Die Biotechnologie ist in den letzten Jahren mit neuen Produkten rasant gewachsen, die heute endlose Möglichkeiten bieten, Genomdaten für eine Vielzahl von Pflanzenarten in kurzer Zeit und zu geringeren Kosten zu generieren. Verwaiste Pflanzen (solche, die vom Menschen noch nicht umfassend erforscht wurden) profitieren endlich von einer solchen technologischen Revolution. Ich bin mir sicher, dass noch viel mehr entdeckt und zum Wohle der Menschheit genutzt werden muss.
Bis vor einigen Jahren galt die Phänotypisierung als Engpass bei der Untersuchung komplexer Pflanzenmerkmale, da sie auf intensiver manueller Arbeit beruhte, die kostspielig und zeitaufwändig ist. Die Phänotypisierung ist ebenso wie die Genotypisierung in eine neue Ära der High-Tech eingetreten, in der neue Instrumente in der Lage sind, Hochdurchsatzmessungen durchzuführen, wie zum Beispiel: Bilderfassung und -verarbeitung; Sensoren, die Temperatur, Luftfeuchtigkeit usw. erfassen; Gewächshäuser mit automatisierten Förderbändern, die mit Systemen ausgestattet sind, die alle paar Stunden oder Tage Bilder aufnehmen, und so weiter. All diese neuen Möglichkeiten zur Phänotypisierung sind entstanden, was als bezeichnet wird Phänomenologie .
Wissenschaftler beherrschen Methoden zum Umgang und zur Analyse großer Datenmengen aus der Genomik, Proteomik, Transkriptomik, Epigenomik usw. Als Wissenschaftler freue ich mich, dass die Phänotypisierung endlich zu den anderen Omics-Bereichen aufschließen und in deren Elitegruppe aufsteigen kann. Die Phänomenologie wird nicht nur die Messung von mehr Variablen ermöglichen, sondern auch die Messung von mehr Proben.
Züchter und Analysepersonal benötigen Analysetools, die einfach zu verwenden sind und über Methoden verfügen, mit denen diese Daten analysiert werden können. Warum? Wir möchten das enorme Potenzial dieser Omics-Daten nutzen und Zuchtprogrammen dabei helfen, nicht nur ihre Zuchtzyklen zu verkürzen, sondern auch bessere Nahrungsmittel für die Menschheit zu produzieren.
Ich möchte das Cross-Evaluation-Tool vorstellen JMP-Genomik Software, die Züchtern dabei 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 für die Weiterführung in der Züchtungspipeline haben.
Ich zeige zunächst eine Datentabelle, die Informationen zu genetischen Markern (Genomdaten) in den Spalten und einzelnen Pflanzen in den Zeilen enthält (teilweise in Abbildung 1 zu sehen). Diese Datentabelle enthält 5.131 Spalten mit genomischen Daten (SNP-Genotypen) und 181 Zeilen, wobei jede Zeile eine Inzuchtlinie mit ihren IDs im darstellt Linien Spalte.
Figure 1Figure 1Figure 1Figure 1Abbildung 1
Schauen wir uns nun das Cross-Evaluation-Tool an (Abbildung 2). Die Datendatei aus Abbildung 1 wird in das Feld „SAS-Eingabedatensatz“ geladen, und zwei Bewertungsdateien werden in das Feld „Bewertungscodedateien“ geladen. Score-Dateien enthalten mathematische Gleichungen, die die phänomischen Daten (Merkmale) mit den durch die genomischen Daten bereitgestellten Informationen verknüpfen.
Figure 2Figure 2Figure 2Figure 2Figur 2
Es gibt viele Optionen im Cross-Evaluation-Tool. Sie können beispielsweise die Art der gewünschten Kreuzung (Selbst- oder Outcross) definieren, die Anzahl der Nachkommen, die für jede Kreuzung simuliert werden sollen, und ob eine Indexauswahl (auch als Supermerkmal bekannt) berechnet werden soll oder nicht. Sie können auch mehrere Generationen von Nachkommen erzeugen, indem Sie Cross Evaluation paarweise Kreuzungen von Individuen in der Datentabelle erzeugen lassen. Sobald die erste Generation von Nachkommen entstanden ist (erster Kreuzungszyklus), erstellt Cross Evaluation neue Kreuzungen aus diesen Nachkommen , wodurch die zweite Generation von Nachkommen entsteht (zweiter Kreuzungszyklus) und so weiter. Einige dieser Optionen werde ich 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 sowohl bei regelmäßiger als auch bei eingeschränkter Wasserversorgung einen hohen Ertrag erzielen.
