湿地松育种不再只靠表型:按训练折做关联预选,生长性状预测能力提高11.9%
湿地松育种周期长达十几年,基因组选择能否加速取决于标记怎么选。一项针对240株湿地松的研究把全基因组关联分析限制在每个训练折内部,用关联显著性预选SNP,再比较八种预测模型和十二种标记密度。生长性状的平均预测能力从随机选标记的0.242升到0.271,提高11.9%;木材品质仅提高2.2%,松脂性状没有变化,而按PVE或跨折重现频率加入的QTN协变量在12个性状中有9个未超过无协变量基线。
湿地松育种周期长达十几年,基因组选择能否加速取决于标记怎么选。一项针对240株湿地松的研究把全基因组关联分析限制在每个训练折内部,用关联显著性预选SNP,再比较八种预测模型和十二种标记密度。生长性状的平均预测能力从随机选标记的0.242升到0.271,提高11.9%;木材品质仅提高2.2%,松脂性状没有变化,而按PVE或跨折重现频率加入的QTN协变量在12个性状中有9个未超过无协变量基线。
基因组选择中该给哪些品系测表型,长期靠经验或按与目标品系的平均亲缘关系挑选。TSOpt把训练集设计改成对预测误差方差的精确秩一更新,在IRRI的328个水稻精英品系上,相对随机抽样把预测能力提高0.097,单次设计约0.1秒,比STPGA快约900倍。25个设计品系对籽粒产量的预测相当于约103个随机品系,抽穗期和株高分别相当于76个和167个;四个季节只测四分之一品系×季节组合时,其稀疏测试分配也优于按品系均衡的随机分配。
该研究公开了2020–2021年Genomes to Fields项目19个环境、356次无人机飞行、1,180个玉米杂交种的时序影像资源,并用植被指数与气象轨迹的功能主成分结合基因组信息进行产量预测与QTL定位,发现基因组与表型组核联合可将留出杂交种预测相关提升至r=0.501(环境在训练集中)和0.408(环境也被留出),积温日并未稳定优于播种后天数,气象贡献有限,且NGRDI功能主成分在第3和第7号染色体上反复检出数量性状位点。
已读完全部报道