基因组选择：加速遗传增益，缩短育种周期

这篇报告由Debadatta Panda撰写，主题是“基因组选择（Genomic Selection, GS）”，详细介绍了GS的原理、优势、实施步骤以及在植物育种中的应用和前景。以下是报告的主要内容总结：

1. 基因组选择的背景和原理

• • 定义：GS是一种基于全基因组标记信息的辅助选择方法，由Meuwissen等人于2001年提出。它利用覆盖整个基因组的标记等位基因信息进行选择。
• • 目的：弥补标记辅助选择（MAS）和多重性状选择（MARS）的不足，尤其是对于小效应数量性状位点（QTLs）的处理。
• • 核心概念：通过估计所有标记位点的效应（无论其效应是否显著），计算基因组估计育种值（GEBVs），并以此为基础进行选择。

2. 基因组选择的优势

• • 处理小效应QTLs：GS能够整合全基因组的标记数据，包括那些与性状关联不显著的标记，从而更全面地评估个体的遗传价值。
• • 提高选择准确性：相比传统的MAS和表型选择，GS能够更准确地预测育种值，尤其是在低遗传力性状的选择中。
• • 缩短育种周期：通过减少对表型数据的依赖，GS可以显著缩短育种周期，尤其在多年生植物育种中效果显著。
• • 减少近交和遗传多样性损失：GS能够在不牺牲选择增益的情况下，减少育种过程中的近交和遗传多样性损失。
• • 多性状选择：GS可以整合多个性状的数据，形成综合选择指数，提高多性状选择的效率。

3. 基因组选择的实施步骤

训练群体（Training Population）

• • 特征：训练群体应足够大，能够代表育种群体，具有最大的性状变异和标记变异。群体应具有与育种群体相似的连锁不平衡（LD）和LD衰减率。
• • 构成：可以由亲本、近期祖先或无关个体组成，也可以是历史数据或实际存在的群体。
• • 更新：训练群体应定期更新，以包含育种群体中的新个体或品系。

标记密度（Marker Density）

• • 影响因素：标记密度的选择取决于连锁不平衡的程度、授粉方式（自花授粉或异花授粉）和性状的遗传力。
• • 优化：标记密度越高，GEBV的准确性通常越高，但超过一定阈值后，增加标记密度的效果会减弱。

GEBV的计算

• • 假设：假设标记与QTL之间存在连锁不平衡，并且这种连锁在育种群体中是稳定的。
• • 模型选择：

• • 逐步回归（Stepwise Regression）：只考虑显著标记效应，适合QTL定位，但可能导致标记效应估计过高。
• • 岭回归（Ridge Regression）：假设所有标记效应服从正态分布，适合小效应QTLs，避免了选择偏差。
• • 贝叶斯方法（Bayesian Approach）：为每个标记估计单独的方差，适合高密度标记和有限表型记录。
• • 半参数回归方法（Semi-parametric Regression）：考虑有限和无限维度因素，适合复杂表型数据。
• • 机器学习方法（Machine Learning Methods）：如支持向量机（SVM）和随机森林，适合大数据分析。

4. 影响GEBV估计准确性的因素

• • 标记效应的估计方法：不同的模型（如岭回归、贝叶斯方法）对GEBV的准确性有显著影响。
• • 多基因效应和亲缘关系：基于亲缘关系的多基因效应项可以提高GEBV的准确性。
• • 训练群体的表型评估方法：训练群体的表型数据质量直接影响GEBV的准确性。
• • 标记类型和密度：标记密度越高，GEBV的准确性通常越高。
• • 性状的遗传力和QTL数量：高遗传力和多QTL性状更适合GS。
• • 育种群体的遗传多样性：育种群体的多样性越高，GEBV的准确性可能越低。

5. 基因组选择的应用

• • 与MAS的比较：GS在多性状选择和低遗传力性状选择中优于MAS。
• • 在不同作物中的应用：GS已在多种作物中得到应用，如水稻、玉米、小麦等。
• • 未来展望：GS有望进一步整合多组学数据，提高育种效率和适应性。

6. 基因组选择的局限性

• • 模型更新需求：由于基因频率和上位性效应的变化，GS模型需要定期更新。
• • 模拟模型的局限性：大多数模拟模型基于加性遗传方差，忽略了上位性效应。
• • 标记效应的动态变化：标记效应可能随育种周期变化，需要不断重新评估。
• • 成本问题：每代都需要对大量标记进行基因分型，增加了成本。
• • 缺乏实际应用证据：GS在植物育种中的实际应用效果仍需进一步验证。

7. 结论

• • 优势：GS在提高选择准确性、缩短育种周期、减少近交和遗传多样性损失方面具有显著优势。
• • 挑战：GS的实施需要解决模型更新、标记效应动态变化和成本问题。
• • 未来方向：GS有望与多组学技术结合，进一步提升育种效率和适应性。

报告强调了基因组选择在现代植物育种中的重要性，并指出了其在实际应用中需要克服的挑战。

 

 

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。