In meiner ersten Analyse habe ich die Kreuzauswertung eingerichtet, um alle paarweisen Kreuzungen zwischen den in der Beispieldatentabelle vorhandenen Individuen durchzuführen und aus jeder Kreuzung Nachkommen zu erzeugen (Abbildung 3).
Figure 3Figure 3Figure 3Figure 3Figur 3
Eine der Ausgaben ist unten in Abbildung 4 dargestellt. Das Streudiagramm zeigt die bivariate Verteilung der von uns berechneten Statistiken (Mittelwert, Minimum, Maximum, Bereich und Standardabweichung) für den vorhergesagten Ertrag bei regelmäßiger und eingeschränkter Wasserversorgung.
Figure 4Figure 4Figure 4Figure 4Figur 4
Das Datenfilter-Dashboard, das auf der linken Seite von Abbildung 4 zu sehen ist, kann verwendet werden, um diejenigen Kreuzungen auszuwählen, die ein höheres Potenzial haben, Nachkommen mit den gewünschten Merkmalswerten zu produzieren, in diesem Beispiel hoher Ertrag bei regelmäßiger und eingeschränkter Wasserversorgung.
Zu diesem Zweck habe ich den Schwellenwertbalken für die simulierten Merkmalsmittel des Ertrags bei regelmäßiger und eingeschränkter Wasserversorgung verschoben. Die resultierenden Änderungen sind in Abbildung 5 dargestellt. Ein kurzer Vergleich zwischen den Abbildungen 4 und 5 zeigt, dass die meisten Punkte in den Streudiagrammen grau geworden sind. Die grauen Punkte stellen unerwünschte Überschreitungen dar, basierend auf dem Schwellenwert, den ich im Datenfilter-Dashboard eingerichtet habe. Die Kreuzungen, die den Auswahlschwellenwert überschritten haben, sind schwarz und die Inzuchtlinienpaare, die diese Kreuzungen hervorgebracht haben, werden im Datenfilter-Dashboard angezeigt. Wir können leicht erkennen, dass sich die Inzuchtlinie 41 gut mit anderen Inzuchtlinien kreuzt und bei regelmäßiger und eingeschränkter Wasserversorgung Nachkommen mit hohem Ertrag hervorbringt.
Figure 5Figure 5Figure 5Figure 5Abbildung 5
In meiner zweiten Analyse habe ich die Kreuzbewertung so eingerichtet, dass vier Auswahlzyklen (Abbildung 6) für die besten Kreuzungen durchgeführt werden, die in meiner ersten Analyse identifiziert wurden.
Figure 6Figure 6Figure 6Figure 6Abbildung 6
Eine der Ausgaben ist in Abbildung 7 dargestellt. Die Diagramme zeigen den Trend des simulierten Merkmalsergebnisses (y-Achse) über vier Zuchtgenerationen hinweg für jede Kreuzung (x-Achse). Wir erkennen schnell, dass die Selektion die Werte der Merkmale über Generationen hinweg bei allen Kreuzungen effektiv steigerte. Da die Kreuzungen auf der x-Achse von niedrigeren (links) zu höheren (rechts) Merkmalswerten geordnet sind, können wir leicht erkennen, dass die Kreuzung 41x148 ein höheres Zuchtpotenzial speziell für die regelmäßige Wasserversorgung aufweist (oberes Diagramm), die Kreuzung 41x2 ein höheres Zuchtpotenzial speziell für eingeschränkte Wasserversorgung (unteres Grundstück), und die Kreuzung 41x138 hat unter beiden Bedingungen ein höheres Brutpotenzial.
Figure 7Figure 7Figure 7Figure 7Abbildung 7
In diesem Beitrag haben Sie mehrere Optionen im Cross-Evaluation-Tool von gesehen JMP-Genomik Das kann Züchtern bei anspruchsvollen Zuchtprogrammen helfen. Es gibt jedoch viele andere Optionen in diesem Tool, die Züchter erkunden können, um die besten Zuchtstrategien entsprechend ihren spezifischen Bedürfnissen zu entwickeln.
Ich hoffe, dass Ihnen diese Informationen hilfreich sind und freue mich auf Ihre Kommentare!
