Dane z genotypowania całego genomu poszerzają wiedzę na temat różnorodności genetycznej światowej kolekcji lucerny i dostarczają informacji na temat genetycznych uwarunkowań cech fenologicznych

Uzależnienie Chin i Europy od importowanego białka stanowi zagrożenie dla samowystarczalności żywnościowej tych regionów. Problem ten można rozwiązać poprzez zwiększenie upraw roślin strączkowych, w tym lucerny, która jest rośliną o najwyższej wydajności białkowej w klimacie umiarkowanym. W celu stworzenia wydajnych i wysokowartościowych odmian wykorzystanie dużej różnorodności genetycznej w połączeniu z oceną genomową mogłoby usprawnić obecne programy hodowlane. W celu zbadania różnorodności lucerny wykorzystaliśmy zbiór 395 akcesji lucerny (tj. populacji), pochodzących głównie z Europy, Ameryki Północnej i Południowej oraz Chin, o stopniu spoczynku jesiennego wynoszącym od 3 do 7 w 11-stopniowej skali. Pięciu hodowców dostarczyło materiały (617 akcesji), które porównano z 400 akcesjami. Wszystkie akcesje poddano genotypowaniu metodą Genotyping-by-Sequencing (GBS) w celu uzyskania częstotliwości alleli SNP. Dane genomowe wykorzystano do opisu różnorodności genetycznej oraz identyfikacji grup genetycznych. W latach 2018–2021 przeprowadzono fenotypowanie akcesji pod kątem cech fenologicznych (spoczynku jesiennego i terminu kwitnienia) w dwóch lokalizacjach (Lusignan we Francji, Nowy Sad w Serbii). Lokusi QTL wykryto za pomocą modelu mieszanego wielolokusowego (mlmm). Następnie oceniono jakość prognoz genomowych dla każdej cechy. Do oceny jakości prognoz zastosowano walidację krzyżową, testując metody GBLUP, bayesowskiej regresji grzbietowej (BRR) oraz bayesowskiego Lasso. Stwierdzono strukturę genetyczną składającą się z siedmiu grup. Większość z tych grup była powiązana z pochodzeniem geograficznym akcesji i wykazała, że materiał europejski i amerykański różni się genetycznie od materiału chińskiego. Zidentyfikowano kilka QTL związanych ze spoczynkiem jesiennym, a większość z nich była powiązana z genami. W naszym badaniu metody infinitesimalne wykazały wyższą jakość prognozowania niż metoda Bayesian Lasso, a prognozowanie genomowe osiągnęło w niektórych przypadkach wysoką (>0,75) zdolność prognostyczną. Nasze wyniki są zachęcające dla hodowli lucerny, pokazując, że możliwe jest osiągnięcie wysokiej jakości prognozowania genomowego.