Plant Phenomics | 油菜育種新方法:表型選擇技術解析
在作物育種中,基因組選擇(Genomic Selection,GS)已成為預測作物性狀的重要工具。然而,基因組選擇需要大量的基因型標記,成本較高。為解決這一問題,本文提出了表型組選擇(Phenomic Selection,PS)作為低成本、高通量的替代方案。PS通過光譜數據預測復雜性狀,無需依賴基因型信息,具有良好的預測準確性。
2024年7月,Plant Phenomics 在線發表了Justus Liebig University題為Phenomic Selection for Hybrid Rapeseed Breeding 的研究論文。
本文通過近紅外光譜(NIRS)數據對410個油菜雜交組合進行了表型組選擇,并與基因組選擇進行了對比分析。結果表明,表型組選擇在預測種子產量和植株高度等性狀時,表現優于基因組選擇,特別是在僅使用單個試驗場地數據時效果顯著。研究還發現,通過親本的光譜數據預測雜交后代的性狀是可行的,為油菜雜交育種提供了一種高效、經濟的選擇方法。
圖1是雜交油菜種群及不同環境下的實驗設計示意圖。本研究使用的油菜籽群體是基于5個不同的創始系(P1~P5)與一個共同的精英系(L1)的雜交。將得到的251個傳粉媒介與2個不同的雄性不育自交系(M1和M2)雜交,得到410個試驗雜交種(A)。利用生長在1個地點的傳粉媒介獲得的近紅外光譜數據進行跨代預測,預測生長在5個地點的雜交種的表型性狀(B)。利用近紅外光譜數據和雜種(C至E)獲得的表型性狀進行代內預測。從所有5個位點獲得表型性狀,而NIRS數據要么從所有5個位點(C和E)獲得,要么從單個位點(D)獲得。交叉驗證的方法是將雜交群體隨機分為80%的訓練集和20%的測試集,重復200次(B至D),或者使用5個原始雜交中的4個后代的雜交作為訓練集,其余亞家族作為測試集(E)。
圖1 實驗設計概述
圖2 幾種選擇的預測值和實際值對比
圖2基于GBLUP/NIRS-BLUP的實測值(調整均值)和預測值(200次交叉驗證均值),比較GS(A和D)、PS(B和E)和組合選擇(C和F)對種子產量前80個基因型(A ~C)或前40個基因型(D ~ F)的選擇精度。根據預測和實際性能,在選定部分內或外的基因型分別被分類為“正確選擇”(CS)或“正確丟棄”(CD)。
在實際表現較差的預測中選擇的基因型,反之亦然,分別被歸類為“錯誤選擇”(WS)或“錯誤丟棄”(WD)。相應的百分比數字表示相應的派系規模。切卡諾夫斯基相似系數(CZ)表示基于預測值的選擇精度。Pearson相關系數(r)表示各自的預測精度。近紅外光譜數據是在雜交種內從收獲的種子中獲得的。
該研究首次驗證了表型組選擇在油菜雜交育種中的可行性,證明了親本的光譜數據可以用于預測后代的性狀表現。這一方法能夠顯著降低育種成本,提高育種效率,且易于在現有的育種計劃中實施。
論文鏈接:
https://doi.org/10.34133/plantphenomics.0215
——推薦閱讀——
Fast and Efficient Root Phenotyping via Pose Estimation
https://doi.org/10.34133/plantphenomics.0175
Plant Phenomics | 利用深度學習技術實現地標的快速檢測與分組,為根表型分析提供高效無縫的解決方案
加入作者交流群
掃碼添加小編微信,拉您進入《植物表型組學》作者交流群,群內不定期開展作者分享會、專刊發布會等高質量活動。
添加小編微信,備注姓名+單位+PP,加入作者交流群
About Plant Phenomics說明:本文由《植物表型組學》編輯部負責組稿。
中文內容僅供參考,一切內容以英文原版為準。
編輯排版:王平、陳新月(浙江大學)
審核:尹歡、孔敏