Die Biotechnologie ist in den letzten Jahren mit neuen Produkten, die heutzutage endlose Möglichkeiten bieten, Genomdaten für eine Vielzahl von Pflanzenarten in kurzer Zeit und zu geringeren Kosten zu generieren, rasant gewachsen. Waisenpflanzen (solche, die vom Menschen noch nicht eingehend erforscht wurden) profitieren endlich von einer solchen technologischen Revolution. Ich bin mir sicher, dass noch viel mehr aufgedeckt und zum Wohle der Menschheit genutzt werden muss.
Bis vor einigen Jahren galt die Phänotypisierung als Engpass bei der Untersuchung komplexer Merkmale in Pflanzen, da sie auf intensiver Handarbeit beruhte, die kostspielig und zeitaufwändig ist. Die Phänotypisierung ist ebenso wie die Genotypisierung in eine neue Ära der Hightech eingetreten, in der neue Instrumente Messungen mit hohem Durchsatz durchführen können, wie z. B.: Bildgebungserfassung und -verarbeitung; Sensoren, die Temperatur, Feuchtigkeit usw. erfassen; Gewächshäuser mit automatisierten Förderbändern, die mit Systemen ausgestattet sind, die alle paar Stunden oder Tage Bilder aufnehmen, und so weiter. Alle diese neuen Phänotypisierungsfähigkeiten sind entstanden, die als bezeichnet werden Phänomik .
Wissenschaftler beherrschen Methoden zum Umgang und zur Analyse von Big Data aus den Bereichen Genomik, Proteomik, Transkriptomik, Epigenomik usw. Als Wissenschaftler freue ich mich sehr, dass die Phänotypisierung endlich die anderen Omics-Bereiche einholt und in ihre Elitegruppe befördert wird. Durch die Phänomik können nicht nur mehr Variablen gemessen werden, sondern auch mehr Proben.
Züchter und Analysepersonal benötigen Analysewerkzeuge, die einfach zu verwenden sind und über Methoden verfügen, mit denen diese Daten analysiert werden können. Warum? In der Lage zu sein, das enorme Potenzial dieser Omics-Daten zu nutzen und Zuchtprogrammen zu helfen, nicht nur ihre Zuchtzyklen zu verkürzen, sondern auch bessere Nahrung für die Menschheit zu produzieren.
Ich möchte das Cross Evaluation Tool in vorstellen JMP Genomics Software, die Züchtern helfen soll, Tausende von Pflanzen (Linien oder Sorten) anhand von Genom- und Phänomikdaten zu bewerten, mit dem Ziel, diejenigen Linien zu identifizieren, die ein höheres Potenzial haben, in der Zuchtpipeline fortzufahren.
Zunächst zeige ich eine Datentabelle mit Informationen zu genetischen Markern (Genomdaten) in den Spalten und einzelnen Pflanzen in den Zeilen (teilweise in Abbildung 1 dargestellt). Diese Datentabelle enthält 5.131 Spalten mit Genomdaten (SNP-Genotypen) und 181 Zeilen, wobei jede Zeile eine Inzuchtlinie mit ihren IDs in der darstellt Linien Säule.
Abbildung 1
Schauen wir uns nun das Tool zur Kreuzbewertung an (Abbildung 2). Die Datendatei aus Abbildung 1 wird in das Feld SAS-Eingabedatensatz geladen, und zwei Bewertungsdateien werden in das Feld Scoring Code Files geladen. Score-Dateien enthalten mathematische Gleichungen, die die Phänomikdaten (Merkmale) mit den Informationen verknüpfen, die von den Genomdaten bereitgestellt werden.
Figur 2
Es gibt viele Optionen im Cross Evaluation Tool. Sie können beispielsweise die Art des Kreuzes definieren, das Sie möchten (Selbst oder Auskreuzung), die Anzahl der Nachkommen, die für jedes Kreuz simuliert werden sollen, und festlegen, ob eine Indexauswahl (auch als Supermerkmal bezeichnet) berechnet werden soll oder nicht. Sie können auch mehrere Generationen von Nachkommen erstellen, indem Sie Cross Evaluation paarweise Kreuzungen von Personen in der Datentabelle erstellen lassen. Sobald die erste Generation von Nachkommen erzeugt wurde (erster Kreuzungszyklus), erstellt Cross Evaluation aus diesen Nachkommen neue Kreuzungen , Erzeugung der zweiten Generation von Nachkommen (zweiter Kreuzungszyklus) und so weiter. Ich werde einige dieser Optionen in diesem Beitrag zeigen.
