基因组选择在水稻育种中的应用与效果

这篇报告主要介绍了基因组选择（Genomic Selection, GS）在印度Acharya NG Ranga农业大学的应用，特别是在水稻育种中的实践和效果。报告详细阐述了GS的原理、流程、统计方法以及在水稻育种中的具体应用和取得的成果。

背景知识

基因组选择（GS）是一种基于全基因组标记的辅助选择方法，由Meuwissen等人于2001年提出。GS利用已知表型和基因型的训练群体构建模型，预测未测试个体的表型表现。GS考虑了所有基因的加性遗传效应，通过估计个体的基因组估计育种值（GEBVs）来实现。GS在植物和动物育种中被广泛应用，以加速由小基因控制的性状的遗传增益。

研究方法

1. 1. GS模型构建：使用训练群体的表型和基因型数据构建模型，预测未测试个体的表型表现。GEBV是个体所有标记等位基因效应的总和。
2. 2. 统计方法：

• • rrBLUP模型：使用岭回归最佳线性无偏预测（rrBLUP）模型估计标记效应并计算GEBVs。

• • 交叉验证：通过随机抽样不同比例的条目作为训练群体，评估GS的准确性。

• • 回归分析：通过回归分析确定产量随时间的遗传增益。

• • 事后分析：分析1994年至2022年间的杂交记录，评估特定品种作为亲本的使用频率。

• • 遗传力估计：评估表型数据的可靠性和质量。

• • 数据过滤和质量控制：过滤掉高杂合度个体和低次要等位基因频率的标记。

4. 3. 数据分析流程：

• • 基因型数据填充：使用均值替换或期望最大化方法填充缺失数据。

• • 降维：通过随机抽样、连锁不平衡（LD）筛选或方差分析（ANOVA）减少标记数量。

• • 模型构建和交叉验证：使用惩罚回归或半参数方法处理“大数据”问题。

实验和结果

1. 1. 基因型和表型数据：

• • 使用1024个SNP标记对1445个育种品系进行基因分型，包括92个与性状相关的标记。

• • 通过TASSEL软件过滤数据，保留814-889个标记用于后续分析。

• • 使用两年的田间试验数据（2018-2019至2021-2022）评估产量表现。

3. 2. GS在育种中的应用：

• • 选择亲本：基于GEBV选择高育种值的品系作为亲本，增加有利等位基因的频率。

• • 早期世代产量测试：在灌溉育种计划中应用GS方法，在F5:6世代进行线阶段测试（LST），预测产量。

• • 无产量评估的GS：在F5:6 LST阶段，使用860个SNP标记和39个亲本的产量数据进行GS，预测准确率为0.103。

5. 3. 遗传增益和GS效率：

• • 基线遗传增益：通过回归分析，2014-2019年期间的产量遗传增益为0.0174 t/ha・年。

• • 当前遗传增益：通过GS，2019-2022年期间的产量遗传增益为117 kg/ha・年，是基线增益的6.77倍。

• • GS准确性：通过Pearson相关性分析预测表现与实际表现之间的准确性，最高可达0.715。

关键结论

1. 1. GS的应用显著提高了遗传增益：通过连续四年（2019-2022）应用GS，产量遗传增益显著提高，达到117 kg/ha・年。
2. 2. 缩短育种周期：GS结合标记辅助选择（MAS）显著缩短了育种周期，从现有的4.5年减少到约3年。
3. 3. 提高遗传准确性：GS能够在没有广泛田间表型的情况下可靠地捕获高育种值的品系。
4. 4. 未来展望：GS在水稻育种中的应用前景广阔，包括精准育种、加速遗传增益、性状叠加、气候适应性、多组学整合以及在发展中国家的广泛采用。

总结

报告强调了GS在水稻育种中的重要性，特别是在提高遗传增益和缩短育种周期方面的显著效果。通过应用GS，育种者能够在更短的时间内实现更高的遗传增益，同时减少对广泛田间表型的依赖。未来，GS有望在水稻育种中发挥更大的作用，推动水稻生产的创新和可持续发展。

欢迎加入知识星球领取完整PPT，新人入社群限时优惠券100元。