バイオ テクノロジーは過去数年にわたって活気に満ちた成長を遂げており、最近ではさまざまな植物種のゲノム データを短期間で低コストで生成する無限の可能性を提供する新製品が提供されています。 孤立した植物 (人間によってまだ深く調査されていない植物) は、ついにこのような技術革新の恩恵を受けています。 私は、まだ発見されていないことが多く、人類の利益のために使用されていることを確信しています.
数年前まで、植物の複雑な形質の研究では表現型解析がボトルネックと考えられていました。コストと時間がかかる集中的な手作業に依存していたためです。 ジェノタイピングと同様に、フェノタイピングはハイテクの新しい時代に入りました。温度、湿度などを取得するセンサー。数時間または数日ごとに画像をキャプチャするシステムを備えた自動ベルトコンベアを備えた温室など。 これらすべての新しい表現型解析機能が登場し、フェノミクス.
科学者は、ゲノミクス、プロテオミクス、トランスクリプトミクス、エピゲノミクスなどから得られるビッグ データを処理および分析する方法を習得してきました。 私は科学者として、表現型が他のオミクス分野に追いつき、彼らのエリートグループに昇格するのをついに見て喜んでいます. フェノミクスによって、より多くの変数を測定できるだけでなく、より多くのサンプルも測定できるようになります。
ブリーダーと分析スタッフは、使いやすく、これらのデータを分析できる方法を備えた分析ツールを必要としています。 なんで？ これらのオミクスデータの大きな可能性を活用し、繁殖プログラムが繁殖サイクルを短縮するだけでなく、人類により良い食物を生産するのを助けることができるようにする.
相互評価ツールを紹介したいと思いますJMPゲノミクスブリーダーが、育種パイプラインで継続する可能性が高い系統を特定することを目的として、ゲノミクスおよびフェノミクス データを使用して何千もの植物 (系統または品種) を評価できるように設計されたソフトウェア。
まず、遺伝子マーカー (ゲノミクス データ) に関する情報を列に、個々の植物に関する情報を行に持つデータ テーブルを示すことから始めます (図 1 に部分的に示されています)。 このデータ テーブルには、ゲノム データ (SNP 遺伝子型) を含む 5,131 列と 181 行があり、各行は近交系を表し、ID はライン桁。
Figure 1Figure 1Figure 1Figure 1図1
次に、相互評価ツールを見てみましょう (図 2)。 図 1 のデータ ファイルが SAS Input Data Set フィールドにロードされ、2 つのスコア ファイルが Scoring Code Files フィールドにロードされます。 スコア ファイルには、フェノミクス データ (形質) をゲノム データによって提供される情報にリンクする数式が含まれています。
Figure 2Figure 2Figure 2Figure 2図 2
Cross Evaluation ツールには多くのオプションがあります。 たとえば、必要な交配のタイプ (自家交配または異系交配)、各交配でシミュレートする子孫の数、インデックス選択 (スーパー トレイトとも呼ばれます) を計算するかどうかを定義できます。 Cross Evaluation でデータ テーブル内の個体のペアワイズ交配を生成することにより、複数世代の子孫を作成することもできます。また、Cross Evaluation は、最初の世代の子孫を生成すると (最初の交配サイクル)、これらの子孫から新しい交配を作成します、子孫の第 2 世代の生産 (第 2 交雑サイクル) などです。 この投稿では、これらのオプションのいくつかを紹介します。
この投稿では、分析の目的は、交配したときに望ましい特性を持つ子孫を生み出す植物のペアを特定することです。 具体的には、通常の給水下でも、限られた給水下でも、収穫量の多い植物が欲しいです。
最初の分析では、クロス評価を設定して、サンプル データ テーブルに存在する個体間ですべてのペアワイズ交配を行い、各交配から子孫を生成しました (図 3)。
Figure 3Figure 3Figure 3Figure 3図 3
出力の 1 つを下の図 4 に示します。 散布図は、定期的および制限された給水下での予測収量について計算した統計 (平均、最小、最大、範囲、および標準偏差) の二変量分布を示しています。
Figure 4Figure 4Figure 4Figure 4図 4
図 4 の左側にあるデータ フィルター ダッシュボードを使用して、望ましい形質値 (この例では、定期的および制限された給水下での高収量) を持つ子孫を生み出す可能性が高い交配を選択できます。
この目的のために、図 5 に示すように、通常の給水と制限された給水下でシミュレートされた特性平均収量のしきい値バーを移動しました。 図 4 と 5 を簡単に比較すると、散布図のほとんどの点が灰色になっていることがわかります。 灰色の点は、データ フィルター ダッシュボードで設定したしきい値に基づく不要なクロスを表します。 選択しきい値を通過した交配は黒で表示され、これらの交配を生成した近交系のペアはデータ フィルター ダッシュボードの下に表示されます。 近交系 41 が他の近交系とうまく交配し、通常の制限された水の供給下で高収量の子孫を生み出すことが容易にわかります。
Figure 5Figure 5Figure 5Figure 5図 5
2 回目の分析では、1 回目の分析で特定された最良の交配を 4 サイクル (図 6) 選択するように Cross Evaluation を設定しました。
Figure 6Figure 6Figure 6Figure 6図 6
出力の 1 つを図 7 に示します。 プロットは、各交配 (x 軸) の 4 つの育種世代にわたるシミュレートされた形質の結果 (y 軸) の傾向を示しています。 すべての交配について、選択が世代を超えて形質の値を増加させるのに効果的であったことをすぐに視覚化します。 x 軸の交配は低い (左) から高い (右) 形質値に順序付けられているため、交配 41x148 は通常の水供給に固有の繁殖能力が高く (上のプロット)、交配 41x2 は繁殖能力が高いことが簡単にわかります。制限された水の供給 (下のプロット) に固有であり、クロス 41x138 は両方の条件で繁殖の可能性が高くなります。
Figure 7Figure 7Figure 7Figure 7図 7
この投稿では、クロス評価ツールのいくつかのオプションについて説明しました。 JMPゲノミクスペースの速い繁殖プログラムでブリーダーを助けることができます。 ただし、このツールには、ブリーダーが特定のニーズに応じて最適な繁殖戦略を作成するために探索できる他の多くのオプションがあります.
この情報がお役に立てば幸いです。コメントをお待ちしております。
