Genomomfattende genotypningsdata udvider vores viden om den genetiske mangfoldighed i en verdensomspændende lucernesamling og giver indsigt i den genetiske regulering af fænologiske træk

Kinas og Europas afhængighed af importeret protein udgør en trussel mod disse regioners selvforsyning med fødevarer. Problemet kunne løses ved at dyrke flere bælgplanter, herunder lucerne, som er den afgrøde, der producerer mest protein i tempererede klimaer. For at skabe produktive sorter med høj værdi kan anvendelsen af stor genetisk diversitet kombineret med genomisk evaluering forbedre de nuværende avlsprogrammer. For at undersøge lucernens diversitet har vi anvendt et sæt på 395 lucerne-accessioner (dvs. populationer), hovedsageligt fra Europa, Nord- og Sydamerika samt Kina, med en efterårsdormans, der varierer fra 3 til 7 på en skala fra 1 til 11. Fem forædlere leverede materiale (617 tilgange), som blev sammenlignet med de 400 tilgange. Alle tilgange blev genotypet ved hjælp af Genotyping-by-Sequencing (GBS) for at bestemme SNP-allelfrekvensen. Disse genomiske data blev anvendt til at beskrive den genetiske diversitet og identificere genetiske grupper. Tilgangene blev fænotypebestemt for fænologiske træk (efterårsdvalen og blomstringsdato) på to lokaliteter (Lusignan i Frankrig, Novi Sad i Serbien) fra 2018 til 2021. QTL’erne blev påvist ved hjælp af en Multi-Locus Mixed Model (mlmm). Efterfølgende blev kvaliteten af den genomiske forudsigelse for hvert træk vurderet. Krydsvalidering blev anvendt til at vurdere forudsigelseskvaliteten ved at teste GBLUP-, Bayesian Ridge Regression (BRR)- og Bayesian Lasso-metoderne. Der blev fundet en genetisk struktur med syv grupper. De fleste af disse grupper var relateret til accessionernes geografiske oprindelse og viste, at europæisk og amerikansk materiale er genetisk adskilt fra kinesisk materiale. Der blev fundet flere QTL'er forbundet med efterårsdvalen, og de fleste af disse var knyttet til gener. I vores undersøgelse viste de infinitesimale metoder en højere forudsigelseskvalitet end Bayesian Lasso, og den genomiske forudsigelse opnåede i nogle tilfælde høje (>0,75) forudsigelsesevner. Vores resultater er opmuntrende for avlen af lucerne, idet de viser, at det er muligt at opnå en høj kvalitet i den genomiske forudsigelse.