Koko genomin kattavat genotyyppitiedot tuovat uutta tietoa maailmanlaajuisen sinimailaskokoelman geneettisestä monimuotoisuudesta ja antavat näkemyksiä fenologisten ominaisuuksien geneettisestä säätelystä

Kiinan ja Euroopan riippuvuus tuontiproteiinista uhkaa näiden alueiden elintarvikkeiden omavaraisuutta. Ongelma voitaisiin ratkaista viljelemällä enemmän palkokasveja, kuten sinimailasta, joka on lauhkeassa ilmastossa proteiinin tuotannoltaan tehokkain kasvi. Tuottavien ja arvokkaiden lajikkeiden kehittämiseksi nykyisiä jalostusohjelmia voitaisiin parantaa hyödyntämällä laajaa geneettistä monimuotoisuutta yhdistettynä genomin arviointiin. Sinimailasen monimuotoisuuden tutkimiseksi olemme käyttäneet 395 sinimailasen näytekokoelmaa (eli populaatiota), jotka ovat peräisin pääasiassa Euroopasta, Pohjois- ja Etelä-Amerikasta sekä Kiinasta ja joiden syksyn lepotila vaihtelee asteikolla 11 välillä 3–7. Viisi jalostajaa toimitti materiaalia (617 kantaa), jota verrattiin edellä mainittuihin 400 kantaan. Kaikista kannoista määritettiin genotyyppi sekvensointipohjaisen genotyyppauksen (GBS) avulla SNP-alleelitaajuuksien selvittämiseksi. Näitä genomitietoja käytettiin geneettisen monimuotoisuuden kuvaamiseen ja geneettisten ryhmien tunnistamiseen. Kantojen fenotyyppitiedot fenologisista ominaisuuksista (syksyn lepotila ja kukinta-aika) kerättiin kahdessa paikassa (Lusignan Ranskassa, Novi Sad Serbiassa) vuosina 2018–2021. QTL-alueet tunnistettiin monilokus-sekoitusmallin (mlmm) avulla. Tämän jälkeen arvioitiin kunkin ominaisuuden genomin ennusteen laatua. Ennusteen laatua arvioitiin ristivalidoinnilla testaamalla GBLUP-, Bayesian Ridge Regression (BRR) ja Bayesian Lasso -menetelmiä. Tutkimuksessa havaittiin seitsemän ryhmää käsittävä geneettinen rakenne. Suurin osa näistä ryhmistä liittyi kantojen maantieteelliseen alkuperään, ja ne osoittivat, että eurooppalainen ja amerikkalainen aineisto eroavat geneettisesti kiinalaisesta aineistosta. Syksyn lepotilaan liittyi useita QTL-alueita, joista suurin osa oli kytköksissä geeneihin. Tutkimuksessamme infinitesimaalimenetelmät osoittivat parempaa ennusteiden laatua kuin Bayesian Lasso, ja genomin ennustaminen saavutti joissakin tapauksissa korkean (>0,75) ennustamiskyvyn. Tuloksemme ovat rohkaisevia sinimailasen jalostuksen kannalta, sillä ne osoittavat, että on mahdollista saavuttaa korkea genomin ennustamisen laatu.