首页 > 分享 > 对春小麦腥黑穗病、赤霉病、条锈病、叶锈病和叶斑病抗性的基因组进行预测

对春小麦腥黑穗病、赤霉病、条锈病、叶锈病和叶斑病抗性的基因组进行预测

花匠小妙招
2025-01-03 03:30

文章导读

目前有些研究调查了基因组选择 (Genomic Selection, GS) 对小麦条锈病、叶锈病、赤霉病和叶斑病的潜力，但没有一项研究评估包含基因型与环境之间相互作用的反应范数模型的效果，也没有研究过小麦腥黑穗病的预测准确性。来自加拿大阿尔伯塔大学学者携手众多专家在 Genes 期刊发表了文章，用三种模型及三个随机交叉验证方案首次研究了春小麦腥黑穗病、赤霉病、条锈病、叶锈病和叶斑病抗性的基因组，并了解了群体内预测的准确性，该研究为小麦育种者提供了非常有价值的信息。

研究过程与结果

作者对 578 个品系和品种进行了研究，共包括 203 个品系和品种和 2 个重组自交系 (RIL) 群体。主要研究了不同品种抗性和易感性。由 183 个加拿大春小麦品种和 20 个未注册春小麦品系组成了 BVC 种群，和由 Peace×Carberry 杂交而成的重组自交系 ACG 种群、Attila×CDC Go 杂交而成的重组自交系的 PAG 种群，在 2016—2020 年期间，分别对腥黑穗病、赤霉病、条锈病、叶锈病和叶斑病反应进行了评估。期间采用了相同的实验设计、异质物、接种准备、接种应用和疾病分级。收集样本之后，提前、分析基因组。最后使用多环境试验分析分析每种环境的疾病评级，用基线模型 M1、主效应模型 M2、包含基因型与环境之间相互作用 (GE) 的 M3 模型和三个随机交叉验证方案 (对整个环境的预测 CV0、新开发品种的表现 CV1 以及稀疏测试 CV2) 来研究两两组合的预测能力。

作者在图 1 中总结了不同种群基于个体环境的疾病评分，揭示了根据遗传背景、环境和疾病类型而产生的高度可变的反应。结果显示，三个群体内的基因型 (系) 均显示显著。同时也总结了疾病评分、环境之间的相关性以及在所有环境中计算的广义遗传率。由于预测模型、性状和基因背景的不同，环境、基因型 (品系)、分子标记 (基因组学)、基因-环境互作效应以及残差 (误差或未解释的成分) 所贡献的方差比例也会有所不同，作者也从上述方面分别研究了不同种群、不同疾病的基因型差异 (图 2)。作者还评估了不同种群赤霉病 FHB 的发病率、指数、严重程度以及相关性 (图 3)，发现在 6 种环境之间，FHB 严重程度与 FHB 指数之间也存在明显的高相关性。为了研究不同模型的预测能力，作者比较了仅利用表型数据的基线 M1 模型与在 M1 模型中加入分子标记的主效应 M2 模型以及在 M2 模型中加入GE相互作用的 M3 模型的预测能力 (图 4)，结果表明：M1 模型与 CV1 和 CV2 方案的预测精度明显小于 M2 和 M3 模型。当 CV1 方案与 M2 和 M3 模型一起使用时，观察到所有疾病和种群的预测精度发生了最显著的变化，其精度分别比基线 M1 模型平均提高了 208% 和 199%。最后，作者利用 M3 模型的结果，比较了不同环境下，每个群体的 4—7 个性状的预测精度 (图 5)。结果显示，无论 CV 方案如何，ACG 群体对常见疾病、叶锈病和叶斑病的预测精度都很低 (图 5)。

图 1. 田间条件下 3 个春小麦群体赤霉病 (FHB)、条锈病 (Yr)、叶锈病 (Lr)、叶斑病 (Ls) 和白腐病 (Hunt) 的最佳线性无偏估计值 (BLUEs)。

图 2. 使用基准模型 M1、主效应模型 M2 和包含基因型与环境之间相互作用 (GE) 的模型 M3，将总方差分割为环境 (GE) 以及残差成分。

图 3. 基于 (a) 个体环境和 (b) 6 种环境的赤霉病发病率、严重程度和指数回归图。

图 4. 三种随机交叉验证方案 (CV0、CV1 和 CV2) 和三种模型 (M1、M2 和 M3) 的预测精度比较。

图 5. M3 模型与 CV0、CV1 和 CV2 随机交叉验证方案的平均预测精度比较。

研究总结

作者比较了基线模型与两个反应常态模型 (M2 和 M3) 对加拿大三个春小麦群体的五种病害的预测准确性。研究发现在所有三个群体中，三种模型的预测精度存在统计学上的显著差异，M2 和 M3 模型之间的显著差异仅在关联映射面板中观察到。然而，与主效应 M2 模型相比，包含 GE 相互作用的 M3 模型显示出一些明显的优势，包括性状的精度提高了 54% (每个性状-群体组合平均为 2—6%)，并且总体平均占 M2 模型不能解释的剩余方差的 10.2%。CV1 方案的预测精度低于 CV2 和 CV0 方案，这表明对于尚未在任何环境中进行表型分析的新开发品系成功实施大规模基因组选择的可能性较小。然而，CV2 和 CV0 方案获得的中等至极高的准确性表明，通过减少每种环境中评估的品系数量或利用其他环境的数据预测品系在未来环境中的表现，成功实施基因组选择以开发抗病春小麦种质的可能性很大。本研究是第一个全面的基因组预测研究，首次评估了反应常态模型对春小麦五种主要常见疫病的预测能力，给育种者提供了非常有价值的信息。

原文出自 Genes 期刊

Semagn, K.; Iqbal, M.; Jarquin, D.; Crossa, J.; Howard, R.; Ciechanowska, I.; Henriquez, M.A.; Randhawa, H.; Aboukhaddour, R.; McCallum, B.D.; et al. Genomic Predictions for Common Bunt, FHB, Stripe Rust, Leaf Rust, and Leaf Spotting Resistance in Spring Wheat. Genes 2022, 13, 565. DOI: 10.3390/genes13040565

期刊主题涵盖了与 DNA、RNA、染色体、基因、遗传学和多组学相关的所有内容。下设 18 个专题，从人类、动物、植物、微生物、分子遗传、种群进化和高新技术等多个角度全方位审视遗传学和基因组学的前沿研究。

2022 Impact Factor: 3.5

2023 CiteScore: 5.2

Time to First Decision: 17.9 Days

Time to Publication: 36 Days

责任编辑：