目录
- GS架构
- GS模型
- GS论文
- GS工具
- 影响GS因素
- 总结
过去的二十年,GS已被全球动物育种计划广泛采用,因为它有可能提高选择准确性,最大限度地减少表型,缩短周期和增加遗传增益。此外,鉴于GS在提高小麦、玉米和水稻等谷类作物的产量、生物和非生物胁迫耐受性以及品质方面取得了可喜的初步评估结果,因此正在探索将其纳入育种作物的前景。
利用基因组信息提高预测准确性的改进统计模型对于GS育种计划的有效性至关重要。研究干旱和热胁迫下的遗传结构有助于开发产量标志物,从而通过GS显著加速抗逆作物品种的开发。
GS架构
GS模型
GS论文
不同作物(即谷物、豆类、油籽和园艺作物)的谷物产量和相关性状的基因组预测。
GS工具
- GMStool:https://github.com/JaeYoonKim72/GMStool
- solGS:http://cassavabase.org/solgs
- rrBLUP:https://CRAN.R-project.org/package=rrBLUP
- BWGS: https://CRAN.R-project.org/package=BWGS
- BGLR:https://CRAN.R-project.org/package=BGLR
- GenSel:https://github.com/austin-putz/GenSel
- GSelection:https://CRAN.R-project.org/package=GSelection
- lme4GS:https://github.com/perpdgo/lme4GS
- STGS: https://CRAN.R-project.org/package=STGS
- MTGS: https://CRAN.R-project.org/package=MTGS
影响GS因素
影响基因组预测的因素:标记密度、群体规模、性状结构和遗传力等。
作为训练群体大小为 2*Ne*L(其中 Ne 是有效群体大小,L 是 Morgan 中的基因组大小)和标记数量为 10*Ne*L 的想法或估计,以实现 0.9 的预测精度,并将训练群体的大小减少到 1*Ne*L 导致预测精度为 0.7, 前提是训练群体和育种群体不相关或两者相隔许多代。然而在大多数情况下,训练群体和育种群体是相关的,因此在训练群体规模远小于上述规模的情况下,可以实现高基因组预测准确性(Meuwissen,2009)。
Meuwissen, T. H. (2009). Accuracy of Breeding Values of 'unrelated' Individuals Predicted by Dense SNP Genotyping. Genet. Sel Evol. 41, 35–39. doi:10.1186/1297-9686-41-35/TABLES/3
总结
即使在基因组选择研究了十多年,仍有很大的改进空间。方法学上的改进(例如缺失基因型值的插补、GxE互的实施、表观遗传调控信息、单倍型以及将多性状信息纳入预测模型)无疑将有助于在植物和动物育种计划中成功实施GS。通过在每一代中包含新标记来一致地更新 GS 的训练集是非常可取的。训练群体的评估应在受控和管理良好的条件下进行,因为它会显著影响预测模型的性能。在基因组选择领域需要一个结构化的计划,包括人力资源开发、先进的数据记录方法和性状表型分析,以取得丰硕的成果。