Fe2016 黑麦草 基因组预测的准确性

Fè D, Ashraf BH, Pedersen MG, et al (2016) Accuracy of Genomic Prediction in a Commercial Perennial Ryegrass Breeding Program. Plant Genome 9:1–22. doi: 10.3835/plantgenome2015.11.0110

商业多年生黑麦草育种计划中基因组预测的准确性

---

核心理念：
多年生黑麦草育种计划中基因组预测的高准确性
可以通过基因分型测定来追踪加性遗传方差
预测工作在不同的世代和不同的性状
在多年生黑麦草中进行基因组选择的良好前景

抽象
到目前为止，植物育种中基因组选择（GS）的实施主要在作为同质品种作物种植的作物中进行评价，结果总体上是积极的。对于生长为异源家族（由多重杂交开发）的物种，例如饲料草，可获得较少的结果，其中遗传变异的控制更复杂。在这里，我们测试的潜力为多年生黑麦草的滋生实施GS（黑麦草使用从商业牧草育种计划的经验数据L.）。双亲˚F 2和multiparental合成（SYN 2）二倍体多年生黑麦草的家庭采用基因分型，通过测序分型，并通过了五种不同性状的表型进行了分析。基因型表达为家族等位基因频率，表型记录为家庭平均值。通过使用实际相关的交叉验证策略来比较用于基因组预测的不同模型。所有性状显示高度显着水平的遗传变异，其可以使用基因分型测定来追踪。虽然有显著基因型一些特质×环境（G×E）的相互作用，准确度为其中F高2家庭和双亲之间F 2和multiparental SYN 2个家庭。我们已经证明，在草种育种中实施GS是现在可能的，并且提供了获得各种性状的显着增益的机会。

---

P黑麦草在整个欧洲西北部，美国，南非，日本，澳大利亚和新西兰的温带地区栽培最多牧草品种（堪等，2010）。它是专性allogamous物种（康沃尔等人，1979年）在遗传上异质的家庭饲养。该作物育种计划开始围绕20世纪20年代，从那时起，育种者主要依靠卓越的个人的表型轮回选择（Wilkins和汉弗莱斯，2003 ; Conaghan和Casler，2011 ; Hayes等，2013）。通过几十年，这种方法已经导致几个字符，如防锈性，春季生长和后天标题的重大改进。然而，可怜的涨幅已经像物质生产或种子产量性状达到（Sampoux等，2011）。此外，目前的育种计划往往是昂贵且耗时的，需要3至5年为一个选择周期和高达15年的对新品种的释放（Casler和布鲁默，2008 ; 波塞尔特，2010）。

在过去十年里，通过实施标记辅助选择（MAS）开辟了新的视角。对多年生黑麦草进行分析揭示几个数量性状位点（QTL）的存在，揭示不同性状和某些DNA区域之间的关联（综述筱冢等，2012）。在许多作物品种中使用标记辅助选择方法，对定性性状的育种具有积极影响。然而，该技术在改善复杂性状不太有效（莫罗等人，2004。 ; 伯纳，2008 ; Xu和蹲下，2008），因为这种性状通常由许多基因影响每个具有小的影响。在许多情况下，这些效应太小而无法检测。导致无论是在大量的假阴性的并在所谓比维斯效应的发生（比维斯，1998 ; 许2003），其中包括在等位基因影响估计的偏差，因为估计的QTL效应实际上是从一个采样截断分布。

这些问题可通过使用GS来克服（Meuwissen等人，2001年），其选择最佳个人和家庭基于它们的基因组估计育种值（GEBVs）。GEBV的计算通过同时使用所有标记进行，并且其被称为基因组预测。通过开发允许以成本有效的方式部署高通量基因分型测定的新技术，现在可以将GS实施到育种程序中。使用高标记密度，大部分的因果多态性预期与至少一个标记处于连锁不平衡（LD）。在GS，劳工处也可以跟踪整个家庭，使标记效果估计在群体水平计算，而传统MAS只允许在家庭层面这样的估计（Jannink等，2010）。此外，使用所有的标记意味着GS具有解释整体，或非常大的一部分，总遗传变异，从而克服了比维斯效果并导致育种值的无偏估计的电位（Hayes等。2013年）。

基因组预测的实际应用意味着不同的步骤。在第一步中，开发统计模型并在基因型分型和表型分型的个体或家族的训练集上进行测试。这样的人口应含有尽可能多的变化成为可能，减少个人之间的关系的电平（Pszczola等人，2012）。在下面的步骤中，基于其与训练集的基因组关系并且不需要对它们进行表型来估计用于其他个体或家族（验证集）的GEBV。

基因组选择成为动物养殖一个常用的技术（例如，Hayes等人，2009）。在作物，它已广泛的模拟数据调查（综述Jannink等人，2010）。经验数据的第一个研究发表在2009年玉米（玉米 L.）和大麦（大麦 L.）（洛伦扎纳和贝尔纳，2009年 ; Piepho，2009年）。后来的研究还包括小麦（小麦属）和其他物种（综述Lin等，2014年）。这些研究的主要焦点是准确性和不同统计方法之间的比较。总体而言，植物的GEBV预测显着优于仅基于表型的预测。这是真正的既为模拟和经验数据（Jannink等，2010 ; Lin等人，2014年），特别是在低遗传力和带大型训练数据集特征的情况下。此外，模型效果很好为多基因和寡的特征（岩田Jannink，2011），也是在战略基础上multitrait指数（Heffner等，2009）。在表型减少预期显著减少育种周期的长度，导致每年较高的遗传收益（Jannink等人，2010），并且有可能，在开发新的线路的成本显著下降。Heffner et al。（2010）估计，预计年收益在玉米约三倍，并在冬小麦两次超过所存在的收益。然而，仍有涉及约一个广泛使用GS的长期影响（Heffner等，2009 ; Jannink等，2010 ; Jannink 2010年，中屋和矶部2012年），其中，今朝技术状态，使得难以用GS完全取代传统的育种策略。

关于牧草种，黑麦草实现GS的潜力已经被最近探索海耶斯等人。（2013年）。其他研究还调查了潜在的GS在模式植物，白三叶草（三叶草 L.），高羊茅（高羊茅茅），以及法拉里斯属。（Simeão雷森迪等人，2014年 ; 。福斯特等人，2014年）。Hayes et al。（2013）定义多年生黑麦草作为引入因为它的许多商业性状，通常在繁殖周期的后期部分测得的多基因性质的GS一个最佳的目标物种。然而，他们还强调存在三个相关问题：（i）非严重的LD，（ii）由于物种的近亲性质，可能的高有效群体规模，以及（iii）当前育种计划需要根本性改变。整体利好预期被证实铁等。（2015A）使用抽穗期作为模型性状具有非常高的遗传谁表明基因组预测的优越性以上的MAS。然而，文献仍然缺乏对以更低遗传力为特征的更广泛的性状进行的广泛研究。

本研究的目的是通过使用来自商业育种程序的数据来研究在多年生黑麦草育种中实施GS的可能性。育种材料由DLF A / S生产的家族组成。本报告中包括的特征是：（i）抗冠锈病（由锈菌coronata金色病菌lolii布朗），这是，到目前为止，影响ryegrasses最严重的叶面疾病; （ii）种子产量; （iii）1000粒重; 和（iv）作为纤维和果聚糖含量测量的质量参数。