aBIOTECH分享 http://blog.sciencenet.cn/u/aBIOTECH

博文

特约综述 | 徐辰武-作物全基因组选择育种技术研究进展

已有 274 次阅读 2024-4-29 10:37 |个人分类:论文|系统分类:论文交流

特约综述 | 徐辰武-作物全基因组选择育种技术研究进展

微信图片_20240429103121.jpg

作物全基因组选择育种技术研究进展

王欣,徐一亿,徐扬,徐辰武

DOI: 10.13560/j.cnki.biotech.bull.1985.2023-1079

全基因组选择(genomic selection,GS)方法利用覆盖全基因组的分子标记和样本的表型数据建立预测模型,以实现个体的遗传评估。全基因组选择genomic selectionGS)育种是根据训练群体全基因组上的分子标记基因型和表型之间的关联构建遗传模型,进而对基因型已知的待选群体进行育种值估计或表型预测,以实现对育种群体高效和精确的选择。相比于常用的分子标记辅助选择育种,GS育种无需进行标记显著性测验,特别适用于微效多基因控制的数量性状,可以缩短育种周期,降低育种成本,现已成为动、植物育种领域的一项前沿技术。然而,对受环境影响较大的作物产量等数量性状而言,仍面临着基因组预测准确性难以提升的瓶颈问题。

近日,《生物技术通报》特别邀请扬州大学农学院徐辰武教授团队发表综述作物全基因组选择育种技术研究进展本文首先分析了影响作物GS功效的主要因素,继而从非加性效应模型、群体构建方案、多性状与多环境预测、多组学预测和育种芯片技术现状等方面阐述了GS技术在作物育种中的研究进展,并指出研究所面临的问题和发展前景,为推动作物GS育种技术的进一步深入研究提供策略和思路。本文现已在知网上线,欢迎下载阅读!→点此阅读文章

微信图片_20240429103210.jpg

本文主要包括以下几部分内容:

1 全基因组选择方法概述

微信图片_20240429103216.png

1.1 线性模型及其扩展

1.2 贝叶斯方法

1.3 机器学习方法

2 全基因组选择功效的影响因素

2.1 遗传因素

2.2 非遗传因素

3 全基因组选择方法的拓展

3.1 非加性效应模型研究

3.2 群体构建方案研究

3.3 多性状和多环境预测研究

3.4 多组学预测研究

4 全基因组选择育种芯片研发现状

5 全基因组选择育种展望

GS育种技术的逐渐成熟和广泛应用为作物育种研究提供了新的机遇,将其与重要目标性状基因的精准鉴定结果相结合,有望大大加快优异基因聚合的效率,并创制出更加丰富的遗传资源。尤其针对我国作物育种群体遗传来源较为狭窄的问题,利用基因组水平上的精准预测,能够帮助育种家放眼更广泛来源的种质材料,通过精确预测和育种方案的科学设计,聚合更多的有利等位基因,以创建作物的优异育种新材料。如果将基因组、转录组和代谢组等组学信息相结合,配合对作物多个性状的联合预测,有望实现作物多个性状之间的协调发展,为培育适应机械化生产、优质高产多抗广适作物新品种提供有效途径。

虽然GS技术在作物育种中的应用前景广阔,但是其发展仍然面临着众多挑战,主要包括以下几点:(1)一般的GS方法只考虑加性效应,部分学者将显性及上位性等效应纳入模型,但是预测效果还不够理想;(2)前人的GS研究大多只针对特定环境下特定作物群体的单个性状,忽视了关联性状共同的生物学基础以及多性状的协调发展,且缺乏详细的环境组学数据,难以实现对基因环境互作模式的识别与利用;(3)多数GS研究只用到基因组信息,多组学信息和研究成果没有得到充分利用;(4)缺少GS育种专用芯片以及配套软件和平台,数据共享程度低,限制了GS效率的提高;(5)作物领域中已有的GS研究很多停留在方法探索阶段,未能广泛付诸于实际的育种工作。

针对上述问题,首先应结合已有的生物学和遗传学研究成果,遴选作物全基因组上目标性状的候选基因,开发与基因组信息特征相适应的降维方案,以大幅降低模型中的变量数目,同时应用人工智能领域中的先进算法,提高对各类非加性遗传效应的准确预测;第二,广泛收集表型、基因型和环境数据,并对模型进行优化,注重作物多个性状之间的协调发展,识别并利用基因环境互作模式,提高选择的增益和可靠性;第三,应结合人工神经网络,机器学习等最新的数学方法,积极开展作物多组学预测研究,构建多组学信息与目标性状之间的数量遗传模型,提高多组学联合预测的效果;第四,可以谋划构建GS专用芯片和统一的GS平台,实现群体之间的信息共享与利用,提高数据的利用率;第五,GS研究必须结合农业发展的实际情况与切实需求,让理论和方法研究更好地服务于实际育种工作,为培育适应机械化生产、优质高产多抗广适作物新品种提供高效途径。总之,随着作物育种精准化和智能化的需求不断提升,以及基因组学和人工智能技术的快速发展,未来的GS研究工作充满了机遇和挑战。

作者简介

微信图片_20240429103259.jpg

徐辰武,男,1965年生,扬州大学二级教授、博士生导师,国务院政府特殊津贴专家,入选农业部全国农业科研杰出人才和创新团队带头人、教育部新世纪优秀人才支持计划、江苏省中青年科学技术带头人等。主持建设的《生物统计与试验设计》课程入选国家精品课程、国家精品资源共享课程和首批国家一流课程。先后主持国家973计划课题和国家重点研发计划课题4项、国家自然科学基金项目9项,在Genome Biology、Trends in Plant Science等刊物发表SCI论文90余篇,研究成果获教育部自然科学奖二等奖、科技进步奖二等奖等多项奖励。

推荐阅读

征稿 |『菌物功效及作用机制』专刊

微信图片_20240429103355.jpg

征稿 |『薯类作物生物技术』专刊

微信图片_20240429103358.jpg

特约综述 | 赵心清-基于转运蛋白工程提升微生物菌株耐受性和生物制造效率的研究进展

微信图片_20240429103402.jpg

特约综述 | 方晓峰-相分离调控植物胁迫感知和应答的研究进展

微信图片_20240429103405.jpg



https://wap.sciencenet.cn/blog-3458049-1431951.html

上一篇:aBIOTECH评述 | 马文勃/Alexander J. McClelland-结构生物学助力植物抗病性的改造
下一篇:aBIOTECH | 任雯/杨进孝/赵久然团队利用增强型引导编辑技术实现高效精确的基因组片段缺失
收藏 IP: 175.169.172.*| 热度|

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-5-15 10:50

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部