互惠BLUP:一种可预测性引导的多态学框架,用于植物表型预测

科学领域:

• 植物基因组学和育种
• 多omics数据集成多omics数据集成
• 系统生物学在农业中的应用

背景情况:

• 提高作物性能需要通过分子途径将遗传变异与可观察的特征联系起来.
• 当前的方法往往难以整合多样化的OMIC数据来进行全面的表型预测.
• 了解基因型-环境-微生物群相互作用对于可持续农业至关重要.

研究的目的:

• 引入互惠最佳线性无偏预测 (互惠BLUP),这是一个多主题集成的框架.
• 量化基因组,代谢组和微生物组之间的跨层关系,以提高表型预测.
• 评估可预测性引导特征选择在植物育种应用中的有用性.

主要方法:

• 开发并应用了互惠BLUP框架,用于大豆在不同的水条件下加入.
• 评估了四种特定方向的预测模型,以评估跨omics特征的可预测性.
• 使用可预测性选择特征与随机选择和全功能模型相比,比较表型预测准确度.

主要成果:

• 确定了一个不对称的关系,即代谢组可以从微生物组中预测,但不能反过来.
• 与随机选择相比,以可预测性为指导的特征选择显著提高了表型预测的准确性.
• 代谢和微生物模型 (MetBLUP,MicroBLUP) 在干旱下的生物质特征方面表现优于基因组预测 (GBLUP).

结论:

• 代谢组作为关键的调解者,将植物的基因型,环境和微生物组合联系起来.
• 互惠BLUP提供了一种生物学上可解释的方法,用于整合植物育种中的多omics数据.
• 该框架增强了表型预测,并指导了作物改进的基于奥米克的特征选择.