In diesem Beitrag besteht das Ziel der Analysen darin, Pflanzenpaare zu identifizieren, die bei Kreuzung Nachkommen mit einigen wünschenswerten Merkmalen hervorbringen würden. Insbesondere möchte ich Pflanzen, die bei regelmäßiger Wasserversorgung sowie bei eingeschränkter Wasserversorgung einen hohen Ertrag erzielen.
In meiner ersten Analyse habe ich die Kreuzbewertung eingerichtet, um alle paarweisen Kreuzungen zwischen Personen in der Beispieldatentabelle zu erstellen und aus jeder Kreuzung Nachkommen zu erzeugen (Abbildung 3).
Figur 3
Einer der Ausgänge ist in Abbildung 4 dargestellt. Das Streudiagramm zeigt die bivariate Verteilung der von uns berechneten Statistiken (Mittelwert, Min, Max, Bereich und Standardabweichung) für den vorhergesagten Ertrag bei regelmäßiger und eingeschränkter Wasserversorgung.
Figur 4
Das Datenfilter-Dashboard, das links in Abbildung 4 zu sehen ist, kann verwendet werden, um diejenigen Kreuze auszuwählen, die ein höheres Potenzial zur Erzeugung von Nachkommen haben, die die gewünschten Merkmalswerte aufweisen, in diesem Beispiel einen hohen Ertrag bei regelmäßiger und eingeschränkter Wasserversorgung.
Zu diesem Zweck habe ich den Schwellenwert für die simulierten Ertragsmittel bei regelmäßiger und eingeschränkter Wasserversorgung verschoben. Die daraus resultierenden Änderungen sind in Abbildung 5 dargestellt. Ein schneller Vergleich zwischen den 4 und 5 zeigt, dass die meisten Punkte in den Streudiagrammen grau geworden sind. Die grauen Punkte stellen unerwünschte Kreuze dar, basierend auf dem Schwellenwert, den ich im Datenfilter-Dashboard festgelegt habe. Die Kreuze, die den Auswahlschwellenwert überschritten haben, sind schwarz und die Inzuchtlinienpaare, die diese Kreuze erzeugt haben, werden unter dem Datenfilter-Dashboard angezeigt. Wir können leicht erkennen, dass sich die Inzuchtlinie 41 gut mit anderen Inzuchtlinien kreuzt, um unter regelmäßiger und eingeschränkter Wasserversorgung Nachkommen mit hohem Ertrag zu produzieren.
Abbildung 5
In meiner zweiten Analyse habe ich die Kreuzbewertung eingerichtet, um vier Auswahlzyklen (Abbildung 6) für die besten in meiner ersten Analyse identifizierten Kreuze durchzuführen.
Abbildung 6
Einer der Ausgänge ist in Abbildung 7 dargestellt. Die Diagramme zeigen den Trend des Ergebnisses simulierter Merkmale (y-Achse) über vier Brutgenerationen für jede Kreuzung (x-Achse). Wir stellen uns schnell vor, dass die Auswahl die Werte von Merkmalen über Generationen hinweg für alle Kreuze wirksam erhöht hat. Da die Kreuze auf der x-Achse von niedrigeren (links) zu höheren (rechts) Merkmalswerten geordnet sind, können wir leicht erkennen, dass Kreuz 41x148 ein höheres Brutpotential hat, das für die reguläre Wasserversorgung spezifisch ist (oberes Diagramm), Kreuz 41x2 hat ein höheres Brutpotential spezifisch für eingeschränkte Wasserversorgung (untere Parzelle) und Kreuzung 41x138 hat unter beiden Bedingungen ein höheres Brutpotential.
Abbildung 7
In diesem Beitrag haben Sie mehrere Optionen im Cross Evaluation-Tool von gesehen JMP Genomics das kann Züchtern in rasanten Zuchtprogrammen helfen. Es gibt jedoch viele andere Optionen in diesem Tool, die Züchter untersuchen können, um die besten Zuchtstrategien entsprechend ihren spezifischen Bedürfnissen zu entwickeln.
Ich hoffe, diese Informationen sind hilfreich und freue mich auf Ihre Kommentare!
