在大麦多亲RIL种群中对转录组数据的基因组预测能力的评估
Christopher Arlt1,2, Delphine van Inghelandt2,3, Jinquan Li4
1Institute of Quantitative Genetics and Genomics of Plants, Heinrich Heine University Duesseldorf, Duesseldorf, 40225, Germany.
TAG. Theoretical and applied genetics. Theoretische und angewandte Genetik
|September 10, 2025
概括
在大麦中低成本的RNA测序数据实现了与SNP数组可比的基因组预测 (GP) 性能. 将RNA测序与全基因组测序数据相结合,进一步提高了育种计划的预测准确性.
科学领域:
- 植物遗传学 植物遗传学
- 基因组选择 基因组选择
- 生物信息学是一种生物信息学.
背景情况:
- 基因组选择 (GS) 对于作物改进至关重要,旨在提高使用分子标记物的预测能力.
- 整合多omics数据集是提高GS准确性和繁殖计划效率的关键策略.
- 大麦 (Hordeum vulgare) 是一个重要的全球作物,其育种方面的进步对于粮食安全至关重要.
研究的目的:
- 用低成本,高通量RNA测序 (RNA-Seq) 数据评估大麦基因组预测 (GP) 的性能.
- 研究结合基因组和转录基因组数据集的潜力,包括全基因组测序 (WGS) SNP数据,以提高预测能力.
- 评估节省成本的措施,如对RNA-Seq数据进行测序深度降低和功能注释过.
主要方法:
- 从三个相关的大麦RIL种群中生成了具有成本效益的RNA-Seq数据.
- 使用基因表达数据,RNA-Seq衍生的SNP和结合RNA-Seq和父母WGS数据的共识SNP数据集进行GP.
- 利用五倍交叉验证来评估各种复杂特征的预测能力,与50K SNP数组进行基准测试.
主要成果:
- 仅RNA-Seq数据就实现了GP预测能力,范围从0.73到0.78.
- 共识SNP数据集 (RNA-Seq + WGS SNPs) 在八个特征中的五个方面超过了50K SNP数组.
- 增强的预测准确性在人口间预测中尤为明显,证明了组合数据集的实用性.
结论:
- 低成本的RNA-Seq数据可以在大麦RIL中实现有效的基因组预测.
- 将RNA-Seq与父母的WGS SNP数据结合起来,显著提高了预测能力,特别是在多样化的种群中.
- 这些发现支持将RNA-Seq和WGS数据整合到育种计划中,以改善作物开发和粮食安全.
