Данните от генотипирането на цялостния геном разширяват познанията за генетичното разнообразие на световната колекция от люцерна и дават представа за генетичния контрол върху фенологичните характеристики

Зависимостта на Китай и Европа от вноса на протеини представлява заплаха за продоволствената самодостатъчност на тези региони. Проблемът може да бъде решен чрез отглеждането на повече бобови култури, включително люцерна, която е културата с най-високо протеиново съдържание в умерения климат. За създаването на продуктивни и високоценни сортове използването на голямо генетично разнообразие, съчетано с геномна оценка, би могло да подобри настоящите селекционни програми. За да проучим разнообразието на люцерната, използвахме набор от 395 проби (т.е. популации) люцерна, предимно от Европа, Северна и Южна Америка и Китай, с есенна латентност, варираща от 3 до 7 по скала от 11. Пет селекционери предоставиха материали (617 образци), които бяха сравнени с 400-те образци. Всички образци бяха генотипизирани чрез метода „Генотипиране чрез секвениране“ (GBS), за да се определи честотата на SNP алелите. Тези геномни данни бяха използвани за описание на генетичното разнообразие и идентифициране на генетични групи. Аксесиите бяха фенотипирани по фенологични признаци (есенна латентност и дата на цъфтеж) на две локации (Лузинян във Франция, Нови Сад в Сърбия) в периода 2018–2021 г. QTL бяха открити чрез мултилокусен смесен модел (mlmm). Впоследствие беше оценено качеството на геномната прогноза за всеки признак. За оценка на качеството на прогнозата беше използвана кръстосана валидация чрез тестване на методите GBLUP, Bayesian Ridge Regression (BRR) и Bayesian Lasso. Беше установена генетична структура с седем групи. Повечето от тези групи бяха свързани с географския произход на достъпите и показаха, че европейският и американският материал са генетично различни от китайския материал. Бяха открити няколко QTL, свързани с есенната дремка, като повечето от тях бяха свързани с гени. В нашето проучване инфинитезималните методи показаха по-високо качество на прогнозиране в сравнение с Bayesian Lasso, а геномното прогнозиране постигна високи (>0,75) прогнозни способности в някои случаи. Нашите резултати са обнадеждаващи за селекцията на люцерна, като показват, че е възможно да се постигне високо качество на геномното прогнозиране.