AI prijevod

Preliminarni podaci o genotipizaciji šireg genoma obnovili su znanje o genetskom raznolikosti svjetske zbirke sijenača i pružili uvide u genetsko upravljanje osobinama fenologije

Pravila: - Vrati samo prijevedeni podnaslov. - Ne vraćaj JSON, označavanje, oznake, komentare ili objašnjenja. - Sačuvaj značenje i ton. - Ako je ulaz prazan, vrati prazan odgovor.

ili

Detaljan opis

Ovisnost Kine i Europe o uvozu protein je prijetnja samozadovoljstvu hranom u ovim područjima. Rješenje može biti uzgoj više bobičastih biljaka, uključujući sijenku, koja je najbolji proizvođač proteina u umjerenom klimatu. Za stvaranje produktivnih i visokokvalitetnih sorti, korištenje velike genetske raznolikosti uz genomske procjene može poboljšati trenutne programе uzgoja. Kako bismo istražili raznolikost sijenke, koristili smo skup od 395 pristupnica sijenke (tj. populacija), uglavnom iz Europe, Sjeverne i Južne Amerike te Kine, s odmornosti zimi od 3 do 7 na skali od 11. Pet uzgojitelja pružilo je materijal (617 pristupnica) koji su uspoređeni s 400 pristupnica. Sve pristupnice su genotipirane metodom genotipiranja putem slijednog analiziranja (GBS) radi dobivanja frekvencije alela SNP. Ti genomska podatka korištena su za opis genetske raznolikosti i identificiranje genetskih skupina. Pristupnice su fenotipirane po znacima feno­logije (odmornost zimi i datum cvjetanja) na dvije lokaciji (Lusignan u Francuskoj, Novi Sad u Srbiji) od 2018–2021. Kvantitativni lokusi za znacije (QTL) su otkriveni pomoću višelokalnog mješovitog modela (mlmm). Zatim je ocijenjena kvaliteta genomske predikcije za svaki znak. Kros-validacija je korištena za ocjenu kvalitete predikcije testiranjem metoda GBLUP, Bayesian Ridge Regression (BRR) i Bayesian Lasso. Utvrđena je genetska struktura s sedam skupina. Većina ovih skupina povezana je s geografskim podrijetlom pristupnica i pokazala je da su europski i američki materijali genetski različiti od kineskog materijala. Otkriveno je nekoliko QTL povezanih s odmornošću zimi, a većina njih povezana je s genima. U našem istraživanju, metode s beskonačnim utjecajem pokazale su veću kvalitetu predikcije od Bayesian Lasso, a genomska predikcija postigla je visoku (više od 0,75) sposobnost predikcije u nekim slučajevima. Naši rezultati su ohrabrujući za uzgoj sijenke jer pokazuju mogućnost postizanja visoke kvalitete genomske predikcije.

1/1

ili

Detalji doprinosa

Projekt

EUCLEG

Breeding forage and grain legumes to increase EU's and China's protein self-sufficiency

Mjesto
Europe
Autori
Sabrina Delaunay (INRAE), Tom Ruttink (ILVO Plant Science Unit), Bernadette Julier (INRAE), Dragan Milić (International Maize and Wheat Improvement Center [CIMMYT]), Fabien Surault (INRAE)
Svrha
Access data

Vrsta datoteke
dokument
Izrađeno
05. srp 2023.
Izvorni jezik
English
Službena internetska stranica projekta
EUCLEG
Licencija
CC BY