The Crop Journal | 扬州大学探明不同基因分型平台对玉米杂交种表型基因组预测的影响

全基因组选择（GS）是利用训练群体全基因组上的分子标记基因型和表型数据建模，进而对表型未知的育种群体做出合理的预测和选择，可大幅缩短育种周期，提高育种效率。尤其在玉米等作物的杂交种育种中，GS的优势更为突出，只需获取亲本的基因型和少部分杂交种的表型，即可对其他尚未组配的杂交种进行预测。然而，高昂的基因分型成本仍然是我国GS育种技术推广和应用的重大障碍。目前，基于测序和芯片的基因分型平台已逐渐应用于GS，了解各种基因分型平台的适用性，对于降低GS育种成本具有重要指导意义。

近日，扬州大学数量遗传研究团队在The Crop Journal在线发表了题为“Comparison of sequencing-based and array-based genotyping platforms for genomic prediction of maize hybrid performance”的研究论文。该研究利用149份玉米自交系组配305个杂交种作为训练群体，基于GBS测序、目标序列捕获（TSC）和SNP芯片三种基因分型平台评估玉米杂交种农艺性状的基因组预测表现，分析各基因分型平台的适用标记密度和统计模型，并提出了GS育种芯片研发的有效策略。

该研究利用8种GS模型对三种基因分型平台下玉米杂交种表型的预测力进行了评估，发现GBS标记数据集对所有性状的预测力最高，其次是TSC和SNP芯片数据集（图1）。同时，研究了不同基因分型平台下标记密度和统计模型对预测力的影响，发现1K SNP可以实现与10K和所有SNP相当的预测力，统计模型中BayesB、GBLUP和RKHS表现最优，而XGBoost在多数情况下表现最差。进一步，在3个自然群体中使用全基因组关联分析（GWAS）选择显著的SNP子集预测杂交表现，结果表明，GWAS可为GS筛选有效的SNP子集，但严重依赖于关联群体。研究提出，现有的SNP芯片仍有一定的优化空间，利用靶向测序基因型检测（GBTS）技术将GWAS鉴定的功能标记整合到1K SNP芯片中，有望成为GS育种芯片研发的有效策略。该研究为降低GS的基因分型成本提供了重要参考。

转自：“植物生物技术Pbj”微信公众号

如有侵权，请联系本站删除！