育种
- 菌毒素研究 菌毒素研究
背景情况:
- 由于特征复杂性和有限的表型化,为低脱氧尼瓦伦醇 (DON) 菌毒素含量培育小麦是很困难的.
- 基因组和现象学预测捕获了不同的遗传效应 (添加剂与非添加剂),表明了对改进选择精度的互补性.
研究的目的:
- 评估基于高光谱成像的现象预测的有效性,单独或与基因组预测相结合,用于选择低DON小麦.
- 为了比较不同频谱范围和模型对DON内容的预测能力.
主要方法:
- 采用高光谱摄像机对小麦粒进行成像,以获得光谱反射率数据.
- 现象和基因组预测是使用贝叶斯学和机器学习模型生成的.
- 模型混合和K-Means集群用于前预测和候选分区.
主要成果:
- 使用可见光谱 (400-700 nm) 波段的现象预测显示出比基因组预测或全谱现象预测更高的预测能力.
- 综合现象和基因组预测显示的间接选择准确度高于单独的基因组预测.
- 基于混合预测,K-Means将成功分选的候选人分为高和低DON组.
结论:
- 基于高光谱成像的现象预测是补充小麦育种中的基因组预测以减少DON含量的一个有价值的工具.
- 可见光光谱数据对于DON预测特别有效.
- 这种方法为基于预测的低DON小麦品种的选择提供了一个有希望的策略.
