分析测试百科网 > 行业资讯 > 技术原理

利用表型组学辅助筛选技术开发高效植物育种表型预测...

2020.4.04

利用表型组学辅助筛选技术开发高效植物育种表型预测因子

2019年7月，Plant Phenomics刊发了由来自美国爱荷华州立大学（Iowa State University）的Kyle Parmley等人撰写的题为Development of Optimized Phenomic Predictors for Efficient Plant Breeding Decisions Using Phenomic-Assisted Selection in Soybean的研究论文，介绍了在大豆中利用表型组学辅助筛选技术开发高效植物育种表型预测因子的方法。爱荷华州立大学的Asheesh K. Singh教授为本文通讯作者。

表型辅助育种技术的发展速度已经滞后于基因组辅助育种技术，现在基因组辅助育种已成为培育主流品种的关键技术。然而，表型技术的进步使植物学家能够获得可以分析的高维数据集，从而优化育种计划的运作效率。本研究在6个环境中收集了292份经不同遗传改良的大豆种质的表型和籽粒产量数据。随机森林（Random Forest）是一种机器学习（machine learning, ML）算法，用其映射表型性状与籽粒产量之间的复杂关系，同时使用与育种挑战相一致的两种交叉验证（cross-validation, CV）场景评估预测性能。为了开发能满足育种目标的未来高通量表型部署的规范性传感器包，将遗传算法（GA）技术与特征重要度相结合以选择表型性状的子集，尤其是最优波段。结果阐明了融合机器学习（ML）和最优化技术识别一系列当季表型性状的能力，这将使育种计划减少对资源密集型的季末表型（如，收获的籽粒产量）的依赖。本研究以大豆为例建立一个配置多性状表型预测的模板，该模板易于修正且适用于任何作物品种和育种目标。

图片10.jpg

Cross-validation scenarios (CV1 and CV2) and preprocessing methods (Methods 1 and 2) used to assess phenomic prediction model performance.

图片11.jpg

图片12.jpg

Spearman rank correlation and classification metrics (specificity=SPE, balanced accuracy=BAC, F score=FS) of random forest model test prediction using only optimized wavebands (blue line) and selected canopy traits (red line).

育种家和遗传学家的目标是在育种过程中利用从未使用过的遗传资源，而表型辅助育种技术有潜力在大多数主流项目中整合遗传多样性。表型组学辅助方法可以让育种家操纵遗传增益方程，特别是遗传变异和选择强度。为了改善不同种质的籽粒产量，第一步是使用高通量表型分析技术和包括机器学习在内的高级数据分析建立与籽粒产量相关的表型性状之间的关联。这些方法需要与预测当季籽粒产量结合使用，但更重要的是生产性能排序，这是植物育种计划中性状选择的关键。

本研究鉴定了一组高产的大豆品种，对大豆育种家来说，这进一步证明了在种质资源收集过程中可获得丰富的遗传多样性。这些结果与更广泛的研究结果一致，这些研究表明，种质收集在现代育种工作中对生物和非生物抗性及生产性能的研究具有实用价值。籽粒产量遗传变异的存在使这个拥有292份种质的小组与研究目标相关，因为它涵盖了更广泛的表型和背景。

How to Cite this Article

Kyle Parmley, Koushik Nagasubramanian, Soumik Sarkar, Baskar Ganapathysubramanian, and Asheesh K. Singh, “Development of Optimized Phenomic Predictors for Efficient Plant Breeding Decisions Using Phenomic-Assisted Selection in Soybean,” Plant Phenomics, vol. 2019, Article ID 5809404, 15 pages, 2019. https://doi.org/10.34133/2019/5809404.

About Plant Phenomics

《植物表型组学》（Plant Phenomics）是由南京农业大学和美国科学促进会（AAAS）合作创办的英文学术期刊，于2019年1月正式上线发行，是Science合作出版的第二本期刊。采用开放获取形式，刊载植物表型组学交叉学科热点领域具有突破性科研进展的原创性研究论文、综述、数据集和观点。具体范围涵盖高通量表型分析的最新技术，基于图像分析和机器学习的表型分析研究，提取表型信息的新算法，作物栽培、植物育种和农业实践中的表型组学新应用，与植物表型相结合的分子生物学、植物生理学、统计学、作物模型和其他组学研究，表型组学相关的植物生物学等。

互联网

喜欢作者我要约稿

喜欢作者

打赏方式

利用表型组学辅助筛选技术开发高效植物育种表型预测...

周锦帆